anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
一个 n8n 聊天:你说出一个细分领域,智能体就搜索 YouTube 过去两天的视频,逐个查出播放、点赞和标签,再报告这些新视频有什么共同点。
聊天里的智能体,告诉你 YouTube 上什么在流行 是一款 n8n 工作流,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。
聊天消息
你在 n8n 的聊天里发一条消息时开始运行:
一份简短的报告,说明你的领域过去两天在流行什么,附播放、点赞和评论数,以及视频和频道的链接
开始之前要准备好这些。
语言模型
运行规划搜索并写报告的智能体,节点默认的模型是 gpt-5-mini。
需要OpenAI API 密钥
视频搜索和数据
搜索领域里的新视频,再逐个查出它的数据、标签和时长。
需要一个 YouTube OAuth2 凭据,以及用于查询视频的 YouTube Data API 密钥
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流是一个聊天,用来报告某个领域在 YouTube 上正在流行什么。你说出一个领域,一个 OpenAI 智能体会用不同的搜索词调用搜索工具,最多三次。工具搜索过去两天发布的视频,逐个查出它的数据和标签,并丢掉三分半钟及以下的视频。随后智能体描述这些新视频的共同点。文件里有十六个节点,其中两个是便签。Mindket 加了一个节点,让这个工具有个起点。
想在策划视频之前快速了解自己领域的创作者、频道运营和内容营销人员。如果你要的是单条视频的排行榜,就别选它。智能体被要求描述整体情况,而不是评论某一条视频。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 视频创作 | 个人 YouTuber | 选下一个选题之前,先问问自己的领域 | 一个木工频道问小型工作坊的制作,看到一批新的夹具视频。 |
| 社交媒体代理公司 | 内容策划 | 每周策划会之前,先看客户所在的领域 | 一家代理公司问素食备餐,把报告带到会上。 |
| 在线教育 | 课程制作者 | 录一节课之前,看学习者在看这项技能的什么内容 | 一位 Python 老师问入门项目,看到哪些项目评论多。 |
| 品牌 | 营销负责人 | 发布前几天扫一遍某个话题 | 一个咖啡器具品牌在新水壶上市前一周问手冲咖啡。 |
你需要懂一点 n8n,还要有一个 Google Cloud 项目:导入文件、建两个凭据、加一个密钥,再把工作流保存一次。
任何能访问 OpenAI 和 Google 的 YouTube API 的 n8n 都能运行它。查询视频那一步从环境变量里读密钥,n8n 的文档只在自托管 n8n 的部分介绍环境变量。
GOOGLE_API_KEY,节点保持原样点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。导入之后先保存一次工作流,因为工具要指向它。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个 API 密钥,给智能体的模型用 |
| Google Cloud | 开通 YouTube Data API,一个给搜索用的 OAuth2 凭据,一个给查询视频用的 API 密钥 |
workflow.json。youtube_search 里,从列表中选这同一个工作流。工具运行的是这个文件的下半部分。openai_llm 里选中它。get_videos1 里选中它。find_video_data1 填上你的 YouTube Data API 密钥:给 n8n 设置 GOOGLE_API_KEY,或者把密钥直接填进节点,分享文件之前再删掉。输入一个领域,比如家用意式咖啡或预算旅行。没给的话,智能体会问你,并列几个让你选。随后它最多搜索三次,用一份报告作答。报告里有播放、点赞和评论数,并附视频和频道的链接。
| 要改的 | 在哪里改 |
|---|---|
| 报告的语气和规则 | AI Agent 的系统消息 |
| 时间范围、地区和结果数量 | get_videos1 里的 publishedAfter、regionCode 和 limit |
| 多短的视频不算 | if_longer_than_3_ 里的 210 秒 |
| 聊天记得多少 | window_buffer_memory 里的 Context Window Length,默认 5 |
| 模型 | openai_llm |
你在聊天里输入这句。
home espresso
智能体用它自己想的词去搜索,比如预算内的意式咖啡机,然后描述新视频里的规律。它会说出背后的播放、点赞和评论数,并附上用到的视频和频道的链接。
新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这个文件里装着两个工作流。聊天和智能体在上面一行。工具运行的搜索在下面一行,从 Mindket 加的那个节点开始。先用一个领域测试,再到 Executions 里打开工具的那次运行,看 YouTube 返回了什么。
专家:工具只传一个字段 search_term,它在下半部分里以 query.search_term 的形式出现。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
