Du ställer en ”snabb fråga”, och plötsligt har du 14 flikar öppna, tre motstridiga vinklar och ingen strukturerad sammanfattning du kan klistra in i en Slack-tråd eller ett kundmejl.
Det är här automatisering för Telegram SerpAPI research verkligen gör nytta. Marknadsansvariga får snabbare konkurrensbilder. Grundare slutar tappa en halv förmiddag på att ”bara kolla en sak.” Konsulter kan svara med källor i stället för magkänsla.
Det här flödet gör om ett Telegram-meddelande till ett webbbaserat svar med länkar (och valfria bilder) och skickar det direkt tillbaka i chatten. Du får se hur det fungerar, vad du behöver och vad du ska se upp med när du kör det i verkligheten.
Så här fungerar automatiseringen
Hela n8n-flödet, från trigger till slutligt resultat:
n8n Workflow Template: Telegram + SerpAPI: källbaserade svar i chatten
flowchart LR
subgraph sg0["Telegram Flow"]
direction LR
n0@{ icon: "mdi:robot", form: "rounded", label: "DeepSeek R1 AI Agent", pos: "b", h: 48 }
n1@{ icon: "mdi:brain", form: "rounded", label: "DeepSeek Chat Model", pos: "b", h: 48 }
n2@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "Research AI Agent", pos: "b", h: 48 }
n4@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n5@{ icon: "mdi:wrench", form: "rounded", label: "SerpAPI", 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/>Telegram Trigger"]
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/telegram.svg' width='40' height='40' /></div><br/>Send a text message"]
n5 -.-> n3
n2 -.-> n0
n6 --> n0
n4 -.-> n3
n3 --> n7
n1 -.-> n0
n0 --> n3
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 n6 trigger
class n0,n3 ai
class n1,n4 aiModel
class n5 ai
class n2 ai
classDef customIcon fill:none,stroke:none
class n6,n7 customIcon
Problemet: ”snabb research” blir flikkaos
Det mesta ”research” på jobbet är ingen formell rapport. Det är en snabb fråga mitt i något annat: ”Vilket är bästa alternativet till X?”, ”Stämmer det här påståendet?”, ”Vad tar konkurrenterna betalt?” Det jobbiga är kontextbytena. Du söker, skummar, öppnar fler resultat, glömmer vad du läste för två minuter sedan och försöker sedan sy ihop det till ett begripligt svar. Och när någon ber om källor får du jaga rätt på länken igen. Så blir 10 minuter till en timme. Ärligt talat är det utmattande.
Friktionen växer, särskilt när teamet börjar luta sig mot dig som ”personen som kan hitta saker”.
- Du får svara på samma frågor igen eftersom ingen sparade en källbelagd sammanfattning första gången.
- Att kopiera in utdrag utan länkar skapar misstro, så beslut drar ut på tiden i fram-och-tillbaka-meddelanden.
- Manuell webbresearch bryter ditt fokus, vilket gör att det riktiga arbetet skjuts upp.
- När resultaten är tidskänsliga (priser, produktförändringar, nyheter) blir din ”cachade kunskap” snabbt inaktuell.
Lösningen: fråga i Telegram, få tillbaka en källbelagd sammanfattning
Det här flödet gör Telegram till en lättviktig researchassistent som svarar med webbkällor. Du skickar ett meddelande till din Telegram-bot med en fråga, och flödet startar automatiskt. Först skriver en AI-agent med DeepSeek R1 om din fråga så den blir tydligare och mer sökbar (vilket är avgörande när folk skriver röriga, halvfärdiga prompts). Sedan kör en andra researchagent, driven av GPT-4o mini, en live-webbsökning via SerpAPI, hämtar de mest relevanta resultaten och sammanfattar dem till en läsbar text. Till sist skickar n8n svaret tillbaka till samma Telegram-chatt, inklusive länkar du kan klicka på eller vidarebefordra. Ingen flikspiral. Inga ”var läste jag det där?”-ögonblick.
Flödet startar med en Telegram message trigger. Det förfinar din fråga, gör webbresearch med SerpAPI och formaterar ett svar som inkluderar källhänvisningar. Sista steget är enkelt: din bot postar svaret tillbaka i chatten så att du kan dela det direkt.
