陈总的工厂只有3个人，每天收到几十封询盘邮件。以前 manually 一封封回复，经常漏掉重要客户。他试过买CRM系统，一年好几万，小团队根本用不起。
结果：用n8n搭了一个询盘自动处理工作流，免费。邮件来了自动分类、自动回复、自动建档。"以前最怕漏掉客户邮件，现在AI帮我盯着，睡觉都安心。"
AI工作流实战 · 7步搭建询盘自动处理系统 · 从零到上线
做外贸的你，每天是不是也面临这样的困局？
一组真实数据：
• 外贸业务员平均每天花 2.5小时 处理邮件
• 询盘首次回复平均时间：8.3小时
• 因回复不及时丢失的潜在客户占比：35%
这节课，我们要搭建一个工作流，把询盘处理时间从2.5小时压缩到20分钟，首次回复时间缩短到5分钟以内。
我们的AI询盘处理工作流由7个节点组成，像流水线一样一步步处理。先看全貌，再逐个击破。
每5分钟检查Gmail新邮件，发现新邮件就启动工作流
判断是不是询盘。包含关键词（price/quotation/MOQ/order）的才继续
调用AI提取：产品名、数量、目标价、交货时间、客户等级
根据分析结果和价格表，AI生成专业回复邮件
生成的回复发到你指定的地方，你确认后才会真正发出
审核通过后，自动通过Gmail发送给客户
所有信息自动记录到Google Sheets，方便日后查询和统计
这是工作流的起点。它负责24小时监控你的Gmail邮箱，一旦有新邮件进来，就唤醒工作流开始处理。
节点类型：Gmail Trigger
Poll Interval：300秒（每5分钟检查一次）
简单过滤器：只处理收件箱（INBOX），跳过垃圾邮件和已读邮件
授权方式：OAuth2 — 点击"Connect Account"按提示授权Google账号
触发后输出的数据（JSON）：
{
"from": "john@uktextiles.com",
"subject": "Inquiry about cotton bags",
"body": "Hi, we need 5000pcs cotton bags...",
"date": "2026-08-14T09:30:00Z",
"attachments": []
}
不是所有邮件都是询盘。广告、通知、垃圾邮件占了很大比例。这个节点负责把真正的询盘筛选出来。
过滤规则：
• 标题或正文包含以下任一关键词→ 判定为询盘，继续处理：
price, quotation, inquiry, order, MOQ, sample, delivery, shipping, bulk, custom, OEM, price list, catalog
• 标题或正文包含以下任一关键词→ 判定为非询盘，跳过：
unsubscribe, newsletter, spam, promotion, discount coupon, lottery
使用IF节点，设置条件：
IF subject OR body CONTAINS "price" OR "quotation" OR "inquiry" OR "MOQ" OR "order" OR "sample"
THEN → 连接到AI分析节点
ELSE → 不连接（直接丢弃）或连接到"记录非询盘"节点
这是工作流的"大脑"。我们把客户的询盘邮件发给AI，让它提取关键信息并结构化。
你是一个外贸询盘分析助手。请分析以下客户邮件，提取关键信息：
客户邮件内容：
{{邮件正文}}
请以JSON格式返回：
{
"product": "产品名称",
"quantity": "数量",
"target_price": "目标价或null",
"delivery_time": "期望交期或null",
"destination": "目的国家/地区",
"customer_level": "A(大客户)/B(中等)/C(小客户)",
"urgency": "high/medium/low",
"special_requirements": "特殊要求或null"
}
输入示例：
"Hi, we are UK Textiles Ltd. We need 5000pcs eco-friendly cotton bags with our logo printed. Target price $1.5/pc. Need delivery before October. Can you send samples first?"
AI输出：
{
"product": "eco-friendly cotton bags with logo",
"quantity": "5000pcs",
"target_price": "$1.5/pc",
"delivery_time": "before October",
"destination": "UK",
"customer_level": "A",
"urgency": "high",
"special_requirements": "logo printed, samples first"
}
有了AI分析的结构化结果，下一步就是让AI根据这些信息生成一封专业的回复邮件。
你是外贸公司的专业业务员。根据以下信息生成回复邮件：
客户信息：
- 客户邮箱：{{from}}
- 客户名称：{{company}}
- 需求产品：{{product}}
- 数量：{{quantity}}
- 目标价：{{target_price}}
- 交期要求：{{delivery_time}}
我们的报价：{{从价格表匹配}}
MOQ：{{产品MOQ}}
付款方式：T/T 30%预付 + 70%见提单副本
要求：
1. 语气专业友好，不要太正式
2. 包含报价、MOQ、付款方式、交期
3. 结尾引导客户下一步行动
4. 200词以内
AI生成的回复示例：
"Hi John,
Thank you for your inquiry about eco-friendly cotton bags. Great news — we can definitely help!
