cerebro-vip INEMA.CLUB
início › INEMA.N8N

Aula/workshop (e23) sobre automação completa de e-mails com IA —…

INEMA.N8N · 2025-09-22 · ~16 min · ver no Telegram ↗

INEMA

WhatsApp.

  1. Truncation de texto
  • Exemplo: keep head 800 + tail 400.
  • Pergunta: isso perde contexto? Resposta: perde algum contexto, mas aumenta chance de resposta útil com menos tokens.
  1. Treinamento contínuo
  • Exemplo: confidence<0.7 -> enviar para Google Sheet "revisar".
  • Pergunta: como usar esses dados depois? Resposta: montar few-shot ou dataset para fine-tune / prompt improvements.
  1. Logs e alertas
  • Exemplo: cada execução grava {runId, count, errors} no DB; se errors>5 em 1h -> Slack alert.
  • Pergunta: que métricas acompanhar? Resposta: %processed, avg time, errors/min, %auto-labeled.
  1. Credenciais e rotação
  • Exemplo: use n8n Credentials; rota tokens via script.
  • Pergunta: como automatizar rotação? Resposta: cron job que chama provider API para renovar e atualiza credential via API do n8n.
  1. IMAP corporativo
  • Exemplo: IMAP node -> Get headers + body; para labels use mover para pasta equivalente.
  • Pergunta: IMAP funciona igual ao Gmail? Resposta: sim, mas sem labels nativas — use pastas.
  1. Evolution API + fallback
  • Exemplo: tentar Evolution -> se status !=200 -> enviar por SMTP.
  • Pergunta: posso usar Twilio? Resposta: sim, Twilio é fallback robusto.
  1. Webhooks em tempo real
  • Exemplo: configurar Gmail Pub/Sub -> webhook n8n -> process immediate.
  • Pergunta: é complexo? Resposta: demanda mais infra (Pub/Sub) mas reduz latência.

tem em Google Sheet / DB para revisão humana; depois reusar exemplos para few-shot no prompt. * workflow: se confidence < 0.7 -> send to Slack/Sheet for review.

  1. log centralizado + alertas por falha crítica
  • por quê: visibilidade e SLA.
  • como: gravar cada execução num DB (timestamp, itens, erros); usar node HTTP para enviar alertas ao Telegram/Slack se falhas > X em Y minutos.
  1. usar n8n Credentials seguras e rotação de chaves
  • por quê: segurança (tokens de Gmail, Evolution API, Google).
  • como: configure Credentials no n8n, nunca hardcode. Crie política de rotação mensal.
  1. otimizar chamadas ao Gmail: usar “batch get” quando suportado
  • por quê: reduzir latência e número de requests.
  • como: use Gmail node com “Get all messages” e depois “Get message” em lote com SplitInBatches.
  1. integração Evolution API (WhatsApp) com fallback SMS/email
  • por quê: garantir que o resumo chegue.
  • como: se HTTP Request ao Evolution falhar → enviar por SMTP node (email) ou pela API do Twilio.
  • lógica: try evolution -> if fail -> send email.
  1. parsing de HTML robusto (lib de texto)
  • por quê: corpo em HTML pode ter ruído.
  • como: usar node Function com simples regex + DOM parsing (cheerio) se disponível; no n8n, usar function + string replacements para remover tags.
  • exemplo simples:

const text = html.replace(/<[^>]*>/g,' ').replace(/\s+/g,' ').trim();

  1. teste A/B do classificador com 2 prompts
  • por quê: avaliar qual prompt gera melhor acurácia.
  • como: duplicar fluxo, rotular resultados por promptA/promptB e comparar confiança/erro em DB.
  1. salvar versão das regras de etiquetas e changelog
  • por quê: entender mudanças no comportamento.
  • como: ao atualizar lista de categorias, gravar versão em DB e timestamp; manter histórico para rollback.
  1. métricas: taxa de acerto, % de emails marcados como lidos, tempo médio de processamento
  • por quê: medir eficácia e justificar ROI.
  • como: no final do processo, calcular e gravar métricas em DB; gerar dashboard (Grafana/Google Sheets).
  1. usar Webhooks para triagem em tempo real
  • por quê: reduzir latência se houver e-mails críticos.
  • como: configurar Gmail push notifications (Pub/Sub) → webhook n8n → processar instantaneamente; usar webhook apenas para categorias críticas (Códigos de segurança).

