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。

一个每天傍晚运行的 n8n 工作流。OpenAI 智能体写出一份顶级 n8n 创作者的报告,存进 Google Drive 并发邮件,Gemini 列出的热门工作流清单则通过邮件和 Telegram 发出。
每天通过邮件、Drive 和 Telegram 发出的 n8n 顶级创作者报告 是一款 n8n 工作流,属于研究类,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。
每日定时
每天 22:00 自己开始运行。先设好:
每天一份 Markdown 报告,存在 Google Drive 里并发到你的收件箱,另有一份前十工作流清单通过邮件和 Telegram 发出
开始之前要准备好这些。
语言模型
运行智能体:调用查询工具并写出报告。
需要OpenAI API 密钥
语言模型
根据报告列出插入最多的十个工作流,并带上链接。
需要Google Gemini API 密钥
电子邮件
把报告和前十清单作为邮件发出。
需要一个 Gmail OAuth2 凭据
文件存储
把每天的报告作为文本文件存进“我的云端硬盘”。
需要一个 Google Drive OAuth2 凭据
聊天
把前十清单发到一个聊天里。
需要Telegram 机器人凭据和一个聊天 ID
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流不用任何人开口,就每天发出一份 n8n 模板排行榜的报告。每晚 22:00,OpenAI 智能体调用一个查询工具,工具读取两个公开的统计文件,留下前十位创作者和前五十个工作流。智能体写出一份 Markdown 报告。工作流把它存进 Google Drive,通过 Gmail 发邮件,还可以保留一个本地文件。随后第二个模型 Gemini 列出插入最多的十个工作流,这份清单通过邮件和 Telegram 发出。整个流程由二十七个节点完成,旁边还有十七张便签。
想每天在收件箱里收到排行榜小结、既不用聊天也不用输入的模板作者、社区管理者和 n8n 服务商。它是定时运行的那一个。它的姊妹列表 Chat agent that writes a report on one n8n creator 则是按需回答单个用户名。如果你只是偶尔查一下,就别选这一个。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 社区 | 社区管理者 | 每天留意谁和什么在上升 | 一位管理者读早晨的邮件,发现前十里出现了一位新人。 |
| 服务商 | 自动化顾问 | 观察市场上哪些模板受关注 | 一位顾问每天早晨把前十清单转发给团队。 |
| 模板作者 | 创作者 | 跟踪自己和别人比处在什么位置 | 一位作者看每日报告,确认新模板有没有上榜。 |
| 媒体 | 通讯作者 | 用每日报告开一个每周专栏 | 一位作者收集七份报告,挑出趋势。 |
你需要懂一些 n8n:保留所有分支的话要五个凭据,还要填几个占位符。
任何能访问 OpenAI、Google、Telegram 和这些公开统计文件的 n8n 都能运行它。它必须一直开着才会自己运行,报告会落进 Drive 和你的收件箱。
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。导入文件,保存一次,为你保留的分支添加凭据,并填好三个占位符。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI 和 Google Gemini | 各一个 API 密钥 |
| 一个 Gmail 凭据和一个 Google Drive 凭据,都是 OAuth2 | |
| Telegram | 一个机器人凭据和要写入的聊天 ID,如果保留这个分支 |
workflow.json。保存它,因为智能体的工具是按这个工作流自己的 ID 来运行它的。gpt-4o-mini 里选中它。添加 Google Gemini 凭据,在 Google Gemini Chat Model 里选中它。<YOUR_EMAIL_ADDRESS>。Google Drive 里选中它。Telegram Top 10 Workflows List 里选中它,并替换 <YOUR_TELEGRAM_CHAT_ID>。Save creator-summary.md 里的 <YOUR_FOLDER_PATH>。不想要的分支就删掉。把工作流打开,然后不用管它。它每晚运行,报告出现在 Drive 和你的收件箱里。想马上运行一次,随时点 Test workflow。
| 要改的 | 在哪里改 |
|---|---|
| 什么时候运行 | Schedule Trigger |
| 报告里写什么 | n8n Creators Stats Agent 里的说明 |
