Nanosaur2-670M
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
一个 n8n 工作流:用 GPT 检查每封新的 Gmail 邮件,跳过营销邮件,需要回答时就在同一个对话里存一份回复草稿。你读过并亲自发送之前,什么都不会发出去。
用 GPT 为需要回复的邮件写 Gmail 草稿 是一款 n8n 工作流,属于效率类,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。
新邮件
不是你发出的新邮件到达你的 Gmail 时开始运行,每分钟检查一次。它带来:
每封需要回复的邮件,在你的 Gmail 草稿箱里都有一份写好的回复,等你修改后发送
开始之前要准备好这些。
邮件来源和草稿
取新邮件,并把写好的回复存进各自的对话。
需要一个 Gmail OAuth2 凭据
语言模型
判断每封邮件并写出回复。这个副本请求的是 gpt-6-luna 和 gpt-5.6-sol。
需要一个 OpenAI API 密钥
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流在你的 Gmail 里写回复草稿。它每分钟取一次不是你发出的新邮件。第一个模型读每一封,用 JSON 回答 true 或 false:它需要回复吗?营销邮件不需要。对需要回复的邮件,第二个模型起草一份回答,Gmail 把它作为草稿存进同一个对话,收件人是发件人。什么都不会发出去。八个节点负责运行,另有四个标题很短的便签。
每天要回复同类邮件、宁愿改草稿也不想从零写起的大忙人。如果你的邮件里有不想发给 OpenAI 的私人内容,就别选它。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 小企业 | 店主 | 为每封客户邮件备好第一份回答 | 一位店主打开草稿箱,发现一份对报价请求的回复。 |
| 咨询 | 独立顾问 | 在会议之间跟上客户的问题 | 一位顾问修改一份针对预约请求的“可以”和“不可以”两种回答。 |
| 客服 | 共享邮箱 | 备好回复,交给真人检查 | 一位客服主管每天早上审阅草稿,把好的发出去。 |
| 招聘 | 用人经理 | 更快回复候选人 | 一位经理读一份回复候选人问题的草稿,然后发出。 |
你需要懂 n8n 的设置:导入文件、添加两个凭据,再发布。
能访问 Gmail 和 OpenAI 的 n8n 都能运行它。
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。设置就是两个凭据,再读一遍回复规则。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| Gmail | 一个 OAuth2 凭据,对应你要回复邮件的那个账号 |
| OpenAI | 一个 API 密钥。检查用 gpt-6-luna,回复用 gpt-5.6-sol |
workflow.json。Gmail Trigger 和 Create Gmail Draft 里选中它。OpenAI Chat 和 OpenAI Chat Model 里选中它。Generate email reply,把它的说明改成符合你的语气、称呼和结尾。让它一直运行。有需要回答的邮件到来时,它的对话里就会出现一份草稿。读一读,改一改,再自己发送。
| 想改的 | 在哪里改 |
|---|---|
| 看哪些邮件 | Gmail Trigger 里的搜索 -from:me |
| 什么算需要回复 | Assess if message needs a reply 里的消息 |
| 语气、语言和规则 | Generate email reply 里的消息 |
| 模型 | OpenAI Chat 和 OpenAI Chat Model |
一位客户给你写了这样一句话。
Can you deliver on Friday?
