拓冰网站定制 
Activepieces 快速上手指南用 Webhook 触发器搭建一条邮件通知工作流【免费下载链接】activepiecesAI Agents MCPs AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows AI Agents • MCPs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/ac/activepiecesActivepieces 是一款开源的自动化工作流工具内置 Webhook、HTTP、SMTP、Schedule 等约 400 个集成组件MCP servers / Pieces可以在浏览器里通过可视化界面把收到事件 → 执行操作串成流程。本文适合想在自己服务器上跑一个自动化场景的新手跟着走完一遍你能在本地拿到一条Webhook 收数据 → 自动发邮件的可用流程。先看效果做完这个场景后你会得到这样一条流程外部系统比如一个表单页面向一条 Webhook 地址 POST 一段 JSON流程自动读取里面的name、subject、message字段通过 SMTP 把内容封装成一封邮件发到你指定的收件箱。输入是一段 JSON 请求输出是一封到达邮箱的通知邮件。右上角的 Publish 按钮就是流程的开关点下去之前只是草稿点下去之后才会真实响应 Webhook 请求。快速启动只需要这几条命令前提一台能跑 Docker 的机器本地 Mac/Linux 都行有 Docker Compose v2预留约 1 分钟。先拿到代码并生成配置git clone https://gitcode.com/GitHub_Trending/ac/activepieces cd activepieces sh tools/deploy.shdeploy.sh会从.env.example复制出一份.env并随机填入数据库密码、JWT 密钥等敏感项无需手改。再启动服务docker compose -p activepieces up -d这条命令会拉起四个容器应用App、5 个执行任务Worker、PostgreSQL 和 Redis。等几十秒后打开http://localhost:8080首次进入会让你注册管理员账号完成即可进控制台。架构很简单App 接收请求并把任务塞进 Redis 队列Worker 从队列里取任务去执行执行状态落 PostgreSQL文件走 S3本地默认走本地存储。这套结构意味着你可以按 Worker 数量横向扩容执行能力详见 docs/install/architecture/workers.mdx。跑通一个场景把表单数据直接变成邮件1. 新建流程选择 Webhook 触发器。进入控制台后点「 新建流程」命名例如客户反馈通知触发器选择Webhook组件。配置完成后触发器卡片下方会出现一条形如http://localhost:8080/webhook/...的 URL先复制下来这是你唯一的入口。2. 添加第二个步骤发送 SMTP 邮件。点触发器下方的「」搜索SMTP选择Send Email动作。这里会要求你创建一个 SMTP 连接填入邮箱的 SMTP 服务器例如smtp.qq.com、端口465、账号与授权码。保存后回到动作卡片收件人填你的邮箱主题写新客户反馈{{trigger.body.subject}}正文写来自{{trigger.body.name}}的反馈{{trigger.body.message}}。双花括号里引用的是触发器收到的字段这是 Activepieces 的核心数据传递语法更多字段写法见 docs/flows/passing-data.mdx。3. 保存并点击 Publish 激活流程。草稿状态的 Webhook 不会真正响应请求必须点右上角 Publish 才算上线。激活后回到流程列表这条流程的状态会显示为已启用。4. 用一条最小请求验证。打开终端执行curl -X POST http://localhost:8080/webhook/你的路径 \ -H Content-Type: application/json \ -d {name:测试,subject:功能建议,message:希望增加导出}执行后回看收件箱应能在 1 分钟内收到一封标题为「新客户反馈功能建议」的邮件。若没收到进入该流程的「运行历史」标签页能直接看到每个步骤的输入/输出错误信息也会停在失败的那一步排查通常一分钟以内。理解原理触发器与动作是怎么串起来的Activepieces 里的一条流程就是一串块最上面必须是触发器Trigger下面挂若干动作Action每个动作能读到上一个块的输出。触发器负责什么时候开始——可以是 Webhook 收到请求、Schedule 到点、某个外部应用推来事件动作负责开始之后做什么——发邮件、调 HTTP、写数据库、调 AI 都可以。块与块之间通过{{ }}引用字段传递数据整条链路在 Redis 队列 Worker 池里跑所以你加多少 Worker多少条流程就能并行。还能做什么定时任务把 Webhook 换成 Schedule 触发器每天早上自动跑一次报表导出或数据备份不用改后面任何动作。AI 分类反馈在邮件动作前插入一个 AI 块如 OpenAI先让模型对message做意图分类再按分类决定发给哪个收件人。表格入库把 Webhook 收到的数据直接写进内置 Tables 或外部数据库配合HTTP组件可以对接任意 REST 接口详见 docs/flows/building-flows.mdx。注意事项与参考生产环境务必给 8080 端口加 HTTPS建议用 Nginx/Caddy 反代Webhook URL 直接暴露明文 HTTP 时字段可能被截获配置项参考 docs/install/options/docker-compose.mdx 与 docs/install/reference/environment-variables.mdx。deploy.sh生成的.env里含有数据库密码和 JWT 密钥不要提交进版本库备份时也不要泄露。SMTP 授权码≠邮箱登录密码QQ/163 等国内邮箱需要在邮箱设置里单独开启 SMTP 并生成授权码否则动作会报认证失败。更多组件与流程写法docs/flows/building-flows.mdx、docs/flows/debugging-runs.mdx。部署完成只是起点。下一步可以打开一个正在手动重复的操作比如每天转发一份数据把它按触发器 → 动作的套路拆成两个块你会发现大部分日常流程其实就这三四步。【免费下载链接】activepiecesAI Agents MCPs AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows AI Agents • MCPs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/ac/activepieces创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Activepieces 快速上手指南：用 Webhook 触发器搭建一条邮件通知工作流
