DeepSeek-R1-GGUF
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。

一个 n8n 工作流:输入一个主题,它写出分三节的通讯,发给 Google 表格里的每个地址。Tavily 找本周的新闻,OpenAI 写各节内容,品牌的配色和标志则从它自己的网站上读取。
品牌风格通讯的撰写与发送 是一款 n8n 工作流,属于营销类,由 Mindket 上架。可免费获取。当前为第 2 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。
通讯表单
有人提交 Newsletter 表单时开始运行,表单里有:
一份带品牌标志和配色的通讯,发给表格里的每一位订阅者
开始之前要准备好这些。
语言模型
用 gpt-4.1-mini 运行主题规划、栏目写作、读取颜色、查找标志,以及为每一期生成 HTML 的智能体。
需要OpenAI API 密钥
网络搜索
搜索主题在过去一周的新闻,再分别搜索三个子主题,为每一节找来源。
需要Tavily API 密钥,放在两个节点的请求头里
文件转换
把品牌标志转成 PNG,返回邮件里标志所指向的链接。
需要ConvertAPI 密钥,放在一个节点的请求头里
订阅者名单和发送记录
读取订阅者的姓名和邮箱地址,并为每次发出的一期添加一行记录。
需要一个 Google 账号、表格的 ID 和订阅者标签页的 ID
邮件
用你自己的账号把这一期发给每个地址。
需要一个有权发邮件的 Google 账号
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流写一份通讯,表单里要填三项:品牌名称、品牌网站和一个主题。它再把这一期发给 Google 表格里的每个地址。Tavily 搜索你的主题在过去一周的新闻,OpenAI 智能体把结果整理成一个标题和三个子主题。每个子主题各搜一次,写成带来源链接的一节。与此同时,工作流读取品牌首页,得到四个颜色代码和一个标志,标志由 ConvertAPI 转成 PNG。对每个订阅者,最后一个智能体把这几节排进品牌配色的固定 HTML 版式,Google Sheets 记录这一期,Gmail 把它发出去。
想让每一期通讯都和自己网站风格一致、又不想请设计师的小品牌、俱乐部和咨询公司。代理公司也适合,每个客户一份副本,用客户自己的表格。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 专业服务 | 会计师、顾问和他们的市场人员 | 填上事务所的网站和本月的主题,把这一期发给客户名单 | 会计师事务所输入“小企业税务变化”,客户收到一份用事务所配色排好的资讯。 |
| 软件 | 产品市场人员 | 给用户发一份产品所在领域的新闻汇总 | 一家项目管理工具公司,不用写一行字,就给用户发了三条远程团队的新闻。 |
| 教育 | 课程创作者和培训学校 | 在两次课之间和学员保持联系 | 一所编程学校每周给每一届学员发一份开发者新闻汇总。 |
| 俱乐部和协会 | 管理会员名单的志愿者 | 把一个主题变成带俱乐部标志的一期 | 一个跑步俱乐部给会员发一份赛事和装备新闻汇总。 |
| 营销代理公司 | 客户经理 | 每个客户一份副本,各用各的表格 | 代理公司给每个客户搭一份副本,客户自己填表单。 |
你需要会一点 n8n:导入文件、添加五种凭据、准备一个有两个标签页的表格。如果这些对你来说很陌生,又不想学,就别选它。它的来源页面估计设置要接近 20 分钟,前提是所有账号和密钥都已经备好。
你运行的任何 n8n 都行,只要能访问 OpenAI、Tavily、ConvertAPI、Google 和品牌的网站。
点“获取”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。导入之前先准备好下面这些。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个 API 密钥 |
| Tavily | 一个 API 密钥 |
| ConvertAPI | ConvertAPI 账号里的一个密钥 |
| 一个同时用于 Gmail 和 Google Sheets 的账号,外加一个有订阅者标签页和记录标签页的表格 |
| 标签页 | 列 | 工作流用它做什么 |
|---|---|---|
| 订阅者 | Email、Name | 读取每一行。Email 是这一期发往的地址,Name 用在问候语里 |
| 记录,即第一个标签页 | Email、Message、Email Created At、Email Send At | 每发出一期就添加一行。Email 里存的是主题行,Message 里存的是 HTML |
workflow.json。OpenAI 和 OpenAI Chat Model6 里选中它。Tavily 和 Tavily1。在各自的 Authorization 请求头里,把 <YOUR_TAVILY_KEY> 换成你的密钥,Bearer 和它后面的空格要保留。Convertor 里用同样的办法处理 <YOUR_CONVERTAPI_SECRET>。Get row(s) in sheet 和 Save Newsletter 里选中它,把 YOUR_SHEET_ID 换成你的表格地址里 /d/ 和 /edit 之间的那一长串 ID。Get row(s) in sheet 里,把 YOUR_SUBSCRIBERS_TAB_ID 换成订阅者标签页地址里 gid= 后面的数字。Save Newsletter 写入第一个标签页,也就是 gid=0。Sending Emails 里选中它。标志这一步要的是 ai 格式的文件。Convertor 里的地址以 /convert/ai/to/png 结尾,ConvertAPI 在这个地址里写明来源和目标格式,所以标志是 SVG 或 JPG 的话,要把地址改成对应的格式。
从 On form submission 打开表单,填写 Brand Name、Brand Website 和 Query,三项都必填,然后提交。表单会立刻确认收到。运行在后台继续:先做调研和配色分析,再为每个订阅者生成一期排好版的内容,写一行记录,发一封邮件。到 Executions 里打开这次运行就能跟着看。
| 要改的 | 在哪里改 |
|---|---|
| 新闻有多新、挖得多深 | Tavily 请求体里的 time_range 和 search_depth。Tavily1 只发子主题,想让第二次搜索也收窄,就在那里加上它们 |
| 每一节的语气 | Generate Content 的 system message |
| 版式、问候语和页脚 | Convert Newsletter to HTML 的 system message 里的 HTML 骨架。只有文字颜色会随品牌变化,版式保持原样 |
| 一期的篇幅 | 同一条消息把一期限制在 1,000 词以内 |
| 模型 | OpenAI 和 OpenAI Chat Model6 里的 gpt-4.1-mini |
