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 Reddit 上搜索商业问题。它为每一对 subreddit 和关键词读取最相关的那个帖子下的评论。OpenAI 智能体列出未解决的问题、大家在用的工具和市场空白,再写出一份产品创意报告,存成 Google 文档。
Reddit 商业问题与产品创意报告 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 2 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。
POST https://YOUR_MARKDOWN_TO_DOC_ENDPOINT output = 报告,Markdown 格式 fileName = 报告的标题
搜索表单
有人提交 Search on Reddit 表单时开始运行,表单里有:
每一对搜索词各得一份 Google 文档报告:未解决的问题、在用的工具、市场空白和产品创意
开始之前要准备好这些。
帖子和评论
在 subreddit 里按相关性搜索关键词,读取第一个结果的评论。
需要Reddit OAuth2 凭据,来自一个 Reddit 应用
语言模型
用 gpt-4o-mini 检查每个帖子,用 gpt-4.1 做问题清单、空白分析和报告。
需要OpenAI API 密钥
报告
通过你的转换服务接收每份 Markdown 报告,由它生成 Google 文档。
需要Google Docs OAuth2 凭据,以及一个转换服务地址
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流把 Reddit 上的抱怨整理成一份报告,讲商业问题,也给产品创意。表单接收 subreddit、关键词和结果数量。一个代码节点把每个 subreddit 和每个关键词配成一对,保留前三对,每一对走自己的一条通道,通道里是同一组节点。在一条通道里,Reddit 搜索按相关性找出帖子,再读取第一个结果下的评论。接着 gpt-4o-mini 判断这个帖子是否在讲一个商业问题,只有回答 Yes 的行才会继续。之后三个 gpt-4.1 智能体依次工作。第一个列出未解决的问题和大家提到的工具,第二个找出市场空白和可以做的东西,第三个写报告。你提供的转换服务把每份报告变成 Google 文档。
想找值得解决的问题的创始人、独立开发者和产品经理,以及为客户研究细分市场的顾问和代理公司。它适合对一个细分市场做第一轮了解:大家在抱怨什么,提到了哪些工具,这些工具哪里不够用。需要数量或趋势的话就别用它。一条通道只读一个帖子,所以报告反映的是这一个讨论,不是对整个 subreddit 的调查。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 创业公司 | 创始人和独立开发者 | 动手做之前,先在几个 subreddit 里搜一个主题周围的痛点 | 一位创始人在一个小企业 subreddit 里搜 invoicing,看哪些问题一直没解决。 |
| 产品团队 | 产品经理 | 加新功能之前,先看用户说现有工具还缺什么 | 一位产品经理读竞品的用户一直在要什么。 |
| 代理公司和顾问 | 市场研究人员 | 开策略会之前,先把客户的细分市场送进表单 | 一位顾问带着三份关于客户细分市场的报告去开启动会。 |
| 软件和插件 | 小型软件开发者 | 从一个应用的社区里挖插件和集成的点子 | 一位插件开发者在某个应用的 subreddit 里搜反复出现的抱怨。 |
| 内容和通讯 | 专写某个领域的作者 | 找出社区还没有定论的问题 | 一位通讯作者从没有评论能回答的问题里挑一个选题。 |
任何能访问 Reddit、OpenAI 和一个 Google Docs 转换服务的 n8n 都能运行它。表单是入口。把它的地址分享给做研究的人。
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 13 分钟左右。导入之前先准备好这些。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| 一个 Reddit 应用及其 client ID 和 secret,用来创建 Reddit OAuth2 凭据。六个节点会用到 | |
| OpenAI | 一个 API 密钥。十二个对话模型节点会用到 |
| 一个账号,用来创建 Google Docs OAuth2 凭据,还要给三个节点准备一个转换服务地址 |
workflow.json。Search for a Post1、Search for a Post、Search for a Post2、Post comment、Post comment1 和 Post comment2 里选中它。OpenAI Chat Model 和 OpenAI Chat Model1 到 OpenAI Chat Model11 里选中它。HTTP Request1、HTTP Request 和 HTTP Request2 里,把 YOUR_MARKDOWN_TO_DOC_ENDPOINT 换成你的转换服务地址,并选中一个 Google Docs OAuth2 凭据。On form submission1 的测试地址发一次小搜索,再点 Publish 发布。转换服务不在文件里。原来的副本里,这三个节点调用的是作者自己域名下的一个服务,所以这个副本把地址留空。每个节点发送两个字段,期望有一个服务据此生成 Google 文档:
POST https://YOUR_MARKDOWN_TO_DOC_ENDPOINT output = 报告,Markdown 格式 fileName = 报告的标题
这些节点用的是你的 Google Docs 凭据,所以 n8n 会把这个凭据的访问令牌随请求一起发出。只把它们指向你自己运行的服务。或者把每一个都换成一个设为 Create 的 Google Docs 节点,后面再接一个设为 Update 的节点,把 Markdown 当作纯文本插进去。
从 On form submission1 打开表单。写下一个或几个 subreddit 和一个或几个关键词,每组都用逗号隔开,再填一个 1 到 100 的结果数量。提交。不用守着。每条通道各自运行,最后通过你的转换服务生成一份 Google 文档。只要 Execute Once 还开着,数量填小一点就够了。如果一条通道读到的帖子不是商业问题,它就到此结束,不出报告,也没有提示。
| 改什么 | 在哪里改 |
|---|---|
| 跑几对 | Split inputs 里 slice(0, 3) 那一行,以及按 flowIndex 分流的三个 If 节点 |
| 什么算商业问题 | Basic LLM Chain、Basic LLM Chain1 和 Basic LLM Chain2 里的提示词 |
| 读哪些帖子 | 三个 Post comment 节点设置里的 Execute Once |
| 报告写什么 | 三个 Report Generator 提示词里的章节清单,以及它们之前的两个分析提示词 |
| 模型 | 每个对话模型节点的 model 字段 |
你这样填表单:
Subreddit: smallbusiness, startups Keyword: invoicing Number of results to research: 20
这样配出两对,所以有两条通道运行:在 smallbusiness 里搜 invoicing,在 startups 里搜 invoicing。每条通道里,智能体读第一个结果的帖子和它的评论。报告智能体按一种 JSON 结构回答,下一个 Code 节点再把它拆开,这里做了删减:
{
"response": {
"title": "…",
"markdown": "… Top Unsolved Business Problems, Tools & Existing Solutions, Market Gaps, Product Opportunities …"
}
}应该会回来两份 Google 文档,每份都有自己的标题,下面是这四个部分。
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。这个文件有 56 个节点。大部分是同一条通道的三个副本,所以读懂一条通道,就等于读懂了全部。智能体节点是一个带着工作说明的模型,在这里还配了一个可以用来推理的 Think 工具。凭据是 n8n 替你保管的密钥,你在哪个节点里选中它,就交给哪个节点用。先用表单的测试地址跑一次。之后每个节点都会显示它收到了什么、发出了什么,密钥填错了,或者转换服务地址还是空的,就在这里看得出来。
专家:两个模型分担这些工作。便宜的那个跑得最多。
| 步骤 | 模型 | 要知道的 |
|---|---|---|
Basic LLM Chain、Basic LLM Chain1、Basic LLM Chain2 | gpt-4o-mini | 每一行评论跑一次,针对帖子回答 Yes 或 No。只有回答里含 Yes 的行才算数 |
Problem & Solution Extraction、Gap & Opportunity Analysis 和 Report Generator,以及它们的两份副本 | gpt-4.1,分布在九个对话模型节点里 | 提取智能体会跳过评论里已经解决了问题的帖子。报告智能体配有 Think 工具 |
每条通道的 Code 节点在第一个智能体读取之前,把所有 Yes 行合成一项,每个字段之间空一行。Merge 按位置把这些行和检查的回答配对。
每条通道只读一个帖子。转换服务要你自己提供。
Post comment 节点打开了 Execute Once,所以每条通道只读第一个搜索结果下的评论。关掉它就会读所有帖子,代价是多出很多次模型调用Code1、Code4 和 Code5 把报告智能体的回复当作 JSON 解析,所以 JSON 前后多出文字或反引号,那条通道就会停下一个 n8n 工作流,在 Reddit 上搜索商业问题,写出一份报告:未解决的问题、大家已经在用的工具、市场空白和产品创意。你提供的转换服务把每份报告变成 Google 文档。