Det du får: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du behöver rimlighetskontrollera ett leverantörspåstående och göra en snabb jämförelse till ditt team en gång per dag. Manuell hantering kan ta cirka 10 minuter att söka, ytterligare 15 minuter att öppna resultat och 10 minuter att göra om det till ett meddelande med länkar (alltså ungefär 35 minuter). Med det här flödet skickar du ett Telegram-meddelande (kanske 1 minut), väntar på webbsökningen och sammanfattningen (ofta ett par minuter) och är klar. Det är ungefär 30 minuter tillbaka per fråga, vilket snabbt blir mycket över en vecka.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Telegram-bot för att ta emot och skicka chattmeddelanden.
- SerpAPI för att köra live-webbsökningar med källor.
- OpenAI API-nyckel (hämta den i din OpenAI-kontopanel).
Kunskapsnivå: Medel. Du kopplar några konton, lägger in API-nycklar och testar botflödet från start till mål.
Vill du inte sätta upp detta själv? Prata med en automationsspecialist (gratis 15-minuters konsultation).
Så fungerar det
Ett Telegram-meddelande drar igång det. När någon skickar en fråga till din Telegram-bot startar Telegram Trigger-noden flödet direkt.
Frågan blir uppstädad. En agent baserad på DeepSeek R1 skriver om meddelandet till något mer precist, så att webbsökningen har mindre risk att missa vad du menade.
Live-research sker därefter. Research- och sammanfattningsagenten (GPT-4o mini) använder SerpAPI för att söka på webben, välja relevanta resultat och sammanställa en kort, lättläst sammanfattning med källhänvisningar och länkar.
Svaret kommer tillbaka i chatten. n8n formaterar svaret och postar det tillbaka i samma Telegram-konversation, så att du kan vidarebefordra det till en kollega eller klistra in det i ett mejl utan extra efterarbete.
Du kan enkelt ändra outputformatet för att inkludera en kortare ”TL;DR”, lägga till några punktlistor eller bifoga en intern notis till teamet utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Telegram Incoming Trigger
Konfigurera Telegram-webhook-triggern så att arbetsflödet startar varje gång ett nytt meddelande kommer in.
- Lägg till och öppna Telegram Incoming Trigger.
- Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter.
- Ställ in Updates på
message. - Lämna Additional Fields tomt om ni inte behöver fler händelsetyper.
Steg 2: Anslut AI- och söktjänster
Anslut språkmodellerna och sökverktyget som används av AI-agenterna.
- Öppna DeepSeek Chat Engine och ställ in Model på
deepseek-reasoner. - Autentiseringsuppgifter krävs: Anslut era deepSeekApi-autentiseringsuppgifter i DeepSeek Chat Engine.
- Öppna OpenAI Chat Engine och ställ in Model på
gpt-4o-mini. - Autentiseringsuppgifter krävs: Anslut era openAiApi-autentiseringsuppgifter i OpenAI Chat Engine.
- Öppna SerpAPI Search Tool.
- Autentiseringsuppgifter krävs: Anslut era serpApi-autentiseringsuppgifter i SerpAPI Search Tool.
Steg 3: Konfigurera bearbetning och AI-agenter
Konfigurera AI-agenterna som förfinar användarfrågor och sammanställer forskningsresultat.
- Öppna DeepSeek Inquiry Refiner och ställ in Text på
{{ $json.message.text }}. - Ställ in Prompt Type på
define. - Ställ in System Message på
You are an intelligent assistant specialized in understanding user queries and structuring them for deeper investigation. You act as a first-layer analyst, helping clarify, reformulate, or expand the user's original question when needed. You have access to short-term memory and can recall recent context to ensure continuity in multi-turn conversations. Your goal is to understand what the user really needs, extract relevant context, and prepare a refined, focused query for a research agent. You do not perform live research yourself. Instead, you pass refined questions forward. Respond clearly, naturally, and like a helpful human—not robotic or overly formal.. - Öppna Session Memory Buffer och ställ in Session ID Type på
customKey. - Ställ in Session Key på
{{ $json.message.chat.id }}. - Öppna Research Synthesis Agent och ställ in Text på
{{ $json.output }}. - Ställ in Prompt Type på
define. - Ställ in System Message på
You are a research assistant with access to real-time search results provided by SerpAPI. You must always base your answers exclusively on the information retrieved from SerpAPI—never speculate or guess. For every user query, you will receive structured results including titles, snippets, prices, images, and links. Your job is to: - Carefully analyze the SerpAPI results - Identify the most relevant and helpful information - Summarize or compare the top 2–3 options clearly and concisely - Include: product name, short description, price (if available), link, and image URL (if available) Format the response in a user-friendly, readable style—using bullets or emojis to improve clarity. Always include direct links and image URLs if they are provided in the search data. If no useful results are found, say so transparently. Do not generate information outside of what SerpAPI returns. Your role is to process, summarize, and organize real web search data—nothing more..
