Nanosaur2-670M
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

一个 n8n 工作流,用 AI 智能体在 Gmail 里写回信草稿。它每分钟找出带着你的触发标签的对话,为最后一封邮件写一份回信草稿,再把标签去掉。
用 OpenAI 为带标签的 Gmail 对话写回信草稿 是一款 n8n 工作流,属于效率类,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。
每分钟一次
它按计时器每分钟运行一次,到你的 Gmail 里找活干:
每个带标签的对话里都有一份回信草稿在等着,供你阅读、修改和发出
开始之前要准备好这些。
电子邮件
列出带标签的对话,读出最后一封邮件,存下草稿并去掉标签。
需要一个 Gmail OAuth2 凭据和一个触发标签
语言模型
用 gpt-6-luna 为每个对话写回信文字。
需要一个 OpenAI API 密钥
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流用一个 AI 智能体在 Gmail 里写回信草稿。它每分钟查找带着你选定标签的对话,读出每个对话的最后一封邮件,请智能体写一封回信。回信会作为草稿存进同一个对话里,标签随后被去掉。干活的是十四个节点,旁边还有十张便签。
要回很多相似邮件、希望有一份初稿等着自己的客服团队和店铺。如果你想让回信不经检查就发出去,就别选它,因为这个工作流只存草稿。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 客服 | 客服人员 | 从一份草稿开始,而不是从空白开始 | 一位客服给一个对话打上标签,一分钟后发现里面已有一封得体的回信在等着。 |
| 零售 | 店主 | 更快地回答订单问题 | 一位店主看到一份回答发货问题的草稿,只改了一句话。 |
| 代理机构 | 客户经理 | 让回信的语气保持一致 | 一位经理把机构的语气描述了一次,之后每份草稿都照着它写。 |
| 自由职业 | 独立顾问 | 快速处理日常咨询 | 一位顾问给一封询价邮件打上标签,检查草稿之后再发出。 |
你需要懂一点 n8n:导入一个文件,添加两个凭据,在 Gmail 里建一个标签,并向智能体描述你的业务。
任何能访问 Gmail 和 OpenAI 的 n8n 都能运行它。它自己每分钟检查一次,所以你不用打开 n8n。
Write reply 里的 System Message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。先在 Gmail 里建好触发标签,因为你要在两个节点里选它。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud,或者你自己的服务器 |
| Gmail | 一个能读邮件、改标签并创建草稿的 Gmail OAuth2 凭据,以及一个用来标记对话的标签 |
| OpenAI | 一个 API 密钥,用于 OpenAI 凭据 |
workflow.json。Get threads with specific labels、Get thread messages、Get single message content、Add email draft to thread 和 Remove AI label from email 里选上它。OpenAI Chat Model 里选上它。Get threads with specific labels 和 Remove AI label from email 里,把 <YOUR_TRIGGER_LABEL_ID> 换成你自己的触发标签。Write reply 的 System Message 里描述你的业务和语气。给一个 Gmail 对话加上触发标签。一分钟之内,这个对话里就会出现一份回信草稿,标签也随之消失。打开草稿,改一改,再由你自己发出。草稿的收件人是最后一封邮件的发件人。
| 要改的 | 在哪里改 |
|---|---|
| 触发标签 | Get threads with specific labels 和 Remove AI label from email 里的标签 |
| 多久检查一次 | Schedule trigger (1 min) 里的间隔 |
| 内容和语气 | Write reply 里的 System Message |
| 模型 | OpenAI Chat Model 里的 Model |
一位店主给一个对话打上标签,里面有位顾客在问一份订单的情况。一分钟后,这个对话里有了一份草稿,是一封简短得体的回信,感谢顾客,并请对方提供订单号。
店主读了草稿,加上一个物流跟踪链接,然后发出。触发标签已经不在了,所以这个对话不会被再写一次草稿。
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。Gmail 对话是由好几封邮件组成的一段往来,草稿是存了但还没有发出的邮件。智能体是负责写回信文字的那个 AI 步骤。
专家:Gmail 的 API 要求原始邮件用 base64url 编码,所以 Build email raw 写出邮件头,Convert raw to base64 负责编码。Loop over threads 收集每个对话的最后一封邮件,它的 done 输出把后面的流程接起来。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Schedule trigger (1 min) | Schedule Trigger 1.1,每分钟一次 | 不需要时请把工作流关掉 |
Get threads with specific labels | Gmail 2.1,Thread,Get Many,返回全部结果 | 由触发标签决定选哪些对话 |
Loop over threads | Split In Batches 3 | 它的循环输出逐个读对话,它的 done 输出把最后的邮件带往后面 |
Get thread messages | Gmail 2.1,Thread,Get,只要邮件 | Return last message in thread 留下最后一封 |
