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,在你网站的聊天窗口背后运行。gpt-4o 驱动的智能体通过 Pinecone 助手用你的 FAQ 回答问题,把每段对话存进 PostgreSQL,访客需要找人时就通过 Gmail 给你的客服团队发邮件。
网站客服聊天机器人:FAQ 自动回答,邮件转人工 是一款 n8n 工作流,属于商务类,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。
网站聊天
访客在你网站的聊天窗口里发消息时开始运行,消息里有:
任何时候都能用你的 FAQ 回答问题,需要人工时给团队发一封邮件
开始之前要准备好这些。
语言模型
为智能体运行 gpt-4o,由它回答访客,并决定什么时候查 FAQ、什么时候转人工。
需要OpenAI API 密钥
FAQ 问答
根据你上传到 Pinecone 助手的文件回答每个 FAQ 问题。
需要Pinecone API 密钥,以及一个存着 FAQ 的助手
聊天记忆
保存每个会话的消息,让智能体记得对话的来龙去脉。
需要一个 PostgreSQL 数据库和它的登录信息
邮件
把智能体写好的转人工邮件发到你的客服地址。
需要一个有权发送邮件的 Google 账号
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流是你网站上客服聊天窗口的后端。干活的只有六个节点。每条消息都交给一个用 gpt-4o 的 AI 智能体,它在 PostgreSQL 里记着这位访客本次会话最近五轮对话。遇到关于你业务的问题,它去问一个存着你 FAQ 文件的 Pinecone 助手。访客需要找人时,它通过 Gmail 给你的客服团队发邮件。
有成文 FAQ 和客服邮箱、想让常见问题随时有人答的小企业和网店。如果答案要靠实时数据,比如某个订单的状态,就别用它。机器人只知道你上传的那些文件。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 网店零售 | 店主 | 根据店铺的政策回答配送、退货和尺码问题 | 一位访客半夜问退货,从上传的政策里拿到了店铺 30 天可退的规定。 |
| 软件和应用 | 小型客服团队 | 根据帮助文档回答操作问题,把程序错误转给团队 | 一位用户报告程序崩溃,留下名字和地址,团队就收到了转人工邮件。 |
| 本地服务 | 诊所、工作室和健身房 | 用一份文档回答营业时间、价格和预约问题 | 健身房的聊天窗口根据价目表讲清楚课程套票怎么用。 |
| 代理公司 | 替客户建站的人 | 给每个客户一个聊天窗口,配上各自的助手和收件箱 | 一家代理公司给每个客户导入一次工作流,换掉助手名称和邮箱地址。 |
只要你的网站、OpenAI、Pinecone、你的数据库和 Gmail 都能连到,任何 n8n 都行。聊天窗口本身可以是你页面上 n8n 的 @n8n/chat 包,也可以是你自己做的、把消息发到触发器的小部件。
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。作者估计设置要 17 分钟左右,前提是数据库和助手都已经准备好。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个 API 密钥,给 gpt-4o 用 |
| Pinecone | 一个 API 密钥,外加一个已经把 FAQ 作为文件上传的助手 |
| PostgreSQL | 一个 n8n 能连上的数据库。记忆节点写入 n8n_chat_histories |
| Gmail | 一个用来发信的账号,以及你团队的邮箱地址 |
| 你的网站 | 一个可以加入聊天窗口脚本的页面 |
workflow.json。OpenAI Chat Model 里添加 OpenAI 凭据,在 Postgres Chat Memory 里添加 Postgres 凭据。Rag Questions 里,把 URL 中的 YOUR_ASSISTANT_NAME 换成你的助手名称,把 YOUR_PINECONE_API_KEY 换成你的 Pinecone 密钥。Send Email 里添加 Gmail 凭据,把 YOUR_SUPPORT_EMAIL 换成你团队的邮箱地址。When chat message received 的正式地址。webhookUrl。原来的副本里,Pinecone 地址、请求头和客服邮箱都是空的。README 讲了 Rag Questions 发出的请求,那就是 Pinecone 标准的对话调用。
访客在聊天窗口里打字。智能体根据 FAQ 回答,要把问题转给你的团队之前,会先问对方的名字和邮箱地址。你的团队收到邮件,再从自己的收件箱回复访客。
| 要改的 | 在哪里改 |
|---|---|
| 语气、营业时间和转人工规则 | AI Agent 的 system message,眼下只有两条简短的规则 |
| 机器人知道什么 | 你的 Pinecone 助手里的文件 |
| 记忆 | Postgres Chat Memory 里的 Context Window Length,不改就是五轮 |
| 转人工邮件 | Send Email 里的主题和收件地址 |
| 哪些网站可以嵌入它 | 触发器选项里的 Allowed Origins (CORS) |
一位访客说订的夹克尺码不对,留下名字 Sam Lee 和 sam@example.com。智能体通过 Rag Questions 查了退货政策,向对方解释清楚,再给团队发一封类似下面的邮件。
Subject: New Support request Sam Lee (sam@example.com) received a jacket in the wrong size and would like an exchange. They have read the returns policy and are waiting for a reply.
