Du svarar på samma ”Vad är nytt i dag?”-meddelande om och om igen. Sedan kopierar du en rubrik, öppnar ett RSS-flöde, skummar en artikel, skriver om den och hoppas att du inte missade något viktigt. Det är rutinjobb som stjäl ditt fokus vid sämsta möjliga tillfällen.
Den här automatiseringen för Zalo RSS replies slår hårdast mot supportansvariga och community managers, men marknadsförare som driver innehållskanaler känner av det också. Du får snabba, konsekventa nyhetssammanfattningar utan att göra inkorgen till ett andra heltidsjobb.
Nedan ser du hur flödet svarar i Zalo, vad det ersätter och de praktiska detaljer du behöver för att köra det driftsäkert.
Så här fungerar automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: Zalo + Google Gemini, snabba RSS-nyhetssvar
flowchart LR
subgraph sg0["MongoDB Chat Memory Flow"]
direction LR
n0@{ icon: "mdi:memory", form: "rounded", label: "MongoDB Chat Memory", pos: "b", h: 48 }
n1@{ icon: "mdi:cog", form: "rounded", label: "rss_read", 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/webhook.dark.svg' width='40' height='40' /></div><br/>Receive Zalo Webhook"]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Send Typing Action to Zalo"]
n6@{ icon: "mdi:robot", form: "rounded", label: "Summarize AI News", pos: "b", h: 48 }
n7@{ icon: "mdi:brain", form: "rounded", label: "Gemini Language Model", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "Parse Structured AI Output", 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/>Extract, Clean and Chunk Mes.."]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Send Zalo Message"]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Send Zalo Message1"]
n1 -.-> n6
n10 --> n11
n6 --> n9
n0 -.-> n6
n2 --> n6
n2 --> n3
n7 -.-> n6
n7 -.-> n8
n8 -.-> n6
n9 --> n10
end
subgraph sg1["Flow 2"]
direction LR
n4["<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/>Delete Zalo Webhook"]
end
subgraph sg2["Flow 3"]
direction LR
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/>Set Zalo Webhook"]
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,n8 ai
class n7 aiModel
class n0 ai
class n2,n3,n10,n11,n4,n5 api
class n9 code
classDef customIcon fill:none,stroke:none
class n2,n3,n9,n10,n11,n4,n5 customIcon
Utmaningen: att svara på ”nyhetsuppdateringar” manuellt i chatten
När användare ber om uppdateringar i Zalo förväntar de sig svar direkt, inte efter att du öppnat fem flikar och letat efter något aktuellt. Det störiga är att jobbet är repetitivt, men att insatsen ändå känns hög. Sammanfattar du för snabbt missar du sammanhang. Tar du för lång tid dör konversationen och din bot (eller ditt varumärke) framstår som ointressant. Och eftersom det ”bara är ett snabbt svar” får det sällan en riktig process, vilket leder till inkonsekvent ton, inkonsekvent formatering och massor av copy-paste-missar.
Det eskalerar snabbt. Här är var det fallerar i verkliga team.
- Någon måste hämta de senaste inläggen från ett RSS-flöde, och vad som är ”senast” ändras timme för timme.
- Sammanfattningar varierar i kvalitet eftersom olika personer skriver dem på olika sätt (eller stressar igenom dem).
- Långa meddelanden kapas eller ser stökiga ut i chatten, så du skriver om igen.
- Utan konversationsminne upprepar användare sig, och du gör samma jobb två gånger.
Lösningen: Zalo autosvar drivet av RSS + Gemini-sammanfattningar
Det här flödet gör ett Zalo-meddelande till en korrekt formaterad, varumärkesanpassad nyhetsuppdatering i ett enda pass. När en användare chattar med din Zalo-bot tar n8n emot meddelandet via en webhook och visar direkt en ”skriver”-indikator så att upplevelsen känns responsiv. Därefter hämtar det färska inlägg från ditt valda RSS-flöde (AI-nyheter är standard, men du kan byta). Google Gemini genererar en kort, lättläst sammanfattning och flödet formaterar den till chatvänlig text. Om svaret är för långt rensas det och delas upp så att du inte skickar en stor, oläslig textklump. Till sist skickas svaret tillbaka till Zalo via API:et, med en valfri sticker för att göra interaktionen mer mänsklig.
Flödet börjar med en inkommande Zalo-webhook, använder sedan RSS-läsning plus en AI-agent med en Gemini-chattmodell för att skapa strukturerade sammanfattningar. Därefter rensar och delar ett litet kodsteg upp meddelandet, och en HTTP-request skickar slutsvaret till Zalo.
Vad som förändras: före vs. efter
| Detta elimineras | Effekten du ser |
|---|---|
|
|
Effekt i verkligheten
Säg att din Zalo-bot får 20 ”några nyheter?”-meddelanden per dag. Manuellt kanske du lägger cirka 10 minuter varje gång på att skanna RSS-flödet, läsa, sammanfatta och formatera, vilket blir ungefär 3 timmar per dag. Med det här flödet är ”arbetet” i princip att ta emot meddelandet (sekunder), låta Gemini sammanfatta (en kort väntan) och skicka svaret automatiskt. Även om du granskar några kantfall får du oftast tillbaka ett par timmar varje dag.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Zalo-bot för att ta emot och skicka chattmeddelanden.
