KeyFrame

【AI工作流】別再手動複製貼上!n8n教學:掌握Loop迴圈技巧,高效處理群發訊息

新北市政府青年局·6月17日週三·6 min中文

三句話摘要

用 N8N 打造一個由 Gmail 觸發、AI 判斷意圖、自動寄送個人化優惠券給 VIP 會員的自動化流程。 在 N8N 中用「排程輪詢 + AI 雙條件判斷 + 逐封加延遲發送」三層設計,就能打造一個安全、個人化且可商業變現的 Gmail 自動化行銷流程。 Gmail 是被動資料源,只能輪詢不能即時觸發:N8N 與 Gmail 的整合方式是定時拉取,而非像 Webhook 那樣由事件主動推送,這決定了觸發節點必須用「排程」而非「事件監聽」。

重點整理

重點
  • 1

    Gmail 是被動資料源,只能輪詢不能即時觸發:N8N 與 Gmail 的整合方式是定時拉取,而非像 Webhook 那樣由事件主動推送,這決定了觸發節點必須用「排程」而非「事件監聽」。

  • 2

    用 AI 取代關鍵字比對,但需設計安全防護:純靠「優惠券」三個字觸發太危險,因為外部信件也可能包含此詞;加入「小宝」作為內部暗號,讓 AI 同時判斷兩個條件,大幅降低誤觸發風險。

  • 3

    if 節點做雙層過濾,確保只寄給目標受眾:第一層過濾 AI 回傳是否為 yes,第二層從 Google Sheet 的 29 筆資料中篩出 LV 為 VIP 的 20 筆,業務邏輯與觸發邏輯分離。

  • 4

    逐封發送加入 wait 節點,模擬人工行為:使用迴圈讓每個 run 只處理一封信,並在每封之間插入 5–10 秒等待,防止 Gmail 偵測到批量行為。

實用技巧與重點

乾貨
  • 觸發方式:排程節點,每 1 分鐘輪詢一次 Gmail
  • AI Prompt 判斷條件:信件須同時包含關鍵字「小宝」且提及寄優惠券,才回傳 yes
  • 資料來源:Google Sheet,共 29 筆會員資料
  • 過濾條件:LV 欄位 = VIP,符合者 20 筆
  • 優惠券金額:500 元
  • 安全發信間隔:每封之間等待 5–10 秒
  • 工具清單:N8N、Gmail、Google Sheet、AI 節點(內建)、HTTP Request 節點、Wait 節點、If 節點
  • 個人化方式:AI 生成信件內文,動態插入收件人姓名(以 Google Sheet 欄位填入)

結論

結論

在 N8N 中用「排程輪詢 + AI 雙條件判斷 + 逐封加延遲發送」三層設計,就能打造一個安全、個人化且可商業變現的 Gmail 自動化行銷流程。

完整解析

詳細

這支影片示範的是一個完整的 N8N 自動化行銷流程:講者只要寄一封信給自己說「想寄優惠券給會員」,整個系統就會自動判斷意圖、篩選名單、產生個人化信件並分批寄出。

第一個技術門檻在觸發機制。N8N 與 Gmail 的整合架構是「被動拉取」而非「主動推送」,這和 Webhook 型的觸發器(例如 Typeform 填表後自動送資料到 N8N)本質不同。Gmail 不會主動通知 N8N 有新信,因此唯一的做法是讓排程節點每隔一段時間(這裡設定每分鐘)主動去 Gmail 拿最新信件。這個限制聽起來微不足道,卻影響整個流程的架構方向。

拿到信件之後,下一步是意圖判斷。傳統做法是用關鍵字比對(如「優惠券」),但這太容易被外部信件觸發,存在安全風險。講者的解法是引入 AI 節點,並在 Prompt 裡設計雙重條件:信件必須同時包含內部暗號「小宝」以及寄優惠券的意圖,AI 才回傳 yes。這樣即便有外部信件提到優惠券,只要沒有暗號就不會觸發,大幅降低誤操作的可能。AI 的輸出只有 yes 或 no,接著由 if 節點決定流程是否繼續往下走。

確認意圖後,流程進入名單篩選階段。系統從 Google Sheet 讀入 29 筆會員資料,再用 if 節點過濾出 LV 欄位標記為 VIP 的 20 筆,其餘 basic 等級的會員不在本次發送範圍內。接著進入迴圈,每個 run 只處理一筆資料、寄出一封信,信件內容由 AI 動態填入該會員的姓名,使每封信看起來像是人工撰寫的個人化問候,而非罐頭訊息。為了進一步規避 Gmail 的批量發信偵測,每封信之間插入一個 wait 節點,設定 5 到 10 秒的間隔,模擬人工逐封發送的行為節奏。

最終效果是:講者寄出一封帶有暗號的指令信後,20 位 VIP 會員各自收到一封寫著自己名字、附上 500 元優惠券的個人化信件,全程無需人工介入。講者也預告 wait 節點其實有更多進階用法,將在下一節課完整介紹。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Claude Cowork vs Codex: 誰才是更好的AI工作助手?
16 min
AI 技術中文6月20日

Claude Cowork vs Codex: 誰才是更好的AI工作助手?

李厂长来了

  • 介面設計哲學不同:Codework 以標籤頁區分聊天、文書與程式碼三種模式,任務彼此隔離不混淆;Codex 則將所有功能整合在單一介面,減少切換成本,但頁面相對雜亂。
  • 第三方整合能力差距明顯:Codework 提供大量連接器並支援 Zapier 擴展,且可針對每個連接器精細設定讀寫權限(如 Gmail 只讀免確認、寫信需批准);Codex 的插件數量較少且缺乏同等級的權限控制機制。
  • 定時任務管理方式影響長期使用體驗:Codework 將同一自動化任務的歷史記錄歸類在同一條目下,便於追蹤;Codex 每次執行都獨立列出,隨任務增多左側欄會越來越臃腫,不利於長期管理。
我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026
編輯精選
28 min
AI 技術中文6月20日

我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026

EngineerGary

  • Tokenomics 重新定義 AI 工廠價值:黃仁勛將所有輸出重新框架為 Token = Revenue,傳統工廠生產實體商品,AI 工廠改為生產 Token;對製造端而言,目標是以最低成本產生最多 Token,實現每投入 1 元帶回 3–5 元回報的商業邏輯。
  • 開源策略是市場放大器而非讓利:NVIDIA 釋出 Cosmos 3、Apomile 3 等開源模型,以及通用人型機器人,目的是降低新創進入自動駕駛、World Model、Physical AI 的門檻,擴大整體生態系規模,最終帶動更多算力與服務需求(「The more you buy, the more you earn」)。
  • Deal to Delivery Agent 解決中小企業流程瓶頸:Gary 團隊識別出企業收到客戶需求後,需跨工具手動完成報價、開票、GitHub issue、通知等重複性操作是最大效率殺手;Agent 自動拆解商機、建立 ERP 記錄並推送 Telegram 通知,人類只需在 Draft 狀態下做最終 Review 確認。
黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備
編輯精選
30 min
AI 技術中文6月20日

黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備

Coco哥

  • QNX 擁有機器人 OS 三大不可替代技術門檻
  • Windows 響應延遲 200 毫秒,Linux 一旦核心崩潰全部失效,而 QNX 具備毫秒級即時決策、ISO 26262 ASIL-D 與 IEC 61508 SIL-3 最高安全認證,以及微型內核獨立架構(單一模組崩潰不影響其餘系統),三項條件同時達標,現階段競爭對手均未能複製。
  • 40 年護城河非短期可追趕