| 多少位创作者和多少个工作流 | Take Top 10 Creators 和 Take Top 50 Workflows |
| 哪些地方会收到 | 删掉一个分支,或者为别的工具加一个节点 |
| 清单的措辞 | Create Top 10 Workflows List 里的提示词 |
一位社区管理者下班前把工作流打开。第二天早晨有两封邮件在等她。她打开第一封。
里面是完整的 Markdown 报告,有摘要、每个工作流的链接、一张表格和一段分析,Google Drive 里还有一份副本。第二封邮件和一条 Telegram 消息带着前十清单。这些数字是模型对统计文件的解读,引用任何数字前都要核对。
新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。定时触发器按时间表启动工作流。智能体是一个能自己调用工具的模型,这里它的工具是这个工作流本身的另一次运行。
专家:查询是同一个文件里的第二个入口。它返回留下的每一位创作者和每一个工作流,不按用户名过滤,所以智能体一次就能看到整个前十名。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Schedule Trigger | 在 22:00 启动运行 | 它用你 n8n 的时区,Mindket 的副本去掉了作者自己的时区 |
Workflow Tool | 按这个工作流自己的 ID 运行它 | 子运行从 When Executed by Another Workflow 开始 |
Take Top 10 Creators | 把排好序的创作者裁到十位 | Take Top 50 Workflows 对工作流做同样的事 |
Create Top 10 Workflows List | 请 Gemini 列出插入最多的十个工作流,并带上链接 | 它的温度是 0.2,清单发到 Gmail 和 Telegram |
每次运行有三个服务会收到内容,文件里还点名了两个模型。
Global Variables 里的地址实时读取。我们在 2026 年 11 月 12 日取过它们,当时有 2391 位创作者和 11487 个工作流gpt-4o-mini。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)给 gpt-4o、gpt-4o-mini、gpt-4.1 和 gpt-4.1-mini 定的停用日期是 2027 年 1 月 14 日,替代模型是 gpt-6-lunamodels/gemini-2.0-flash-exp。Google 的弃用页面(同一天查阅)把 gemini-2.0-flash 系列列为 2026 年 6 月 1 日停用,替代模型是 gemini-3.6-flash,Mindket 的副本用的就是它data 包装,还带着作者自己的邮箱、聊天设置和文件夹。Mindket 的副本去掉了包装步骤,并换成了占位符一个每天傍晚自己运行的 n8n 工作流。OpenAI 智能体读取插入量最高的十位 n8n 模板创作者及其热门工作流的公开统计数据,写出一份 Markdown 报告。工作流再把它存进 Google Drive、通过 Gmail 发邮件,并把一份前十工作流清单通过邮件和 Telegram 发出。
Mindket 还列出了一个姊妹工作流,Chat agent that writes a report on one n8n creator。那一个等你来问,在聊天里接收一个用户名,只覆盖一位创作者。这一个不需要输入。它按时间表运行,把前十位创作者放在一起,并把结果送到你本来就会看的地方。想要固定的报告,选这一个;想要按需查询,选另一个。
workflow.json:n8n 导出的工作流,27 个节点和 17 张便签。里面没有任何凭据。README.md:这份设置说明,压缩包里的是英文版。data 字段里。两个文件其实都是普通的列表,没有这样的字段。我们在 2026 年 11 月 12 日取过它们,当时有 2391 位创作者和 11487 个工作流。查找包装的四个步骤(Parse Creators Data、Split Out Creators、Parse Workflow Data 和 Split Out Workflows)已经去掉,每个排序步骤现在直接接收下载下来的各项。<YOUR_EMAIL_ADDRESS>。Telegram Top 10 Workflows List 原来从作者 n8n 的一个环境变量里读聊天,现在读 <YOUR_TELEGRAM_CHAT_ID>。Save creator-summary.md 原来写进作者自己电脑上的文件夹。现在路径写成 <YOUR_FOLDER_PATH>。Google Gemini Chat Model 原来设的是 models/gemini-2.0-flash-exp,现在是 models/gemini-3.6-flash。见“要知道的”。