Ditt workflow fungerar. Bra. Men dokumentationen saknas, är inaktuell eller sitter i någons huvud – vilket gör att varje överlämning blir ett litet supportärende.
Marketing ops-team känner av det här när kampanjer går snabbt och “hur funkar den här automatiseringen?” blir en veckovis fråga. Byråägare stöter på det vid onboarding av kunder. Interna projektledare dras också in. Den här automatiseringen för Gemini workflow docs gör om en rå n8n-workflowfil till strukturerad dokumentation, en checklista och en installationsguide som du faktiskt kan skicka till någon.
Du får se vad den löser, vad den levererar och hur du driftsätter den utan att bli den som alltid måste vara “automationspersonen” på jour.
Så fungerar den här automatiseringen
Se hur den här löser problemet:
n8n Workflow Template: Telegram + Google Gemini: snabb workflow-dokumentation
flowchart LR
subgraph sg0["Telegram 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/telegram.svg' width='40' height='40' /></div><br/>Telegram Trigger1"]
n1["<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/>Get a file1"]
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/code.svg' width='40' height='40' /></div><br/>Scrub & Analyze Workflow"]
n3@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Check Input Type1", pos: "b", h: 48 }
n6["<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/>Send a text message1"]
n7@{ icon: "mdi:cog", form: "rounded", label: "Extract from File1", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "AI Template Generator1", 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/code.svg' width='40' height='40' /></div><br/>Assemble Final Template1"]
n10["<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/>Send Template File"]
n11["<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/>Send Checklist1"]
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/telegram.svg' width='40' height='40' /></div><br/>Send Guide1"]
n1 --> n7
n11 --> n12
n5 --> n1
n5 --> n6
n0 --> n5
n7 --> n2
n10 --> n11
n8 --> n9
n9 --> n10
n3 -.-> n8
n2 --> n8
n4 -.-> n8
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 n4,n8 ai
class n3 aiModel
class n5 decision
class n2,n9 code
classDef customIcon fill:none,stroke:none
class n0,n1,n2,n6,n9,n10,n11,n12 customIcon
Utmaningen: överlämningar av workflows utan tydlig dokumentation
De flesta team misslyckas inte med att bygga automatiseringar. De misslyckas med att förklara dem. Workflowet levereras, och två veckor senare frågar någon vad det gör, vilka inloggningar det behöver och vart outputen tar vägen. Du öppnar n8n, skummar noderna och inser att halva logiken är “självklar” bara för personen som byggde den. Multiplicera det med kundjobb, interna önskemål och versionsändringar, så lägger du lätt ungefär en timme här och där på att översätta ditt eget system tillbaka till mänskligt språk.
Det blir snabbt mycket. Här är var det fallerar.
- Du svarar på samma installationsfrågor i Slack, mejl och Loom-videor som ingen hittar senare.
- Små ändringar i ett workflow gör i tysthet gamla docs fel, så folk följer fel steg och skyller på automatiseringen.
- Nya teammedlemmar kan inte felsöka säkert, eftersom “varför” bakom varje nod inte finns nedskrivet någonstans.
- Kundöverlämningar drar ut på tiden, eftersom “en JSON-fil” inte är något en icke-byggare kan granska eller godkänna.
Lösningen: gör en n8n-fil till proffsiga docs i Telegram
Det här workflowet börjar med en enkel vana: du skickar en n8n-export (JSON-filen) till Telegram. Därifrån kontrollerar det att det du skickade faktiskt är en filtyp som går att hantera, hämtar filen från Telegram och läser innehållet så att det kan förstå noder och kopplingar. Innan någon AI rör den rensar workflowet bort känsliga detaljer och granskar strukturen, så att du inte råkar skicka tokens, ID:n eller interna URL:er in i dokumentation. Sedan genererar Google Gemini lättläst dokumentation plus mallklara “sticky notes” som du kan klistra in i workflowet igen. Till sist skickar det tillbaka en dokumenterad workflowfil, en användningschecklista och en installationsguide i Telegram, så att du kan vidarebefordra till en kollega eller kund direkt.
Workflowet startar när Telegram-botten tar emot din workflowfil. Det sanerar och analyserar JSON:en och använder sedan Gemini för att skapa strukturerad dokumentation. Därefter paketerar n8n allt till ett tydligt “paket” och levererar docs, checklista och guide som separata Telegram-meddelanden.
