用n8n+Gemini自动查找漏发发票,账务团队效率翻倍

用 n8n 串联 Gemini、Gmail 与 Google Sheets,自动识别漏发发票并控制通知频率。
这篇文章介绍了一套基于 n8n 的自动化工作流,用于解决账务团队手动核对发票是否发出的重复劳动。工作流以 Google Sheets 作为项目与账单状态的单一数据源,由 n8n 定时拉取并逐条判断项目是否处于「应发未发」状态,再由 Gemini 判断下一步动作的必要性并生成客户邮件草稿,最后通过 Slack 等渠道发出内部提醒。文章强调人工审核不可跳过,邮件不会绕过账务人员直接发给客户;同时通过通知阈值机制避免消息轰炸,演示中标记了 19 个漏发项却只推送 1 条消息。适用前提是团队已用表格维护状态,且阶段字段保持准确。
账务团队每月都要花大量时间核对哪些发票已经发出、哪些还卡在流程里。这个过程重复、繁琐,却直接影响现金流。B站UP主在最新视频中展示了一套基于 n8n 的自动化工作流,结合 Gemini、Gmail 和 Google Sheets,自动识别「漏发发票」并触发通知,把原本需要逐条人工核对的工序压缩成一次自动扫描。

这套工作流解决什么问题
传统对账流程中,账务人员需要打开项目管理表或 CRM,逐行比对:项目当前处于哪个阶段、是否已完成交付、发票是否已经发送给客户。任何一步遗漏,都会导致回款延迟。
这套工作流的思路很直接:把 Google Sheets 当作项目与账单状态的单一数据源,由 n8n 定时读取所有行,判断「下一步动作」是否已经执行。如果项目已进入应收阶段但发票尚未发出,系统自动标记为「漏发」。
据视频介绍,该 MVP 主要面向账务团队,目标是把「检查上一轮工作到底做了什么、哪些发票还没发给客户、当前项目处于什么阶段」这类重复劳动自动化。
n8n 是一款开源的工作流自动化平台,可以理解为「自托管的 Zapier」。它通过可视化节点编辑器把不同服务的 API 串起来,支持条件分支、循环、定时触发等逻辑。与 SaaS 类工具相比,n8n 既可以云端托管,也可以部署在自有服务器上,数据不必流出内部环境,这对涉及账单和客户信息的财务场景尤为重要。它内置数百个应用节点,也能通过 HTTP 请求或自定义代码节点接入任意 API,因此常被用来搭建跨系统的内部工具。
核心组件与工作逻辑
工作流由三个关键部分组成:
Google Sheets 存储项目、客户、阶段和发票状态。这是整个自动化的数据基础,所有判断都基于这张表。
n8n 负责编排逻辑,定时拉取表格数据,逐条检查每个项目是否满足「应发未发」的条件。
Gemini 承担判断与生成任务。在确认需要发送发票的场景下,Gemini 会检查下一步是否真的必要,并自动起草发给客户的邮件。

工作流的执行顺序是:读取表格 → 判断阶段 → 标记漏发 → 生成邮件草稿 → 发送通知。邮件内容由 Gemini 生成,而不是使用固定模板,这让跟进语气和内容更贴合具体项目上下文。
Gemini 是 Google 推出的大语言模型系列,可通过 API 接收文本提示并返回生成结果。在这类工作流中,它通常扮演两个角色:一是判断,即根据传入的项目上下文判断某个动作是否真的必要;二是生成,即产出结构化的邮件草稿。与固定模板相比,大模型能根据客户名称、项目阶段、历史沟通等信息调整措辞,但也带来输出不稳定的风险,因此需要配合人工审核使用。
人工审核是不可跳过的环节
视频中反复强调一点:在把任何内容直接发给客户之前,人工介入是必须的。这是自动化进入客户沟通环节时的基本安全线。
具体做法是,工作流不会直接向客户发邮件,而是先生成草稿或触发内部提醒,由账务人员确认后再发送。这样既保留了自动化带来的效率,也避免 Gemini 生成内容出错时直接触达客户。
阈值机制:19 条标记,只发 1 条通知
演示中最值得注意的细节是阈值控制。工作流在测试中自动标记了 19 个「漏发」项,但团队把通知上限设为 2,因此系统只发送了一次 Slack 消息。

