Din innehållskalender ser bra ut. Problemet är allt som händer innan skrivandet: att välja ämne, göra snabb research, hitta vinklar och göra om grova anteckningar till något publicerbart utan att tappa en halv arbetsdag.
Det här slår mot marknadsförare som behöver jämn produktion, men byråägare och upptagna grundare känner av det också. Med automatisering för Telegram SEO drafts skickar du ett ämne och får tillbaka ett komplett utkast plus metadata, redo för en snabb redigering.
Det här arbetsflödet använder Telegram som din ”inkorg”, Perplexity för ämnesresearch och GPT-4o för att skriva och paketera allt. Du får se hur det fungerar, vad du behöver och var team oftast går bet.
Så fungerar den här automatiseringen
Hela n8n-flödet, från trigger till slutleverans:
n8n Workflow Template: Perplexity + Telegram: SEO-utkast redo att redigera
flowchart LR
subgraph sg0["AI Agent1 Flow"]
direction LR
n3["<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/merge.svg' width='40' height='40' /></div><br/>Merge"]
n7@{ icon: "mdi:cog", form: "rounded", label: "Combine Blog Details", pos: "b", h: 48 }
n12@{ icon: "mdi:robot", form: "rounded", label: "AI Agent1", pos: "b", h: 48 }
n13@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model2", pos: "b", h: 48 }
n15["<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/telegram.svg' width='40' height='40' /></div><br/>Telegram"]
n16@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n3 --> n15
n3 --> n7
n12 --> n3
n16 -.-> n12
n13 -.-> n12
end
subgraph sg1["On form submission Flow"]
direction LR
n4["<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/form.svg' width='40' height='40' /></div><br/>On form submission"]
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/telegram.svg' width='40' height='40' /></div><br/>Tele HoangSP_Social_Media"]
n10@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n11@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model1", pos: "b", h: 48 }
n4 --> n10
n11 -.-> n10
n9 --> n10
end
subgraph sg2["Metadata Generator Flow"]
direction LR
n2@{ icon: "mdi:robot", form: "rounded", label: "Metadata Generator", pos: "b", h: 48 }
end
subgraph sg3["Flow 4"]
direction LR
n0@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
end
subgraph sg4["Structured Output Pa Flow"]
direction LR
n1@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
end
subgraph sg5["Simple Memory1 Flow"]
direction LR
n17@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory1", pos: "b", h: 48 }
end
subgraph sg6["Blog Content Generat Flow"]
direction LR
n5@{ icon: "mdi:robot", form: "rounded", label: "Blog Content Generator", pos: "b", h: 48 }
end
subgraph sg7["Perplexity_Searcher Flow"]
direction LR
n8@{ icon: "mdi:wrench", form: "rounded", label: "Perplexity_Searcher", pos: "b", h: 48 }
end
subgraph sg8["Flow 9"]
direction LR
n6@{ icon: "mdi:brain", form: "rounded", label: "gpt-4o-mini", pos: "b", h: 48 }
end
subgraph sg9["Metadata Extractor Flow"]
direction LR
n14@{ icon: "mdi:robot", form: "rounded", label: "Metadata Extractor", pos: "b", h: 48 }
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 n4,n9 trigger
class n12,n10,n2,n1,n5,n14 ai
class n13,n11,n0,n6 aiModel
class n8 ai
class n16,n17 ai
classDef customIcon fill:none,stroke:none
class n3,n15,n4,n9 customIcon
Problemet: SEO-utkast tar evigheter innan du ens börjar skriva
Det mesta av ”skrivtiden” är inte skrivande. Det är att leta efter trovärdiga källor, förstå vad som faktiskt rankar, forma en disposition och sedan skriva om första utkastet eftersom vinkeln är fel. Och när du gör det för varje inlägg börjar du gena: du återanvänder samma struktur, introt blir generiskt eller så publicerar du sent eftersom research tog längre tid än väntat. Ärligt talat är det värsta kontextbytena. Du hoppar mellan anteckningar, sökresultat, verktyg och dokument och slutar ändå med att stirra på en tom sida.