Lista dos tópicos com exemplos e respostas rápidas (seguindo seu pedido de listar tópicos + exemplos + respostas)

  1. Batching
  • Exemplo: SplitInBatches com batchSize 5 → HTTP Request Gemini → Wait 800ms.
  • Pergunta: Qual batchSize usar? Resposta: comece em 5 e ajuste conforme limites da API; para limite 600/min use batchSize 10 + 1s sleep.
  1. Deduplicação
  • Exemplo: DB table processed_messages(id, timestamp). Antes de processar, query by messageId.
  • Pergunta: O que fazer se o ID mudar? Resposta: use combinação messageId + subject + timestamp para heurística.
  1. Fallback de snippet
  • Exemplo: expression body = {{\$json.textPlain \$json.snippet convertHTML(\$json.bodyHtml)}}
  • Pergunta: snippet é suficiente? Resposta: para classificação simples sim; para resumo prefira corpo completo.
  1. Prompt JSON estrito
  • Exemplo de retorno: {"category":"Consultorias","confidence":0.92}
  • Pergunta: E se o modelo não retorna JSON? Resposta: re-try com instrução mais forte; se persistir, marque para revisão humana.
  1. Continue on fail
  • Exemplo: node HTTP Request -> continue on fail true -> next node saves error and re-iterates.
  • Pergunta: isso esconde erros? Resposta: não, grave logs; use alertas para erros repetidos.
  1. Retries exponenciais
  • Exemplo: tentar 1s, 3s, 10s; usar contador em Function node.
  • Pergunta: quantas tentativas? Resposta: 3 é suficiente na maioria dos casos.
  1. Rate-limit control
  • Exemplo: Wait entre batches ou token-bucket em DB.
  • Pergunta: como saber limite? Resposta: veja docs da API + experimente; 429 indica ajuste necessário.
  1. Aggregate antes do resumo
  • Exemplo: Aggregate fields subject/from/snippet; enviar 5 itens por categoria ao LLM.
  • Pergunta: quantos itens listar? Resposta: 3 a 5 por categoria para

Hacks práticos de n8n (cada item com explicação, configuração e exemplo)

  1. executar em lotes (batching) para controlar custo e performance
  • por quê: evita chamadas massivas à IA e previne timeouts/ratelimits.
  • como: use o node SplitInBatches antes de chamar o modelo; batchSize = 5–10.
  • exemplo: SplitInBatches -> HTTP Request (Gemini) -> Wait (1s) -> Continue.
  • dica: ajuste batchSize conforme limites da API (se 60 req/min, batchSize menor + delay).
  1. deduplicação por messageId antes do processamento
  • por quê: evita processar o mesmo e-mail várias vezes (re-runs, duplicatas).
  • como: usar um node Set/Function para gerar chave = messageId e um node Database (SQLite/Postgres) ou Google Sheets para checar existência.
  • exemplo de Function (JS):

const id = items[0].json.messageId; return [{ json: { id } }]; * fluxo: if exists -> skip, else -> process + save id em DB.

  1. fallback seguro: usar snippet se o corpo completo não estiver disponível
  • por quê: alguns providers devolvem só HTML ou vazio.
  • como: no mapping, faça: body = \$json["textPlain"] ?? \$json["snippet"] ?? convertHTML(\$json["bodyHtml"])
  • exemplo de expressão n8n:

{{$json["textPlain"] || $json["snippet"] || $json["bodyPlainText"]}}

  1. prompt robusto para classificador com exemplos e formato JSON estrito
  • por quê: modelos retornam texto livre, padronizar evita parsing.
  • prompt modelo (colar no HTTP Request):

``` Você é um classificador de e-mail. Dê 1 única categoria entre: Consultorias, Conteúdo criativo, Faturas, Pessoal, Suporte, Promoções, Notificações sociais, Códigos de segurança, Newsletters, Reservas, Atualizações, Spam. Retorne apenas JSON estrito: {"category":"","confidence":0.00} Assunto: {{ $json["subject"] }} Corpo: {{ $json["body"] }} Exemplos: - "senha 2FA" -> Códigos de segurança - "cupom 50%" -> Promoções

```* dica: inclua 3–5 exemplos reais por categoria para maior precisão.