For 5000pcs with custom logo printing, our price is $1.45/pc FOB Ningbo. MOQ is 1000pcs, so your quantity works perfectly.
Production time: 15-20 days after sample approval. We can ship by sea to UK, estimated arrival before mid-October.
I'd be happy to send you samples first. Shall I arrange that?
Best regards, [Your name]"
理解数据在节点之间怎么流动的，是掌握工作流的关键。让我们追踪一封邮件从进来到回复的全过程。
节点1 → 节点2（Gmail Trigger → Filter）
传递数据：{ from, subject, body, date, attachments }
Filter判断：body包含"quotation" → 通过 → 继续
节点2 → 节点3（Filter → AI Analysis）
传递数据：{ from, subject, body }
AI处理：提取结构化信息
输出：{ product, quantity, target_price, delivery_time, customer_level, urgency }
节点3 → 节点4（AI Analysis → AI Reply）
传递数据：{ from, product, quantity, target_price } + 价格表
AI处理：根据分析结果+价格表生成回复邮件
输出：{ reply_email_subject, reply_email_body }
节点4 → 节点5（AI Reply → Human Review）
传递数据：{ from, reply_subject, reply_body, analysis_result }
人工审核：你在Telegram/邮件中看到AI生成的回复
操作：点击"Approve"或"Reject"或修改后再发
到这里，你已经理解了AI询盘处理工作流的前4个节点。回顾一下关键技巧：
自检清单：你能回答以下问题吗？
• Gmail Trigger多久检查一次新邮件？（答：5分钟）
• Filter节点用什么来判断是不是询盘？（答：关键词匹配）
• AI分析节点输出什么格式？（答：JSON结构化数据）
• 为什么AI生成的回复不能直接发出？（答：需要人工审核确保准确性）
前4个节点我们已经搞定了。下节课我们完成最后3个节点，并且在n8n中从零开始把整个工作流搭建出来。
下节课你还将学到：
• 在n8n中从零搭建完整工作流的10个步骤
• 常见问题排查：AI回复质量差、邮件发送失败、数据记录错误
• 工作流优化：客户分级处理（A/B/C客户不同策略）
完成搭建 · 调试上线 · 优化策略
AI生成的回复不能直接发给客户——万一报错价格、漏掉关键信息就麻烦了。我们需要一个"审核关卡"。
Telegram审核的n8n配置：
• 添加Telegram节点，操作选"Send Message"
• Chat ID填你的Telegram ID
• 消息内容：客户{{from}}的询盘回复：
{{reply_body}}
• 添加2个按钮（Inline Keyboard）：Approve / Reject
• 后面接Wait for Telegram Callback节点等待你的选择
审核通过后，工作流自动通过Gmail把回复发给客户。这一步配置简单但有几个细节要注意。
节点类型：Gmail → Send
To：{{from}}（客户邮箱，从触发器传来的数据中读取）
Subject：Re: {{subject}}（回复客户原始主题）
Body：{{reply_body}}（AI生成并经审核通过的邮件正文）
Email Format：HTML（支持格式化文本）
每一封询盘和处理结果都要自动记录到Google Sheets。这是你的客户数据库，日后查询、统计、复盘全靠它。
Google Sheets 表格结构：
| 日期 | 客户邮箱 | 产品 | 数量 | 报价 | 客户等级 | 状态 | 备注 |
|---|---|---|---|---|---|---|---|
| 2026-08-14 | john@uktextiles.com | cotton bags | 5000pcs | $1.45/pc | A | 已回复 | 需寄样品 |
操作：Append（追加一行）
Spreadsheet：选择你创建的"询盘记录表"
Sheet：Sheet1
