Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan ›
januari 22, 2026

Slack + Google Gemini: veckorapporter alla läser

Rickard Andersson Partner, Nodenordic.se

Slack är där jobbet händer. Det är också där besluten försvinner till fredag, eftersom de begravs i trådar, reaktioner och ”snabba uppdateringar” som ingen hinner läsa om.

Den här automatiseringen för Slack-veckosammanfattning slår hårdast mot projektledare, om vi ska vara ärliga. Men team leads som försöker hålla prioriteringar raka och grundare som skannar efter hinder känner det också. Resultatet är enkelt: en konsekvent sammanfattning på måndagsmorgonen som gör förra veckans framsteg (och stoppklossar) synliga igen.

Nedan ser du hur flödet hämtar en veckas Slack-aktivitet, sammanfattar den med Google Gemini och postar en strukturerad rapport tillbaka till din kanal. Sedan går vi igenom vad som krävs för att sätta upp det, vanliga fallgropar och sätt att anpassa det.

Så fungerar den här automatiseringen

Hela n8n-flödet, från trigger till slutresultat:

n8n Workflow Template: Slack + Google Gemini: veckorapporter alla läser

Problemet: Slacks ”framsteg” tappas bort i trådar

De flesta team har inte ett problem med ”statusuppdateringar”. De har ett problem med att ”status är utspridd över 200 små meddelanden”. Ett beslut fattas i en tråd, någon släpper en viktig länk två dagar senare, och när måndagen kommer minns ingen vad som faktiskt bestämdes. Du jagar kontext i stället för att driva arbetet framåt. Och om du hanterar flera projekt gör du den jakten i mer än en kanal. Det är mycket mental belastning för något som borde vara enkelt.

Det eskalerar snabbt. Här är var det faller isär i verkligheten.

  • Viktiga beslut ligger i svar, så nya teammedlemmar missar dem och gamla glömmer dem.
  • Veckans ”vad hände?” blir en manuell scroll-session som kan ta runt en timme per kanal.
  • Uppdateringar drar åt den som postar mest, inte den som faktiskt flyttade arbetet.
  • När du väl skriver en sammanfattning är den redan inaktuell eller för vag för att vara användbar.

Lösningen: en AI-veckorapport som postas tillbaka till Slack

Det här flödet körs automatiskt varje måndag morgon och förvandlar föregående veckas Slack-aktivitet till en sammanfattning som folk faktiskt läser. Det börjar med att hämta meddelanden från en specifik Slack-kanal för den senaste veckan och grupperar sedan aktiviteten per teammedlem så att du ser vem som jobbat med vad. Därefter expanderar det trådar genom att hämta svaren, där många av de riktiga besluten och mycket av kontexten brukar finnas. Google Gemini sammanfattar sedan trådarna till tydliga höjdpunkter, skapar korta individuella veckonoteringar per person och genererar till sist en samlad teamrapport som är avslappnad, rappt skriven och lätt att skumma. Den slutliga rapporten postas tillbaka i kanalen, så teamet ser den i början av veckan utan att behöva ännu ett möte.

Flödet startar enligt schema (måndag kl. 06:00). Slack-meddelanden och trådsvar kondenseras till strukturerade ”summary inputs”, och sedan tar Gemini fram både sammanfattningar per person och en gemensam teamrecap. Sista steget postar teamrapporten direkt till Slack, redo att skummas igenom till morgonkaffet.

Det du får: automatisering vs. resultat

Exempel: så här kan det se ut

Säg att du driver en projektkanal med 12 aktiva personer. Om du manuellt skannar veckan lägger du oftast runt 5 minuter per person plus djupdyk i trådar, så ungefär 60–90 minuter för att skriva något som hänger ihop. Med det här flödet lägger du kanske 10 minuter en gång för att koppla Slack och justera prompten, och sedan är måndagsmorgnarna hands-off. Rapporten ligger redan i kanalen kl. 06:00, och du får tillbaka den timmen varje vecka.

Det här behöver du

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
  • Slack för att läsa kanalmeddelanden och posta sammanfattningar
  • Google Gemini för att sammanfatta trådar och skriva rapporten
  • Google API-inloggningsuppgifter (skapas i Google Cloud Console)

Svårighetsnivå: Medel. Du kopplar Slack- och Google-inloggning, och justerar sedan prompter och filter så att de matchar din kanal.

Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

Schematrigger på måndagsmorgonen. Flödet körs varje måndag kl. 06:00, så sammanfattningen är det första teamet ser i början av veckan.