workflow.json。保存它。智能体的查询工具就是这个工作流本身,按它自己的 ID 来调用,所以必须先保存。gpt-4o-mini 里选中它。Google Gemini Chat Model 里选中它。Gmail Creators & Workflows Report 和 Gmail Top 10 Workflows List 里选中它,并在两处都替换 <YOUR_EMAIL_ADDRESS>。Google Drive 里选中它。文件会落在“我的云端硬盘”的根目录。想放别处,就在节点里选另一个文件夹。Telegram Top 10 Workflows List 里选中它,把 <YOUR_TELEGRAM_CHAT_ID> 换成你的聊天 ID。想跳过 Telegram,就删掉这个节点。Save creator-summary.md 里的 <YOUR_FOLDER_PATH>。想跳过,就删掉这个节点和 creator-summary。Schedule Trigger 每天 22:00 启动运行,用你 n8n 的时区。n8n Creators Stats Agent 收到请求“Prepare a report about the n8n creators”。它用的模型是 gpt-4o-mini,温度 0.1。Workflow Tool,工具通过 When Executed by Another Workflow 运行同一个工作流。Global Variables 设好两个统计文件的地址。stats_aggregate_creators 和 stats_aggregate_workflows 把它们下载下来,每个列表按每周插入量从高到低排序。Take Top 10 Creators 和 Take Top 50 Workflows 把列表裁短。Creators Data 和 Workflows Data 留下报告需要的字段,Merge Creators & Workflows 按用户名把创作者和他们的工作流连起来。Aggregate 和 Workflow Response 把所有数据交还给智能体。和聊天那个姊妹工作流不同,这里没有任何东西把它过滤成一个用户名。creator-summary 把它变成文本文件,Save creator-summary.md 把它写进你的文件夹。Google Drive 在“我的云端硬盘”里创建一个文本文件,名字是 n8n Creator Stats Report 加上时间。Convert Markdown to HTML 把它转成 HTML,Gmail Creators & Workflows Report 把它发邮件。Create Top 10 Workflows List 以 0.2 的温度请 Gemini 列出每周插入最多的十个工作流,带链接,不要开场白。Convert Top 10 Markdown to HTML 和 Gmail Top 10 Workflows List 把这份清单发邮件,Telegram Top 10 Workflows List 把它发到 Telegram。Schedule Trigger。n8n Creators Stats Agent 里的说明。Take Top 10 Creators 和 Take Top 50 Workflows。Create Top 10 Workflows List 里的提示词。Global Variables 里的地址实时读取。如果它们的所有者搬了地方或改了结构,查询就会失败,直到你更新那个地址。gpt-4o-mini。OpenAI 的弃用页面给 gpt-4o、gpt-4o-mini、gpt-4.1 和 gpt-4.1-mini 定的停用日期是 2027 年 1 月 14 日,替代模型是 gpt-6-luna。请在那之前换一个模型。gemini-2.0-flash 系列列为 2026 年 6 月 1 日停用,替代模型是 gemini-3.6-flash,页面上没有按名字列出 gemini-2.0-flash-exp。Mindket 的副本用的是替代模型。NOTICE.md 690 B README.md 7 KB workflow.json 29 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。
udiboy1209 · 工具包
用一个小型神经反编译器从编译后的二进制代码中还原数学公式,并提供论文里的数据集和训练好的模型。适合逆向工程师和研究者。
udgamlabs · 工具包
把文字提示,或文字加首帧图片,变成 2 秒、256×256 的视频片段,使用 212M 参数的生成器。这是一个小型研究版本,最擅长海浪、火焰和下雪的天空。
Tsuboyama-Lab · 工具包
预测一条蛋白质序列在大肠杆菌里能以单体形式表达多少,单位为 log10 mg/L。提供 ESMC-6B 和 SaProt 的已训练 LoRA 适配器和回归头,面向蛋白质研究人员。