  1. tratar erros sem parar o fluxo: continueOnFail + manejos de saída
  • por quê: uma falha na API não deve quebrar todo o loop.
  • como: em nós críticos, ative "Continue on Fail" e conecte saída de erro a um nó Log ou re-iterator.
  • exemplo: no node HTTP Request -> On Error: Continue; output para node Function que anota o erro e retorna para o SplitInBatches.
  1. retries exponenciais para chamadas de rede
  • por quê: falhas transitórias (rate-limit) se recuperam com retry.
  • como: usar node Wait + contador no node Function; ou usar node HTTP Request com Retry configurado (se disponível).
  • estratégia: retry 1s → 3s → 10s; 3 tentativas.
  1. controle de rate-limit com token bucket simples
  • por quê: evitar 429 e bloqueios.
  • como: manter contador em DB ou use node Cron + Wait entre lotes; ou usar um node que calcule sleep = Math.max(0, neededDelay).
  • exemplo: após cada batch, Wait 1000 ms se você está teclando perto do limite.
  1. usar aggregate + transform antes da IA do resumo
  • por quê: reduzir número de tokens e tornar o resumo previsível.
  • como: Aggregate (modo merge) pegando somente subject, from e snippet; depois montar um texto curto.

  • exemplo de texto enviado ao modelo:

    ```Categoria: Consultorias 1) Assunto — Remetente — Snippet curto ...

```9. limitar o comprimento do texto enviado ao LLM (truncation com regras)

  • por quê: economia de tokens e evitar resposta truncada.
  • como: em Function, corte body a 800–1200 chars, mantendo início + fim (head+tail) para preservar contexto.

  • snippet JS:

    c```onst s = text; if(s.length>1200) text = s.slice(0,800) + "\n...\n" + s.slice(-400);

1```0. usar schemas JSON + Parse JSON para garantir segurança

  • por quê: evita dependência de string-scrape.
  • como: no response do modelo, forçar que retorne JSON; em seguida JSON Parse node para extrair category/confidence.
  • exemplo: prompt pede explicitamente "retorne apenas JSON".
  1. modo “treinamento contínuo”: salvar exemplos rotulados manualmente para re-treino ou few-shot
  • por quê: melhorar precisão ao longo do tempo.
  • como: quando confidence < 0.7, criar item em

consultas.

  1. Array aggregator ou Merge Una todos os resultados em um único array.

  2. Text aggregator ou Mapper Monte uma lista com campos essenciais por item:

  • categoria
  • subject
  • from
  • snippet ou primeiro parágrafo do corpo
  1. Google AI > Gemini 2.0 Flash Prompt sugerido:

Você recebe e-mails agrupados por categoria. Gere um resumo para WhatsApp: - Agrupe por categoria - Cada categoria inicia com *Título* usando asteriscos - Liste 1–3 itens por categoria no formato: • Assunto — Remetente - Se não houver itens, escreva: "Hoje não há e-mails importantes." Responda somente com o texto do WhatsApp.

  1. Evolution API > Enviar mensagem Envie o texto gerado ao número desejado. Inclua a data no cabeçalho da mensagem se quiser: Exemplo de cabeçalho: Resumo de e-mails importantes — 02/06

  2. Fallback de vazio Se o Merge retornar zero itens, pule a IA e envie direto a mensagem padrão.

n8n⌗

Nós equivalentes:

  • Cron
  • Gmail: Search por label
  • Merge node (modo concat)
  • Function ou Item Lists para preparar campos
  • HTTP Request para Gemini 2.0 Flash
  • HTTP Request para Evolution API

Checklist de testes⌗

  • Criou todas as etiquetas no Gmail
  • Classificação está coerente em 20 e-mails de amostra
  • Promoções e notificações sociais estão sendo marcadas como lidas
  • Spam está indo para lixeira se habilitado
  • Resumo chega no WhatsApp todos os dias no horário configurado
  • Mensagem de “sem e-mails importantes” aparece quando aplicável

Solução de problemas⌗

  • IA erra a categoria: refine as descrições das categorias no prompt e inclua 2–3 exemplos reais por categoria
  • Mensagens sem corpo: use snippet ou converta HTML para texto antes de enviar ao modelo
  • Limites de API: adicione retry com backoff e mantenha continue on error
  • Duplicatas no resumo: use deduplicação por messageId antes do Merge
  • IMAP com anexos pesados: baixe somente cabeçalho e corpo em texto

Perguntas rápidas com exemplos⌗

  1. Quantas horas devo buscar, 24 ou 72 Resposta: comece com 24h para rodar diariamente. Use 72h nos primeiros testes para ter volume.

  2. Posso classificar e manter não lidos Resposta: sim. Apenas não conecte o nó de Mark as Read para as categorias que quer manter em destaque.

  3. Quero apagar spam automaticamente Resposta: crie rota “Spam” direto para Delete message. Teste por 3 dias antes de ativar definitivo.

  4. E se eu não usar Gmail Resposta: use IMAP para buscar mensagens e mova para pastas equivalentes às etiquetas. O classificador e o resumo não mudam.

  5. Custo da IA Resposta: Gemini 2.0 Flash costuma ser gratuito para este volume; se migrar para outro modelo, ative limites de tokens e lotes menores.

  6. Como definir minhas categorias Resposta: exporte 50–100 e-mails, peça ao ChatGPT um agrupamento por tema com nomes e descrições e use isso no prompt do classificador.

  7. O que enviar no WhatsApp Resposta: apenas assunto e remetente por item, agrupado por categoria. Evite colar corpo completo por privacidade.

  8. Como evitar que o fluxo pare Resposta: em cada módulo habilite continuar em caso de erro e reconecte saída de erro ao loop; adicione retries nos nós de rede.

Passo a passo para organizar e resumir e-mails com IA (Make e n8n)⌗

Visão geral⌗

Você terá dois fluxos:

  1. Classificação automática de e-mails por etiquetas
  2. Resumo diário no WhatsApp apenas do que é importante