- Google Gemini API för att generera nyhetssammanfattningarna.
- Gemini API-nyckel (hämta den från Google AI Studio / Gemini API-konsolen).
Kunskapsnivå: medel. Du klistrar in tokens/nycklar, testar en webhook och justerar en AI-prompt.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödets gång
Ett Zalo-meddelande träffar din webhook. När någon skriver till boten fångar n8n det via noden ”Incoming Zalo Webhook” och startar körningen direkt.
Boten ”skriver” medan jobbet sker. En HTTP Request skickar en skriver-indikator tillbaka till Zalo, vilket köper lite tid och gör att konversationen känns levande.
RSS-inlägg hämtas och sammanfattas av Gemini. Flödet läser ditt RSS-flöde, och sedan använder en AI-agent Gemini Chat Model för att skapa en strukturerad, konsekvent sammanfattning som du styr med en prompt.
Svaret rensas, delas upp och skickas. Ett litet kodsteg trimmar och delar upp meddelandet för chatten, och sedan skickar en HTTP Request sluttexten till Zalo (och kan skicka en sticker direkt efter).
Du kan enkelt ändra RSS-källan så att den matchar din nisch och sedan finjustera prompten så att den matchar din tonalitet utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: konfigurera webhook-triggern
Sätt upp webhook-endpointen som tar emot meddelanden från Zalo och startar workflowet.
- Lägg till noden Incoming Zalo Webhook och ställ in HTTP Method på
POST. - Ställ in Path till
nguyenthieutoan-zalo-botoch notera den genererade webhook-URL:en för er Zalo-botkonfiguration. - Förstå det parallella flödet: Incoming Zalo Webhook skickar output parallellt till både Summarize AI Updates och Post Typing Indicator.
Steg 2: anslut Zalo-webhook-verktyg och skrivindikator
Konfigurera Zalo-botens endpoints som används för att registrera, ta bort och visa skrivindikatorer.
- I Post Typing Indicator, ställ in URL till
https://bot-api.zapps.me/bot[CONFIGURE_YOUR_TOKEN]/sendChatActionoch behåll Method somPOST. - I body-parametrarna för Post Typing Indicator, ställ in chat_id till
{{ $('Incoming Zalo Webhook').item.json.body.message.chat.id }}och action tilltyping. - I Utility: Configure Zalo Webhook, ställ in URL till
https://bot-api.zapps.me/bot[CONFIGURE_YOUR_TOKEN]//setWebhookoch body-parametrarna url till[YOUR_WEBHOOK_URL]samt secret_token till[CONFIGURE_YOUR_TOKEN]. - I Utility: Remove Zalo Webhook, ställ in URL till
https://bot-api.zapps.me/bot[CONFIGURE_YOUR_TOKEN]/deleteWebhookoch behåll Method somPOST.
[CONFIGURE_YOUR_TOKEN]. Ersätt denna placeholder med er riktiga Zalo-bottoken i varje HTTP request-nod (det finns totalt 5).Steg 3: sätt upp AI-minne, verktyg och språkmodell
Konfigurera AI-stacken: minneslagring, RSS-verktyg, språkmodell och parser för strukturerad output som används av agenten.
- Öppna MongoDB Conversation Store och ställ in Session Key till
{{ $('Incoming Zalo Webhook').item.json.body.message.from.id }}, Database Name tillzalobot_001och Session ID Type tillcustomKey. - Autentiseringsuppgifter krävs: Anslut era mongoDb-credentials i MongoDB Conversation Store.
- I Retrieve AI RSS Feed, ställ in URL till
https://techcrunch.com/category/artificial-intelligence/feed/och Tool Description tillĐọc thông tin và phản hồi. - Öppna Gemini Chat Model och anslut credentials. Autentiseringsuppgifter krävs: Anslut era googlePalmApi-credentials.
- I Parse Structured Output, aktivera Auto Fix och ställ in JSON Schema Example till
{ "message": "Dưới đây là bản tóm tắt ngắn gọn: ...", "sticker": "[YOUR_ID]" }.
Steg 4: konfigurera AI-sammanfattning och meddelandebearbetning
Sätt upp agentprompten, strukturerad output och logiken för rensning/uppdelning med kod.
- I Summarize AI Updates, ställ in Text till
{{ $json.body.message.text }}och behåll Prompt Type somdefine. - Säkerställ att Summarize AI Updates har hasOutputParser aktiverat och använder den strukturerade JSON-output som beskrivs i dess systemprompt.
- Bekräfta AI-kopplingarna: Gemini Chat Model är ansluten som språkmodell för Summarize AI Updates, och Parse Structured Output är ansluten som output-parser för Summarize AI Updates.
