anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
一个每天调研你 Google 表格里每个竞争对手的 n8n 工作流。Explorium 和 Tavily 给智能体提供近期动态,Apify 补上 LinkedIn 和流量数字,再由 gpt-4.1-mini 用一段话把它们和你的公司做对比。
每日竞争对手动态,并与你的公司对比 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。
每日计划
按计划启动,没设时间时每天午夜运行,逐行处理 Competitor details 标签页,每一行有:
一个 Competitor analysis 标签页:每次运行都为每个对手新增一行,最后一列是和你公司的文字对比
开始之前要准备好这些。
电子表格
存放竞争对手名单和你自己的数据,并为每个对手写入一行新的调研结果。
需要一个用来登录的 Google 账号,以及一张有三个标签页的表格
语言模型
为调研智能体、它的解析器和写对比的智能体运行 gpt-4.1-mini。
需要OpenAI API 密钥
公司数据
通过 MCP 服务器给调研智能体提供企业匹配和信息补全工具。
需要一个有额度的 Explorium 账号,以及它的 MCP 服务器认可的令牌
网页搜索
在 linkedin.com 上搜索,让智能体找出每家公司的 LinkedIn 主页。
需要Tavily API 密钥,填在节点的请求头里
数据抓取
运行两个 Actor:一个读取 LinkedIn 主页上的粉丝和员工数,另一个读取域名的自然流量。
需要Apify API 令牌,填在两个节点的请求头里,以及够用的额度
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流每天查看一遍你的竞争对手,再把它们和你自己公司的对比写进 Google Sheets。它从一个标签页读取公司名称和域名。对每一家,一个 AI 智能体向 Explorium 要过去一周的动态:内容、广告、新品发布、合作、媒体报道和技术栈变化。Tavily 负责找到这家公司的 LinkedIn 主页。随后两个 Apify Actor 取回粉丝数、员工规模和一个流量数字,第二个智能体把这些和你自己的数据放在一起,写成一段话。整个流程由十五个节点完成。什么都不会发出去。
盯着一小批对手、想在表格里留下持续记录的创始人、产品营销和代理公司的策略人员。名单要短,因为每次运行,每家公司都要花好几次付费调用。如果你想在对手一有变化就收到提醒,就别选它。它只写表格。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件和 SaaS | 产品营销人员 | 列出最接近的几个对手,每周一看新增的行 | 一位产品营销人员在销售团队听说之前,就在表格里看到了对手新上的集成。 |
| 网上零售 | 品牌经理 | 在 My company 里填上自己的粉丝数和流量,让每次对比都有基准 | 一个护肤品牌把自己的 LinkedIn 粉丝数和三个更大的对手放在一起比。 |
| 营销代理公司 | 客户策略人员 | 每个客户一张表,客户自己的数据放在 My company | 一位策略人员把最新的分析段落贴进客户的月度报告。 |
| B2B 服务 | 咨询公司创始人 | 把计划改成每周一次,跟踪竞标时遇到的对手 | 一位创始人在一次大型提案之前,注意到对手接连上了几篇报道。 |
你需要会一点 n8n,还要五个账号:OpenAI、Explorium、Tavily、Apify 和 Google。作者估计设置要 15 分钟左右,前提是账号和表格都已经准备好。
任何能访问 OpenAI、Explorium、Tavily、Apify 和 Google 的 n8n 都能运行它。要让它保持发布状态。没有发布的工作流不会按计划启动。
Append row in sheet 后面加一个节点,把每段分析发出去点“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,因为有三个节点指向它。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个能用 gpt-4.1-mini 的 API 密钥 |
| Explorium | 一个有额度的账号,以及它的 MCP 服务器认可的令牌 |
| Tavily | 一个账号和它的 API 密钥,用来搜索 LinkedIn |
| Apify | 一个账号和它的 API 令牌,额度要够两个 Actor 用 |
| 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:Competitor details、My company 和 Competitor analysis |
| 标签页 | 列 |
|---|---|
Competitor details | Company name 和 Company domain,每行一个对手 |
My company | 你自己的数据写在第一行,表头自己定,比如 LinkedIn 粉丝数、员工数和每月访问量。只会读取这一行 |
Competitor analysis | Company、Website Traffic Growth、Content Output、Ad Activity、Product Launch Frequency、Partnerships Integrations Added、LinkedIn Followers、Employee Count、Press Mentions PREvents、Technology Stack Changes、Insights |
workflow.json。/d/ 和 /edit 之间那一长串。Get row(s) in sheet、Get row(s) in sheet1 和 Append row in sheet 里选中它,把 YOUR_SHEET_ID 换成这个 ID。OpenAI Chat Model 里选中它。Explorium,用你的 Explorium 令牌添加一个 Bearer Auth 凭据并选中它。tavilySearch 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。Linkedin Followers + Employee count 和 Website visits 里,用同样的方法把 <YOUR_APIFY_TOKEN> 换成你的 Apify 令牌。Schedule Trigger 里定好日期和钟点,在 Competitor details 里放一个对手,点 Execute workflow。新增的那一行没问题了,再点 Publish。文件里的 Explorium 节点是 1 版的 MCP Client Tool,只支持 SSE,地址是 https://mcp.explorium.ai/sse。我们在 2026 年 11 月 2 日读过 Explorium 自己的登录说明页,上面写的是 https://mcp.explorium.ai/mcp,走 HTTP Streamable,用 OAuth 登录。那天我们不带令牌请求这两个地址,它们都要求登录。如果你的令牌被拒绝,就换一个按这种方式设置的新版 MCP Client Tool,把它接到 AI Agent 上。