Samlar Slack-meddelanden och trådsvar. Det hämtar föregående veckas kanalmeddelanden, grupperar dem per användare och expanderar sedan varje tråd genom att hämta svaren och vilka som är involverade. Det här är delen som de flesta ”enkla” sammanfattningar missar, eftersom de viktiga detaljerna ofta ligger i tråden, inte i huvudinlägget.

AI-sammanfattning i två pass. Gemini sammanfattar trådar till höjdpunkter och bygger sedan vidare på höjdpunkterna till en individuell veckorapport per person. Därefter gör en annan Gemini-prompt om alla individuella rapporter till en enda teamrecap med teman, beslut och hinder.

Posta sammanfattningen till Slack (eller skicka vidare någon annanstans). Den slutliga teamrapporten postas tillbaka i kanalen automatiskt. Om du vill stödjer flödet även att skicka resultatet via verktyg som Gmail eller Telegram, vilket kan vara praktiskt när kanaler är stökiga.

Du kan enkelt ändra publiceringsdestinationen till e-post i stället för Slack utifrån dina behov. Se hela implementeringsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: Konfigurera schema-triggern

Ställ in det veckovisa schemat som startar rapporteringsprocessen varje måndag morgon.

  1. Lägg till Monday Morning Schedule och ställ in cron-regeln till 0 6 * * 1 för att köra varje måndag kl. 06:00.
  2. Verifiera att noden skickar vidare till Fetch Prior Week Messages för att säkerställa att arbetsflödet börjar med att samla in meddelanden.

Tips: Justera cron-tiden om ert team befinner sig i en annan tidszon, så att det matchar lokala måndagsmorgnar.

Steg 2: Anslut Slack och hämta veckans meddelanden

Konfigurera åtkomst till Slack och hämta alla meddelanden från föregående vecka.

  1. Öppna Fetch Prior Week Messages och välj rätt Slack-kanal i Channel.
  2. Ställ in filtret Oldest till {{ $now.minus('1', 'week') }} för att hämta förra veckans meddelanden.
  3. Aktivera Return All så att noden hämtar alla matchande meddelanden.
  4. Inloggningsuppgifter krävs: Anslut era slackApi-inloggningsuppgifter i Fetch Prior Week Messages.
  5. Säkerställ även att Slack-inloggningsuppgifter är anslutna på alla Slack-noder (Retrieve User Details, Fetch Thread Replies, Retrieve Reply Users, Post Report to Channel).

⚠️ Vanlig fallgrop: Om kanal-ID lämnas som [YOUR_ID] blir resultatet tom data. Se till att Slack-kanalen är vald.

Steg 3: Gruppera meddelanden och förbered indata till underarbetsflöden

Transformera meddelanden till användarbaserade batchar som matar tre underarbetsflöden.

  1. I Group Messages by User behåller ni JavaScript-koden som grupperar meddelanden efter message.user och returnerar data-arrayer.
  2. Ställ in Expand User Groups för att dela upp Field to Split Out som data.
  3. Konfigurera Run Sub-Workflow (Configure Required) 1 med Mode satt till each och skicka indata action = users, data = {{ $json }}.
  4. Konfigurera Run Sub-Workflow (Configure Required) 2 med Mode satt till each och skicka indata action = message_replies, data = {{ $json }}.
  5. Konfigurera Run Sub-Workflow (Configure Required) 3 med Mode satt till each och skicka indata action = message_summarize samt data med {{ { ...$('Run Sub-Workflow (Configure Required) 1').item.json, messages: $json.data } }}.

⚠️ Vanlig fallgrop: De tre noderna Run Sub-Workflow (Configure Required) har tomma workflow-ID:n. Ni måste välja rätt underarbetsflöde i varje nod innan automatiseringen kan köras.

Steg 4: Konfigurera routern för underarbetsflödet och bearbetning av användare/meddelanden

Underarbetsflödet använder en switch för att routa actions och expanderar och kondenserar sedan meddelandedetaljer.

  1. I underarbetsflödet ställer ni in Subworkflow Trigger Input så att den tar emot indata för action och data.
  2. I Route by Action behåller ni de tre utgångarna för users, message_replies och message_summarize, där varje använder jämförelser mot {{ $json.action }}.
  3. Konfigurera Retrieve User Details med User satt till {{ $json.data['0'].user }} och anslut slackApi-inloggningsuppgifter.
  4. I Convert Messages to Items behåller ni JavaScript-koden: return Object.values($('Route by Action').first().json.data).
  5. I Condense Message Fields mappar ni fält med uttryck som {{ $json.ts }}, {{ $('Retrieve User Details').first().json.id }} och {{ $json.text.replace(/(<@[^>]+>)/ig, '').trim() }}.
  6. Använd Aggregate User Messages med Aggregate = aggregateAllItemData och Destination Field Name = messages, och berika sedan med Build User Profile.