各列映射：Date={{$now}} | Email={{from}} | Product={{product}} | Qty={{quantity}} | Price={{quoted_price}} | Level={{customer_level}} | Status="已回复" | Notes={{special_requirements}}
现在从零开始在n8n中搭建这个工作流。跟着这10步走，你也能拥有一个AI询盘处理系统。
在电脑上安装n8n（推荐Docker方式：docker run -it --rm -p 5678:5678 n8nio/n8n）。浏览器打开 localhost:5678，注册管理员账号。
点击"New Workflow"，命名为"AI询盘自动处理"。首先添加Gmail Trigger节点，完成OAuth授权。设置Poll Interval为300秒。
在Gmail Trigger后面添加IF节点。设置条件：subject或body包含"price/quotation/inquiry/MOQ/order"任一关键词。true分支继续，false分支不连接。
添加OpenAI节点（或HTTP Request调用API）。填入分析提示词模板，把{{邮件正文}}替换为实际变量{{$json.body}}。测试：用一封真实询盘邮件测试输出是否正确。
再添加一个OpenAI节点。填入回复生成提示词，引用上一步的分析结果{{$json.product}}、{{$json.quantity}}等。测试：检查生成的回复是否包含报价、MOQ、付款方式。
前5个节点已经搭好了。接下来完成最后5步，让你的工作流真正跑起来。
添加Telegram节点，配置Bot Token和Chat ID。消息内容包含客户信息和AI生成的回复。添加Inline Keyboard按钮：Approve / Reject。后面接Wait节点等待你的选择。
添加IF节点，判断条件：用户点击的是Approve还是Reject。Approve分支→连接发送邮件节点。Reject分支→连接"通知已拒绝"节点或结束。
添加Gmail节点，操作选"Send"。To={{原始客户邮箱}}，Subject=Re:{{原始主题}}，Body={{AI生成的回复}}。测试发送一封邮件给自己确认格式正确。
添加Google Sheets节点，操作选"Append"。选择你的"询盘记录表"。映射各列数据：日期、客户邮箱、产品、数量、报价、等级、状态。授权Google账号。
点击"Execute Workflow"做3次完整测试（用不同格式的询盘邮件）。确认：过滤正确→AI分析准确→回复专业→审核流程通畅→邮件发出→记录写入。全部通过后，打开"Active"开关。
工作流上线后，你可能会遇到这些问题。别慌，都有解决方案。
症状：AI回复内容太空泛、报错价格、遗漏关键信息
原因：提示词不够具体，或价格表数据没有正确传入
解决：
• 在提示词中明确列出必须包含的信息（报价/MOQ/交期/付款方式）
• 把产品价格表作为参考数据传入AI节点
• 在提示词中加"如果不确定价格，回复'我需要确认后给您准确报价'"
症状：邮件发不出去，n8n显示错误
原因：Gmail OAuth过期 或 日发送限额用完（普通账号500封/天）
解决：
• 重新授权Gmail账号（Credentials → Reconnect）
• 如果发送量大，升级到Google Workspace（2000封/天）
• 添加错误处理：发送失败时自动通知你（Telegram/邮件）
症状：垃圾邮件被当成询盘处理 或 真实询盘被过滤掉
原因：关键词列表不够完善
解决：
• 每周检查一次被过滤的邮件，看有没有漏掉的询盘
• 把漏掉的询盘中的特征词加入关键词列表
• 考虑用AI做过滤（比关键词更智能，但成本更高）
症状：Google Sheets中数据错位、缺失或格式不对
原因：列映射错误或AI输出格式不稳定
解决：
• 检查每个字段映射是否正确对应了变量
• 在AI提示词中强调"严格按JSON格式返回，不要加多余文字"
• 添加一个"JSON Parse"节点做数据清洗，处理AI输出异常
基础版工作流跑起来后，你可以逐步添加这些优化功能，让它越来越强大。
进阶优化（等你熟练后再考虑）：
• 自动报价计算：根据汇率+运费+利润率自动计算报价，不需要查价格表
• 客户画像自动生成：每次询盘自动更新客户画像（询盘次数/产品偏好/价格敏感度）
• 智能排优先级：A级客户立即处理，B级客户30分钟内处理，C级客户批量处理
不是所有询盘都值得同样精力。学会分级处理，把时间花在最有价值的客户身上。
在n8n中怎么实现分级？
在AI分析节点后面添加一个Switch节点，根据AI返回的customer_level字段分流：
• A级 → 立即触发Telegram审核 → 精修后发送
• B级 → 触发Telegram审核 → 标准回复发送
• C级 → 跳过人工审核 → 直接自动发送标准回复
从今天起，你不再是被邮件淹没的外贸人
你是指挥AI军团的管理者