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。
一个给 Google 表格里的新线索评级的 n8n 工作流。每一行新数据连同你对好线索的标准一起发给 OpenAI,得到的答案(合格或不合格)会写进这一行的 Rating 列。
OpenAI 为 Google 表格的新行写入线索评级 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。
Google 表格有新行
你的表格每多一行就开始,每分钟检查一次,需要:
线索那一行的 Rating 列里写着“qualified”或“not qualified”
开始之前要准备好这些。
线索清单
提供每一行新数据,并把评级写回去。
需要Google 账号登录
线索评级
按你的标准给每条线索评级,并给出理由。
需要OpenAI API 密钥
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流给 Google 表格里的每条新线索评级。它每分钟检查一次表格有没有新的一行。出现新行时,它把线索的名字、邮箱、业务领域和团队规模,连同你对好线索的标准一起发给 OpenAI。模型回复一个评级(合格或不合格)和一句简短的理由。工作流把评级写进这一行的 Rating 列,理由不保存。干活的是五个节点,还有四张便签解释各个步骤。
把线索收在表格或 Google 表单里、再靠人工分拣的销售和社群团队。如果你的线索在 CRM 里,或者给一个人评错级的代价比慢慢人工过一遍还大,就别选它。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 创始人 | 给封闭社群的报名者分拣 | 一位创始人读 Rating 列,邀请标成合格的那些行。 |
| 咨询 | 独立顾问 | 挑出先回复哪些表单 | 一位顾问先给合格的行打电话,其余的稍后再说。 |
| 代理 | 客户经理 | 筛选主动上门的咨询 | 一位客户经理把每个评级和线索填的团队规模放在一起看。 |
| 活动 | 组织者 | 给名额有限的申请分拣 | 一位组织者在发邀请之前,先把表格筛成合格的行。 |
你需要会一点 n8n:导入一个文件、添加 Google 和 OpenAI 两个凭据,再改一条提示词。
任何能访问 Google 表格和 OpenAI 的 n8n 都能运行它。它在新增一行时开始,所以要先发布这个工作流,它才会自己去检查表格。
Extract JSON reply 指向它的文字点“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。你需要一个放着线索表格的 Google 账号和一个 OpenAI 密钥。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| 一个能读取并编辑你表格的登录 | |
| OpenAI | 一个 API 密钥 |
| 一张表格 | 一个有 Timestamp、Email Address、Your name、Your business area、Your team size 和 Rating 列的标签页 |
workflow.json。Check for new entries 和 Update lead status 里选中它。前一个用的是触发器凭据,所以 n8n 会要你建两个。Qualify leads with GPT 里选中它。把线索加进表格,或者让你的表单替你加,然后读 Rating 列。一行会写着“qualified”或“not qualified”。改了标准,之后的新行就按新标准来。工作流给你发布之后才进来的行评级。
| 要改的 | 在哪里改 |
|---|---|
| 好线索的标准 | Qualify leads with GPT 里的系统消息 |
| 模型看到的信息 | 同一个节点里的用户消息 |
| 表格和列 | Check for new entries 和 Update lead status |
| 多久检查一次 | Check for new entries 里的轮询时间 |
| 模型 | Qualify leads with GPT 里的 Model 字段 |
一位创始人用 Google 表单收一个封闭社群的加入申请。新来了一行:名字“Dana Reyes”,业务领域“Logistics”,团队规模 40。模型回复评级“qualified”,理由是这位线索带着 40 人的团队。这一行的 Rating 单元格随后写着“qualified”,理由不保存。
如果模型除了 JSON 还回答了别的东西,解析这一步就会让这一行的运行停下来。
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。触发器节点开始一次运行,这里是新增的一行。Merge 节点把两路数据按顺序对齐,Set 节点把一条数据改成需要的样子。
专家:Check for new entries 同时连到 Merge 和 Qualify leads with GPT。Extract JSON reply 对 message.content 执行 JSON.parse,Merge 按位置把每一行和它的回复配成一对。Update lead status 按 Timestamp 匹配,只写 Rating。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Check for new entries | 轮询表格里新增的行 | 每分钟检查一次 |
Qualify leads with GPT | 让 OpenAI 给线索评级 | 每行一次调用 |
Extract JSON reply | 把回复读成几个字段 | 需要干净的 JSON |
Merge | 把每一行和它的回复合在一起 | 按位置配对 |
Update lead status | 把评级写回去 | 按 Timestamp 匹配 |
有一行模型名需要替换,而且只有评级会写回表格。
gpt-4-turbo-preview 已在 2026 年 3 月 26 日关停,页面给出的替代是 gpt-5 或 gpt-4.1,而这两个自己也在关停名单上。Mindket 的副本用 gpt-6-luna,这是 OpenAI 给它们起的接替名字。评级只是一段不带工具的普通回复,所以这个模型合适。温度设置已删除,因为它的页面没有列出温度一个给 Google 表格里的新线索评级的 n8n 工作流。它每分钟检查一次表格有没有新的一行,把线索的名字、邮箱、业务领域和团队规模,连同你对好线索的标准一起发给 OpenAI。得到的答案(合格或不合格)会写进这一行的 Rating 列。
workflow.json:n8n 导出的工作流,9 个节点。五个在运行:一个表格触发器、OpenAI 这一步、读取回复的一步、一个 Merge 和表格更新。四个是便签。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。Qualify leads with GPT 原来用 gpt-4-turbo-preview,温度是 0.3。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)显示这个模型已在 2026 年 3 月 26 日关停,并给出 gpt-5 或 gpt-4.1。这两个在同一页的关停名单上也有:gpt-5 在 2026 年 12 月 11 日,gpt-4.1 在 2027 年 1 月 14 日,接替它们的分别是 gpt-5.6-sol 和 gpt-6-luna。节点现在用 gpt-6-luna。评级只是一段不带工具的普通回复,所以这个模型合适。温度已删除,因为该模型的页面没有列出温度设置。Mindket 对照 n8n 的源码读过这份副本,没有在真实的 n8n 上运行,也没有拿真实的表格试过。
workflow.json。Check for new entries 和 Update lead status 里选中它。前一个用的是触发器凭据,所以 n8n 会要你建两个。Qualify leads with GPT 里选中它。Check for new entries 每分钟看一次表格,把自上次查看以来新增的每一行传下去。Qualify leads with GPT 给模型发两条消息。系统消息里是你的标准:带团队的决策者算,团队越大越好,公司域名的邮箱算第二个理由。有一个理由就够得到 qualified。模型被要求一步一步地想,并用 qualified 或 not qualified 回复,格式是带 rating 和 explanation 的 JSON。用户消息填入这一行的名字、邮箱、业务领域和团队规模。Extract JSON reply 把回复读进一个 reply 字段。Merge 按位置把每一行和它的回复配成一对。Update lead status 按 Timestamp 找到这一行,把 reply.rating 写进 Rating 列。explanation 不写。Qualify leads with GPT 里的系统消息。Check for new entries 和 Update lead status。Check for new entries 里的轮询时间。Qualify leads with GPT 里的 Model 字段。Explanation 列,在 Update lead status 里把 reply.explanation 映射给它。Extract JSON reply 会让这一行的运行停下来。Timestamp 找行,所以每一行都要有这一列的值,表单会替你填。NOTICE.md 655 B README.md 4 KB workflow.json 9 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。
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。