Tips: Arbetsflödet använder flera set- och aggregate-noder för att standardisera meddelandestrukturen. Behåll deras uttryck intakta för att undvika att bryta nedströms AI-prompter.

Steg 5: Samla trådsvar och användardata för svar

Det här steget bygger en komplett bild av trådsvar och vilka användare som är involverade.

  1. Från routen message_replies delar ni upp meddelanden med Expand Message List där Field to Split Out = data.messages.
  2. Iterera med Batch Iterate Items och skicka vidare till Message Reference → Fetch Thread Replies.
  3. I Fetch Thread Replies ställer ni in ts till {{ $json.ts }}, väljer kanalen och ansluter slackApi-inloggningsuppgifter.
  4. Använd Exclude Parent Message för att filtrera där {{ $('Expand Message List').item.json.ts }} inte är lika med {{ $json.ts }}.
  5. Kondensera svar med Condense Thread Comments, aggreggera sedan med Collect Thread Replies och sätt ihop med Assemble Reply Bundle och Aggregate Reply Bundle.
  6. Mappa användar-ID:n i Map Reply User IDs med {{ $json.data.messages.flatMap(item => item.replies.flatMap(reply => reply.userId)).compact().unique() }}, och kontrollera sedan med Check Reply Users.
  7. Om användare finns, expandera med Expand Reply Users och hämta med Retrieve Reply Users (Slack-inloggningsuppgifter krävs), och aggreggera och standardisera sedan i Aggregate Reply User Data → Prepare Reply Users.

Steg 6: Konfigurera AI-sammanfattningar för trådar och medlemsrapporter

Använd Gemini-drivna modeller för att sammanfatta trådar, bygga medlemsrapporter och därefter skapa teamrapporten.

  1. I Summarize Threads AI behåller ni den strukturerade prompt-texten och säkerställer att den refererar till Prepare Reply Users för namnuppslag.
  2. Anslut Gemini Chat Model A till Summarize Threads AI som språkmodell och ställ in Model Name till models/gemini-2.0-flash.
  3. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model A (inloggningsuppgifterna läggs till i modellnoden, inte i AI-kedjenoden).
  4. Använd Aggregate Summaries för att samla alla sammanfattningsutdata.
  5. I Member Weekly Report AI behåller ni uttrycket som bygger rapporten och ansluter Gemini Chat Model B som språkmodell med models/gemini-2.0-flash.
  6. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model B.
  7. Använd Attach Report Text med {{ { ...$('Merge Summary Results').item.json, report: $json.text } }} för att lägga till varje medlemsrapport.
  8. I Team Weekly Report AI behåller ni aggregeringsprompten och ansluter Gemini Chat Model C som språkmodell.
  9. Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model C.

⚠️ Vanlig fallgrop: AI-kedjenoderna innehåller inte inloggningsuppgifter. Säkerställ att inloggningsuppgifter läggs till i Gemini Chat Model A, Gemini Chat Model B och Gemini Chat Model C.

Steg 7: Publicera rapporten i Slack

Skicka den slutliga teamrapporten till er Slack-kanal.

  1. I Post Report to Channel ställer ni in Text till {{ $json.text }}.
  2. Välj målkanalen i Channel och säkerställ att Slack-kanalens ID är inställt.
  3. Inloggningsuppgifter krävs: Anslut era slackApi-inloggningsuppgifter i Post Report to Channel.

Steg 8: Testa och aktivera ert arbetsflöde

Validera arbetsflödet från början till slut och aktivera schemat.

  1. Klicka på Execute Workflow på Monday Morning Schedule för att köra ett manuellt test.
  2. Bekräfta att Fetch Prior Week Messages returnerar data och att sammanfattningar genereras via Summarize Threads AI och Member Weekly Report AI.
  3. Verifiera att Team Weekly Report AI ger en konsoliderad rapport och att Post Report to Channel publicerar den i Slack.
  4. När allt är verifierat, växla arbetsflödet till Active så att det körs automatiskt varje måndag.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Slack-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först Slack-appens scopes och status för n8n-credential-kopplingen.
  • Om du använder Wait-noder eller extern rendering varierar process-tiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in er varumärkesröst tidigt, annars kommer du att redigera utdata för alltid.

