Mindket
简体中文
English简体中文
登录注册
商店MCP技能计算器学习价格博客
发现
研究313写作59商务95法律13财务33营销175开发1,430效率391教育81陪伴14
帮助与支持
语言
English简体中文

按主题从 Hacker News 找学习资源并发到邮箱

由 Mindket 上架n8n 工作流教育
新上架第 1 版 · 更新于
节点10应用3点赞

概览

  1. Google Gemini Chat Model
  2. GetTopicFromToLearn
  3. SearchAskHN
  4. SplitOutChildrenIDs
  5. FindHNComments
  6. CombineIntoSingleText
  7. Basic LLM Chain
  8. Convert2HTML
  9. SendEmailWithTopResources
  10. Finished
按主题从 Hacker News 找学习资源并发到邮箱，图片 1
‹2 / 2›

一个带小表单的 n8n 工作流：你填一个主题和一个邮箱地址。它读取 Ask HN 帖子下面关于这个主题的评论，让 Google Gemini 模型挑出大家推荐的资源，再把清单发到你的邮箱。

按主题从 Hacker News 找学习资源并发到邮箱 是一款 n8n 工作流，属于教育类，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：在那里新建一个工作流，把文件导入进去
  • 你自己的 n8n 服务器：同一个文件，同样的步骤
  • 别的发信方式：把 SendEmailWithTopResources 换成 Gmail 或别的邮件节点，字段用同样的值填
  • 别的模型：把 Gemini 节点换成别的聊天模型节点

平台

n8n工作流自动化，可在 n8n 云端或你自己的服务器上运行
连接 3 个应用

运行方式

触发

表单

有人提交表单时开始运行，表单里有：

  • I want to learn：想学的主题，比如 Python、DevOps 或 AI
  • What’s your email ?：发送清单的邮箱，必填

动作

  1. Hacker News 节点搜索最多 150 个与主题相关的 Ask HN 帖子
  2. 工作流把这些帖子下面的一级评论的 id 拆开
  3. 每条评论都通过 Hacker News API 取回，每个 id 一次请求
  4. 评论文字合并成一个列表
  5. Google Gemini 模型留下提到学习资源的评论，按类型和难度分组，用 Markdown 写出来
  6. Markdown 转成 HTML，发到表单里填的邮箱

结果

一封邮件，列出 Hacker News 上的人推荐的学习资源，按类型和难度分组，评论里有链接的就附上

集成

开始之前要准备好这些。

Hacker News

建议的来源

找出关于这个主题的 Ask HN 帖子，返回帖子下面的每条一级评论。

需要什么都不需要：不用账号或密钥

Google Gemini

语言模型

读评论，留下提到资源的那些，写出分好组的清单。

需要Google Gemini API 密钥

Email (SMTP)

发送

把清单作为 HTML 邮件发到表单里填的邮箱。

需要一个 SMTP 账号和一个发件地址

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
9 个步骤，由表单启动
AI
1 个步骤调用 AI 模型：Basic LLM Chain
登录
需要登录：Email、Google Gemini
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 9 种步骤类型

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 Hacker News 上的建议变成一份阅读清单。你在一个小表单里填一个主题和你的邮箱地址。工作流在 Hacker News 上搜索这个主题的 Ask HN 帖子，收集帖子下面的一级评论。Google Gemini 模型留下那些提到课程、书、文章或视频的评论，再把提到的内容按类型和难度分组。清单以邮件的形式发给你。十个节点干活。

适合谁

想为一个新学科拿到起步清单的自学者，以及想看看技术圈子推荐什么的写作者和老师。如果主题太窄，Ask HN 上没人问过，就别选它，因为清单的质量取决于它能找到的评论。

谁在用，怎么用
行业谁在用怎么用例子
教育自学者为一个新学科拿到起步清单一位学习者问 Rust，得到按难度排好的书和演讲。
教育老师和课程作者看看业内人推荐什么一位老师查看数据科学方向有哪些免费课程被提到。
软件换技术栈的工程师找出该先读什么一位转做 DevOps 的工程师问最好的入门指南。
内容通讯稿作者起草一份资源汇总一位作者问机器学习，再把邮件改成一期内容。

你需要会一点 n8n：导入一个文件、添加一个 Google Gemini 凭据和一个 SMTP 凭据，再运行表单。

用在哪里

任何能访问 Hacker News、Google 的 Gemini API 和一个 SMTP 邮件服务器的 n8n 都能运行它。表单从 GetTopicFromToLearn 节点打开。

  • n8n Cloud：在那里新建一个工作流，把文件导入进去
  • 你自己的 n8n 服务器：同一个文件，同样的步骤
  • 别的发信方式：把 SendEmailWithTopResources 换成 Gmail 或别的邮件节点，字段用同样的值填
  • 别的模型：把 Gemini 节点换成别的聊天模型节点