一家咖啡烘焙店的表单内容:
Brand Name: Harbor Coffee Roasters Brand Website: https://harborcoffee.example Query: specialty coffee prices and cafe trends
Generate Topics 按解析器的结构回答,解析器要求恰好三个主题:
{
"title": "…",
"topics": ["…", "…", "…"]
}Website scrape 用同样的方式返回颜色,Convert Newsletter to HTML 则把一期内容作为主题行和 HTML 正文返回:
{
"primary_color": "…",
"secondary_color": "…",
"accent_color": "…",
"background_color": "…"
}{
"subject": "…",
"content": "<html>…</html>"
}每个订阅者收到的邮件,依次有标志、主色的标题、按姓名称呼的问候语和写明日期的开头。接着是三节带 Source 链接的内容、按刊物排序的来源列表、结尾和页脚。
新手:n8n 把工作流画成用线连起来的方框,每个方框叫一个节点,只做一件事。凭据是 n8n 替你保管的密钥,你在哪个节点里选中它,就交给哪个节点用。先用表单的测试地址跑一次,表格里只放你自己的地址。到 Executions 里打开这次运行,每个节点都会显示它收到了什么、发出了什么,密钥填错或标签页选错,在这里就能看出来。
专家:三路输入在 Merge 里汇合:标志、配色和各节内容,顺序就是这样。Convert Newsletter to HTML 按位置读取它们(output[0]、output[1]、output[2]),所以改接线时要保持这个顺序。
| 步骤 | 模型 | 要知道的 |
|---|---|---|
| Generate Topics | 通过 OpenAI 使用 gpt-4.1-mini | 解析器只接受恰好三个主题,所以每次运行在第一次搜索之外还要再搜三次 |
| Generate Content | 同一个模型 | 每个主题运行一次,并被要求只引用真实的来源 |
| Website scrape 和 Information Extractor | 同一个模型 | 读取服务器返回的首页 HTML,所以在浏览器里才生成页面的网站,可能没有多少内容可读 |
| Convert Newsletter to HTML | 通过 OpenAI Chat Model6 使用 gpt-4.1-mini | 每个订阅者运行一次,循环每转一圈发一封邮件 |
每次运行都要花钱,邮件从你自己的账号发出,所以先拿你自己的地址测试。
一个 n8n 工作流。在表单里填上品牌名称、品牌网站和一个主题,它会研究这个主题,写出品牌配色的三节通讯,发给 Google 表格里的每个地址。
workflow.json:n8n 导出的工作流,26 个节点,其中一个是便签。里面没有任何凭据,也没有指定任何表格,要你把它指向自己的表格。README.md:这份设置说明,压缩包里的是英文版。| 标签页 | 列 | 工作流用它做什么 |
|---|---|---|
| 订阅者 | Email、Name | 读取每一行。Email 是这一期发往的地址,Name 用在问候语里 |
| 记录,即第一个标签页 | Email、Message、Email Created At、Email Send At | 每发出一期就添加一行。Email 里存的是主题行,Message 里存的是 HTML |
workflow.json。OpenAI 和 OpenAI Chat Model6 里选中它。Tavily 和 Tavily1。在各自的 Authorization 请求头里,把 <YOUR_TAVILY_KEY> 换成你的密钥,Bearer 和它后面的空格要保留。Convertor 里用同样的办法处理 <YOUR_CONVERTAPI_SECRET>。Get row(s) in sheet 和 Save Newsletter 里选中它,把 YOUR_SHEET_ID 换成你的表格地址里 /d/ 和 /edit 之间的那一长串 ID。Get row(s) in sheet 里,把 YOUR_SUBSCRIBERS_TAB_ID 换成订阅者标签页地址里 gid= 后面的数字。Save Newsletter 写入第一个标签页,也就是 gid=0。如果你的记录在别的标签页,就改成那个标签页的 gid= 数字。Sending Emails 里选中它。Convertor 把品牌的标志文件 POST 到 https://v2.convertapi.com/convert/ai/to/png。ConvertAPI 在这个地址里写明来源和目标格式,所以这一步适合 ai 格式的标志。标志是 SVG 或 JPG 的话,把地址里的 ai 改成标志的格式。邮件里的标志,就是 ConvertAPI 为转换后的文件返回的链接(Files[0].Url)。
time_range 和 search_depth 在 Tavily 的请求体里。Tavily1 只发子主题,想让第二次搜索也收窄,就在那里加上它们。Generate Content 的 system message,标题和主题改 Generate Topics 的。Convert Newsletter to HTML 的 system message 里。只有文字颜色会随品牌变化。同一条消息把一期限制在 1,000 词以内。gpt-4.1-mini。Merge 按标志、配色、各节内容的顺序汇合,Convert Newsletter to HTML 按位置读取它们(output[0]、output[1]、output[2])。改接线时要保持这个顺序。Generate Topics、Generate Content 和 Convert Newsletter to HTML 里把调研结果和各节内容拼接起来的表达式中,丢掉了三处换行的反斜杠,它们是用字母 n 拼在一起的。Mindket 把换行补了回去。README.md 5 KB workflow.json 26 KB
Updated by Mindket to the current version of this kit.
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
prithivMLmods · 工具包
提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。
Phips · 工具包
用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
nerijs · 工具包
一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。
LiconStudio · 工具包
给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。