Funciona com Gmail ou IMAP corporativo. A IA sugerida é Gemini 2.0 Flash pelo bom custo e velocidade. O envio ao WhatsApp pode ser feito via Evolution API.

Pré-requisitos⌗

  • Conta Gmail com acesso via Make ou n8n
  • Alternativa corporativa: credenciais IMAP válidas
  • Chave de API do Google AI Studio para Gemini 2.0 Flash
  • Instância da Evolution API conectada ao seu WhatsApp Business

  • Lista de etiquetas no Gmail criadas previamente, por exemplo:

  • Consultorias, Conteúdo criativo, Faturas, Pessoal, Suporte e consultas

  • Promoções, Notificações sociais, Códigos de segurança, Newsletters, Reservas e viagens, Atualizações de serviços, Spam

Dica rápido: se não souber quais categorias usar, exporte 50–100 e-mails e peça ao ChatGPT para sugerir agrupamentos e descrições.

Fluxo A — Classificação automática⌗

Make⌗

  1. Agendador Frequência a seu gosto. Para começar, manual.

  2. Gmail > Search messages Parâmetros:

  • Query: todos lidos e não lidos
  • Data inicial: now minus 72h (ou 24h) em formato ISO
  • Return all: yes

  1. Tools > Iterator Itera cada mensagem retornada.

  2. Gmail > Get a message Pegue assunto, remetente e corpo em texto.

  3. Google AI (ou HTTP) > Chamada ao Gemini 2.0 Flash Envie um JSON com:

  • subject: assunto
  • text: corpo em texto
  • categories: lista com nome e descrição de cada etiqueta Prompt sugerido:

Você é um classificador de e-mails. Retorne apenas JSON: { "category": "<nome-da-categoria>", "confidence": 0-1 } Categorias possíveis: - Códigos de segurança: logins, 2FA, verificação - Notificações sociais: redes sociais, seguidores, curtidas - Promoções: ofertas, marketing, cupons - Newsletters: comunicados recorrentes e conteúdos editoriais - Reservas e viagens: passagens, hospedagem, confirmações - Atualizações de serviços: status de produtos e assinaturas - Faturas: boletos, recibos, pagamentos - Consultorias: propostas, reuniões, alinhamentos com clientes - Conteúdo criativo: roteiros, materiais, entregas criativas - Pessoal: família, amigos, assuntos pessoais - Suporte e consultas: dúvidas de clientes, tickets Se não houver correspondência clara, use "Spam" ou "Outro".

  1. Tools > Parse JSON Extraia category e confidence.

  2. Roteamento por categoria Para cada categoria:

  • Gmail > Add label to messages (use o messageId do item)
  • Para Promoções, Notificações sociais, Códigos de segurança, Reservas e viagens, Newsletters, Atualizações de serviços e Spam: Gmail > Mark message as read Opcional para Spam: Gmail > Delete message

  1. Tratamento de erros Em cada módulo, nas configurações de erro, selecione continue using error output e reconecte a saída de erro de volta ao Iterator, para o fluxo nunca parar por falhas temporárias da API.

  2. Teste Rode o cenário com 10–20 e-mails recentes e confira no Gmail se as etiquetas e leituras foram aplicadas corretamente.

n8n⌗

Nós equivalentes:

  • Cron ou Webhook
  • Gmail: Search > Read
  • Split in Batches ou Item Lists
  • HTTP Request para Gemini 2.0 Flash
  • JSON Parse
  • Switch para categorias
  • Gmail: Add Label / Mark as Read / Delete
  • Error workflow: Ativar continue on fail nos nós críticos e reconectar ao loop

IMAP corporativo⌗

  • Make: use o módulo IMAP da comunidade para listar mensagens e pegar cabeçalho e corpo
  • n8n: IMAP Email node
  • O restante do fluxo (classificar, etiquetar, marcar como lido) segue igual; para etiquetar, use regras da sua plataforma de e-mail corporativo ou mova para pastas correspondentes às “etiquetas”

Fluxo B — Resumo diário no WhatsApp⌗

Make⌗

  1. Agendador diário Horário sugerido: 21:00.

  2. Para cada categoria importante Gmail > Search messages por label correspondente. Exemplo: Consultorias, Conteúdo criativo, Faturas, Pessoal, Suporte e

Resumo :

Uma automação para organizar e-mails e receber um resumo no WhatsApp. Ele divide em duas partes principais:

1. Classificação automática de e-mails⌗

  • Os e-mails das últimas 24 ou 72 horas são filtrados.
  • Cada e-mail passa por um loop e é classificado por IA (Gemini 2.0 Flash).
  • São criadas categorias (ex.: promoções, notificações, viagens, faturas, newsletters).
  • ChatGPT pode ser usado para sugerir categorias a partir de exemplos de e-mails reais.
  • Após a classificação, os e-mails recebem etiquetas e os menos importantes são marcados como lidos (ou até excluídos, no caso de spam/promoções).
  • O fluxo é configurado para continuar mesmo em caso de erro (continue using error output).