Friktionen bygger på. Här brukar det fallera.
- Du lägger cirka 1–2 timmar per inlägg bara på ”snabb research” som inte alls är snabb.
- Metadata blir en eftertanke, så slugs och beskrivningar blir inkonsekventa eller framstressade.
- Bra idéer dör i DM:s och röstanteckningar eftersom det inte finns en tydlig väg från ”ämne” till ”utkast”.
- När en kollega frågar ”var kommer det där påståendet ifrån?” får du panik och försöker återskapa källorna.
Lösningen: Gör ett Telegram-meddelande till ett komplett SEO-utkastpaket
Det här arbetsflödet börjar med en enkel input: du skickar ett ämne (eller en ”researchfråga”) via Telegram eller en formulärinsändning. Därifrån anropar en AI-researchagent ett Perplexity-subflöde för att hämta aktuell, relevant information och vinklar du faktiskt kan använda. Den researchen matas sedan in i en skrivagent som drivs av OpenAI (GPT-4o), som producerar ett komplett bloggutkast i ett konsekvent format. Därefter skapar en metadata-agent din titel, slug och metabeskrivning så att du slipper improvisera SEO på slutet. Slutligen slår flödet ihop allt till ett snyggt paket och skickar tillbaka det till Telegram, så resultatet landar där du redan jobbar.
Arbetsflödet börjar med intag via Telegram (eller en formulärtrigger) och skickar frågan vidare till en researchassistent. Sedan skapar det artikelutkastet, bygger SEO-metadata, formaterar slutresultatet och levererar det färdiga utkastpaketet tillbaka till Telegram (och kan även samla det för loggning).
Det du får: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att du publicerar 3 inlägg i veckan. Manuellt kostar ett ”enkelt” SEO-inlägg ofta cirka 1 timmes research, 1–2 timmar för att skriva utkastet och ytterligare 20 minuter för att skriva en bra titel, slug och metabeskrivning, så du landar runt 3 timmar per inlägg. Med det här arbetsflödet skickar du ett Telegram-meddelande (kanske 1 minut), väntar sedan tills research + utkast är klart och lägger cirka 20–30 minuter på att vässa utkastet och lägga till dina verkliga exempel. Det är ungefär 6 timmar tillbaka per vecka, utan att tumma på kvaliteten.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Telegram för att skicka ämnen och ta emot utkast
- Perplexity API för att driva ämnesresearch
- OpenAI API-nyckel (hämta den i din OpenAI API-dashboard)
Kunskapsnivå: Medel. Du kopplar in inloggningar, justerar ett par prompts och testar input via Telegram eller formulärtriggern.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett ämne kommer in via Telegram (eller ett formulär). Arbetsflödet bevakar ett nytt Telegram-meddelande via Telegram-triggern, eller så startar det från formulärtriggern om du föredrar ett enkelt internt beställningsformulär.
Research hämtas in innan skrivandet börjar. Researchassistent-agenten skickar din fråga vidare till Perplexity-researchverktygets subflöde, som returnerar färsk kontext du kan bygga en riktig artikel på i stället för generiskt utfyllnadsmaterial.
Utkast och metadata skapas som separata ”jobb”. En agent skriver långformatutkastet, en annan agent bygger SEO-metadata (titel, slug, metabeskrivning), och en formateringsagent städar upp strukturen så att resultatet är lätt att klistra in i ditt CMS.
Allt slås ihop och levereras tillbaka till dig. Arbetsflödet kombinerar strömmarna, aggregerar det slutliga ”bloggpaketet” och skickar det till Telegram så att du kan granska på desktop eller mobil utan att jaga runt i verktyg.
Du kan enkelt anpassa skrivstilen för att matcha din tonalitet utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera formulärtriggern
Sätt upp den formulärbaserade startpunkten för bloggbegäranden.