- I Clean & Split Message, behåll den medföljande JavaScript-koden intakt för att ta bort markup och dela upp långa svar i delar om
2000tecken.
Steg 5: konfigurera utdata för Zalo-meddelande och sticker
Skicka tillbaka det rensade meddelandet och en valfri sticker till användaren.
- I Dispatch Zalo Message, ställ in URL till
https://bot-api.zapps.me/bot[CONFIGURE_YOUR_TOKEN]/sendMessageoch behåll Method somPOST. - I body-parametrarna för Dispatch Zalo Message, ställ in chat_id till
{{ $('Incoming Zalo Webhook').item.json.body.message.chat.id }}och text till{{ $json.text }}. - I Send Zalo Sticker, ställ in URL till
https://bot-api.zapps.me/bot[CONFIGURE_YOUR_TOKEN]/sendStickeroch behåll Method somPOST. - I body-parametrarna för Send Zalo Sticker, ställ in chat_id till
{{ $('Incoming Zalo Webhook').item.json.body.message.chat.id }}och sticker till{{ $('Summarize AI Updates').item.json.output.sticker }}. - Bekräfta flödesordningen: Clean & Split Message → Dispatch Zalo Message → Send Zalo Sticker.
Steg 6: testa och aktivera ert workflow
Validera hela flödet från inkommande Zalo-meddelande till AI-sammanfattat svar och sticker.
- Använd test-URL:en för Incoming Zalo Webhook och skicka ett exempelmeddelande i Zalo för att trigga workflowet.
- Verifiera att Post Typing Indicator körs parallellt medan Summarize AI Updates körs.
- Bekräfta att AI-svaret parsas av Parse Structured Output och rensas/delas upp av Clean & Split Message.
- Kontrollera i Zalo att utdata skickas: textmeddelanden skickade av Dispatch Zalo Message följt av en sticker skickad av Send Zalo Sticker.
- När allt fungerar, slå om workflowet till Active så att Zalo kan trigga det i produktion.
Se upp med
- Zalo-bottokens och webhook-inställningar kan hamna ur synk. Om svaren slutar komma, kontrollera först webhook-URL:en i Zalo Bot Creator och token som används i noderna för HTTP Request.
- Om du använder Wait-liknande beteende (eller RSS-flödet är långsamt) varierar processtiderna. Öka fördröjningen/hanteringen om efterföljande noder fallerar för att AI-svaret inte har kommit fram ännu.
- Standardprompter för Gemini är ärligt talat generiska. Lägg in dina tonregler (längd, stil, gör/undvik-formuleringar) tidigt, annars kommer du fortsätta redigera sammanfattningarna.
Vanliga frågor
Cirka en timme om du redan har din Zalo-bottoken och en Gemini API-nyckel.
Ja, men du vill ha en person som är bekväm med att testa webhooks. Ingen kodning krävs om du inte väljer att ändra logiken för att dela upp meddelanden.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för användning av Google Gemini API, som beror på modell och meddelandevolym.
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 dig obegränsade körningar men kräver grundläggande serveradministration.
Börja med att byta RSS-URL:en i noden ”Retrieve AI RSS Feed” så att den matchar din nisch. Redigera sedan instruktionerna i AI-agenten ”Summarize AI Updates” så att Gemini följer dina formateringsregler (ton, längd och om du vill ha punktlistor). Om du behöver striktare utdata, justera ”Parse Structured Output” så att boten returnerar konsekventa sektioner som ”Rubrik”, ”Varför det är viktigt” och ”Källa”.
Oftast beror det på en utgången eller felaktig bottoken, eller att webhook-URL:en i Zalo Bot Creator inte längre matchar din n8n-webhook. Kontrollera också att dina HTTP Request-noder träffar rätt Zalo API-endpoint och att din server kan nå den. Om fel bara uppstår under hög belastning kan det handla om rate limits, så minska hur ofta du svarar eller cacha den senaste RSS-sammanfattningen.
På n8n Cloud beror kapaciteten på din plans körningsgränser, och vid self-hosting är du mest begränsad av din server. I praktiken hanterar det här flödet typiska chatbot-volymer utan problem, men hastigheten på RSS-flödet och Geminis svarstid är de verkliga flaskhalsarna.
Ofta, ja, eftersom det här inte bara är ”RSS in, meddelande ut”. Du kombinerar ett webhook-drivet chattflöde, en AI-agent, strukturerad parsning och lite textrensning, vilket är där n8n brukar kännas mer flexibelt. Self-hosting spelar också roll om du får många meddelanden och inte vill ha överraskningar med prissättning per uppgift. Zapier eller Make kan fortfarande fungera om du håller det enkelt, men det blir klumpigt när du behöver grenar och minne. Om du är osäker, prata med en automationsexpert så mappar vi det mot din exakta volym och dina kanaler.
När detta väl rullar blir ”Vad är nytt?” ett automatiskt, varumärkeskonsekvent svar istället för en daglig avbrottsfaktor. Sätt upp det en gång och låt flödet göra den repetitiva delen.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.