Get single message content | Gmail 2.1,Get,完整邮件 | 它把纯文本交给智能体 |
Write reply | Agent 1.7,带系统消息,没有工具 | 它用 Markdown 作答 |
Convert response to HTML | Markdown 1,Markdown 转 HTML | 草稿正文是 HTML |
Build email raw | Set 3.3,把邮件头和正文写成一个字符串 | 它写出 To、Subject 和 Content-Type |
Convert raw to base64 | Code 2,对每个条目运行一次 | 它把字符串编码成 base64url |
Add email draft to thread | HTTP Request 4.1,向 Gmail 的草稿地址发 POST | 它用 Gmail 凭据和对话 id |
Remove AI label from email | Gmail 2.1,Thread,Remove Labels | 它在草稿存好之后运行 |
原来的文件调用了一个已经停用的服务,而且要先有你的标签才能安全地运行。
gpt-6-luna 上的 AI Agent,而那个助手的指令原来放在 OpenAI 的后台,所以请你自己在 Write reply 里写 System Message<YOUR_TRIGGER_LABEL_ID>。没有标签的话,列表会覆盖邮箱里的每个对话,工作流会给每个对话都写一份草稿Map fields for further processing 里存了一个邮件 id,但没有任何步骤用到它,所以去掉了一个 n8n 工作流,在 Gmail 里写回信草稿。它每分钟查找带着你选定标签的对话,请 AI 智能体为最后一封邮件写一封回信,并作为草稿存进同一个对话。随后标签被去掉,不会发出任何邮件。
workflow.json:n8n 导出的工作流,十四个干活的节点和十张便签。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。Write reply 的 AI Agent,配一个用 gpt-6-luna 的 OpenAI Chat Model。见“需要知道的”。Get threads with specific labels 和 Remove AI label from email 里的 <YOUR_TRIGGER_LABEL_ID>,由你自己选。Convert raw to base64 现在写出 base64url,这是 Gmail 的文档所要求的。Map fields for further processing 不再存一个没有任何步骤用到的邮件 id。workflow.json。Get threads with specific labels、Get thread messages、Get single message content、Add email draft to thread 和 Remove AI label from email 里选上它。OpenAI Chat Model 里选上它。Get threads with specific labels 和 Remove AI label from email 里,把 <YOUR_TRIGGER_LABEL_ID> 换成你自己的标签。Write reply 的 System Message 里描述你的业务和语气。Schedule trigger (1 min) 启动工作流。Get threads with specific labels 列出带着标签的对话。Loop over threads 一次取一个,Get thread messages 读出每个对话。Return last message in thread 留下最后一封邮件,Get single message content 把它完整读出。Write reply 请模型用 Markdown 写一封回信。Map fields for further processing 收集对话和回信,Convert response to HTML 把回信变成 HTML。Build email raw 写出邮件,Convert raw to base64 给它编码。Add email draft to thread 把草稿存进对话。Remove AI label from email 把触发标签去掉。Get threads with specific labels 和 Remove AI label from email 里的标签。Schedule trigger (1 min) 里的间隔。Write reply 里的 System Message。OpenAI Chat Model。Write reply 的 System Message。gpt-4o、gpt-4o-mini 和 gpt-4.1 的各个快照将在 2027 年 1 月 14 日停用,替代品是 gpt-6-luna。这个版本用的就是 gpt-6-luna。NOTICE.md 643 B README.md 4 KB workflow.json 15 KB
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
Waqf-AI · 工具包
读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。
Wan-AI · 工具包
根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。
Wan-AI · 工具包
用小型的 1.3B Wan2.1 模型根据文字提示词生成短的 480P 视频,已打包成 diffusers 库可用的形式。在约 8.19 GB 显存的消费级显卡上就能运行。
serendipitylabs · 工具包
在 CPU 或 CUDA GPU 上把马拉雅拉姆语语音转成文字,是 Serendipity Labs 的早期研究版本。适合想为简短清晰的录音生成转写草稿的人。
OrdenWills · 工具包
把“关掉电视”这样的日常家居指令变成结构化的工具调用,并先检查设备状态。这是一个 3.5 亿参数的模型,适合智能家居开发者和爱好者。