youtube_search | 带一个输入字段的 Tool Workflow 1.2 | 它运行的就是这个工作流,所以保存之后再从列表里选 |
get_videos1 | 按搜索词在 YouTube 搜索,地区 US,过去两天,3 条结果,按相关度排序 | 需要一个 YouTube OAuth2 凭据 |
find_video_data1 | 对每条结果在 videos 接口上发 GET | 密钥来自 GOOGLE_API_KEY |
save_data_to_memory1 | 去掉链接和表情,再把视频加进一段保存的文字 | 这段文字从不清空 |
没有标签的视频会让运行停下来,保存的文字也从不清空。
openai_llm 没有指定模型,所以用 n8n 的默认值 gpt-5-mini(2026 年 11 月 12 日查阅)。OpenAI 的弃用页面写明它将于 2026 年 12 月 11 日关停,替代模型是 gpt-5.6-terragroup_data1 会把每条视频的标签连起来,没有标签的视频会让运行在这个节点停下一个给做视频的人用的 n8n 聊天。你说出一个领域,一个 AI 智能体就搜索 YouTube 过去两天的视频,逐个查出它们的数据,再告诉你这些新视频有什么共同点。查询由一个搜索工具完成,这个工具就是同一个工作流的下半部分。
workflow.json:n8n 导出的工作流,十六个节点。其中两个是便签,一个是 Mindket 加的。里面没有任何凭据。README.md:这份设置说明,压缩包里的是英文版。get_videos1 前面加了一个 When Executed by Another Workflow 节点,设为接收全部数据,这样工具就能调用这同一个工作流。那一半上的便签也改写了,说明了这一点。youtube_search 原来指向作者 n8n 里的一个工作流。现在它不指向任何工作流,直到你选中这一个。get_videos1 原来关联着作者 n8n 里的一个 YouTube 凭据。这个关联已删掉,请选你自己的。get_videos1 要的 OAuth2 凭据和 find_video_data1 要的 API 密钥都从它来。workflow.json。youtube_search 里,从列表中选这同一个工作流。工具运行的是文件的下半部分,从 When Executed by Another Workflow 开始。openai_llm 里选中它。get_videos1 里选中它。find_video_data1 填上你的 YouTube Data API 密钥。在自己的服务器上,给 n8n 设置环境变量 GOOGLE_API_KEY。设置不了的地方,就把 key 参数里的 {{ $env["GOOGLE_API_KEY"] }} 换成密钥本身,分享文件之前再删掉。chat_message_received 把你的消息交给 AI Agent。window_buffer_memory 记住最近五轮对话。youtube_search 三次,每次用不同的搜索词。工具收到一个字段 search_term,到下半部分里变成 query.search_term。get_videos1 按这个词在 YouTube 搜索:地区 US,过去两天的视频,三条结果,按相关度排序,安全搜索为 moderate。loop_over_items1 一次取一条结果。find_video_data1 取回它的详情,要 contentDetails、snippet 和 statistics 三部分。if_longer_than_3_ 只放行超过 210 秒的视频。group_data1 留下它的 id、播放、点赞、评论、说明、标题、频道名、标签和频道 id。save_data_to_memory1 去掉链接和表情,把视频加进一段文字,视频之间有分隔标记。retrieve_data_from_memory1 和 response1 把这段文字交还给智能体,由它写出报告。AI Agent 的系统消息。按现在的写法,它要的是整体情况,而不是评论某一条视频,并带上数字和链接。get_videos1 里有 publishedAfter 的两天窗口、地区、结果数量(limit)和排序。210 秒在 if_longer_than_3_ 里。window_buffer_memory 里的 Context Window Length。openai_llm。openai_llm 在文件里没有指定模型,所以节点用它自己的默认值 gpt-5-mini(n8n 的仓库,2026 年 11 月 12 日查阅)。OpenAI 的弃用页面同一天写明 gpt-5-mini 将于 2026 年 12 月 11 日关停,替代模型是 gpt-5.6-terra。在那之前,请在节点里选好模型。save_data_to_memory1 把文字存在工作流的保存数据里,从不清空。n8n 只在工作流已发布时才会在两次运行之间保留这些数据,所以那时后面的搜索可能返回更早那次的视频。手动测试时,两次运行之间什么都不会留下。group_data1 会把每条视频的标签连起来,所以没有标签的视频会让运行在这个节点停下。NOTICE.md 584 B README.md 5 KB workflow.json 15 KB
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。