Steg 4: Konfigurera utdata och meddelanden
Skicka den sammanställda responsen tillbaka till den ursprungliga Telegram-chatten.
- Öppna Dispatch Telegram Reply.
- Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter.
- Ställ in Text på
{{ $json.output }}. - Ställ in Chat ID på
{{ $('Telegram Incoming Trigger').item.json.message.chat.id }}. - Ställ in Append Attribution på
falsei Additional Fields.
Steg 5: Testa och aktivera ert arbetsflöde
Verifiera hela flödet från Telegram-meddelande till AI-svar.
- Klicka på Execute Workflow för att köra arbetsflödet manuellt.
- Skicka ett testmeddelande till er Telegram-bot och bekräfta körvägen: Telegram Incoming Trigger → DeepSeek Inquiry Refiner → Research Synthesis Agent → Dispatch Telegram Reply.
- Kontrollera att ett svar skickas tillbaka till samma chatt med ett sammanfattat, källbaserat svar.
- När ni har verifierat det, växla arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Inloggningsuppgifter för Telegram-boten kan gå ut eller vara felkonfigurerade. Om svaren slutar komma, kontrollera bot-token i n8n-credentials och bekräfta att boten fortfarande kan skicka meddelanden till din chatt.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompterna i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka 30 minuter om du redan har dina API-nycklar.
Nej. Du kommer mest att klistra in API-nycklar och testa Telegram-botflödet.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna med API-kostnader för SerpAPI, OpenAI och DeepSeek.
Två alternativ: n8n Cloud (hanterat, enklast setup) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, men du vill styra vem som kan trigga det. Du kan anpassa Telegram Trigger och noden Dispatch Telegram Reply för att posta i en grupp eller kanal, och sedan lägga till en enkel kontroll av ”tillåtna chatt-ID:n” innan researchagenten kör. Vanliga anpassningar är att lägga till en TL;DR som första rad, tvinga ett fast antal källor och ändra formateringen så att länkarna listas snyggt längst ner.
Oftast är det bot-token. Generera om eller kopiera om BotFather-token, uppdatera den i dina Telegram-credentials i n8n och bekräfta att din bot får skicka meddelanden till chatten du testar. Om flödet triggar men inte svarar kan chatt-ID:t också vara boven. Mindre vanligt, men verkligt: din n8n-instans är inte publikt nåbar, så Telegram-webhooks kan inte leverera events konsekvent.
Det beror på gränserna i din plan och dina API-kvoter. På n8n Cloud Starter får du ett månatligt tak för körningar som fungerar bra för lätt daglig användning; om du kör egen drift är körningar inte begränsade av n8n, men din server måste fortfarande hinna med. SerpAPI:s gratisnivå inkluderar cirka 100 sökningar per månad, så det är ofta det första taket du slår i. Om du förväntar dig att ett helt team ska använda det, planera för en betald SerpAPI-nivå och sätt enkla rate limits så att en person inte bränner kvoten på en dag.
För det här användningsfallet är n8n oftast det bättre verktyget eftersom logiken är mer flexibel och du kan köra egen drift för obegränsade körningar. Du får också en tydligare väg till ”agentbeteende” (förfina prompten, anropa ett sökverktyg, sammanfatta och svara) utan att brottas med plattformsbegränsningar. Zapier eller Make kan fortfarande fungera om du vill ha ett väldigt enkelt flöde och inte bryr dig om minne, flerstegsresonemang eller avancerad formatering. Om du är osäker, prata med en automationsspecialist så får du en rak rekommendation baserad på volym och risk.
När detta väl rullar slutar ”kan du kolla upp det här?” att vara en distraktion och blir i stället en vana som kräver ett enda meddelande. Flödet tar hand om den stökiga researchloopen så att du kan fatta beslutet 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.