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。设置是两个凭据和一个发件地址。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
Google Gemini一个 API 密钥
邮箱一个能发信的 SMTP 账号
  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. 添加一个 Google Gemini (PaLM) API 凭据，填上你的密钥，在 Google Gemini Chat Model 里选中它。这个节点设成 models/gemini-3.6-flash，用来替换文件里的 gemini-1.5-flash，Google 已不再列出后者。
  3. 添加一个 SMTP 凭据，在 SendEmailWithTopResources 里选中它。把它的 From 字段里的 <YOUR_SENDER_EMAIL> 换成你的邮件服务器允许你发信的地址。
  4. 打开 GetTopicFromToLearn，点 Execute workflow。表单会在新标签页里打开。填好并提交。
  5. 等运行结束，常见的主题可能要几分钟，然后查看邮件。

如何使用

填一个主题和你的邮箱地址，然后提交。工作流搜索与主题相符的 Ask HN 帖子，把帖子下面的一级评论逐条取回，合成一段文字发给 Gemini。提示词要求按类型和难度分组，给出最好的资源。一个 Markdown 步骤把回复转成 HTML，邮件步骤把它发出去。

想要不同的结果，改哪里
要改的在哪里改
主题和邮箱GetTopicFromToLearn 里的两个字段
搜索多少个帖子SearchAskHN 里的 limit，原样是 150
模型找什么、清单怎么排版Basic LLM Chain 里的提示词
模型Google Gemini Chat Model
邮件的主题和措辞SendEmailWithTopResources

示例

一位学习者填入 Rust 和一个邮箱地址，然后提交表单。

邮件里的资源按书、课程、视频这样的标题分组，每条有一行说明，评论里给了链接的就附上链接。把它当作起点。模型是在概括评论者说的话，所以某个资源可能过时，也可能是错的。

新手与专家

新手：n8n 把工作流画成用线连起来的方框，每个方框叫节点，只做一件事。这个工作流从一个由 n8n 托管的表单开始。Hacker News 是一个讨论网站，Ask HN 帖子下面的回答，往往是业内人信任什么的好清单。工作流替你把这些回答读一遍。

专家：SearchAskHN 里的 Hacker News 节点通过 Algolia 搜索。它返回最多 150 个相符的帖子，每个帖子在名为 children 的列表里带着它的一级评论 id。接着，SplitOutChildrenIDs 为每个 id 做一条记录。然后 FindHNComments 从 Hacker News 的 Firebase API 取回每条评论。再由 CombineIntoSingleText 把评论文字收成一个列表，Basic LLM Chain 把它放进提示词。

值得细看的地方
节点它做什么要知道什么
GetTopicFromToLearn显示表单并开始运行邮箱字段必填，主题字段不是
SearchAskHN找最多 150 个相符的 Ask HN 帖子帖子少的主题，清单就薄
SplitOutChildrenIDs每个评论 id 做一条记录常见的主题会有几千条
FindHNComments从 Hacker News API 取回每条评论每条评论一次请求，逐个进行
CombineIntoSingleText合并评论文字评论是 HTML
Basic LLM Chain让 Gemini 找出最好的资源提示词决定分类和排版
SendEmailWithTopResources发出 HTML 邮件需要 SMTP 凭据和发件地址

注意事项

这个工作流一次运行可能读几千条评论，而且表单对任何知道地址的人都是开放的。

  • 模型：Google 的弃用页面（2026 年 11 月 12 日查阅）写明 gemini-2.0-flash 将于 2026 年 6 月 1 日关停，替代模型是 gemini-3.6-flash，并把 gemini-3.8-flash 列为最新的 Flash 模型。文件里的 gemini-1.5-flash 已不在列表里。Mindket 的副本设成了 models/gemini-3.6-flash
  • 规模：2026 年 11 月 12 日，主题 python 返回了 150 个帖子和 3,276 条一级评论。运行会逐条取回评论，再把全部文字一次发给模型，所以可能要几分钟，也可能超过模型的输入上限。把 SearchAskHN 里的 limit 调低，两者都会减少
  • 提示词修正：提示词里有一处用了名为 Learn 的表单字段，而表单没有这个字段，所以那一行是空的。Mindket 的副本把它指向了主题字段
  • 发件人：文件把作者自己的邮箱写成了发件人。现在是 <YOUR_SENDER_EMAIL>，请填一个你的 SMTP 账号可以发信的地址
  • 判断：模型衡量的是评论者写的东西。它可能漏掉没人提过的好资源，也可能把错误的说法重复一遍
  • 开放的表单：工作流一旦启用，知道表单地址的人都能开始一次运行，并用掉你的 Gemini 和邮件额度
  • 你的数据：主题会发给 Hacker News 的搜索，评论文字会发给 Google，邮箱地址只用来发这封邮件
  • 费用：每次运行调用一次模型，大小取决于收集到的评论
  • 凭据：JSON 里没有任何凭据

README 和文件

README

按主题从 Hacker News 找学习资源并发到邮箱

一个带小表单的 n8n 工作流。你给它一个主题和你的邮箱地址。它收集 Ask HN 帖子下面关于这个主题的一级评论，让 Google Gemini 模型挑出大家推荐的书、课程、文章和视频，再把清单发到你的邮箱。

包里有什么

  • workflow.json：n8n 导出的工作流，10 个节点，没有便签。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。

