Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
一个 n8n 工作流:取你在 X 上最新的三位关注者,把他们的头像做成小圆形,放到一张横幅模板上。然后把结果上传为你的个人资料横幅。
把你最新的三位关注者放进 X 个人资料横幅 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 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。
你手动运行
你点 Test workflow 时开始运行。它读取:
你的 X 个人资料横幅,换成了你最新三位关注者的头像
开始之前要准备好这些。
关注者和横幅
列出你最新的关注者,并接收新的横幅。
需要X API 权限、一个 bearer 令牌和一个 OAuth1 凭据
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流把你最新关注者的脸画进你的 X 个人资料横幅。它向 X 要你最新的三位关注者,并下载他们的头像。每张头像被调整大小、裁成圆形再缩小。一个 Code 步骤把三张图放在同一项上,一个 Merge 步骤把这一项和你的横幅模板合在一起。一个 Edit Image 步骤把三个圆形放到模板上的固定位置。最后一个节点把做好的图片上传为你的个人资料横幅。十二个节点负责运行,另有一个便签。
喜欢用横幅感谢新关注者的创作者、社群和小品牌。如果你不想让别人的头像出现在你的横幅上,或者你的关注者不足三位,就别选它。请先查看 X 现在的 API 价格和权限,因为 Mindket 没有查。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 创作者 | 主播和作者 | 把最新的关注者放在横幅上表示感谢 | 一位作者每天早上运行它,横幅上就是最新的三位。 |
| 社群 | 群管理员 | 让账号对访客来说显得有生气 | 一位管理员不用打开编辑器,就让横幅保持新鲜。 |
| 品牌 | 小店铺 | 在账号的门面上欢迎新关注者 | 一家小店把最新的三张脸放在它的标志旁边。 |
| 活动 | 组织者 | 在发布前展示谁加入了这个主页 | 一位组织者在活动前一天手动运行它。 |
你需要懂 n8n 的设置:导入文件、添加两个 X 凭据,并托管一张横幅模板。
能访问 X 和你的模板地址的 n8n 都能运行它,图片步骤需要 GraphicsMagick。
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、你的用户 id 和一个模板的地址。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器。Edit Image 步骤需要 GraphicsMagick |
| X API 权限 | 关注者调用用的 bearer 令牌(作为 Header Auth 凭据),和横幅上传用的 OAuth1 凭据。Mindket 没有查 X 现在的价格,也没有查你的权限包含哪些调用 |
| 你的 X 用户 id | 标识你账号的数字,不是你的 @名字 |
| 横幅模板 | 一张 n8n 取得到的图片。放置位置的数字假定它大约宽 1500、高 500 像素 |
workflow.json。Fetch new followers 里,把 <YOUR_X_USER_ID> 换成你的数字用户 id,并添加一个 Header Auth 凭据,发送 Authorization,值是 Bearer 加你的令牌。Fetch Banner Template 里,把 <YOUR_BANNER_TEMPLATE_URL> 换成你的模板图片的地址。Update Profile Banner 里,为你的 X 应用和账号添加一个 OAuth1 凭据。Place Avatars on Banner 里移动它们。想换一张新横幅时,手动运行工作流。想按时间表刷新,就在前面加一个 Schedule Trigger,并记住每次运行都会调用 X。
| 想改的 | 在哪里改 |
|---|---|
| 关注者数量 | Fetch new followers 里的 max_results,以及 Place Avatars on Banner 里对应的地方 |
| 圆形落在哪里 | Place Avatars on Banner 里的 x 和 y 数字 |
| 每个圆形的大小 | Resize Avatar 和 Shrink Avatar |
| 背景 | 模板地址上的那张图片 |
| 时间表 | 用一个 Schedule Trigger 替换手动触发器 |
你用一张 1500 乘 500 像素的横幅模板运行工作流。
data0 at x 1000, data1 at x 1100, data2 at x 1200, all at y 375
三位关注者的头像被放在你的模板右侧,新的图片则作为你的横幅发给 X。
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。这个工作流从 X 取图片,像一个小型图像程序那样编辑它们,再把新横幅送回去。先在一个备用账号上试试。
专家:三张图片以名为 data0、data1 和 data2 的二进制字段传递。
| 节点 | 它做什么 | 要知道的 |
|---|---|---|
Fetch new followers | 用你的 id 调用 X 的关注者端点 | 它要三位关注者,以及每个人的头像地址 |
Split Followers | 把 data 列表变成每位关注者一项 | 它取代了旧的 Item Lists 节点 |
Download Avatars | 下载每张头像 | 一个表达式把地址里的 normal 换成 400x400,得到更大的图片 |
Round Avatar | 画一个圆,并把头像和它合成 | 形状用的是原版的数字,结果没有检查过 |
Combine Avatars | 把三张图片放在同一项上 | 它取代了旧的 Function 节点,并且期望恰好三张 |
Merge Avatars With Template | 按位置把模板和头像合在一起 | 每一边各一项 |
Update Profile Banner | 以表单形式把做好的图片发给 X | 它用 OAuth1 和一个 1.1 版本的地址 |
关注者的头像是公开的,现在它们出现在了你的横幅上。
一个 n8n 工作流,把你最新关注者的脸画进你的 X 个人资料横幅。它向 X 要你最新的三位关注者,下载他们的头像,把每张裁成
一个小圆形。它把这些圆形放到你托管的横幅模板上,再把结果上传为你的横幅。
workflow.json:n8n 导出的工作流,十三个节点,其中一个是便签。里面没有任何凭据。README.md:这份说明。<YOUR_X_USER_ID> 和 <YOUR_BANNER_TEMPLATE_URL>。Split Followers 现在是对 data 列表的 Split Out 节点。旧的 FunctionCombine Avatars,做同样的事。Download Avatars、Round Avatar 和Place Avatars on Banner。连线没有变。workflow.json。Fetch new followers 里,把 <YOUR_X_USER_ID> 换成你的数字 id。添加一个 Header Auth 凭据,发送 Authorization,值是Bearer 加你的令牌,并选中它。Fetch Banner Template 里,把 <YOUR_BANNER_TEMPLATE_URL> 换成你的模板图片的地址。Update Profile Banner 里,为你的 X 应用和账号添加一个 OAuth1 凭据,并选中它。Place Avatars on Banner 里移动它们。Fetch new followers 向 X 要三位关注者,以及每个人的头像地址。Split Followers 为每位关注者生成一项,Download Avatars 下载每张头像。地址从较小的 normal 尺寸改成了 400x400。Resize Avatar 把每张头像设成 200 乘 200。Round Avatar 运行三个图像步骤:创建一张 200 乘 200 的图片,在上面画一个圆,再把头像和它Shrink Avatar 把结果变成 75 乘 75。Combine Avatars 把三张图片放在同一项上,名为 data0、data1 和 data2。Fetch Banner Template 下载你的模板。Merge Avatars With Template 按位置把它和这些图片合在一起。Place Avatars on Banner 把三张图片放在 x 为 1000、1100 和 1200 的位置,y 都是 375。Update Profile Banner 以表单形式把做好的图片发给 X。Fetch new followers 里的 max_results,以及 Place Avatars on Banner 里对应的地方。Place Avatars on Banner 里的 x 和 y 数字。Resize Avatar 和 Shrink Avatar。Round Avatar 里的数字是原版的。Mindket 没有检查圆形出来是什么样子,所以请看一看结果。NOTICE.md 615 B README.md 4 KB workflow.json 8 KB
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
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。