workflow.json:n8n 导出的工作流,56 个节点,没有便签。里面没有任何凭据,没有密钥,也没有作者账号里的任何内容。README.md:这份设置说明,压缩包里的是英文版。workflow.json。Search for a Post1、Search for a Post、Search for a Post2、Post comment、Post comment1 和 Post comment2 里选中这个凭据。OpenAI Chat Model 和 OpenAI Chat Model1 到 OpenAI Chat Model11 里选中它。HTTP Request1、HTTP Request 和 HTTP Request2。把每个地址里的 YOUR_MARKDOWN_TO_DOC_ENDPOINT 换成你的转换服务地址,并选中一个 Google Docs OAuth2 凭据(见下文)。On form submission1 的测试地址,发一次小搜索,比如五个结果。然后点 Publish 发布。文件里不含这个服务。三个节点各自发送两个表单字段,期望有一个服务据此生成 Google 文档:
| 字段 | 节点发送的内容 |
|---|---|
| output | Markdown 格式的报告 |
| fileName | 报告的标题 |
这些节点用的是 Google Docs 凭据,所以 n8n 会把这个凭据的访问令牌加进请求。把它们指向你自己运行的服务。或者把这三个都删掉,在原处放一个设为 Create 的 Google Docs 节点,用标题作文档名,后面接一个设为 Update 的节点,把 Markdown 当作文本插进去。标题会显示成纯文本,但不会有任何外部服务看到你的令牌。
Split inputs 把每个 subreddit 和每个关键词配成一对,保留前三对。每一对有自己的一条通道,也就是同一组节点的一份副本,开头的三个 If 节点按 flowIndex 这个编号把每一对送进它的通道。
| 步骤 | 通道 1 | 通道 2 | 通道 3 |
|---|---|---|---|
| 分流 | If1 | If2 | If5 |
| 搜索帖子 | Search for a Post1 | Search for a Post | Search for a Post2 |
| 读取评论 | Post comment | Post comment1 | Post comment2 |
| 每条评论一行 | Edit Fields1 | Edit Fields | Edit Fields2 |
| 是商业问题吗? | Basic LLM Chain | Basic LLM Chain1 | Basic LLM Chain2 |
| 留下 Yes 行 | Merge3、If3 | Merge、If | Merge4、If4 |
| 合并各行 | Code | Code2 | Code3 |
| 问题和工具 | Problem & Solution Extraction | Problem & Solution Extraction1 | Problem & Solution Extraction2 |
| 空白和创意 | Gap & Opportunity Analysis | Gap & Opportunity Analysis1 | Gap & Opportunity Analysis2 |
| 报告 | Report Generator | Report Generator1 | Report Generator2 |
| 读取回复 | Code1 | Code4 | Code5 |
| 发送 | HTTP Request1 | HTTP Request | HTTP Request2 |
Post comment 节点虽然叫这个名字,其实只读不写:它们用的是 Reddit 读取评论的操作。分类器是 gpt-4o-mini,对每一行回答 Yes 或 No。每条通道里的三个智能体跑在 gpt-4.1 上,报告智能体旁边还配了一个 Think 工具。
Split inputs 里 slice(0, 3) 那一行,以及按 flowIndex 分流的三个 If 节点。Basic LLM Chain、Basic LLM Chain1 和 Basic LLM Chain2 里的提示词。Post comment 节点设置里的 Execute Once(见“要知道的”)。Report Generator、Report Generator1 和 Report Generator2 的提示词里的章节清单,以及它们之前的两个分析提示词。Code、Code2 和 Code3 本该用空行连接各行,却写成了 'nn'。Mindket 把 '\n\n' 补了回去。Post comment 节点打开了 Execute Once,所以 n8n 只把第一个搜索结果交给每个节点。因此一条通道只读一个帖子的评论,其他结果都用不上。关掉它就会读所有帖子,代价是每条评论一次 gpt-4o-mini 调用,提示词也会长得多,因为每一行都重复了所属帖子的正文。Number of results to research 字段决定搜索返回多少个帖子。Execute Once 开着时,数字再大也不会多读。Code1、Code4 和 Code5 用 JSON.parse 读取报告智能体的回复。如果模型在 JSON 前后加了文字或反引号,通道就会停在这个节点。README.md 6 KB workflow.json 59 KB
Updated by Mindket to the current version of this kit.
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。