Din Telegram fylls med ”Vad står AAPL i?” och ”Är Tesla upp i dag?” och plötsligt gör du stressade uppslag, tvivlar på tickers och klistrar in halvläsliga siffror i chatten.
Community managers känner av det först. Marknadsteam som driver investeringskanaler stöter på det här direkt efter. Och om du är en grundare som vill hålla en snabb grupp trovärdig, ser den här automatiseringen för Telegram stock answers till att svaren blir korrekta utan att du behöver leva i Yahoo Finance-flikar.
Det här flödet lyssnar efter aktiefrågor, hittar rätt ticker, hämtar färsk data från Yahoo Finance och svarar i ett korrekt formaterat format. Du får se vad det automatiserar, vilka resultat du kan förvänta dig och vad du behöver för att köra det stabilt.
Så här fungerar automatiseringen
Hela n8n-flödet, från trigger till slutligt output:
n8n Workflow Template: Telegram + Yahoo Finance: snabba aktiesvar i chatten
flowchart LR
subgraph sg0["Telegram Intake 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 Intake Trigger"]
n1@{ icon: "mdi:brain", form: "rounded", label: "OpenRouter Chat Engine", pos: "b", h: 48 }
n3@{ icon: "mdi:wrench", form: "rounded", label: "Fetch Ticker Label", pos: "b", h: 48 }
n9@{ icon: "mdi:web", form: "rounded", label: "Retrieve Stock Details", pos: "b", h: 48 }
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/>Telegram Message Sender"]
n11@{ icon: "mdi:memory", form: "rounded", label: "Conversation Memory", pos: "b", h: 48 }
n12@{ icon: "mdi:robot", form: "rounded", label: "Market Analysis Agent", pos: "b", h: 48 }
n11 -.-> n12
n9 -.-> n12
n3 -.-> n12
n0 --> n12
n12 --> n10
n1 -.-> n12
end
subgraph sg1["Workflow Execution Flow"]
direction LR
n2@{ icon: "mdi:play-circle", form: "rounded", label: "Workflow Execution Trigger", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "Extract Key Details", pos: "b", h: 48 }
n5@{ icon: "mdi:brain", form: "rounded", label: "OpenRouter Chat Engine B", 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/httprequest.dark.svg' width='40' height='40' /></div><br/>Web Search Request"]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Lookup Ticker Query"]
n8@{ icon: "mdi:swap-vertical", form: "rounded", label: "Assign Ticker Value", pos: "b", h: 48 }
n6 --> n4
n7 --> n8
n4 --> n7
n5 -.-> n4
n2 --> 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,n2 trigger
class n12,n4 ai
class n1,n5 aiModel
class n3 ai
class n11 ai
class n9,n6,n7 api
classDef customIcon fill:none,stroke:none
class n0,n10,n6,n7 customIcon
Problemet: aktiefrågor skapar snabba, offentliga misstag
Aktiefrågor ser enkla ut tills de inte är det. ”Vad är priset på Apple?” är lätt. ”Hur är det med ’Meta’?” blir snabbt rörigt (namnbyten, flera listningar, ADR:er och tickers som liknar varandra). Sedan kommer den verkliga boven: hastighet. I en live Telegram-grupp känns ett långsamt svar som inget svar, så någon annan svarar med det de råkade hitta först. Nu sprider din kanal fel siffror, och du får städa upp efteråt. Det handlar inte bara om tid. Det handlar om trovärdighet.
Friktionen byggs på. Här är var det brukar fallera i praktiken.
- Du slutar med att öppna sök, sedan Yahoo Finance, och sedan dubbelkolla tickern för att undvika fällan ”fel bolag, rätt namn”.
- Varje manuellt svar formateras olika, vilket gör att kanalen ser rörig och mindre pålitlig ut över tid.
- Under intensiva börstimmar ignorerar du antingen frågor, eller så lägger du cirka 1–2 timmar om dagen på att svara på samma grundfrågor.
- Om du kopierar siffror för hand kommer du förr eller senare att klistra in inaktuell data eller fel siffra, och någon kommer att påpeka det.
Lösningen: Telegram-till-Yahoo Finance-svar, automatiskt
Det här flödet gör Telegram-meddelanden till direkta, konsekventa aktiesvar. När någon ställer en fråga i chatten använder automatiseringen en AI-agent för att förstå vad personen menar (bolagsnamn, ticker-gissning, och vilket nyckeltal de frågar om). Sedan kör den en webbsökning för att bekräfta sammanhanget, extraherar nyckeldetaljer från resultaten och gör en dedikerad ticker-uppslagning så att du inte svarar med fel symbol. När tickern är fastställd hämtar den aktuella marknadsdata från Yahoo Finance och formaterar svaret till ett enkelt, lättläst meddelande. Till sist skickar den tillbaka det strukturerade svaret till Telegram, så gruppen får ett snabbt svar som ser ut att komma från en disciplinerad analytiker, inte någon som panikväxlar mellan flikar.