Relaterade flöden

Om ditt team kör en del av arbetet i Microsofts ekosystem är Microsoft Teams + OpenAI: veckosammanfattningar gjorda åt dig ett naturligt komplement, så att du kan hålla rapporteringen konsekvent över chattplattformar.

Behöver du något lättare än en veckorapport för snabbföränderliga kanaler? Använd Slack + Claude: direkta catch-up-sammanfattningar för kanaler för snabba ”vad missade jag?”-snapshots under dagen.

För team som både diskuterar och kuraterar hjälper Slack + Google Sheets: ett nyhetsutdrag du faktiskt kommer att läsa dig att fånga upp saker i en strukturerad logg, vilket gör veckosammanfattningar ännu mer träffsäkra.

När du vill ha samma sammanfattningsidé men med en annan modellleverantör är Slack + OpenAI: direkta recaps från riktiga meddelanden användbar för att jämföra ton, hastighet och kostnad.

Slutligen, om sammanfattningen främst är förarbete inför samtal kan Slack + Gmail: LinkedIn-briefar klara före samtal hjälpa dig att förvandla spridda anteckningar till e-postbriefar inför kundsamtal.


Snabbreferens:

Vanliga frågor

Hur lång tid tar det att sätta upp den här automatiseringen för Slack-veckosammanfattning?

Cirka 30 minuter om dina Slack- och Google-inloggningsuppgifter är klara.

Behöver jag kunna koda för att automatisera Slack-veckosammanfattningar?

Nej. Du kopplar konton och justerar några prompter och filter.

Är n8n gratis att använda för det här flödet för Slack-veckosammanfattning?

Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för Google Gemini baserat på hur många meddelanden du sammanfattar varje vecka.

Var kan jag hosta n8n för att köra den här automatiseringen?

Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger obegränsade körningar men kräver grundläggande serveradministration.

Kan jag anpassa det här flödet för Slack-veckosammanfattning till en mer formell rapportstil?

Ja, men du vill göra det på prompt-nivå. Uppdatera instruktionerna i ”Summarize Threads AI” och de två AI-noderna som skriver rapporter (rapport per medlem och den slutliga teamrapporten) så att modellen använder din önskade ton, rubriker och detaljnivå. Vanliga justeringar är att lägga till en struktur med ”Beslut / Hinder / Nästa steg”, exkludera socialt småprat och tagga ansvariga för uppföljning. Om externa intressenter finns i kanalen är det här värt att göra.

Varför misslyckas min Slack-anslutning i det här flödet?

Oftast handlar det om scopes eller en utgången token. Anslut Slack-credential på nytt i n8n och bekräfta sedan att appen har behörighet att läsa kanalhistorik, läsa svar och posta meddelanden till målkanalen. Om det bara fallerar på svar, dubbelkolla behörigheten för trådar/svar specifikt. Arbetsytor med hög aktivitet kan också slå i rate limits, så att minska datumintervall eller filtrera till en mindre uppsättning användare kan hjälpa.

Hur många meddelanden kan den här automatiseringen för Slack-veckosammanfattning hantera?

Det beror mer på din Slack-volym och dina Gemini-begränsningar än på själva flödet.

Är den här automatiseringen för Slack-veckosammanfattning bättre än att använda Zapier eller Make?

För veckosammanfattningar är n8n oftast ett bättre val eftersom du kan göra komplex förgrening, gruppering och sammanfattning i flera pass utan att slåss med plattformen. Det här flödet grupperar meddelanden per användare, expanderar trådsvar och kör sedan sammanfattning stegvis (tråd → individ → team), och den strukturen blir snabbt klumpig i enklare builders. n8n ger dig också ett self-hosting-alternativ, vilket spelar roll om du kör detta över flera kanaler och inte vill att exekveringsgränser ska bli hela diskussionen. Zapier eller Make kan fungera för enkla ”sammanfatta de senaste 20 meddelandena”-uppgifter, men det här är mer som en rapportpipeline. Om du vill ha hjälp att välja rätt upplägg, prata med en automationsexpert.

En Slack-veckosammanfattning ska inte kräva en veckovis detektivinsats. Sätt upp detta en gång, låt Gemini stå för sammanfattningen och starta måndagar med full koll.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

Våra tjänster Om Node Nordic
×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Kopiera och importera JSON-arbetsflödet i ditt n8n-arbetsflöde