Du genererar en bild, väntar, uppdaterar, kopierar länken, klistrar in den någonstans och försöker sedan komma ihåg vilken prompt som skapade den “bra” versionen. Det är trögt. Och om en körning misslyckas märker du det ofta inte förrän senare.
Det här arbetsflödet för Replicate Sheets-loggning slår hårdast mot marknadschefer som jonglerar kampanjmaterial, men byråansvariga och solokreatörer känner av det också. Du får en strukturerad logg över varje körning (prompt, status, output) så att du kan leverera visuellt material utan att behöva passa processen.
Nedan ser du hur automationen fungerar, vad den sparar åt dig och hur du anpassar den till din egen pipeline för bildgenerering.
Så fungerar automationen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: Replicate till Google Sheets, logga bildkörningar
flowchart LR
subgraph sg0["Manual Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set API Token", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set Image Parameters", pos: "b", h: 48 }
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Create Image Prediction"]
n4@{ icon: "mdi:cog", form: "rounded", label: "Wait 5s", pos: "b", h: 48 }
n5["<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/httprequest.dark.svg' width='40' height='40' /></div><br/>Check Status"]
n6@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Is Complete?", pos: "b", h: 48 }
n7@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Has Failed?", pos: "b", h: 48 }
n8@{ icon: "mdi:cog", form: "rounded", label: "Wait 10s", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Success Response", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Error Response", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "Display Result", pos: "b", h: 48 }
n12["<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/code.svg' width='40' height='40' /></div><br/>Log Request"]
n4 --> n5
n8 --> n5
n7 --> n10
n7 --> n8
n12 --> n4
n5 --> n6
n6 --> n9
n6 --> n7
n1 --> n2
n10 --> n11
n0 --> n1
n9 --> n11
n2 --> n3
n3 --> n12
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 n0 trigger
class n6,n7 decision
class n3,n5 api
class n12 code
classDef customIcon fill:none,stroke:none
class n3,n5,n12 customIcon
Varför det här spelar roll: bildgenerering blir snabbt rörigt
Bildgenerering låter enkelt tills du gör det mer än några gånger. Prompter utvecklas, parametrar ändras och plötsligt har du “final_v7_REALLYfinal.png” på ett dussin ställen utan någon pålitlig spårbarhet till vad som skapade den. Sen har du väntandet. Replicate-prediktioner kör asynkront, vilket betyder att du antingen fortsätter att manuellt kolla status eller glömmer bort och upptäcker timmar senare att ett jobb misslyckades. Det värsta är omkörningarna: du skickar prompter igen eftersom du inte kan se vad som kördes, vad som fortfarande körs och vad som redan är klart.
Friktionen bygger på. Här är var det vanligtvis fallerar.
- Du tappar tid på att hela tiden växla flikar mellan dina promptanteckningar, Replicate och där du spårar leveranser.
- Misslyckade prediktioner upptäcks inte snabbt, så deadlines glider och du tvingas göra om arbete under press.
- Prompter och output är inte länkade på ett ställe, vilket gör det svårt att återanvända det som fungerade förra veckan.
- Team kan inte samarbeta smidigt eftersom det saknas en gemensam “single source of truth” för vad som genererats och varför.
Det du bygger: Replicate-bildkörningar loggas till Google Sheets
Det här arbetsflödet gör Replicate-bildgenerering till en spårbar, repeterbar process. Du startar det manuellt i n8n (eller senare triggar du det från ett annat system), och det förbereder direkt dina API-uppgifter och de bildinputs du vill skicka till modellen Ibm Granite Granite Vision 3.3 2B. Därefter skickar det en prediktionsbegäran till Replicate via HTTP och sparar en körlogg så att du har ett bestående “kvitto” på vad du bad om. Sedan väntar det kort, kontrollerar prediktionsstatus och fortsätter att polla med inbyggd förgrening för lyckat resultat kontra fel. När körningen är klar bygger arbetsflödet ett slutligt svarsobjekt som du kan lagra, dela eller skicka in i Google Sheets så att du kan granska output utan att behöva rota i verktyg.