Flödet startar med en Telegram-trigger. Därifrån klassar AI-agenten frågan och hämtar rätt ticker via sök + uppslagning. Efter det hämtar den Yahoo Finance-statistik och postar ett tydligt svar tillbaka i samma chatt.
Det här får du: automatisering vs. resultat
| Det här automatiserar flödet | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att din Telegram-grupp får 20 aktiefrågor en vanlig vardag. Manuellt kan du lägga cirka 5 minuter per fråga på att hoppa mellan sök och Yahoo Finance, vilket är ungefär 100 minuter om dagen. Med det här flödet lägger du i princip 0 minuter på att svara: triggern är själva meddelandet, och flödet svarar vanligtvis efter att uppslagning och hämtning har körts (ofta runt en minut). Det är cirka 1–2 timmar tillbaka per dag, och svaren slutar se improviserade ut.
Det du behöver
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Telegram för att ta emot frågor och skicka svar.
- Apify för att köra Google Search + Yahoo Finance-actors.
- OpenRouter API-nyckel (hämta den i din OpenRouter-dashboard).
Svårighetsnivå: Nybörjare. Du kopplar konton, klistrar in några API-nycklar och kör ett snabbt testmeddelande i Telegram.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett Telegram-meddelande startar allt. En användare frågar om en aktie i din chatt, och Telegram-triggern fångar texten direkt så att n8n kan jobba med den.
AI-agenten tar fram avsikt och kontext. Med OpenRouters chattmodell plus ett extraktionssteg identifierar flödet bolagsnamnet, vad användaren vill ha (pris, utveckling, statistik) och den bästa sökfrågan för att lösa en ticker på ett tillförlitligt sätt.
Ticker-matchning sker innan data hämtas. Flödet använder webbsök och en dedikerad ticker-uppslagning, och sätter sedan det slutliga ticker-värdet så att Yahoo Finance-anropen blir strukturerade och förutsägbara.
Ett formaterat svar postas tillbaka till Telegram. Aktiedetaljer hämtas och förenklas, och sedan svarar din bot med ett snyggt meddelande som publiken faktiskt kan läsa.
Du kan enkelt ändra svarsmallen så att den inkluderar de nyckeltal din publik bryr sig om (som börsvärde eller dagintervall) utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Telegram-triggern
Det här arbetsflödet startar när en användare skickar ett meddelande till er Telegram-bot, som fångas upp av triggern och skickas vidare till analysagenten.
- Lägg till eller öppna Telegram Intake Trigger och anslut er bot.
- Konfigurera Telegram-webhooken för Telegram Intake Trigger i n8n så att den kan ta emot meddelanden.
- Bekräfta att noden routar direkt till Market Analysis Agent enligt arbetsflödet.
Inloggningsuppgifter krävs: Anslut era Telegram-inloggningsuppgifter
Steg 2: Anslut datakällorna för webbsökning och ticker-uppslag
Arbetsflödets gren för dataanrikning börjar med en webbsökning, extraherar detaljer, slår sedan upp en ticker och tilldelar den för senare användning.
- Öppna Workflow Execution Trigger och säkerställ att den är kopplad till Web Search Request som startpunkt för research-grenen.
- Konfigurera Web Search Request att anropa er föredragna sökendpoint.
- Verifiera körflödet: Web Search Request → Extract Key Details → Lookup Ticker Query → Assign Ticker Value.
- Konfigurera Lookup Ticker Query att anropa ert API för ticker-uppslag och returnera en symbol.
- Använd Assign Ticker Value för att mappa den returnerade tickern till ett rent fält för vidare användning.
⚠️ Vanlig fallgrop: Om ert sök- eller ticker-API kräver autentisering, lägg till inloggningsuppgifterna i Web Search Request och Lookup Ticker Query innan ni testar.
Steg 3: Sätt upp AI-lagret för extrahering
Noden för AI-extrahering använder en språkmodell för att plocka ut strukturerade detaljer från webbsökresultaten.
- Öppna Extract Key Details och bekräfta att den är kopplad till OpenRouter Chat Engine B som språkmodell.
- Säkerställ att OpenRouter Chat Engine B är konfigurerad med den modell ni vill använda för entitetsextrahering.
- Behåll flödet intakt så att Extract Key Details skickar output till Lookup Ticker Query.
Inloggningsuppgifter krävs: Anslut era OpenRouter-inloggningsuppgifter
Steg 4: Konfigurera Market Analysis Agent och verktyg
Den primära konversationsagenten analyserar användarens input och kan anropa verktyg för att hämta ticker-etiketter och aktiedetaljer, samtidigt som kontexten i konversationen behålls.
- Öppna Market Analysis Agent och bekräfta att den är kopplad till OpenRouter Chat Engine som språkmodell.
