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。
一个为已预约的销售通话准备的 n8n 工作流。一个智能体用 Tavily 调研你 Google 表格里的每家公司,并匹配你的产品。第二个智能体写出确认邮件、邮件主题和短信。什么都不会发出去。
预约通话调研,附确认邮件和短信 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。
手动运行
你点 Execute workflow 时开始运行,处理 Meeting Data 里还没有调研结果的那些行,每一行有:
一张表格:每个预约的通话都有公司简报、匹配的产品,以及一封确认邮件和一条短信,等你过目
开始之前要准备好这些。
电子表格
存放预约、你的产品和客户案例,并把调研结果和草稿写回每条预约所在的行。
需要一个用来登录的 Google 账号,以及一个有三个标签页的表格
语言模型
为调研智能体和写作智能体运行 gpt-4.1。
需要OpenAI API 密钥
网页搜索
给调研智能体提供新闻搜索,每次查询都返回一段答案和网页原文。
需要Tavily API 密钥,填在节点的请求头里
由 Mindket 于 2026年11月13日检查
有人刚预约了一次销售通话,这个 n8n 工作流帮你做好准备。你点 Execute workflow,它会读取 Google 表格里还没有调研结果的预约。对每一条,一个 AI 智能体用 Tavily 在网上搜索这家公司的背景、技术栈和新闻,再从 Products 标签页里挑出三款你的产品。随后第二个智能体借用 Success Stories 标签页里一个相近的案例,写出一封简短的确认邮件、一个邮件主题和一条短信。两个智能体都把结果写回这一行。整个流程由十三个节点完成。什么都不会发出去。
通过表单或日历链接接受预约、希望带着准备和一段写好的消息去通话的销售人员和小型代理公司。它适合已经用表格记录预约的团队。如果你想让它替你发出消息,或者让它自己定时启动,就别选它。文件里只有手动触发器,没有发送步骤。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 代理公司和咨询公司 | 客户经理 | 把每条新预约贴进 Meeting Data,通话前跑一遍 | 一家网站代理公司每天早上跑一次,每个预约的通话都能读到一份公司简报。 |
| 软件和 SaaS | 自己卖产品的创始人 | 在 Products 里每个套餐一行,让匹配保持准确 | 一位创始人列出三个套餐,每个潜在客户都会看到最接近的那一个。 |
| B2B 服务 | 业务拓展代表 | 在 Success Stories 里按行业整理过去的客户 | 一位业务代表加了六个客户案例,每条消息都会引用和潜在客户最接近的那个。 |
| 培训和辅导 | 销售培训师 | 把草稿当作简短、有人情味的确认消息的范例来讲 | 一位培训师带着新销售把一周的草稿过一遍。 |
你需要会一点 n8n,还要一个有三个标签页的表格:导入文件、添加三个凭据,再用你自己的产品和案例填好标签页。作者估计设置要 12 分钟左右,前提是表格和账号都已经准备好。
任何能访问 OpenAI、Tavily 和 Google 的 n8n 都能运行它。结果就落在你本来记录预约的那张表格里。
Sales Writing Assistant 后面加一个节点,自己把消息发出去点“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。先建好表格,因为有五个节点指向它。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个 API 密钥。两个智能体都用 gpt-4.1 |
| Tavily | 一个账号和它的 API 密钥,用于网页搜索 |
| 一个能编辑这张表格的账号,用于 Google Sheets OAuth2 凭据 | |
| 一张表格 | 三个标签页:Meeting Data、Products 和 Success Stories |
| 标签页 | 列 |
|---|---|
Meeting Data | Call Date、Name、Email、Company Name、Website、Business Type、Project,然后是 company_overview、tech_stack、company_updates、primary_solution、solution_2、solution_3、email_subject、email_text、sms |
Products | 你的产品目录,每款产品一行,表头写得直白 |
Success Stories | 每个客户案例一行:对方的名字、公司、业务类型、成果和用到的方案 |
