Att hänga med på LinkedIn på “rätt” sätt är slitigt. Du öppnar flödet i fem minuter, missar ändå de bästa inläggen och på något sätt försvinner en timme i scrollande.
Den här LinkedIn Slack-automatiseringen träffar marknadschefer först, eftersom synlighet är en del av jobbet. Men grundare och konsulter känner av det också, särskilt när rekommendationer kommer av att du “finns där” konsekvent. Resultatet: ett jämnt flöde av högvärdiga inlägg levererade till Slack, plus en färdig kommentar som du kan redigera snabbt och publicera direkt.
Du får lära dig vad workflowet gör, hur delarna hänger ihop och vilka praktiska uppsättningsval som gör det stabilt i vardagen.
Så fungerar den här automatiseringen
Här är hela workflowet som du kommer att sätta upp:
n8n Workflow Template: LinkedIn + Slack: bättre kommentarer, mindre scroll
flowchart LR
subgraph sg0["Structured Output Pa Flow"]
direction LR
n0["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/webhook.dark.svg' width='40' height='40' /></div><br/>Webhook"]
n1@{ icon: "mdi:brain", form: "rounded", label: "Anthropic Chat Model", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n3@{ icon: "mdi:wrench", form: "rounded", label: "Search Web", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "Validate Post", pos: "b", h: 48 }
n6@{ icon: "mdi:robot", form: "rounded", label: "Write Comment", pos: "b", h: 48 }
n7@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields", pos: "b", h: 48 }
n8@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If1", pos: "b", h: 48 }
n9["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/slack.svg' width='40' height='40' /></div><br/>Slack"]
n4 --> n6
n8 --> n5
n0 --> n8
n3 -.-> n6
n7 --> n9
n5 --> n4
n6 --> n7
n1 -.-> n5
n1 -.-> n6
n2 -.-> n5
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n2,n5,n6 ai
class n1 aiModel
class n3 ai
class n4,n8 decision
class n0 api
classDef customIcon fill:none,stroke:none
class n0,n9 customIcon
Varför det här spelar roll: vara synlig utan att bo på LinkedIn
Det svåra med LinkedIn är inte att skriva en kommentar. Det är att hitta rätt ställe att kommentera på, vid rätt tidpunkt, utan att förvandla arbetsdagen till en oändlig uppdatering av flödet. Du hoppar mellan notiser, sparade inlägg, kreatörers profiler och “jag återkommer till det här senare”-flikar som aldrig öppnas igen. Och när du väl engagerar dig är du stressad, du skriver något generiskt och det försvinner i tråden. Värst av allt: du kan inte avgöra om du lägger tid på inlägg som faktiskt betyder något för din nisch.
Det blir snabbt mycket. Här är var det oftast faller isär i verkligheten.
- Du lägger ungefär 30 minuter om dagen på att leta efter relevanta inlägg, och det mesta du hittar passar inte.
- Bra möjligheter glider förbi eftersom du inte såg dem förrän samtalet redan hade svalnat.
- Team kan inte samarbeta, eftersom “jag hittade ett bra inlägg” bara finns i någons huvud eller bland webbläsarbokmärken.
- Du spelar säkert med intetsägande kommentarer, eftersom det är mentalt dyrt att skriva genomtänkta svar från noll varje gång.
Det du bygger: LinkedIn-inläggsnotiser med AI-skrivna kommentarsutkast
Det här workflowet gör social listening till en enkel rutin för “granska och svara” direkt i Slack. Det startar när ett social listening-verktyg (Trigify) hittar ett inlägg som matchar dina ämnen och skickar detaljerna till n8n via en webhook. Därifrån validerar workflowet källänken, bekräftar att det faktiskt är ett LinkedIn-inlägg och ber en AI-agent avgöra om inlägget är värt att engagera sig i. Om det inte är relevant stoppar det tyst. Om det är relevant skriver en andra AI-agent ett kort kommentarsutkast (under 30 ord) som är tänkt att låta hjälpsamt och erfarenhetsbaserat, inte säljigt. Till sist formaterar workflowet en sammanfattning, URL och kommentarsutkast och skickar hela “engagemangspaketet” till en Slack-kanal så att du kan bestämma nästa steg.