Arbetsflödet börjar med en prompt och parametrar, skickar dem till Replicate och loggar begäran. Sedan loopar det statuskontroller tills prediktionen lyckas eller ger fel. Till sist skriver det resultatet (inklusive status och output) till en korrekt formaterad rad i Google Sheets för enkel översikt.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du genererar 20 bilder för en veckokampanj. Manuell hantering kan innebära att du lägger cirka 2 minuter på att starta varje körning och ytterligare 2 minuter senare på att hitta output och kopiera detaljer till en tracker, vilket blir ungefär 80 minuter totalt. Med det här arbetsflödet startar du batchen i n8n och pollning + loggning sker automatiskt medan du gör annat arbete. Du väntar fortfarande på beräkning, men din aktiva tid brukar sjunka till runt 10 minuter för hela batchen.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Replicate för att köra Granite Vision-modellens API.
- Google Sheets för att lagra körloggar i en delad tabell.
- Replicate API-token (hämta den i inställningarna för ditt Replicate-konto).
Svårighetsgrad: Nybörjare. Du klistrar mest in en API-nyckel, kopplar Google Sheets och justerar några fält som prompt och parametrar.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Du startar arbetsflödet med en manuell körning. I n8n kickar den manuella triggern igång allt så att du kan testa säkert innan du kopplar in det i andra automationer.
Din Replicate-token och bildinputs förbereds. Arbetsflödet sätter API-uppgiften och bygger request payload (prompt, modellparametrar och eventuella val du vill standardisera).
En prediktionsbegäran skickas och loggas. n8n använder HTTP Request för att starta Replicate-prediktionen och sparar sedan en strukturerad “request-logg” (via ett kod-/funktionssteg) så att du kan följa körningen senare i Google Sheets.
Status pollas tills det är klart eller misslyckas. Automation väntar, frågar efter prediktionsstatus, förgrenar på “klar” kontra “inte än”, och hanterar fel tydligt så att du slipper gissa vad som hände.
Du kan enkelt ändra promptfälten så att de matchar din varumärkesstil, eller ändra vad som skrivs till Google Sheets utifrån dina behov. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Starta workflowet med en manuell trigger så att ni kan testa bildgenerering vid behov.
- Lägg till noden Manual Execution Start som trigger för workflowet.
- Lämna nodparametrarna tomma för att behålla den som en manuell trigger.
Steg 2: Anslut indata för Replicate API
Definiera API-token och indata för bildgenerering innan ni skickar begäran.
- I Assign API Credential anger ni värdet för api_token till er Replicate API-nyckel. Ersätt
[CONFIGURE_YOUR_API_KEY]med er riktiga token. - I Configure Image Inputs sätter ni api_token till
{{ $('Assign API Credential').item.json.api_token }}. - Ange indatavärden i Configure Image Inputs, till exempel seed till
-1, image tillhttps://picsum.photos/512/512, top_k till50, top_p till0.9och temperature till0.6. - Lämna valfria strängar som prompt, chat_template, system_prompt och stop_sequences tomma om ni inte behöver dem.
⚠️ Vanlig fallgrop: Om ni glömmer att ersätta [CONFIGURE_YOUR_API_KEY] kommer API-anropet i Request Image Prediction att misslyckas på grund av saknad behörighet.
Steg 3: Sätt upp begäran för bildgenerering
Skicka prediktionsbegäran till Replicate och logga metadata för begäran.
- Konfigurera Request Image Prediction med URL satt till
https://api.replicate.com/v1/predictionsoch Method satt till POST. - Ställ in JSON Body till det angivna uttrycket, inklusive versionssträngen och indatafälten mappade från
$json. - Lägg till headers i Request Image Prediction: Authorization satt till
Bearer {{ $json.api_token }}och Prefer satt tillwait. - I Record Request Log behåller ni JavaScript-koden som den är för att logga prediktionsmetadata.
- Bekräfta att flödet fortsätter från Request Image Prediction till Record Request Log.
Steg 4: Konfigurera statuspollning och logik för slutförande
Poll:a Replicate tills körningen är klar och routa sedan till logik för lyckat eller misslyckat utfall baserat på status.
- I Delay 5 Seconds sätter ni Unit till
secondsoch Amount till5. - I Query Prediction Status sätter ni URL till
https://api.replicate.com/v1/predictions/{{ $('Request Image Prediction').item.json.id }}. - Sätt headern Authorization i Query Prediction Status till
Bearer {{ $('Assign API Credential').item.json.api_token }}. - I Completion Check säkerställer ni att villkoret kontrollerar att
{{ $json.status }}är lika medsucceeded. - I Failure Check säkerställer ni att villkoret kontrollerar att
{{ $json.status }}är lika medfailed. - Konfigurera Delay 10 Seconds med Unit satt till
secondsoch Amount satt till10för återförsöksloop när status varken är failed eller succeeded.