新手:n8n 把工作流画成用线连起来的方框,每个方框就是一个节点,只做一件事。这里一个智能体居中,下面挂着一个模型、一份记忆和两个工具,用哪个工具由它自己决定。凭据是 n8n 替你保管的密钥。发布之后,打开你的页面和它聊一次。Executions 里就能看到每一步。
专家:这里有两个模型在回答。智能体在 n8n 里用 gpt-4o。Pinecone 助手用它自己的模型回答 FAQ 问题,请求体里设的是 gpt-4o。这个请求来自 Rag Questions,一个 HTTP Request 工具,只有一个占位符 {rag-question},由智能体来填。记忆的键把 sessionId 和 chatId 拼在一起,所以 n8n 自带的窗口能用,会发送聊天 ID 的自制小部件也能用。
聊天是公开的。要提前想好费用和垃圾消息。
一个 n8n 工作流。你网站上的聊天窗口连着一个用 gpt-4o 的 AI 智能体。它通过 Pinecone 助手用你的 FAQ 回答问题,在 PostgreSQL 里记住每段对话,访客需要找人时就通过 Gmail 给你的客服团队发邮件。
workflow.json:n8n 导出的工作流,六个节点。里面没有任何凭据。原来的副本把 Pinecone 地址、请求头和客服邮箱都留空了,这里换成了占位内容:助手的地址、YOUR_PINECONE_API_KEY、内容类型、Pinecone 的 API 版本 2026-07,以及 YOUR_SUPPORT_EMAIL。README.md:这份设置说明,压缩包里的是英文版。workflow.json。OpenAI Chat Model 里选中它。Postgres Chat Memory 里选中它。它会写入一张名为 n8n_chat_histories 的表。Rag Questions。在它的 URL 里把 YOUR_ASSISTANT_NAME 换成你的助手名称,在 Api-Key 请求头里把 YOUR_PINECONE_API_KEY 换成你的 Pinecone API 密钥。Send Email 里选中它,再把 YOUR_SUPPORT_EMAIL 换成你团队的邮箱地址。When chat message received 的正式地址。Rag Questions 把访客的问题发给一个 Pinecone 助手,再把它的回答交给智能体。请求体是 Pinecone 标准的对话请求:一条用户消息,不用流式返回,助手用 gpt-4o 作答。我们在 2026 年 11 月 2 日读过 Pinecone 的文档,上面给的地址是 https://prod-1-data.ke.pinecone.io/assistant/chat/<assistant name>,请求头就是这个节点发送的 Api-Key、Content-Type 和 X-Pinecone-Api-Version。如果 Pinecone 控制台里你的助手页面显示的是另一个主机,就用那个。
别的服务只要能接收带问题的 POST 请求并给出回答,也可以拿来替换。URL、请求头和请求体要一起改。
When chat message received 设成了 Embedded Chat,并且对外公开,所以它接收你网站聊天窗口发来的消息。n8n 自带的窗口是 @n8n/chat 这个包。按它在 npm 上的说明把它加载到你的页面上,把触发器的正式地址作为它的 webhookUrl。它发来的消息带有 chatInput 和 sessionId。智能体还会读 message,记忆还会读 chatId,这是为发送这两个字段名的自制小部件准备的。
| 节点 | 做什么 |
|---|---|
| When chat message received | 接收聊天窗口发来的每条消息 |
| AI Agent | 带着一段简短的 system message 读消息:用 FAQ 回答,用邮件转人工 |
| OpenAI Chat Model | gpt-4o,智能体用的模型 |
| Postgres Chat Memory | 为每个会话保留最近五轮对话,以会话 ID 和聊天 ID 作为键 |
| Rag Questions | 把智能体写好的问题发给 Pinecone 助手 |
| Send Email | 给你的团队发一封主题为 New Support request 的邮件,正文由智能体来写 |
system message 要求智能体在转人工邮件里写上访客的名字和邮箱地址,所以它会先问对方要。邮件只发给你的团队:收件地址是固定的,没有任何一步会给访客写信。
AI Agent 的 system message。它只有两条简短的规则,想加上你的语气、营业时间或转人工的时机,就从这里改起。Postgres Chat Memory 里的 Context Window Length,不改就是五轮。Send Email 里的主题,以及它发往的地址。README.md 5 KB workflow.json 5 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。
perplexity-ai · 工具包
根据文字和图片为一个决策挑出最合适的选项,比如哪个团队应该处理一条请求,并给出每个选项的概率,适合构建分流和审核工作流的开发者。
numind · 工具包
以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。
nace-ai · 工具包
一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。