Mindket

把你最新的三位关注者放进 X 个人资料横幅

新上架第 1 版 · 更新于

概览

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。

速览

用在
  • n8n Cloud:导入文件并发布
  • 你自己的 n8n 服务器:同一个文件,同样的步骤,n8n 的 Docker 镜像里有 GraphicsMagick
  • X:你自己的账号,要有 API 权限
  • 横幅模板:一张你托管在 n8n 取得到的地址上的图片

平台

连接 1 个应用

运行方式

触发

你手动运行

你点 Test workflow 时开始运行。它读取:

  • X 上你最新的三位关注者和他们的头像
  • 你的横幅模板图片

动作

  1. 向 X 要你最新的三位关注者,并下载他们的头像
  2. 调整每张头像的大小,裁成圆形并缩小
  3. 把三个圆形放到横幅模板上的固定位置
  4. 把结果上传为你的 X 个人资料横幅

结果

你的 X 个人资料横幅,换成了你最新三位关注者的头像

集成

开始之前要准备好这些。

X

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

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
11 个步骤,手动启动
执行不到
1 个节点不在任何运行路径上:Fetch Banner Template
AI
没有步骤调用 AI 模型
登录
需要登录:api.twitter.com
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它 6 种步骤类型中的 4 种,读不懂的是:Edit Image、HTTP Request

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

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。

适合谁

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。

谁在用,怎么用
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。

用在哪里

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。

  • n8n Cloud:导入文件并发布
  • 你自己的 n8n 服务器:同一个文件,同样的步骤,n8n 的 Docker 镜像里有 GraphicsMagick
  • X:你自己的账号,要有 API 权限
  • 横幅模板:一张你托管在 n8n 取得到的地址上的图片

设置

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。

先准备好这些
需要说明
n8nn8n 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
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 在 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。
  3. 在 Fetch Banner Template 里,把 <YOUR_BANNER_TEMPLATE_URL> 换成你的模板图片的地址。
  4. 在 Update Profile Banner 里,为你的 X 应用和账号添加一个 OAuth1 凭据。
  5. 手动运行,然后看你的个人资料。检查圆形落在哪里,需要的话,在 Place Avatars on Banner 里移动它们。

如何使用

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。

想换个结果,改这里
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

示例

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。

新手与专家

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。

想看细一点,看这里
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

注意事项

关注者的头像是公开的,现在它们出现在了你的横幅上。

  • 关注者:只有在你愿意展示他们的脸时才使用。每张头像在他们的主页上本来就是公开的
  • API 权限:X 的 API 按使用量计费,额度要预先购买。Mindket 没有查关注者调用和横幅调用要花多少钱、它们是否对你开放、速率限制是多少,也没有查关注者调用以什么顺序返回人
  • 修复:n8n 把旧的 Item Lists 节点从它的节点列表里隐藏了,所以那一步现在是 Split Out。旧的 Function 节点现在是一个 Code 节点,它取代了前者。HTTP 和 Edit Image 步骤保留原来的版本。用户 id、模板地址和凭据都是占位符
  • 不足三位关注者:放置步骤点名了三张图片,所以列表更短时它会报错停止
  • 没有运行过:Mindket 没有用 X 运行过它。Code 步骤只在本地电脑上用示例项测试过,圆形的样子也没有检查过
  • 凭据:JSON 里没有任何凭据

README 和文件

README

把你最新的三位关注者放进 X 个人资料横幅

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。

里面有什么

  • 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。

和原来的副本相比,我们改了什么

  • 关注者地址里的用户 id 和横幅模板的地址原来是原作者的。现在它们是占位符 <YOUR_X_USER_ID> 和 <YOUR_BANNER_TEMPLATE_URL>。
  • n8n 把旧的 Item Lists 节点从它的节点列表里隐藏了,所以 Split Followers 现在是对 data 列表的 Split Out 节点。旧的 Function
    节点现在是一个 Code 节点 Combine Avatars,做同样的事。
  • 两个凭据没有保留。关注者调用需要一个发送 bearer 令牌的 Header Auth 凭据,横幅上传需要一个 OAuth1 凭据。
  • HTTP 和 Edit Image 步骤保留原来的版本。大多数节点改了名,说明它们做什么,比如 Download Avatars、Round Avatar 和
    Place Avatars on Banner。连线没有变。
  • 用朴素的话加了一个便签。

开始之前

  • 一个有 API 权限的 X 账号。Mindket 没有查 X 现在的价格,也没有查你的权限包含哪些调用。
  • 关注者调用用的 bearer 令牌,和横幅上传用的 OAuth1 凭据。
  • 你的数字 X 用户 id。
  • 一张放在 n8n 取得到的地址上的横幅模板图片。放置位置的数字假定模板大约宽 1500、高 500 像素。
  • Edit Image 步骤需要 GraphicsMagick。n8n 的 Docker 镜像里有它。
  • 至少三位关注者。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File。选中 workflow.json。
  2. 在 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。
  3. 在 Fetch Banner Template 里,把 <YOUR_BANNER_TEMPLATE_URL> 换成你的模板图片的地址。
  4. 在 Update Profile Banner 里,为你的 X 应用和账号添加一个 OAuth1 凭据,并选中它。
  5. 手动运行工作流,然后看你的个人资料。如果圆形落得不好,就在 Place Avatars on Banner 里移动它们。

一次运行的过程

  1. Fetch new followers 向 X 要三位关注者,以及每个人的头像地址。
  2. 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。
  3. 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
    合成。Shrink Avatar 把结果变成 75 乘 75。
  4. Combine Avatars 把三张图片放在同一项上,名为 data0、data1 和 data2。
  5. 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。
  6. Place Avatars on Banner 把三张图片放在 x 为 1000、1100 和 1200 的位置,y 都是 375。
  7. Update Profile Banner 以表单形式把做好的图片发给 X。

想换个结果,改这里

  • 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。

值得知道的事

  • 你横幅上的图片是关注者公开的头像。只有在你愿意展示它们时才使用。
  • X 的 API 按使用量计费,额度要预先购买。Mindket 没有查关注者调用和横幅调用要花多少钱、它们是否对你开放、速率限制是多少,
    也没有查关注者调用以什么顺序返回人。
  • 不足三位关注者时,放置步骤没有东西可放,会报错停止。
  • 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。
  • Mindket 没有用 X 运行过这个工作流。Code 步骤只在本地电脑上用示例项测试过。
文件
NOTICE.md  615 B
README.md  4 KB
workflow.json  8 KB

3 个文件,共 13 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

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。

新上架

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。

新上架

MusicGen Small

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。

新上架

营销类的相似商品

查看营销类的全部商品

Huashu Design

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。

新上架29.4k

Pixel Art XL

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。

新上架

Licon MSR for LTX-2.5

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。

新上架