⚠️ Vanlig fallgrop: Om statusvärdena inte matchar succeeded eller failed kommer loopen att fortsätta återförsöka via Delay 10 Seconds—bekräfta Replicates statusvärden om ni anpassar detta.
Steg 5: Konfigurera svar för utdata
Bygg ett konsekvent svar för lyckat eller fel och presentera slutresultatet.
- I Build Success Reply sätter ni response till
{{ { success: true, image_url: $json.output, prediction_id: $json.id, status: $json.status, message: 'Image generated successfully' } }}. - I Build Error Reply sätter ni response till
{{ { success: false, error: $json.error || 'Image generation failed', prediction_id: $json.id, status: $json.status, message: 'Failed to generate image' } }}. - I Present Final Output sätter ni final_result till
{{ $json.response }}så att svaret returneras konsekvent.
Steg 6: Lägg till felhantering
Använd villkorsstyrd förgrening för att routa fel till ett tydligt felsvar.
- Verifiera att Completion Check routar den falska grenen till Failure Check.
- Bekräfta att Failure Check routar den sanna grenen till Build Error Reply och den falska grenen till Delay 10 Seconds för återförsök.
- Säkerställ att Build Error Reply kopplas till Present Final Output.
Steg 7: Testa och aktivera ert workflow
Kör workflowet manuellt för att verifiera hela flödet för bildgenerering från början till slut innan ni slår på det.
- Klicka på Execute Workflow för att köra Manual Execution Start och följ körningen genom pollningsloopen.
- En lyckad körning avslutas med Present Final Output som innehåller
final_resultoch en giltigimage_url. - Om workflowet returnerar ett felsvar, bekräfta API-token och indata som är inställda i Configure Image Inputs.
- När ni har verifierat detta, växla workflowet till Active för användning i produktion.
Felsökningstips
- Replicate-uppgifter kan löpa ut eller klistras in fel. Om det börjar skapa fel, kontrollera först värdet på API-token i steget “Assign API Credential”.
- Om du använder Wait-noder eller extern rendering varierar processtider. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
- Behörigheter i Google Sheets kan blockera skrivningar även när arbetsflödet är korrekt. Kontrollera att det anslutna Google-kontot kan redigera målarket och att fliknamnet i arket matchar det som n8n förväntar sig.
Snabba svar
Cirka 30 minuter om din Replicate-token och ditt Google-konto är redo.
Nej. Du kopplar konton och redigerar några fält som prompt och kolumner i arket.
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 kostnader för Replicate API-användning, som beror på modellen och hur många bilder du genererar.
Två alternativ: n8n Cloud (hanterat, enklast uppsättning) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och hanterar n8n bra. Egen hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Ja, och det är hela poängen. Byt prompt och modellinputs i steget “Configure Image Inputs” och justera sedan vad du lagrar i steget “Record Request Log” (till exempel: kampanjnamn, kund, bildförhållande eller seed). Om du vill använda en annan modell ändrar du oftast bara modell/version och payload-fälten som skickas i “Request Image Prediction”. Mappningen till Google Sheets kan vara densamma, vilket håller din rapportering konsekvent.
Oftast beror det på en ogiltig eller utgången API-token som klistrats in i steget “Assign API Credential”.
Det beror mer på din plan och din server än på själva arbetsflödet. I n8n Cloud har Starter-planen en månadsgräns för antal körningar (högre planer hanterar mer), och varje bildkörning använder vanligtvis flera körningar på grund av statuspollningen. Om du kör egen hosting finns ingen gräns för n8n-körningar, men din server behöver fortfarande tillräckligt med CPU/RAM för att hantera parallella körningar. I praktiken kör de flesta små team från dussintals till några hundra bildförfrågningar per dag utan problem om de håller väntetider och pollning på rimliga nivåer.
Ofta, ja. Det här arbetsflödet bygger på pollning, förgrening och strukturerad loggning, vilket är enklare att hantera i n8n utan att betala extra för varje väg och loop. n8n ger dig också möjligheten att köra egen hosting med obegränsade körningar, vilket är viktigt när varje prediktion kräver flera statuskontroller. Zapier eller Make kan fortfarande fungera om du bara kör några få bilder i veckan och inte bryr dig om detaljerade loggar. Om du vill ha hjälp att välja (eller behöver att detta produktionssäkras), prata med en automationsexpert.
När bildkörningar loggas automatiskt blir ditt ark kontrollpanelen istället för en eftertanke. Du lägger mindre tid på att jaga output och mer tid på att välja bästa kreativet och gå vidare.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.