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。
一个提出 SEO 种子关键词的 n8n 工作流。你用五个简短字段描述理想客户,Claude 模型返回 15 到 20 个核心关键词,每个一个条目,可以直接送到表格或数据库。
根据理想客户画像生成 SEO 种子关键词 是一款 n8n 工作流,属于营销类,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。
手动开始
你手动开始,需要:
一份 15 到 20 个小写种子关键词的清单,每个一个条目,可以直接送到表格或数据库
开始之前要准备好这些。
关键词模型
读取客户画像,返回种子关键词。
需要Anthropic API 密钥
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流帮你提出 SEO 种子关键词。你用五个简短的文本字段描述理想客户,Claude 模型就返回 15 到 20 个核心关键词,覆盖认知、考虑和决策三个阶段的搜索。每个关键词是一个条目,可以直接送到表格或数据库。干活的是八个节点,旁边还有八张便签。
刚开始做 SEO 计划、想先得到一份待研究主题清单的营销人员和创始人。如果你已经有 SEO 工具给出的关键词数据,就别选它,因为这份清单出自模型,没有搜索量。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 产品营销 | 从客户的需求出发开始内容计划 | 一位营销人员描述一款账单工具的客户,得到 18 个待核对的核心关键词。 |
| 创业 | 创始人 | 为博客找最初的主题 | 一位创始人贴上客户的痛点,写作之前先读这份清单。 |
| 代理 | SEO 顾问 | 在深入研究之前,为新客户起草种子词 | 一位顾问根据一次客户电话填好五个字段,再把清单发到表格里。 |
| 内容 | 编辑 | 得到符合读者所处阶段的选题 | 一位编辑要求得到覆盖认知和决策搜索的词。 |
你需要会一点 n8n:导入一个文件、添加一个 Anthropic 凭据,再填写五个文本字段。
任何能访问 Anthropic 的 n8n 都能运行它。它手动开始,关键词最后停在一个占位节点,由你接到自己的存储上。
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。你需要一个 Anthropic 密钥和一段客户的简短描述。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| Anthropic | 一个 API 密钥,或者你更喜欢的别的聊天模型 |
| 你的客户 | 产品、他们的痛点、他们的目标、现在怎样解决问题,以及专业程度 |
workflow.json。Anthropic Chat Model 里选中它。Set Ideal Customer Profile (ICP),把五段占位文字换掉:product、pain points、goals、current solutions 和 expertise level。Split Out 返回的条目,每个关键词一条。Connect to your own database 接到 Google Sheets、Airtable 或数据库节点,用来保存这份清单。填好画像再运行。换一个画像再运行一次,就得到另一个角度,留下你觉得合理的关键词。
| 要改的 | 在哪里改 |
|---|---|
| 业务类型 | AI Agent 里的系统消息和提示词,两处都写着 B2B SaaS |
| 关键词数量 | 规则和最后指令里的数字 |
| 模型 | Anthropic Chat Model,或别的聊天模型节点 |
| 关键词去哪里 | Connect to your own database 节点 |
一位产品营销人员为一款开票工具填字段。产品是面向自由职业者的在线开票,痛点是回款拖延和手动催款,客户是一位几乎没有财务知识的独立设计师。
模型先写出它的思路,再返回一份清单,比如“freelance invoicing software”和“how to chase late invoices”。Split Out 把清单拆成每个关键词一个条目。
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。种子关键词是一个宽泛的搜索词,之后再扩展成主题。AI 智能体是一个让聊天模型作答的节点,这里它还按固定的格式返回答案。
专家:Aggregate for AI node 把五个字段放进一个 data 条目,提示词把整个对象作为 JSON 文字发出去。Structured Output Parser 给智能体一个 thoughts 字符串和一个 answer 列表,所以 Split Out 能读取 output.answer。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Set Ideal Customer Profile (ICP) | 保存五个文本字段 | 要换掉的占位文字 |
AI Agent | 按提示词里的规则写关键词 | 2.2 版,带输出解析器 |
Structured Output Parser | 把回复整理成 thoughts 和 answer | Mindket 的副本加的 |
Split Out | 每个关键词一个条目 | 读取 output.answer |
文件里有几处错误,这份副本已修复,而这份清单只是模型的建议。
Split Out 找不到列表。Mindket 的副本加了一个 Structured Output Parserproduct 字段到了模型那里。Mindket 的副本把五个都发出去claude-3-5-sonnet-20240620,Anthropic 已于 2025 年 10 月 28 日停用它。Mindket 的副本指定了 claude-sonnet-5-5,在 2026 年 11 月 12 日列为可用一个提出 SEO 种子关键词的 n8n 工作流。你用五个简短的文本字段描述理想客户,Claude 模型就返回一份 15 到 20 个核心关键词的清单,覆盖认知、考虑和决策三个阶段的搜索。每个关键词是一个条目,可以直接送到表格或数据库。
workflow.json:n8n 导出的工作流,16 个节点,其中 8 个运行,8 个是便签,有 3 个已关闭。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。AI Agent 原来是 1.6 版、Conversational 模式。n8n 的源码(2026 年 11 月 12 日查阅)把这个模式标为已弃用,并会在 n8n v3 中移除。现在它是 2.2 版的 AI Agent。thoughts 文字和 answer 列表的 JSON,而 Split Out 读取 output.answer。原来的智能体把这段 JSON 当作普通文字返回,所以 Split Out 没有列表可拆。新加的 Structured Output Parser 节点给智能体这个格式:thoughts 是文字,answer 是字符串列表。product 字段发给模型,另外四个字段从没到达过模型。现在五个字段都作为 JSON 文字发出去。Anthropic Chat Model 没有指定模型,所以 n8n 用了它这个版本的默认值 claude-3-5-sonnet-20240620。Anthropic 已于 2025 年 10 月 28 日停用这个模型,并给出 claude-sonnet-5-5 作为替代。节点现在用 claude-sonnet-5-5,Anthropic 的页面在 2026 年 11 月 12 日把它列为可用。workflow.json。Anthropic Chat Model 里选中它。Set Ideal Customer Profile (ICP),把五段占位文字换掉。字段是 product、pain points、goals、current solutions 和 expertise level。Split Out 返回的条目,每个关键词一条。Connect to your own database 接到 Google Sheets、Airtable 或数据库节点,用来保存这份清单。When clicking ‘Test workflow’ 手动开始这次运行。Set Ideal Customer Profile (ICP) 保存五个文本字段。Aggregate for AI node 把它们收进一个 data 列表。AI Agent 把提示词和它带编号的规则发给模型。规则要求宽泛的核心词、难度和意图的搭配、相关工具、适用时的地区词,以及没有标点的小写文字。模型先写出它的思路,再给出答案。Structured Output Parser 把回复整理成 thoughts 和一个 answer 列表。Split Out 每个关键词拆成一个条目,Connect to your own database 把它们往下传。AI Agent 里的系统消息和提示词,两处都写着 B2B SaaS。Anthropic Chat Model,或者换成别的聊天模型节点。Connect to your own database。NOTICE.md 616 B README.md 4 KB workflow.json 12 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。
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
nerijs · 工具包
一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。
LiconStudio · 工具包
给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。