Du kör ett Replicate-jobb, och sedan sitter du och passar det. Du uppdaterar statussidor, kopierar prediction-ID:n till ett anteckningsdokument och hoppas att du inte tappar bort outputen när du byter flik.
Den här Replicate Sheets-loggning-setupen träffar marknadsförare och content operators först, helt ärligt. Men byråledare känner av den också när de försöker hålla kundgenereringar organiserade. Resultatet är enkelt: varje prompt, ID, status och slutlig output hamnar i Google Sheets automatiskt.
Nedan ser du hur arbetsflödet körs, vad det löser och hur “sätt upp en gång” faktiskt ser ut under en riktig vecka.
Så fungerar automationen
Hela n8n-arbetsflödet, från trigger till slutlig output:
n8n Workflow Template: Replicate till Google Sheets, resultat loggas åt dig
flowchart LR
subgraph sg0["Manual Start Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Start Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Assign API Credential", pos: "b", h: 48 }
n2["<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/>Initiate Prediction Request"]
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/code.svg' width='40' height='40' /></div><br/>Parse Prediction Identifier"]
n4@{ icon: "mdi:cog", form: "rounded", label: "Delay Interval", 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/>Query Prediction Status"]
n6@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Completion Decision", pos: "b", h: 48 }
n7["<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/>Format Final Output"]
n4 --> n5
n1 --> n2
n6 --> n7
n6 --> n4
n2 --> n3
n3 --> n4
n0 --> n1
n5 --> n6
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 decision
class n2,n5 api
class n3,n7 code
classDef customIcon fill:none,stroke:none
class n2,n3,n5,n7 customIcon
Problemet: Replicate-körningar är lätta att starta och irriterande att avsluta
Att generera output i Replicate är oftast den enkla delen. Det stökiga är allt runtomkring: att spara prompten, spåra prediction-ID:t, kontrollera status och sedan komma ihåg var du sparade slutresultatet. Om du kör mer än en handfull predictions i veckan blir den mentala overheaden den verkliga kostnaden. Du står där med ett halvt uppdaterat kalkylark, ett chattmeddelande med “ID:t är någonstans ovanför”, och output som inte går att koppla tillbaka till prompten som skapade dem. Sedan frågar någon: “Kan vi återskapa den där?” och du kan inte. Inte snabbt.
Det växer snabbt. Här är var det brukar falla isär i vardagen.
- Du lägger cirka 5 minuter per körning på att bara kolla status och kopiera ID:n till rätt ställe.
- Output separeras från originalprompten, vilket gör återanvändning och iteration segt.
- Team duplicerar arbete eftersom ingen hittar “slutversionen” senare.
- Manuell spårning bjuder in till misstag, och ett enda fel ID betyder att du tittar på fel resultat.
Lösningen: Kör Replicate, polla automatiskt, logga allt till Sheets
Det här arbetsflödet gör en Replicate-prediction till en felfri, repeterbar post i Google Sheets. Du startar det vid begäran i n8n, lägger in din Replicate API-nyckel en gång och skickar in en prompt plus eventuella genereringsinställningar du bryr dig om (seed, dimensioner, lora scale). n8n skickar requesten till Replicate, plockar ut prediction-ID:t från svaret och kontrollerar sedan jobbstatus i en kort loop tills modellen är klar. När det är färdigt formaterar arbetsflödet slutsvaret till strukturerade fält som status, output, tidsstämplar och modellmetadata. Den praktiska vinsten är att du slutar “jaga” körningar. Dina genereringar blir spårbara tillgångar.
Arbetsflödet börjar med en manuell trigger så att du kan testa och köra det när du behöver. Sedan skapar det predictionen i Replicate, väntar kort, kontrollerar status och upprepar tills det är klart. Till sist förbereder det en prydlig resultat-payload som kan skrivas in i Google Sheets för spårning och återanvändning.
Vad du får: automation vs. resultat
| Vad arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du kör 20 Replicate-genereringar i veckan för kampanjmaterial. Manuellt är det lätt att lägga cirka 5 minuter per körning på att kontrollera status, hämta prediction-ID:t och sedan klistra in output i ett ark, vilket blir ungefär 100 minuter per vecka. Med det här arbetsflödet startar du det en gång, väntar medan det pollar (några sekunder mellan kontroller), och det färdiga resultatet är redo att loggas utan att du behöver sitta och vaka. Du väntar fortfarande på att modellen ska bli klar, men du gör inget onödigt pill under tiden.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Replicate för att köra modellen 2ndmoises_generator
- Google Sheets för att lagra prompts, ID:n och output
- Replicate API-nyckel (hämta den i dina Replicate-kontoinställningar)
Kunskapsnivå: Nybörjare. Du kopplar konton, klistrar in en API-nyckel och väljer vilka fält du vill spara.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Manuell körtrigger. Du klickar på execute i n8n när du vill skapa en ny generering. Det här är perfekt för användning vid begäran och för att testa prompts utan att bygga ett helt formulär runt det.
Setup för autentisering och request. Arbetsflödet sparar din Replicate API-nyckel och skickar sedan en HTTP-request för att skapa en prediction med din prompt och inställningar som seed och bildstorlek.
Statusövervakningsloop. En kort väntan håller det “artigt”, sedan kontrollerar n8n prediction-status igen. Om den inte är klar loopar den tillbaka och väntar, så att du slipper uppdatera något själv om och om igen.
Formatering av slutoutput för loggning. När statusen växlar till klar plockar arbetsflödet ut det användbara (output, metrics, tidsstämplar, modellinfo) till ett strukturerat objekt som är redo att skickas in i Google Sheets.