- Lägg till eller öppna Form Submit Trigger och ställ in Form Title till
Blog Factory. - Ställ in Form Description till
Create SEO optimized blog posts. - I Form Fields lägger ni till en textarea med Field Label
Research Queryoch PlaceholderWhat are the most common challenges facing Canadian employers regarding recruitment and why would they want to hire a recruiting firm to solve these problems.. - Markera fältet som Required för att säkerställa att agenten har en researchprompt.
Steg 2: Konfigurera Telegram-triggern
Aktivera Telegram som en andra startpunkt så att användare kan skicka in researchprompter via chatt.
- Lägg till eller öppna Telegram Intake Trigger.
- Ställ in Updates så att det inkluderar
message. - Autentiseringsuppgift krävs: Anslut era
telegramApi-autentiseringsuppgifter.
⚠️ Vanlig fallgrop: Om Telegram-webhooken inte är registrerad triggas den aldrig. Testa triggern igen efter att ni har anslutit autentiseringsuppgifter.
Steg 3: Sätt upp agenterna för research och utkast
Konfigurera den AI-drivna researchen och genereringen av utkast, inklusive de anslutna verktygen och modellerna.
- Öppna Research Assistant Agent och behåll prompten intakt, inklusive uttrycken
{{ $json['Research Query'] }}och{{ $json.message.text }}. - Anslut OpenAI Chat Engine B som språkmodell för Research Assistant Agent. Autentiseringsuppgift krävs: Anslut era
openAiApi-autentiseringsuppgifter. - Koppla Perplexity Research Tool som AI-verktyg för Research Assistant Agent och ställ in Workflow ID till ert research-workflow (ersätt
[YOUR_ID]). - Öppna Copy Draft Composer och behåll prompten för långformad bloggtext, och säkerställ att frågeuttrycket
{{ $json.output }}förblir intakt. - Anslut OpenAI Mini Model som språkmodell för Copy Draft Composer. Autentiseringsuppgift krävs: Anslut era
openAiApi-autentiseringsuppgifter.
Steg 4: Konfigurera SEO-metadata och formatering av inlägget
Generera SEO-metadata och formatera utkastet till ett strukturerat JSON-blogginlägg.
- Öppna SEO Meta Builder och behåll hela prompten. Bekräfta att uttrycket
{{ $json.output }}finns i promptens brödtext. - Koppla OpenAI Chat Engine A som språkmodell för SEO Meta Builder. Autentiseringsuppgift krävs: Anslut era
openAiApi-autentiseringsuppgifter. - Koppla Structured JSON Parser A som utdata-parser för SEO Meta Builder och behåll JSON Schema Example som det visas.
- Öppna Post Format Agent och behåll prompten för JSON-extraktion med
{{ $json.output }}. - Koppla OpenAI Chat Engine C som språkmodell för Post Format Agent. Autentiseringsuppgift krävs: Anslut era
openAiApi-autentiseringsuppgifter. - Koppla Structured JSON Parser B som utdata-parser för Post Format Agent och behåll det manuella schemat för
title,subtitle,contentochhashtags.
{{ $json.output }} och Context Window Length på 10.Steg 5: Konfigurera sammanslagning och leverans av utdata
Kombinera SEO-metadata och det formaterade inlägget, och leverera sedan utdata till Telegram och aggregering.
- Öppna Combine Streams och ställ in Mode till
combineoch Combine By tillcombineByPosition. - Verifiera att Copy Draft Composer skickar utdata till både SEO Meta Builder och Post Format Agent parallellt.
- Verifiera att Combine Streams skickar utdata till både Telegram Post Sender och Aggregate Blog Package parallellt.
- Konfigurera Telegram Post Sender med Text satt till
{{ $json.output.title }} {{ $json.output.title }} {{ $json.output.subtitle }} {{ $json.output.content }}och Chat ID till{{ $('Telegram Intake Trigger').item.json.message.chat.id }}. - Autentiseringsuppgift krävs: Anslut era
telegramApi-autentiseringsuppgifter för Telegram Post Sender. - Öppna Aggregate Blog Package och behåll Aggregate inställt på
aggregateAllItemData.