草稿以“Hello,”开头,里面有两份回复,一份说可以,一份说不可以,中间用一行短横线隔开。你留下合适的那份,删掉另一份。
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。这个工作流让一个模型判断邮件是否需要回答,让第二个模型来写,再存成草稿。放着不管之前,先发几封测试邮件。
专家:一条链做 JSON 判断,第二条链写文字。
| 节点 | 它做什么 | 要知道的 |
|---|---|---|
Assess if message needs a reply | 带 gpt-6-luna 和一个 JSON 解析器的链 | 它把 needsReply 返回为 true 或 false |
If Needs Reply | 只让为 true 的情况往下走 | 它的检查是严格的布尔值 |
Generate email reply | 带 gpt-5.6-sol 的链 | 规则涵盖语气、称呼、结尾,以及对是非题给出两种回答 |
Create Gmail Draft | 存一份 HTML 草稿 | 线程 id 让它留在这个对话里 |
每一份草稿都要你亲自过目,因为模型可能写出你从没说过的话。
gpt-4o(OpenAI 将在 2027 年 1 月 14 日关停它)和 gpt-4-turbo(OpenAI 已在 2026 年 10 月 23 日关停它)。这个副本请求 OpenAI 指明的替代品 gpt-6-luna 和 gpt-5.6-sol,并去掉了温度设置-from:me 也会匹配其他服务发来的自动邮件,所以想少调用几次就收窄它[YOUR_ANSWER_HERE] 的提示一个 n8n 工作流,在你的 Gmail 里写回复草稿。每封新邮件先由一个模型判断:它需要回答吗?营销邮件不需要。对需要回答的邮件,第二个模型写一份回复,Gmail 把它作为草稿存进同一个对话。什么都不会发出去。你读每一份草稿,修改,再自己发送。
workflow.json:n8n 导出的工作流,十二个节点,其中四个是标题很短的便签。里面没有任何凭据。README.md:这份说明。gpt-4o,OpenAI 将在 2027 年 1 月 14 日关停它。OpenAI Chat 现在请求 gpt-6-luna,也就是 OpenAI 指明的替代品。它的温度 0 已去掉,因为这个模型的页面没有列出温度设置。gpt-4-turbo,OpenAI 已在 2026 年 10 月 23 日关停它。OpenAI Chat Model 现在请求 gpt-5.6-sol,也就是 OpenAI 指明的替代品。Gmail - Create Draft。现在它叫 Create Gmail Draft。workflow.json。Gmail Trigger 和 Create Gmail Draft 里选中它。OpenAI Chat 和 OpenAI Chat Model 里选中它。Generate email reply 里的说明。它们设定了语气、称呼和结尾,把它们改成你自己的风格。Gmail Trigger 每分钟检查一次你的邮箱。Gmail Trigger 用搜索 -from:me 取每封不是你发出的新邮件,并解析它的邮件头和文字。Assess if message needs a reply 让 OpenAI Chat 判断这封邮件是否需要回答,并期望得到一个只含 true 或 false 的 JSON。JSON Parser 检查它的格式。营销邮件被告知按“不需要回复”处理。If Needs Reply 只让为 true 的情况通过。Generate email reply 让 OpenAI Chat Model 写一份回复。说明里要求商务轻松的语气、以“Hello,”开头、以“Best,”结尾。对于是非题,它会写两份回复,一份肯定,一份否定。遇到它不知道答案的地方,会留下像 [YOUR_ANSWER_HERE] 这样的占位符。Create Gmail Draft 把回复作为 HTML 草稿存进同一个对话,主题是 Re: 加原来的主题,收件人是发件人。Gmail Trigger 里的搜索。可以加上词语来跳过新闻邮件或某些发件人。Assess if message needs a reply 里的消息。Generate email reply 里的消息。OpenAI Chat 和 OpenAI Chat Model。-from:me 也会匹配其他服务发来的自动邮件,所以由第一个模型来判断什么需要回答。想少调用几次,就收窄这个搜索。NOTICE.md 673 B README.md 4 KB workflow.json 8 KB
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
Waqf-AI · 工具包
读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。
Wan-AI · 工具包
根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。
Wan-AI · 工具包
用小型的 1.3B Wan2.1 模型根据文字提示词生成短的 480P 视频,已打包成 diffusers 库可用的形式。在约 8.19 GB 显存的消费级显卡上就能运行。
serendipitylabs · 工具包
在 CPU 或 CUDA GPU 上把马拉雅拉姆语语音转成文字,是 Serendipity Labs 的早期研究版本。适合想为简短清晰的录音生成转写草稿的人。
OrdenWills · 工具包
把“关掉电视”这样的日常家居指令变成结构化的工具调用,并先检查设备状态。这是一个 3.5 亿参数的模型,适合智能家居开发者和爱好者。