Vad som förändras: före vs. efter
| Det här elimineras | Effekt du märker |
|---|---|
|
|
Effekt i verkligheten
Säg att din byrå levererar 5 workflows till en kund på en månad. Manuellt innebär en bra överlämning ofta att skriva dokumentation (cirka 45 minuter), en installationschecklista (15 minuter) och en “så här använder du det”-notis (30 minuter). Det är ungefär 1,5 timme per workflow, eller cirka 8 timmar i månaden. Med det här workflowet laddar du upp JSON:en en gång i Telegram, väntar på att Gemini genererar docs och vidarebefordrar de tre leveranserna. Oftast är du tillbaka i arbete på några minuter.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Telegram för att ta emot filer och returnera leveranser.
- Google Gemini för att generera dokumentation och mallar.
- Google AI (Gemini) API-nyckel (hämta den från Google AI Studio / Google Cloud-uppgifter)
Kunskapsnivå: Nybörjare. Du kopplar konton, lägger till credentials och klistrar in en prompt om du vill ha en annan dokumentationsstil.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Workflowflödet
Filinläsning via Telegram. En Telegram Trigger väntar på ett meddelande med en bifogad workflowexport och hämtar sedan filen från Telegram så att n8n kan behandla den.
Validering och tolkning. En “If”-kontroll stoppar uppladdningar som inte stöds (som ren text), och filen tolkas så att n8n kan extrahera workflow-JSON eller textinnehåll på ett tillförlitligt sätt.
Sanera, inspektera och generera. Ett kodsteg tar bort eller maskerar känslig data, och sedan använder AI Template Builder Gemini-chatmodellen och en strukturerad parser för att skapa dokumentation, sticky notes och ett konsekvent outputformat.
Kompilera och leverera. Workflowet sammanställer den färdiga “mallen” och skickar tre Telegram-meddelanden: den dokumenterade workflow-outputen, en checklistnotis och en användningsguide som teamet kan följa.
Du kan enkelt justera ton och detaljnivå i dokumentationen så att den matchar era interna standarder. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Telegram-triggern
Konfigurera Telegram-intaget så att arbetsflödet kan ta emot uppladdade n8n-arbetsflödesfiler i JSON-format.
- Lägg till noden Telegram Intake Trigger som er startpunkt.
- I Telegram Intake Trigger behåller ni Updates inställt på
message. - Inloggningsuppgifter krävs: Anslut era Telegram Bot API-inloggningsuppgifter.
- Verifiera att triggern skickar ut meddelandedata för filuppladdningar, inklusive
$json.message.document.
Steg 2: Anslut hämtning av Telegram-fil
Validera att inkommande meddelande innehåller en fil och hämta sedan filen från Telegram.
- Öppna Validate Incoming File och ställ in villkoret så att Value 1 kontrolleras som
{{ $json.message.document }}med Operation inställt påisNotEmpty. - Koppla true-utgången från Validate Incoming File till Retrieve Telegram File.
- I Retrieve Telegram File ställer ni Resource på
fileoch File ID på{{ $json.message.document.file_id }}. - Under Additional Fields ställer ni Mime Type på
{{ $json.message.document.mime_type }}. - Inloggningsuppgifter krävs: Anslut era Telegram Bot API-inloggningsuppgifter (gäller för alla Telegram-noder i det här arbetsflödet).
Steg 3: Tolka och sanera arbetsflödets JSON
Konvertera den uppladdade JSON-filen till strukturerad data och rensa känsliga fält innan AI-bearbetning.
- I Parse File Contents ställer ni Operation på
fromJson. - Koppla Retrieve Telegram File → Parse File Contents → Sanitize and Inspect Flow.
- Gå igenom Sanitize and Inspect Flow och säkerställ att rensningslogiken matchar era efterlevnadskrav (den tar bort inloggningsuppgifter, webbadresser, e-postadresser och andra känsliga fält).
- Bekräfta att noden skickar ut cleanedWorkflow, workflowString och analysis för vidare användning.
Steg 4: Konfigurera AI-mallbyggaren
Använd Gemini för att generera malldokumentation och strukturerad metadata från det sanerade arbetsflödet.
- Öppna AI Template Builder och behåll Text-prompten som den är angiven, som refererar till
{{ $json.workflowString }}. - Koppla Gemini Chat Model till AI Template Builder som språkmodell.
- Koppla Structured Result Parser till AI Template Builder som output-parser.
