n8n + Gemini 打造 Gmail 智能分类自动化工作流

告别手动翻邮件：用 AI 自动分类你的 Gmail

如果你的 Gmail 每天涌入 20 封、50 封甚至上百封邮件，逐封打开判断哪些是重要邮件、哪些是销售推广、哪些是客户支持，几乎是一项不可能完成的任务。这段来自 YouTube 的教程演示了如何借助自动化工具 n8n 结合 Google 的 Gemini AI，构建一条能够自动读取、理解并归类邮件的工作流。

整个思路很直接：让系统替你完成「阅读—理解—分类—记录」这一连串重复劳动，而你只需要在最终的汇总表里查看结果。

工作流的整体设计

在动手配置之前，教程先带观众梳理了一遍完整的流程逻辑。工作流需要从每封邮件中抽取几项关键信息：

• 发件人（Sender）
• 主题（Subject）
• 邮件正文（Email Body）
• 接收时间（Receive Time）

这些原始信息会先经过清洗（clean information），再交给 Gemini AI 进行分析。AI 的任务是生成邮件摘要、判定类别（如重要 / 销售 / 支持）并确定优先级，最终输出结构化的结果。

整条链路可以概括为：Gmail → 数据清洗 → Gemini 分析 → 结构化结果 → Google Sheet。处理后的每一条结果都会作为一行新记录写入 Google 表格，相当于自动帮你建立起一份可检索的邮件数据库。

为什么选择 n8n + Gemini 这套组合

这套方案的价值在于把两类工具的优势拼接起来。n8n 作为开源的自动化编排平台，负责连接 Gmail、Google Sheet 等服务，并把各个节点串成一条可视化的流水线；Gemini 则承担真正需要「理解力」的环节——阅读邮件内容、提炼要点、做出分类判断。

传统的邮件过滤规则往往只能基于关键词或发件人做硬性匹配，很难理解邮件的真实意图。引入大模型后，系统能够像人一样读懂一封邮件究竟是在谈采购、求助还是推销，从而给出更贴近实际的分类与优先级。

n8n 是一款开源的工作流自动化平台，其核心理念是「低代码可视化编排」——用户通过拖拽节点、连线的方式定义数据流转路径，无需从头编写完整程序。它内置了数百个预制集成（包括 Gmail、Google Sheets、Slack、HTTP 请求等），每个集成封装了对应服务的 API 调用细节，用户只需填写凭证和参数即可使用。n8n 可以部署在自己的服务器上（Self-hosted），也有云托管版本，相比 Zapier 或 Make（原 Integromat）等商业竞品，它的优势在于开源可审计、数据留存在自有环境，以及对复杂分支逻辑的支持更为灵活。在这条工作流里，n8n 充当的是「调度中心」角色，它决定何时触发、数据如何在各节点间传递，以及当某个环节出错时如何处理。

关键配置：连接 Gmail 账户

进入配置环节，第一步是把 Gmail 账户接入 n8n。教程中演示了从凭证（Credentials）区域发起连接，选择并授权自己的 Gmail 账户的过程。

账户授权是整条工作流能否跑通的前提——只有拿到读取邮件的权限，后续的信息抽取、AI 分析和表格写入才能依次触发。配置完成后，Gmail 节点就会按设定的触发条件抓取新邮件，把原始数据送入下游环节。

n8n 连接 Gmail 通常依赖 Google 的 OAuth 2.0 授权机制。OAuth 2.0 是一种行业标准的授权协议，它允许第三方应用（此处为 n8n）在用户授权后，以受限的方式访问其 Google 账户资源，而无需获取账户密码。整个授权流程大致为：用户点击授权 → 跳转至 Google 登录页面确认权限范围 → Google 返回一个访问令牌（Access Token）给 n8n → n8n 凭此令牌调用 Gmail API 读取邮件。值得注意的是，Google 对 Gmail API 的权限范围有细粒度控制，仅读取邮件和可写入/删除邮件是不同的权限级别。在安全性要求较高的场景下，建议只申请「只读」权限（gmail.readonly），以降低因凭证泄露带来的风险。

这套工作流能解决什么

从演示来看，这条自动化流水线最终交付的是一张持续更新的 Google 表格，每封邮件对应一行，包含摘要、类别和优先级等字段。对于邮件量大的个人或团队来说，这意味着：

• 不必再逐封打开判断邮件性质
• 重要邮件和低优先级信息被自动区分
• 所有邮件沉淀为结构化数据，便于后续统计和检索

换句话说，它把「读邮件」这件事从被动应对变成了可批量处理的后台任务。

小结

这期教程展示的是一个相当实用的轻量级 AI 自动化场景：用 n8n 做编排、用 Gemini 做理解、用 Google Sheet 做落地存储。它没有复杂的工程门槛，核心在于把邮件处理的几个固定动作交给机器完成。对于每天被邮件淹没的人而言，这类工作流提供了一个值得借鉴的思路——与其手动分类，不如让 AI 先替你过一遍。

需要提醒的是，原始素材对节点内部的具体字段配置、Gemini 的提示词设计以及触发频率等细节交代有限，实际落地时仍需参考完整视频或官方文档进行调试。