workflow.json。/d/ 和 /edit 之间那一长串。Review Calls、Update Sheet、Update Sheets 2、Product List 和 Testimonials Tool 里选中它,把 YOUR_SHEET_ID 换成这个 ID。每个节点按名称找到自己的标签页。OpenAI Chat Model 和 OpenAI Chat Model1 里选中它。Tavily 的 Authorization 请求头里,把 <YOUR_TAVILY_KEY> 换成你的密钥。尖括号也要去掉,请求头应该是 Bearer、一个空格,再加密钥。Sales Writing Assistant 里,把模板和例子中的 YOUR_NAME 和 YOUR_COMPANY 换成你自己的。Meeting Data 里加一条预约,在 Products 里加一两款产品,在 Success Stories 里加一个案例。每个预约的通话加一行,填好前七列,后面九列留空。点 Execute workflow。它一次处理一行,表格长的话要等一会儿。运行结束后,每个新行的调研列和三个写作列都会填好。已经有 company_overview 的行会被跳过,所以加了新预约之后可以再跑一次。
| 要改的 | 在哪里改 |
|---|---|
| 消息以谁的口吻写 | Sales Writing Assistant 的模板和例子里的 YOUR_NAME 和 YOUR_COMPANY |
| 语气和长度 | Sales Writing Assistant 的 system message,它要求消息简短、平实 |
| 调研范围 | AI Agent 的 system message,以及 Tavily 的 JSON 请求体,它只搜新闻 |
| 你的产品和服务 | Products 和 Success Stories 的内容,这是智能体对你的全部了解 |
| 模型 | OpenAI Chat Model 和 OpenAI Chat Model1,都是 gpt-4.1 |
你把下面这条预约加进 Meeting Data,调研列留空。
| 列 | 值 |
|---|---|
| Call Date | 周四 |
| Name | Priya Nair |
| priya@brightline.example | |
| Company Name | Brightline Print |
| Website | https://brightline.example |
| Business Type | 网上印刷店 |
| Project | 自动发送订单状态更新 |
第一个智能体填好六个调研列。company_overview 是这家店的简短介绍,tech_stack 是它看起来在用的工具,company_updates 是它最近的动态。另外三列写的是 Products 里最合适的产品。第二个智能体按解析器的格式作答,这里省略了内容:
{
"subject": "…",
"email": "…",
"text_message": "…"
}邮件按提示词里的模板来写:用名字打招呼,一句提到这次预约,引用 Success Stories 里的一个案例,再加一句结尾。短信简短随意。什么都不会发出去,所以两条都读一遍,再自己发。
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。智能体是一种会自己决定调用哪个工具的节点,这里的工具是一次网页搜索和几次表格查询。它的工具用细线挂在它下面。先跑一条预约,再打开每个智能体,看它调用了哪些工具、写了什么。
专家:两个智能体分工合作,每个最后都通过工具自己写进表格,所以更新发生在智能体这一步里,而不是在它后面的节点。
| 节点 | 工具或请求 | 要知道的 |
|---|---|---|
AI Agent | Tavily、Product List、Update Sheet | 提示词要求它必须更新表格。解析器把它的回答限定为六个字段 |
Sales Writing Assistant | Testimonials Tool、Update Sheets 2 | 写主题、邮件和短信。解析器把它的回答限定为 subject、email 和 text_message |
Tavily | 向搜索接口发一个 POST | 它要新闻结果,带答案和网页原文,每次三条,所以每条结果都很长 |
两个更新工具都按 Email 找行,所以每个邮箱只留一行。
它会在两家服务商那里花钱,不会发出任何东西,提示词里还有两处缺口。
gpt-4.1 智能体运行的钱,Tavily 按智能体决定做的每次搜索计费Call Date,可它的模板提到了会面日期。想让日期出现在消息里,就把它加进智能体的文本Email Agent,文件里没有这个节点,所以邮件由智能体自己写一个为别人预约的销售通话准备的 n8n 工作流。对 Google 表格里的每一条预约,一个 AI 智能体在网上调研这家公司,并匹配你的产品。随后第二个智能体根据你自己的客户案例,写出一封确认邮件、一个邮件主题和一条短信。所有内容都写回表格,什么都不会发出去。