- Verifiera att Fetch Ticker Label och Retrieve Stock Details är kopplade till Market Analysis Agent som AI-verktyg.
- Bekräfta att Conversation Memory är kopplad till Market Analysis Agent som AI-minne för att behålla kontext.
- Säkerställ att agentens huvudsakliga input kommer från Telegram Intake Trigger för att matcha användarfrågan med verktygsanvändningen.
OpenRouter Chat Engine är ansluten som språkmodell för Market Analysis Agent — säkerställ att inloggningsuppgifter är tillagda i OpenRouter Chat Engine.
Noder för AI-verktyg och minne (Fetch Ticker Label, Retrieve Stock Details, Conversation Memory) ärver inloggningsuppgifter från den överordnade Market Analysis Agent — lägg inte till inloggningsuppgifter direkt i dessa undernoder.
Steg 5: Konfigurera Telegram-output
När analysen är klar skickas det slutliga svaret tillbaka till användaren i Telegram.
- Öppna Telegram Message Sender och välj samma bot-inloggningsuppgifter som används i Telegram Intake Trigger.
- Bekräfta att huvud-output från Market Analysis Agent är kopplad till Telegram Message Sender.
- Mappa svarstexten från agenten till Telegram-meddelandets brödtext.
Inloggningsuppgifter krävs: Anslut era Telegram-inloggningsuppgifter
Steg 6: Testa och aktivera ert arbetsflöde
Validera hela flödet från Telegram-input via analys och svar, och aktivera sedan för produktionsanvändning.
- Klicka på Execute Workflow och skicka ett testmeddelande till er Telegram-bot.
- Verifiera att körningen följer: Telegram Intake Trigger → Market Analysis Agent → Telegram Message Sender.
- Kontrollera att research-grenen kör som förväntat: Workflow Execution Trigger → Web Search Request → Extract Key Details → Lookup Ticker Query → Assign Ticker Value.
- Bekräfta att användaren får ett komplett aktieinsiktsmeddelande i Telegram.
- När ni är nöjda, slå på arbetsflödet Active för att möjliggöra kontinuerlig bearbetning.
Vanliga fallgropar
- Behörigheter för Telegram-botten är lätta att missa. Om svar slutar postas, kontrollera bot-token och bekräfta att botten får läsa meddelanden i den chatten.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram fallerar på tomma svar.
- Apify- och OpenRouter-uppgifter kan gå ut eller slå i användningsgränser. Om flödet börjar returnera tomma ticker-träffar, kontrollera först dina Apify-körningar/loggar och din OpenRouter-användningsdashboard.
Vanliga frågor
Cirka 10–15 minuter om du redan har API-nycklarna.
Nej. Du kommer mest att klistra in uppgifter och testa triggern. Logiken är redan inbyggd i flödet.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för OpenRouter-användning och eventuella Apify actor-körningar.
Två alternativ: n8n Cloud (hanterad, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. De flesta justerar AI-agentens instruktioner så att de matchar deras ton, och finjusterar sedan ”Assign Ticker Value” och den slutliga Telegram-meddelandeformateringen för att inkludera (eller ta bort) saker som dagintervall, börsvärde och en kort sammanfattningsrad. Om din publik även frågar om ETF:er eller krypto-tickers kan du routa de frågorna via en Switch-nod och anropa en annan uppslagsrequest. Den mest robusta anpassningen är helt enkelt att bestämma vad botten ska svara när den inte kan fastställa en ticker med tillräcklig säkerhet (ställ en följdfråga i stället för att gissa).
Oftast är det en ogiltig eller roterad bot-token, eller att botten saknar behörighet i målchatten. Dubbelkolla Telegram-uppgifterna i n8n och bekräfta sedan att botten kan läsa meddelanden och posta svar där du testar. Om det fungerar i privat chatt men inte i en grupp handlar det vanligtvis om chattbehörigheter eller en integritetsinställning.
Många, så länge dina användningsgränser i OpenRouter och Apify matchar din volym.
Ofta, ja, eftersom det här flödet inte bara är ”trigger och skicka”. Du har en AI-agent, extraktion, förgreningslogik och flera HTTP-uppslag, vilket är där Zapier och Make kan bli sköra eller dyra. n8n ger dig också mer kontroll över hur ticker-matchningen fungerar, vilket är det som förhindrar offentliga misstag. Om du kör egen drift kan du hantera chattar med hög volym utan att räkna varje steg som en debiterbar händelse. Å andra sidan, om du bara behöver ett enkelt autosvar med ett enda uppslag kan Zapier eller Make kännas enklare. Prata med en automationsexpert om du vill ha hjälp att välja.
När det här väl rullar slutar din Telegram-kanal att vara beroende av vem som råkar vara online för att göra uppslag. Flödet svarar på återkommande frågor på ett korrekt formaterat sätt, och du håller kanalen i rörelse.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.