⚠️ Vanlig fallgrop: Om Telegram Intake Trigger inte triggas kommer Telegram Post Sender inte att hitta chatt-ID:t. Testa Telegram-triggern först.
Steg 6: Testa och aktivera ert workflow
Validera hela end-to-end-flödet och aktivera sedan körning i produktion.
- Klicka på Execute Workflow och skicka in ett testformulär via Form Submit Trigger med en realistisk researchfråga.
- Skicka ett Telegram-meddelande till boten för att testa flödet via Telegram Intake Trigger.
- Bekräfta att Research Assistant Agent skickar utdata till Copy Draft Composer, och att Copy Draft Composer förgrenar till SEO Meta Builder och Post Format Agent parallellt.
- Verifiera att Combine Streams slår ihop båda grenarna och att Telegram Post Sender tar emot ett formaterat inlägg med titel, underrubrik och innehåll.
- Säkerställ att Aggregate Blog Package samlar in den kombinerade utdata som ett enda item.
- När testet lyckas, växla workflowet till Active för användning i produktion.
Vanliga fallgropar
- Telegram-inloggningar kan gå ut eller så kan din bot sakna behörigheter i en gruppchatt. Om meddelanden slutar trigga, kontrollera först bot-token och webhook-status i din BotFather-konfiguration och n8n-credentials.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned misslyckas på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera output i all oändlighet.
Vanliga frågor
Cirka 30 minuter om dina API-nycklar är klara.
Nej. Du kopplar främst konton och justerar prompts på vanlig svenska/engelska.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med användning av OpenAI- och Perplexity-API:erna, vilket beror på hur långa dina prompts och utkast är.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärt och hanterar n8n bra. Egen hosting ger obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Uppdatera prompten i Copy Draft Composer så att den inkluderar din målgrupp, tonalitet och exempel du vill att den ska efterlikna, och justera sedan prompten i SEO Meta Builder så att titlar och beskrivningar matchar din stil. Vanliga justeringar är att kräva ett visst dispositionsformat, styra läsnivå och be om sektioner med ”exempel från verkligheten” så att utkastet känns mindre generiskt.
Oftast är det ett problem med bot-token eller webhook. Generera om eller kontrollera din Telegram Bot Token, bekräfta att boten får läsa meddelanden i chatten du använder och välj sedan om credentials i n8n-noderna Telegram Trigger och Telegram Sender. Om det fungerar i direktmeddelande men inte i en grupp handlar det ofta om behörigheter.
Många, så länge dina API-budgetar och din n8n-plan matchar volymen. På n8n Cloud är gränsen främst antal körningar per månad baserat på planen du väljer, medan egen hosting inte har något hårt tak för körningar (då blir serverresurserna begränsningen). I praktiken kör de flesta team några utkast per dag utan problem och skalar sedan genom att batcha ämnen via formulärtriggern eller schemalägga körningar.
Ofta ja, eftersom den här typen av flöde tjänar på flersteglogik, separata agenter (research, utkast, metadata, formatering) och flexibel sammanslagning utan att betala per premiumfunktion. n8n ger dig också möjlighet till egen hosting, vilket är viktigt när du vill ha många körningar utan oväntade kostnader. Zapier eller Make kan fortfarande fungera bra om du bara vill ha ett enkelt ”ämne in, dokument ut”-flöde och du inte bryr dig så mycket om att anpassa prompts. Så fort du vill ha konsekvent paketering, förgreningar eller ett Perplexity-subflöde brukar n8n kännas mindre begränsande. Om du är osäker, prata med en automationsexpert så får du ett rakt svar för din setup.
När det här väl rullar blir ”jag borde skriva ett inlägg om det där” ett Telegram-meddelande och ett redigerbart utkast. Arbetsflödet tar hand om de repetitiva förberedelserna så att du kan fokusera på det som faktiskt kräver ditt omdöme.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.