Flödet är medvetet enkelt. En webhook i realtid tar in inlägg, en AI-relevanskontroll filtrerar bort brus och en kommentargenerator ger dig ett starkt första utkast. Slack blir din kö, vilket gör att du kan vara konsekvent utan att hänga i flödet.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du vill lämna 5 bra kommentarer per vecka. Manuellt kanske du lägger cirka 30 minuter om dagen på att leta och spara inlägg, vilket är ungefär 2,5 timmar per vecka innan du ens skriver något. Med det här workflowet försvinner “sök”-steget eftersom de bästa kandidaterna dyker upp i Slack, redan sammanfattade, med ett kommentarsutkast bifogat. De flesta hamnar runt 10 minuter om dagen för att granska, justera och publicera, så du sparar cirka 2 timmar per vecka och blir mycket mer konsekvent.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Självhostat alternativ om du föredrar det (Hostinger fungerar bra)
- Trigify.io för social listening och upptäckt av inlägg
- Slack för att ta emot engagemangsnotiserna
- Anthropic API-nyckel (hämta den i Anthropic Console)
Kunskapsnivå: Medel. Du kopplar konton, klistrar in autentiseringsuppgifter och justerar ett par AI-prompter på ett säkert sätt.
Vill du att någon bygger det åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Trigify hittar ett inlägg och anropar din webhook. När Trigify upptäcker en konversation som matchar dina nyckelord skickar den inläggsinnehåll, författardetaljer, engagemangsdata och URL direkt till n8n.
Workflowet kontrollerar källan och strukturerar indata. En validering av “är det här LinkedIn?” körs först, eftersom workflowet är optimerat för engagemang på LinkedIn. Om länken saknas eller plattformen är fel stannar det i stället för att skräpa ner din Slack-kanal.
AI bedömer relevans och skapar sedan kommentaren. Den första AI-agenten granskar inlägget mot dina expertområden och returnerar ett strukturerat beslut “relevant eller inte”. Om det är en matchning genererar den andra agenten en kort kommentar som är utformad för att tillföra värde och låta mänsklig.
Slack tar emot ett engagemangspaket som är klart att använda. Workflowet mappar utdatafälten (sammanfattning, URL och föreslaget svar) och publicerar notisen i din valda Slack-kanal så att du kan granska, redigera, kopiera eller hoppa över.
Du kan enkelt justera relevansreglerna för att passa en annan nisch, eller skicka notiser till en annan Slack-kanal baserat på ämne. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: konfigurera webhook-triggern
Konfigurera den inkommande webhooken som tar emot payloads för sociala inlägg och startar arbetsflödet.
- Lägg till och öppna Incoming Webhook Trigger.
- Ställ in HTTP Method på
POST. - Ställ in Path på
REDACTED_WEBHOOK_PATH. - Kopiera webhook-URL:en från Incoming Webhook Trigger och konfigurera ert källsystem att skicka JSON med
body.contentochbody.post_url.
body.content och body.post_url. Säkerställ att avsändaren följer samma struktur för att undvika tomma AI-prompter.Steg 2: anslut Anthropic för AI-bearbetning
Arbetsflödet använder en delad språkmodell för att utvärdera relevans och skriva ett utkast till svar.
- Öppna Anthropic Chat Engine.
- Inloggningsuppgifter krävs: Anslut era anthropicApi-inloggningsuppgifter.
- Bekräfta att modellen är inställd på
claude-sonnet-4-20250514. - Verifiera att Anthropic Chat Engine är ansluten som språkmodell till både Evaluate Post Relevance och Draft Engagement Reply.
Steg 3: sätt upp relevansutvärdering och förgrening
Validera källänkar, analysera inläggets relevans med AI och förgrena baserat på resultatet.
- Öppna Source Link Validator och ställ in villkoret så att det kontrollerar om
{{ $json.body.post_url }}containslinkedin. - Öppna Evaluate Post Relevance och sätt Text till
=Here is the post - {{ $json.body.content }}. - Säkerställ att Evaluate Post Relevance har Has Output Parser aktiverat och är ansluten till Structured Result Parser.
- Öppna Structured Result Parser och bekräfta att JSON-schemaexemplet matchar:
{ "result": true, "post summary": "..." }. - Öppna Branch Logic Check och ställ in det booleska villkoret till att
{{ $json.output.result }}är true.
result konsekvent.Steg 4: skapa utkast till engagemangssvar och mappa utdata
Generera den föreslagna kommentaren och normalisera fält innan ni skickar till Slack.