- Inloggningsuppgifter krävs: Anslut era Google Gemini-inloggningsuppgifter på Gemini Chat Model. Structured Result Parser är en subnod—inloggningsuppgifter ställs in på den överordnade modellnoden.
- Verifiera exekveringsflödet: Sanitize and Inspect Flow → AI Template Builder → Compile Final Template.
Steg 5: Konfigurera leverans av mall via Telegram
Skicka tillbaka den genererade mallfilen och stödanteckningar till användaren.
- I Compile Final Template behåller ni logiken för att generera utdatafilen som bygger
{{ outFileName }}och returnerar binary.data. - I Deliver Template Document ställer ni Operation på
sendDocument, aktiverar Binary Data och ställer Chat ID på{{ $('Compile Final Template').item.json.triggerChatId }}. - Konfigurera Dispatch Checklist Note med Text satt till
{{ $('Compile Final Template').item.json.checklist }}och Chat ID till{{ $json.result.chat.id }}. - Konfigurera Send Usage Guide med Text satt till
{{ $('Compile Final Template').item.json.guide }}och Chat ID till{{ $json.result.chat.id }}. - Säkerställ att Notify Text Not Allowed hanterar false-grenen från Validate Incoming File med det angivna varningsmeddelandet.
Steg 6: Testa och aktivera ert arbetsflöde
Validera hela flödet från uppladdning till leverans och aktivera sedan för löpande användning.
- Klicka på Execute Workflow och skicka en giltig n8n-arbetsflödesfil
.jsontill er Telegram-bot. - Bekräfta att Deliver Template Document skickar en fil med ett namn i stil med
workflow_TEMPLATE.json, följt av Dispatch Checklist Note och Send Usage Guide. - Testa ett meddelande utan fil för att verifiera att Notify Text Not Allowed svarar korrekt.
- När allt är verifierat, slå om arbetsflödet till Active för produktionsanvändning.
Se upp med
- Telegram-credentials kan löpa ut eller kräva specifika behörigheter. Om det slutar fungera, kontrollera först n8n-panelen Credentials och bekräfta bot-token och chattbehörigheter.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du redigera outputen i all oändlighet.
Vanliga frågor
Vanligtvis cirka 30 minuter om din Telegram-bot och Gemini-nyckel är redo.
Ja. Ingen kodning krävs, men någon behöver koppla Telegram och lägga in Gemini API-credentials i n8n.
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 API-användning, som beror på hur lång din workflow-JSON och dina outputs är.
Två alternativ: n8n Cloud (managed, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och klarar n8n bra. Self-hosting ger obegränsade körningar men kräver grundläggande serverhantering.
Du kan ändra outputstilen genom att redigera prompten i noden “AI Template Builder”, som styr ton, avsnitt och detaljnivå. Om du vill ha ett striktare format kan du justera förväntningarna i “Structured Result Parser” så att Gemini returnerar exakt de rubriker som ditt team använder. Vanliga justeringar är att lägga till ett “Owner”-fält för varje credential, kräva en testchecklista och generera en kortare kundanpassad sammanfattning parallellt med de interna noteringarna.
Oftast beror det på en utgången eller felaktig bot-token i n8n-credentials, eller att botten inte har behörighet att läsa filer i chatten du använder. Kontrollera Telegram Trigger-inställningarna igen och säkerställ att du skickar en filuppladdning, inte en inklistrad textklump. Om det fungerar i en chatt men inte i en annan är det ofta ett problem med chatt-ID eller bot-åtkomst.
På en typisk n8n Cloud-plan kan du hantera tusentals körningar per månad, och vid self-hosting beror det främst på din server och hur snabbt Gemini svarar.
Ofta, ja, eftersom det här är mer än en enkel “fil in, meddelande ut”-Zap. Du validerar filer, tolkar innehåll, sanerar känsliga värden och genererar en strukturerad output i flera delar – den typen av förgrenad logik blir snabbt krånglig i lättare verktyg. n8n ger dig också self-hosting, vilket kan vara viktigt om du hanterar kundworkflows och vill ha tajtare kontroll. Zapier eller Make kan fortfarande fungera om du håller det väldigt enkelt, men du kommer troligen slå i taket när du vill ha strukturerad AI-output och kompileringssteg. Om du är osäker, prata med en automationsexpert och få en rak rekommendation för din setup.
När det här väl rullar slutar dina workflowöverlämningar vara en konversation och blir en leverans. Det är ärligt talat då automation blir skalbart.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.