workflow.json:n8n 导出的工作流,十三个节点,没有便签。里面没有任何凭据,原来写在一个请求头里的 Tavily 密钥已换成占位符。README.md:这份设置说明,压缩包里的是英文版。Tavily 的 Authorization 请求头里的密钥,现在是 <YOUR_TAVILY_KEY>。YOUR_SHEET_ID,并按名称找标签页:Meeting Data、Products 或 Success Stories。YOUR_NAME 和 YOUR_COMPANY。gpt-4.1 的 OpenAI API 密钥。workflow.json。/d/ 和 /edit 之间那一长串。Review Calls、Update Sheet、Update Sheets 2、Product List 和 Testimonials Tool 里选中它,把 YOUR_SHEET_ID 换成这个 ID。每个节点按名称找到自己的标签页。OpenAI Chat Model 和 OpenAI Chat Model1 里选中它。Tavily 的 Authorization 请求头里,把 <YOUR_TAVILY_KEY> 换成你的密钥。尖括号也要去掉,请求头应该是 Bearer、一个空格,再加密钥。Sales Writing Assistant 里,把模板和例子中的 YOUR_NAME 和 YOUR_COMPANY 换成你自己的。Meeting Data 里加一条预约,在 Products 里加一两款产品,在 Success Stories 里加一个案例。| 标签页 | 列 |
|---|---|
| Meeting Data | Call Date、Name、Email、Company Name、Website、Business Type、Project,然后是 company_overview、tech_stack、company_updates、primary_solution、solution_2、solution_3、email_subject、email_text、sms |
| Products | 你的产品目录,每款产品一行,表头写得直白,让智能体读得懂 |
| Success Stories | 每个客户案例一行。写作提示词要的是对方的名字、公司、业务类型、成果、结果和用到的方案 |
每条预约填好 Meeting Data 的前七列,后面九列留空,由工作流来写。表头要按上面的拼法写,因为两个更新工具按名称对上它们。
When clicking ‘Test workflow’ 启动 Review Calls,它读取 Meeting Data 里 company_overview 为空的行。已经有公司概况的行会被跳过,所以加了预约之后可以再跑一次。AI Agent 一次处理一行。它用 Tavily 搜索,用 Product List 查你的产品,最后必须调用 Update Sheet,写入六个字段:company_overview、tech_stack、company_updates、primary_solution、solution_2 和 solution_3。一个结构化解析器把它的回答限定为这六个字段。Sales Writing Assistant 收到这一行和这六个字段。它在 Testimonials Tool 里找一个相近的客户,写出主题、邮件和短信,再通过 Update Sheets 2 存为 email_subject、email_text 和 sms。第二个解析器把它的回答限定为 subject、email 和 text_message。两个更新工具都按 Email 找行,所以每个邮箱只留一行。
Sales Writing Assistant 里的 system message。它要求消息简短、有人情味、语气平实,并给了一个模板、一个例子和一条短信作参照。AI Agent 里的 system message 和 Tavily 的 JSON 请求体。请求体要的是新闻结果,每次三条,带答案和网页原文。Products 和 Success Stories 的内容。智能体只知道这两个标签页和搜索结果里的东西。OpenAI Chat Model 和 OpenAI Chat Model1 都用 gpt-4.1。Sales Writing Assistant 后面加一个你自己的发送节点。Call Date,可它的模板提到了会面日期。想把日期写进消息,就在 Sales Writing Assistant 的文本里加一行,比如 Call Date: {{ $('Review Calls').item.json['Call Date'] }}。Email Agent 列为一个工具。文件里没有这个节点,所以邮件由智能体自己写。Update Sheet,不能只回一段 JSON。如果某一行一直是空的,打开那次运行,看工具有没有被调用。gpt-4.1 智能体运行,外加智能体决定做的若干次 Tavily 搜索。先试两行。README.md 6 KB workflow.json 29 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。