- Öppna Draft Engagement Reply och sätt Text till
=Post - {{ $('Incoming Webhook Trigger').item.json.body.content }}. - I Web Search Tool, bekräfta att URL är
https://api.openai.com/v1/responsesoch att JSON Body är={ "model": "gpt-4o", "tools": [{"type": "web_search_preview"}], "input": "{placeholder}" }. - Ställ in Headers i Web Search Tool med Content-Type
application/jsonoch Authorization[CONFIGURE_YOUR_TOKEN]. - Öppna Map Output Fields och lägg till tilldelningar: Post URL =
{{ $('Incoming Webhook Trigger').item.json.body.post_url }}, Suggested Comment ={{ $json.output }}och output['post summary'] ={{ $('Evaluate Post Relevance').item.json.output['post summary'] }}.
Steg 5: konfigurera Slack-utdata
Skicka inläggssammanfattningen och den föreslagna kommentaren till Slack.
- Öppna Post Slack Alert.
- Inloggningsuppgifter krävs: Anslut era slackApi-inloggningsuppgifter.
- Ställ in Message Type på
blockoch behåll fältet Blocks som angivet för att rendera knapparna och sektionerna. - Bekräfta att blockmallen använder:
{{ $json['Post URL'] }},{{ $json.output['post summary'] }}och{{ $json['Suggested Comment'] }}. - Välj Slack-Channel genom att använda Channel ID inställt till
[YOUR_ID].
Steg 6: testa och aktivera ert arbetsflöde
Verifiera flödet från början till slut innan ni aktiverar arbetsflödet i produktion.
- Klicka på Execute Workflow och skicka en test-POST till Incoming Webhook Trigger med
body.contentochbody.post_url. - Bekräfta att Source Link Validator passerar för LinkedIn-URL:er och att Evaluate Post Relevance matar ut
result: truemed enpost summary. - Kontrollera att Branch Logic Check routar till Draft Engagement Reply och att Map Output Fields innehåller de mappade värdena.
- Verifiera att Slack tar emot det formaterade meddelandet från Post Slack Alert med fungerande knappar och ifylld text.
- Växla arbetsflödet till Active för att möjliggöra körning i produktion.
Felsökningstips
- Slack-autentisering kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först Slack-appens scopes och n8n:s credential-test.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er varumärkesröst tidigt, annars kommer du att redigera utdata för alltid.
Snabba svar
Cirka 30 minuter om Trigify, Slack och din AI-nyckel är redo.
Nej. Du kopplar mest konton och klistrar in API-nycklar i n8n-autentiseringsuppgifter.
Ja. n8n har ett gratis självhostat alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för Anthropic API-användning, som beror på hur många inlägg du analyserar och skriver utkast för.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller självhostning på en VPS. För självhostning är Hostinger VPS prisvärt och hanterar n8n bra. Självhostning ger dig obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du. De flesta anpassningar sker i agenten “Evaluate Post Relevance” och agenten “Draft Engagement Reply”, eftersom det är där dina nischregler och din skrivstil bor. Vanliga justeringar är att ändra vilka expertområden den poängsätter mot, skärpa “TRUE/FALSE”-tröskeln så att bara de bästa inläggen godkänns, och uppdatera kommentarsprompten med er varumärkesröst och en lista över vad ni inte vill säga.
Oftast handlar det om en utgången token eller saknade Slack-scopes för att posta i kanalen du valde. Återanslut Slack-autentiseringen i n8n, bekräfta att kanalen fortfarande finns och verifiera att appen får posta där. Om det bara misslyckas ibland kan du också slå i Slacks rate limits när flera inlägg kommer tätt inpå varandra.
Mycket, så länge du styr inflödet och din AI-budget.
Ofta, ja, eftersom det här workflowet bygger på AI-beslut i flera steg (relevanspoängsättning plus kommentarsutkast) och villkorsstyrd routing, som n8n hanterar snyggt utan att göra varje gren till extra tasks. n8n ger dig också möjlighet att självhosta, vilket spelar roll om du vill ha många körningar utan att kostnaderna drar iväg. Zapier eller Make kan fortfarande fungera om du förenklar logiken och accepterar mer brus i Slack. Den stora avvägningen är kontroll: den här uppsättningen är byggd för att skydda ditt rykte genom att filtrera hårt innan den föreslår engagemang. Om du är osäker, prata med en automationsexpert så tar vi fram det billigaste verktyget som ändå ger rätt resultat.
När det här väl rullar slutar LinkedIn vara en daglig skattjakt. Du dyker upp med bättre timing, bättre formuleringar och betydligt mindre ansträngning.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.