这个设计解决了自动化通知最常见的痛点:消息轰炸。如果每次扫描都把全部异常项推给团队,通知很快会被忽略。通过设置上限,系统只做一次聚合提醒,团队再回到表格里查看完整列表。
阈值参数可以根据团队规模调整。对于项目数量较少的团队,上限可以设得更低甚至为 1;对于大型账务团队,可能需要分组或分批次通知。

通知阈值(threshold) 是自动化监控中常见的设计模式:系统仍会完整执行检查并记录全部异常,但对外推送的消息数量设有上限,超出部分合并为一条汇总提醒。这样做是为了对抗「告警疲劳」——当通知频率过高时,接收者会逐渐忽视所有消息,包括真正紧急的那几条。阈值可以按团队规模、项目量级或业务时段动态调整,也可以配合分组策略,把异常按负责人拆分后分别通知。
适用场景与局限
这套工作流最适合项目制业务的账务跟进,比如咨询、设计、软件开发等按里程碑收款的行业。前提是团队已经用 Google Sheets 维护项目与账单状态;如果数据散落在多个系统里,需要先做数据整合。
局限也很明显:判断逻辑依赖表格中「阶段」字段的准确性。如果项目状态更新不及时,工作流标记的结果就会失真。它解决的是「检查」环节的自动化,而不是「状态同步」本身。
对于想上手的团队,建议先从只读扫描开始,跑一段时间确认标记准确率,再接入邮件草稿生成和 Slack 通知。视频作者表示,感兴趣的用户可以评论「missing invoice」获取这套工作流模板。
「应发未发」判定 依赖表格中的阶段字段作为状态机:项目从立项、执行、交付到应收,每个阶段对应一个「下一步动作」。工作流判断的其实是「当前阶段要求的下一个动作是否已在表中被标记完成」。这意味着它只能发现状态字段与实际动作不一致的情况,无法识别字段本身写错或长期未更新的问题。若想提升可靠性,可以为阶段字段增加更新时间戳,对超过一定天数未变动的行单独预警。
核心要点
- 工作流用 n8n 编排 Google Sheets、Gemini 和 Gmail,自动识别「应发未发」的发票
- Gemini 负责判断下一步动作是否必要,并生成客户邮件草稿
- 人工审核是强制环节,邮件不会绕过账务人员直接发给客户
- 阈值机制控制通知频率:演示中标记 19 项,但只发出 1 条 Slack 消息
- 适用前提是团队使用 Google Sheets 维护项目与账单状态,状态字段需保持准确
相关推荐

零成本搭建AI超级员工系统:智能体自动工作流全解析
深度拆解B站演示的AI超级员工系统:Agent智能体编排、数字人口播、地图与企业获客、24小时智能客服及法务模块全覆盖。分析零成本开户背后的商业逻辑与合规风险,帮助创业者判断这套AI数字员工系统的真实投产比。

Chatbot与AI Agent的本质区别:从对话到执行的跨越
Chatbot和AI Agent有什么区别?本文基于Learn Tech频道的MCP系列讲解,用订机票、笔记摘要等实例说明:Chatbot只给答案,Agent通过思考-行动-观察循环真正完成任务,并拆解模型、工具、记忆、目标四大部件及MCP的桥梁作用,同时讨论Agent的适用边界与权限风险。

免费GitHub仓库:342小时AI课程,从数学到MCP服务器
一个免费GitHub仓库提供342小时AI课程,包含523节课、20个阶段,覆盖数学基础到Agent构建和MCP服务器。支持目标驱动学习,每节课产出可留存的prompt、skill或agent,已有近10万人开始学习。