Activepieces 快速上手指南用 Webhook 触发器搭建一条邮件通知工作流【免费下载链接】activepiecesAI Agents MCPs AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows AI Agents • MCPs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/ac/activepiecesActivepieces 是一款开源的自动化工作流工具内置 Webhook、HTTP、SMTP、Schedule 等约 400 个集成组件MCP servers / Pieces可以在浏览器里通过可视化界面把收到事件 → 执行操作串成流程。本文适合想在自己服务器上跑一个自动化场景的新手跟着走完一遍你能在本地拿到一条Webhook 收数据 → 自动发邮件的可用流程。先看效果做完这个场景后你会得到这样一条流程外部系统比如一个表单页面向一条 Webhook 地址 POST 一段 JSON流程自动读取里面的name、subject、message字段通过 SMTP 把内容封装成一封邮件发到你指定的收件箱。输入是一段 JSON 请求输出是一封到达邮箱的通知邮件。右上角的 Publish 按钮就是流程的开关点下去之前只是草稿点下去之后才会真实响应 Webhook 请求。快速启动只需要这几条命令前提一台能跑 Docker 的机器本地 Mac/Linux 都行有 Docker Compose v2预留约 1 分钟。先拿到代码并生成配置git clone https://gitcode.com/GitHub_Trending/ac/activepieces cd activepieces sh tools/deploy.shdeploy.sh会从.env.example复制出一份.env并随机填入数据库密码、JWT 密钥等敏感项无需手改。再启动服务docker compose -p activepieces up -d这条命令会拉起四个容器应用App、5 个执行任务Worker、PostgreSQL 和 Redis。等几十秒后打开http://localhost:8080首次进入会让你注册管理员账号完成即可进控制台。架构很简单App 接收请求并把任务塞进 Redis 队列Worker 从队列里取任务去执行执行状态落 PostgreSQL文件走 S3本地默认走本地存储。这套结构意味着你可以按 Worker 数量横向扩容执行能力详见 docs/install/architecture/workers.mdx。跑通一个场景把表单数据直接变成邮件1. 新建流程选择 Webhook 触发器。进入控制台后点「 新建流程」命名例如客户反馈通知触发器选择Webhook组件。配置完成后触发器卡片下方会出现一条形如http://localhost:8080/webhook/...的 URL先复制下来这是你唯一的入口。2. 添加第二个步骤发送 SMTP 邮件。点触发器下方的「」搜索SMTP选择Send Email动作。这里会要求你创建一个 SMTP 连接填入邮箱的 SMTP 服务器例如smtp.qq.com、端口465、账号与授权码。保存后回到动作卡片收件人填你的邮箱主题写新客户反馈{{trigger.body.subject}}正文写来自{{trigger.body.name}}的反馈{{trigger.body.message}}。双花括号里引用的是触发器收到的字段这是 Activepieces 的核心数据传递语法更多字段写法见 docs/flows/passing-data.mdx。3. 保存并点击 Publish 激活流程。草稿状态的 Webhook 不会真正响应请求必须点右上角 Publish 才算上线。激活后回到流程列表这条流程的状态会显示为已启用。4. 用一条最小请求验证。打开终端执行curl -X POST http://localhost:8080/webhook/你的路径 \ -H Content-Type: application/json \ -d {name:测试,subject:功能建议,message:希望增加导出}执行后回看收件箱应能在 1 分钟内收到一封标题为「新客户反馈功能建议」的邮件。若没收到进入该流程的「运行历史」标签页能直接看到每个步骤的输入/输出错误信息也会停在失败的那一步排查通常一分钟以内。理解原理触发器与动作是怎么串起来的Activepieces 里的一条流程就是一串块最上面必须是触发器Trigger下面挂若干动作Action每个动作能读到上一个块的输出。触发器负责什么时候开始——可以是 Webhook 收到请求、Schedule 到点、某个外部应用推来事件动作负责开始之后做什么——发邮件、调 HTTP、写数据库、调 AI 都可以。块与块之间通过{{ }}引用字段传递数据整条链路在 Redis 队列 Worker 池里跑所以你加多少 Worker多少条流程就能并行。还能做什么定时任务把 Webhook 换成 Schedule 触发器每天早上自动跑一次报表导出或数据备份不用改后面任何动作。AI 分类反馈在邮件动作前插入一个 AI 块如 OpenAI先让模型对message做意图分类再按分类决定发给哪个收件人。表格入库把 Webhook 收到的数据直接写进内置 Tables 或外部数据库配合HTTP组件可以对接任意 REST 接口详见 docs/flows/building-flows.mdx。注意事项与参考生产环境务必给 8080 端口加 HTTPS建议用 Nginx/Caddy 反代Webhook URL 直接暴露明文 HTTP 时字段可能被截获配置项参考 docs/install/options/docker-compose.mdx 与 docs/install/reference/environment-variables.mdx。deploy.sh生成的.env里含有数据库密码和 JWT 密钥不要提交进版本库备份时也不要泄露。SMTP 授权码≠邮箱登录密码QQ/163 等国内邮箱需要在邮箱设置里单独开启 SMTP 并生成授权码否则动作会报认证失败。更多组件与流程写法docs/flows/building-flows.mdx、docs/flows/debugging-runs.mdx。部署完成只是起点。下一步可以打开一个正在手动重复的操作比如每天转发一份数据把它按触发器 → 动作的套路拆成两个块你会发现大部分日常流程其实就这三四步。【免费下载链接】activepiecesAI Agents MCPs AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows AI Agents • MCPs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/ac/activepieces创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考