Mindket

每日竞争对手动态,并与你的公司对比

新上架第 1 版 · 更新于

概览

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。

速览

用在
  • n8n Cloud:导入文件,添加凭据,然后发布
  • 你自己的 n8n 服务器:同一个文件,计划按服务器的时区执行
  • Google Sheets:每次运行为每个对手新增一行,标签页就成了一份历史记录
  • 聊天或邮件工具:在 Append row in sheet 后面加一个节点,把每段分析发出去

平台

连接 5 个应用

运行方式

触发

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:

  • 公司名称
  • 公司域名

动作

  1. 读取 Competitor details 里的竞争对手,一次处理一家
  2. 一个智能体通过 Explorium 收集过去一周的动态,再用 Tavily 找到它的 LinkedIn 主页
  3. Apify 返回 LinkedIn 粉丝数、员工规模和一个自然流量数字
  4. 第二个智能体把这些结果和 My company 的第一行做对比
  5. 调研结果和一段分析作为新的一行加进 Competitor analysis

结果

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

集成

开始之前要准备好这些。

Google Sheets

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

OpenAI

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

Explorium

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

Tavily

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

Apify

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

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
11 个步骤,按计划启动
AI
2 个步骤调用 AI 模型:AI Agent、Insights
登录
需要登录:Google Sheets、OpenAI、Apify
API 密钥
文件里没有留下 API 密钥;有 1 处留空,需填入你自己的密钥
步骤类型
Mindket 的检查器能读懂它全部 7 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。

适合谁

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。

谁在用,怎么用
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。

用在哪里

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。

  • n8n Cloud:导入文件,添加凭据,然后发布
  • 你自己的 n8n 服务器:同一个文件,计划按服务器的时区执行
  • Google Sheets:每次运行为每个对手新增一行,标签页就成了一份历史记录
  • 聊天或邮件工具:在 Append row in sheet 后面加一个节点,把每段分析发出去

设置

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。

先准备好这些
需要说明
n8nn8n 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
Google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
表格的三个标签页
标签页列
Competitor detailsCompany 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 analysisCompany、Website Traffic Growth、Content Output、Ad Activity、Product Launch Frequency、Partnerships Integrations Added、LinkedIn Followers、Employee Count、Press Mentions PREvents、Technology Stack Changes、Insights
  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. 建好有三个标签页的表格,复制它的 ID:地址里 /d/ 和 /edit 之间那一长串。
  3. 添加 Google Sheets OAuth2 凭据。在 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。
  4. 添加 OpenAI 凭据,在 OpenAI Chat Model 里选中它。
  5. 打开 Explorium,用你的 Explorium 令牌添加一个 Bearer Auth 凭据并选中它。
  6. 在 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。
  7. 在 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。
  8. 在 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。

如何使用

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。

想要不同的效果,改这里
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

示例

你在 Competitor details 里放一个对手,在 My company 里写上你自己的数据。

运行前的两个标签页
标签页行
Competitor detailsCompany name:Northwind Analytics。Company domain:northwind.example
My companyLinkedIn 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。

新手与专家

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。

每一行背后的调用
节点调用要知道的
ExploriumMCP 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 countApify 上 anchor 的 LinkedIn Profile Scraper读取 follower_count 和 company_size 的第二项
Website visitsApify 上 radeance 的 Ahrefs Scraper,只开流量读取 website_traffic_history 第五项里的 organic
Insightsgpt-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。

注意事项

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。

  • 费用:每个对手 OpenAI 要收两次 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
  • 停用的模型:OpenAI 将于 2027 年 1 月 14 日停用 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
  • Explorium 额度:它的登录说明页提供 100 个额度的免费试用,并说明额度用完后调用会失败
  • 流量: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
  • 员工: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
  • 重叠:提示词要过去一周的动态,计划却每天运行,所以同一条消息可能连着几天出现。改成每周一次就和提示词一致了
  • 历史:行只会追加,不会更新,标签页太长时就清掉旧的
  • 你的数据:对手的名称和域名会发给 OpenAI、Explorium、Tavily 和 Apify,My company 的第一行会发给 OpenAI
  • 你的密钥:Tavily 密钥和 Apify 令牌写在请求头里,分享工作流之前先把它们删掉
  • 凭据:JSON 里没有任何凭据,也没有作者表格里的任何东西

README 和文件

README

每日竞争对手动态,并与你的公司对比

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。

包里有什么

  • 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。

我们相对原来的副本改了什么

  • 作者的表格和三个标签页的 ID 都已删掉。三个 Google Sheets 节点改为要 YOUR_SHEET_ID,并按名称找标签页:Competitor details、My company 或 Competitor analysis。
  • Authorization 请求头原来写的是 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。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个能用 gpt-4.1-mini 的 OpenAI API 密钥。
  • 一个有额度的 Explorium 账号,以及它的 MCP 服务器认可的令牌。
  • 一个 Tavily 账号和它的 API 密钥。
  • 一个 Apify 账号和它的 API 令牌,额度要够两个 Actor 用。
  • 一个 Google 账号,以及一张有三个标签页的 Google 表格(见下文)。

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. 按下面的说明建好有三个标签页的表格,复制它的 ID:地址里 /d/ 和 /edit 之间那一长串。
  3. 添加 Google Sheets OAuth2 凭据。在 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。
  4. 添加 OpenAI 凭据,在 OpenAI Chat Model 里选中它。两个智能体和解析器都用它。
  5. 打开 Explorium,用你的 Explorium 令牌添加一个 Bearer Auth 凭据并选中它。
  6. 在 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。
  7. 在 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。
  8. 打开 Schedule Trigger,定好日期和钟点。文件里没设,所以它每天午夜运行。
  9. 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。

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。

表格

| 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。

一次运行的过程

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. Get row(s) in sheet1 读取 My company,Aggregate 把它的各行收成一个列表。
  6. 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。
  7. 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。

改变风格

  • 运行频率:Schedule Trigger。提示词要的是过去一周,所以每周跑一次正好对得上。
  • 调研找什么: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。
  • 对比怎么写:Insights 的 system message,长度定在 200 字左右。
  • 你的基准: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。
  • 模型:OpenAI Chat Model,两个智能体和解析器共用。

注意事项

  • 每个对手要花两次 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。
  • OpenAI 将于 2027 年 1 月 14 日停用 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。
  • Explorium 的登录说明页提供 100 个额度的免费试用,并说明额度用完后调用会失败。
  • 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。
  • 行只会追加,不会更新,所以标签页会留下历史,每次运行都会变长。时不时清掉旧的行。
  • 提示词里有几处原来副本里的笔误,比如 "tody"。它们不影响智能体做的事,所以没改。
  • 对手的名称和域名会发给 OpenAI、Explorium、Tavily 和 Apify。My company 的第一行会发给 OpenAI。
  • Tavily 密钥和 Apify 令牌写在请求头里,分享工作流之前先把它们删掉。
文件
README.md  7 KB
workflow.json  19 KB

2 个文件,共 26 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-03

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

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。

新上架

Qwen2.5-7B-Instruct-GGUF

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。

新上架

ACE-Step 1.5 XL SFT

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。

新上架

商务类的相似商品

查看商务类的全部商品

pplx-decider-v1.1-27b

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。

新上架

NuExtract3

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。

新上架

Drex DLM

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。

新上架