2. Resumo diário no WhatsApp⌗

  • Trigger diário às 21h.
  • Recupera e-mails das categorias mais importantes (consultorias, conteúdo criativo, faturas, pessoal, suporte).
  • Faz merge e agrega os dados principais (assunto, corpo do e-mail, remetente).
  • Usa Gemini 2.0 Flash para gerar um resumo organizado por categorias, com negrito (asteriscos) para leitura no WhatsApp.
  • Se não houver e-mails, envia mensagem “Hoje não há e-mails importantes”.
  • O envio é feito pelo Evolution API (WhatsApp Business).

Benefícios⌗

  • Caixa de entrada limpa automaticamente.
  • Organização sem esforço manual.
  • Notificação apenas do que é realmente importante.
  • Economia de tempo e foco no essencial.

e23. Seu E-mail, Limpo e Organizado Automaticamente

Aprendemos a automatizar completamente a organização do nosso e-mail e a receber um resumo diário no WhatsApp apenas com os e-mails mais importantes.

🔧 Automação 1 – Classificação Automática de E-mails Objetivo: Etiquetar automaticamente os e-mails de acordo com o conteúdo para manter a caixa de entrada limpa e organizada.

🛠️ Passos do fluxo:

  • Filtramos e-mails recebidos nas últimas 72 horas (ajustável para 24h).
  • Loop sobre cada e-mail recebido para processá-los um por um.
  • Uso de IA (Gemini 2.0 Flash) como classificador de texto para categorizar e-mails segundo: • Assunto (subject) • Corpo (text)
  • Criamos etiquetas personalizadas (notificações, promoções, viagens, faturas, etc.).
  • Sugestão: Usar o ChatGPT para definir categorias com seus próprios e-mails.
  • Adicionamos etiquetas a cada e-mail conforme sua classificação.
  • Marcamos como lidos os menos importantes (ofertas, notificações sociais, etc.).
  • Tratamento de erros: usamos continue using error output para evitar que o fluxo pare caso algo falhe.
  • Opcional: podemos excluir diretamente e-mails classificados como spam ou promoções em vez de apenas marcá-los como lidos.

💬 Automação 2 – Resumo Diário pelo WhatsApp Objetivo: Enviar um resumo pelo WhatsApp apenas com os e-mails importantes.

📦 Categorias importantes selecionadas:

  • Consultorias
  • Conteúdo criativo
  • Faturas
  • Pessoal
  • Suporte e consultas

🔄 Fluxo:

  • Disparo diário às 21h.
  • Recuperamos os e-mails de cada categoria importante.
  • Unificamos (Merge) todos os e-mails em um único array.
  • Adicionamos os dados principais: assunto, texto e endereço de e-mail.
  • Chamamos o Gemini 2.0 Flash com um prompt projetado para gerar um resumo limpo para WhatsApp: • O resumo é agrupado por categorias. • Usa negritos (com asteriscos) para facilitar a leitura. • Adiciona a mensagem "Hoje não há e-mails importantes" se não houver dados.
  • Enviamos o resumo por WhatsApp usando a Evolution API.
  • A mensagem inclui a data e o conteúdo agrupado.

Recursos

  • Classificador de e-mails
  • Resumidor de e-mails por WA
  • Resumidor de e-mails corporativos
  • Classificador de e-mails corporativos

Seu E-mail, Limpo e Organizado Automaticamente

Quero compartilhar uma automação que mudou minha vida: ter o e-mail perfeitamente organizado de forma automática e receber um resumo no WhatsApp apenas com o que realmente importa. 📬➡️📲 Vimos isso em um workshop de automação, mas senti a obrigação de melhorá-la e compartilhar 😊

O que faz essa automação?

  • ✅ Classifica automaticamente nossos e-mails por categorias personalizadas
  • ✅ Marca como lidos ou exclui os que não interessam
  • ✅ Mantém os importantes em destaque
  • ✅ Envia um resumo diário no WhatsApp com os e-mails mais relevantes

Além disso, criei mais duas automações: 👉 Para e-mails corporativos (quando não uso Gmail), estou utilizando um módulo IMAP que baixei dos nodes da comunidade. Com esse módulo podemos praticamente replicar o mesmo fluxo em contas de e-mail empresariais.

👉 Também deixo o link para o node IMAP que você pode instalar: NODE IMAP

Se vocês acharem necessário e útil, posso gravar um pequeno vídeo explicando como montar tudo isso no Make e adiciono aqui mesmo. Basta pedir nos comentários. 👇

Espero que seja tão útil para vocês quanto está sendo para mim. Ter a caixa de entrada limpa, organizada e saber todos os dias o que é importante sem precisar abrir o e-mail é realmente um divisor de águas! 🚀

https://www.npmjs.com/package/n8n-nodes-imap

e23 - Organize seu Email

chatgpt.com ↗

1

Recursos

↑ voltar ao topo · ver no Telegram ↗