Du kan enkelt ändra vilka fält som sparas i Sheets utifrån dina behov. Se hela implementationsguiden nedan för alternativ för anpassning.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Det här arbetsflödet startar på begäran så att ni kan testa prediktionslivscykeln manuellt.
- Lägg till noden Manual Start Trigger som startpunkt.
- Koppla Manual Start Trigger till Assign API Credential för att skicka er API-nyckel in i flödet.
Steg 2: Anslut Replicate API
Dessa noder skickar den initiala prediktionsbegäran och autentiserar mot Replicate med en bearer-token.
- I Assign API Credential ställer ni in värdet för replicate_api_key till
[CONFIGURE_YOUR_API_KEY](ersätt med er riktiga token). - I Initiate Prediction Request ställer ni in URL till
https://api.replicate.com/v1/predictionsoch Method till POST. - Aktivera Send Body och ställ in Body Content Type till JSON, klistra sedan in request body exakt som den visas i jsonBody.
- I Initiate Prediction Request > Header Parameters ställer ni in Authorization till
{{ 'Bearer ' + $('Assign API Credential').item.json.replicate_api_key }}och Content-Type tillapplication/json. - Credential krävs: Anslut era
HTTP Header Auth-credentials i Initiate Prediction Request och Query Prediction Status (Authentication är inställt på Generic Credential Type med HTTP Header Auth).
Steg 3: Konfigurera parsing och polling för prediktionen
Den här delen extraherar prediktions-ID:t, väntar en kort stund och kontrollerar sedan status upprepade gånger tills den är klar.
- I Parse Prediction Identifier behåller ni Mode inställt på
runOnceForEachItemoch behåller den JavaScript-kod som returnerarpredictionId,statusochpredictionUrl. - Konfigurera Delay Interval med Unit inställt på
secondsoch Amount inställt på2. - I Query Prediction Status ställer ni in URL till
{{ $json.predictionUrl }}och inkluderar Authorization-headern{{ 'Bearer ' + $('Assign API Credential').item.json.replicate_api_key }}. - I Completion Decision ställer ni in det booleska villkoret Value 1 till
{{ $json.status }}och Value 2 tillsucceeded. - Säkerställ att false-grenen från Completion Decision loopar tillbaka till Delay Interval så att polling fortsätter tills körningen är klar.
Steg 4: Konfigurera formatering av utdata
När prediktionen lyckas paketerar arbetsflödet slutsvaret i en ren struktur.
- I Format Final Output behåller ni Mode inställt på
runOnceForEachItem. - Bekräfta att JavaScript-koden returnerar fält som
status,output,metrics,created_atochcompleted_at. - Verifiera att fältet
modelär inställt påmoicarmonas/2ndmoises_generatorför att märka resultatet.
Steg 5: Testa och aktivera ert arbetsflöde
Kör arbetsflödet manuellt för att säkerställa att polling-loopen slutförs och att slututdata genereras.
- Klicka på Execute Workflow från Manual Start Trigger för att starta en testkörning.
- Bekräfta att Initiate Prediction Request returnerar ett
idochstatus, och att Query Prediction Status till slut returnerarsucceeded. - Kontrollera Format Final Output för de sammanställda resultatfälten och URL:en för utdata.
- När ni är nöjda växlar ni arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Replicate-autentisering kan gå ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera din Replicate API-nyckel i n8n Set-noden först.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned misslyckas på grund av tomma svar.
- Standardprompts i AI-noder är generiska. Lägg in ditt varumärkes tonalitet tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka 30 minuter om dina konton är redo.
Nej. Du klistrar in en API-nyckel och mappar några fält till Google Sheets.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volymer. Du behöver också räkna in Replicate-kostnader, som beror på modell och körtid.
Två alternativ: n8n Cloud (hanterat, enklast setup) 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 oftast ett snabbt byte. Uppdatera modellen/versionen som används i HTTP request-noden “Initiate Prediction Request”, och justera sedan eventuella input-parametrar (som width, height eller lora_scale) så att de matchar den nya modellen. Om svarets format ändras, justera kodnoden “Format Final Output” så att rätt output-fält loggas. Många team lägger också till extra kolumner i Google Sheets för saker som kampanjnamn, kund eller promptkategori.
Oftast beror det på en utgången eller felaktig API-nyckel som är sparad i Set credentials-noden. Det kan också vara ett behörighetsproblem på Replicate-sidan, eller en felaktigt formaterad request-payload om du ändrade modellens inputs men behöll de gamla parametrarna. Om felen bara händer när du kör många jobb tätt inpå varandra kan rate limiting dyka upp, och då är lösningen ofta längre väntetid mellan statuskontroller.
I n8n Cloud beror det på din plans månatliga gräns för executions, och varje statuskontroll räknas som en execution. Om du hostar själv finns ingen hård gräns för executions, men din server måste fortfarande klara polling-belastningen. I praktiken kan de flesta team köra gott om predictions så länge de håller väntintervallet rimligt och undviker att kolla varje sekund.
Ofta, ja. Zapier och Make kan trigga en Replicate-request, men mönstret “vänta, polla, loopa tills klart och formatera sedan resultatet” blir snabbt krångligt och kan bli dyrt eftersom varje kontroll är ett nytt betalt steg. n8n hanterar förgreningar och loopar rent, och du kan hosta själv för att helt undvika prissättning per task. Med det sagt: om du bara behöver ett enkelt engångsanrop utan statustracking kan Zapier eller Make fungera bra. Prata med en automationsexpert om du vill ha hjälp att välja.
När det här väl rullar slutar Replicate-jobb att vara “saker du måste komma ihåg” och blir i stället rader du kan återanvända. Arbetsflödet sköter spårningen så att du kan fokusera på de kreativa besluten.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.