我们相对原来的副本改了什么

  • 模型节点和邮件节点原来关联着作者 n8n 里的凭据。这些关联已删掉，请选你自己的。
  • 模型原来是 models/gemini-1.5-flash，Google 已不再列出它。现在是 models/gemini-3.6-flash。
  • 发件地址原来是作者自己的邮箱，现在是 <YOUR_SENDER_EMAIL>。
  • 提示词里有一处用了名为 Learn 的表单字段，而表单没有这个字段，所以那一行是空的。现在它读主题字段 I want to learn。
  • 表单的 webhook id 已删掉，n8n 会重新生成一个。
  • 别的都没改。文件里没有 Code 节点。

开始之前

  • 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
  • 一个 Google Gemini API 密钥。
  • 一个能发信的 SMTP 账号：主机、端口、用户名和密码。

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. 添加一个 Google Gemini (PaLM) API 凭据，填上你的密钥，在 Google Gemini Chat Model 里选中它。
  3. 添加一个 SMTP 凭据，在 SendEmailWithTopResources 里选中它，并把它的 From 字段里的 <YOUR_SENDER_EMAIL> 换成你的邮件服务器允许你发信的地址。
  4. 打开 GetTopicFromToLearn，点 Execute workflow。表单会在新标签页里打开，填好并提交。
  5. 等运行结束，常见的主题可能要几分钟，然后查看邮件。

一次运行的过程

  1. GetTopicFromToLearn 显示一个有两个字段的表单，一个是主题，一个是你的邮箱地址，提交后开始运行。接下来的页面会告诉用户，邮件马上就到。
  2. SearchAskHN 用 Hacker News 节点搜索最多 150 个带 Ask HN 标签、与主题相符的帖子。
  3. SplitOutChildrenIDs 把每个帖子的评论 id 列表拆成一个 id 一条记录。
  4. FindHNComments 从 Hacker News API 取回每条评论，每个 id 一次请求。
  5. CombineIntoSingleText 把所有评论的 text 合成一个列表。
  6. Basic LLM Chain 把这个列表放进提示词，发给 Google Gemini Chat Model。提示词要求给出最好的资源，按类型和难度分组，评论里给了链接就附上，并用 Markdown 回答。
  7. Convert2HTML 把 Markdown 转成 HTML。
  8. SendEmailWithTopResources 把它发到表单里填的邮箱，开头一行说明读了多少条评论。
  9. Finished 标记结束。

改变风格

  • 主题和邮箱：GetTopicFromToLearn 里的两个字段。
  • 搜索多少个帖子：SearchAskHN 里的 limit，原样是 150。
  • 模型找什么、清单怎么排版：Basic LLM Chain 里的提示词。
  • 模型：Google Gemini Chat Model。
  • 邮件的主题和措辞：SendEmailWithTopResources。

注意事项

  • 模型：Google 的弃用页面（2026 年 11 月 12 日查阅）写明 gemini-2.0-flash 将于 2026 年 6 月 1 日关停，替代模型是 gemini-3.6-flash，并把 gemini-3.8-flash 列为最新的 Flash 模型。文件里的 gemini-1.5-flash 已不在列表里。Mindket 的副本设成了 models/gemini-3.6-flash。
  • 规模：2026 年 11 月 12 日，主题 python 返回了 150 个帖子和 3,276 条一级评论。运行会逐条取回评论，再把全部文字一次发给模型，所以可能要几分钟，也可能超过模型的输入上限。把 SearchAskHN 里的 limit 调低，两者都会减少。
  • 模型衡量的是评论者写的东西。它可能漏掉没人提过的好资源，也可能把错误的说法重复一遍。
  • 工作流一旦启用，表单就是公开的：知道地址的人都能开始一次运行，并用掉你的 Gemini 和邮件额度。
  • 你的数据：主题会发给 Hacker News 的搜索，评论文字会发给 Google，邮箱地址只用来发这封邮件。
  • 费用：每次运行调用一次模型，大小取决于收集到的评论。
文件
NOTICE.md  706 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

DeepSeek-R1-GGUF

unsloth · 工具包

671B 参数 DeepSeek-R1 推理模型的 GGUF 版本，带 1.58-bit 和 2-bit 动态量化，可在内存足够的本机上用 llama.cpp 运行。

新上架

Axion-1.0-35B-GGUF

prithivMLmods · 工具包

提供 Axion-1.0-35B 的 GGUF 文件，这是一个有约 30 亿激活参数的 35B 混合专家模型，面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。

新上架

HEART

Phips · 工具包

用一个超分辨率网络放大低分辨率图像，可以在一块消费级 GPU 上训练，并导出为 ONNX。适合训练或运行图像放大模型的人。

新上架

教育类的相似商品

查看教育类的全部商品

Vāgdhenu

prathoshap · 工具包

用一个训练好的声音，以吟诵风格朗读古典梵语诗节，由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。

新上架

Limite 1B - Violetto

paradigma-inc · 工具包

用一个从头训练的 1B 参数模型解决难度很高的数学题，追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。

新上架

Agaram 2.5B

murai-labs · 工具包

能用泰米尔文、罗马化泰米尔语和英语聊天，也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型，适合泰米尔语使用者、研究人员和开发者。

新上架