Competitor details 里只放你想盯的公司,每行一个名称和域名。每次运行逐家处理,每处理一家,就在 Competitor analysis 里加一行,里面有智能体的调研结果、Apify 给的三个数字和一段分析。不会覆盖旧数据。想改你自己的基准,就改 My company 的第一行。
| 要改的 | 在哪里改 |
|---|---|
| 多久运行一次 | Schedule Trigger,文件里没设时间,所以每天午夜运行 |
| 调研找什么 | AI Agent 的 system message 和 Structured Output Parser 里的示例,两处都是七个字段 |
| 往回看多久 | 同一段 system message 的最后一行,它要的是过去一周的动态 |
| 对比怎么写 | Insights 的 system message,它要一段 200 字左右的话 |
| 存哪些列 | Append row in sheet 里的映射 |
| 模型 | OpenAI Chat Model,两个智能体和解析器都用 gpt-4.1-mini |
你在 Competitor details 里放一个对手,在 My company 里写上你自己的数据。
| 标签页 | 行 |
|---|---|
Competitor details | Company name:Northwind Analytics。Company domain:northwind.example |
My company | LinkedIn 粉丝数:4,200。员工数:35。每月访问量:18,000 |
调研智能体按解析器的格式作答,这里省略了内容:
{
"contentOutput": "…",
"adActivity": "…",
"productLaunches": "…",
"partnershipsIntegrationsAdded": "…",
"pressMentionsPREvents": "…",
"technologyStackChanges": "…",
"linkedin": "https://www.linkedin.com/company/…"
}LinkedIn 地址交给第一个 Actor,它返回粉丝数和公司规模。域名交给第二个,它返回一段流量历史。Insights 读取这些数字、六项调研结果和你的那一行。Competitor analysis 里新增的一行最后是它写的那段话,比如 Northwind 发内容比你勤,但粉丝比你少。
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挑工具的节点,这里的工具是 Explorium 和一次网页搜索,它们用细线挂在它下面。先只放一个对手。然后在 Executions 里打开这次运行,每个节点都会显示它收到和发出的内容,令牌填错或者少了一列,都能在那里看出来。
专家:调研智能体收集文字,两个 Actor 补上数字,第二个不带工具的智能体写对比。
| 节点 | 调用 | 要知道的 |
|---|---|---|
Explorium | MCP Client Tool 1 版,SSE,Bearer Auth | 提示词让智能体先匹配企业,再调用 Explorium 的信息补全工具 |
tavilySearch | 向 Tavily 的搜索接口发 POST | 整个 JSON 请求体由智能体来写。提示词要的是 linkedin.com 上的三条结果 |
Linkedin Followers + Employee count | Apify 上 anchor 的 LinkedIn Profile Scraper | 读取 follower_count 和 company_size 的第二项 |
Website visits | Apify 上 radeance 的 Ahrefs Scraper,只开流量 | 读取 website_traffic_history 第五项里的 organic |
Insights | gpt-4.1-mini,没有解析器 | 它的输入最后是 My company 第一行的 JSON |
我们在 2026 年 11 月 2 日查过,两个 Actor 都还在。两次调用都是同步的,按 Apify 的 API 文档,这类调用 300 秒后就会被结束。
它会在四家服务商那里花钱。还有两列装的内容比列名说的少。
gpt-4.1-mini 智能体运行的钱,解析器拒收回答时还要多一次修复调用。Explorium 的查询消耗额度,Tavily 按次计费,两个 Actor 在 Apify 上按结果计费。先从小处试gpt-4.1-mini,替代模型是 gpt-6-luna。在那之前改掉 OpenAI Chat Model 里的模型Website Traffic Growth 拿到的是一个自然流量数字,即历史里的第五项,不是增长率。新域名那里可能什么都没有Employee Count 取的是 Actor 返回的 company_size 的第二项,第一次运行时看看这一项到底是什么My company 的第一行会发给 OpenAI一个每天查看一遍 Google 表格里每个竞争对手的 n8n 工作流。一个 AI 智能体通过 Explorium 收集过去一周的动态,再用 Tavily 找到这家公司的 LinkedIn 主页。两个 Apify Actor 补上粉丝数、员工数和流量数字,第二个智能体把这些和你自己的公司放在一起比,写成一段话。每次运行都会为每个对手在表格里加一行。
workflow.json:n8n 导出的工作流,十五个节点,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。YOUR_SHEET_ID,并按名称找标签页:Competitor details、My company 或 Competitor analysis。Bearer <token>。现在两个 Apify 节点里是 Bearer <YOUR_APIFY_TOKEN>,tavilySearch 里是 Bearer <YOUR_TAVILY_KEY>,一看就知道哪个密钥填在哪里。Explorium 里的 Explorium 凭据已删掉,地址没改。gpt-4.1-mini 的 OpenAI API 密钥。workflow.json。/d/ 和 /edit 之间那一长串。Get row(s) in sheet、Get row(s) in sheet1 和 Append row in sheet 里选中它,把 YOUR_SHEET_ID 换成这个 ID。OpenAI Chat Model 里选中它。两个智能体和解析器都用它。Explorium,用你的 Explorium 令牌添加一个 Bearer Auth 凭据并选中它。tavilySearch 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。Linkedin Followers + Employee count 和 Website visits 里,用同样的方法把 <YOUR_APIFY_TOKEN> 换成你的 Apify 令牌。Schedule Trigger,定好日期和钟点。文件里没设,所以它每天午夜运行。Competitor details 里放一个对手,点 Execute workflow。新增的那一行没问题了,再点 Publish。Explorium 是 1 版的 MCP Client Tool,只支持 SSE,用 Bearer Auth 连到 https://mcp.explorium.ai/sse。我们在 2026 年 11 月 2 日读过 Explorium 自己的登录说明页,上面写的是 https://mcp.explorium.ai/mcp,走 HTTP Streamable,用 OAuth 登录。那天我们不带令牌请求这两个地址,它们都要求登录。如果你的令牌连不上,就加一个新的 MCP Client Tool 节点。把它的 Endpoint 设成 /mcp 那个地址,传输方式选 HTTP Streamable,认证选 MCP OAuth2,再把它作为工具接到 AI Agent 上,删掉旧的那个。
| 标签页 | 列 |
|---|---|
| Competitor details | Company name、Company domain,每行一个对手 |
| My company | 你自己的数据写在第一行,表头自己定,比如 LinkedIn 粉丝数、员工数和每月访问量。只会读取这一行 |
| Competitor analysis | Company、Website Traffic Growth、Content Output、Ad Activity、Product Launch Frequency、Partnerships Integrations Added、LinkedIn Followers、Employee Count、Press Mentions PREvents、Technology Stack Changes、Insights |
第一个和最后一个标签页的表头要按上面的拼法写,因为节点按名称对上它们。
Schedule Trigger 启动 Get row(s) in sheet,它读取 Competitor details 的每一行。Loop Over Items 一次交出一行,Edit Fields 只留下名称和域名。AI Agent 运行 gpt-4.1-mini。提示词让它先在 Explorium 里匹配这家企业,调用 Explorium 的信息补全工具,再通过 tavilySearch 在 linkedin.com 上搜索公司主页。Tavily 的请求体由它自己来写。Structured Output Parser 把它的回答限定为七个字段:contentOutput、adActivity、productLaunches、partnershipsIntegrationsAdded、pressMentionsPREvents、technologyStackChanges 和 linkedin。提示词要的是过去一周的动态,智能体失败时会重试。Linkedin Followers + Employee count 把 LinkedIn 地址发给 Apify 上 anchor 的 LinkedIn Profile Scraper。工作流从返回结果里读取 follower_count 和 company_size 的第二项。Website visits 把域名发给 Apify 上 radeance 的 Ahrefs Scraper,只开了流量这一项。工作流读取 website_traffic_history 第五项里的 organic。Get row(s) in sheet1 读取 My company,Aggregate 把它的各行收成一个列表。Insights 是第二个智能体,用同一个模型,没有工具也没有解析器。它拿到调研结果、三个数字,以及 My company 第一行的 JSON,写一段 200 字左右的话。Append row in sheet 在 Competitor analysis 里加一行,然后循环处理下一个对手。我们在 2026 年 11 月 2 日查过,两个 Actor 都还在。两次调用都是同步的,按 Apify 的 API 文档,这类调用 300 秒后就会被结束。
Schedule Trigger。提示词要的是过去一周,所以每周跑一次正好对得上。AI Agent 的 system message 和 Structured Output Parser 里的示例。两处一起改,再改 Append row in sheet 里的映射。Insights 的 system message,长度定在 200 字左右。My company 的第一行。用和对手同类的数据,智能体才能拿同类的东西比。OpenAI Chat Model,两个智能体和解析器共用。gpt-4.1-mini 智能体运行,解析器拒收回答时还要多一次修复调用。Explorium 的查询消耗额度,Tavily 每次搜索都计费,两个 Actor 在 Apify 上按结果计费。先从一个对手试起。gpt-4.1-mini,替代模型是 gpt-6-luna。在那之前,在 OpenAI Chat Model 里换成新模型。Website Traffic Growth 拿到的是一个自然流量数字,不是增长率。新域名的历史里可能没有第五项,这一列就会是空的。Employee Count 取的是 Actor 返回的 company_size 的第二项。第一次运行时看看这一项到底是什么。My company 的第一行会发给 OpenAI。README.md 7 KB workflow.json 19 KB
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
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。