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。
一个通过第三方搜索服务 Xquik 在 X 上搜索一个短语,并把匹配的帖子整理成带编号的纯文字摘要的 n8n 工作流。它什么也不发送,也不保存任何东西。
通过 Xquik 把 X 搜索结果整理成文字摘要 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
什么都不会自动运行。你点击 Execute Workflow,它会用到:
一份匹配帖子的纯文字摘要,另有帖子列表和下一页的游标,都在最后一个节点的输出里
开始之前要准备好这些。
X 搜索
返回与你的搜索短语匹配的帖子。
需要Xquik API 密钥和额度
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流在 X 上搜索一个短语,并把匹配的帖子整理成一份纯文字摘要。你在一个设置节点里写下短语和帖子数量。搜索本身由 Xquik 完成,这是一个第三方服务。一个简短的代码步骤给每条帖子编号,并附上作者和链接。一共五个节点,其中一个是便签。
想快速了解大家如何谈论某个话题或品牌的营销人员、社区经理和创始人。如果你需要一个长期更新的信息流,就别选它,因为它在你点按钮时才运行,也不保存任何东西。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 营销 | 品牌经理 | 查看产品名称的提及 | 一位经理搜索一个产品名称,在一份列表里读十条帖子。 |
| 社区 | 社区经理 | 发现关于某个工具的提问 | 一位经理搜索某个工具的名字,发现一个没人回答的问题。 |
| 创业 | 创始人 | 关注发布短语 | 一位创始人在新版本发布后的早上搜索发布话题标签。 |
| 研究 | 分析师 | 抽样了解某个话题的观点 | 一位分析师在深入研究之前先取几条关于某个话题的帖子。 |
你需要会一点 n8n:导入一个文件、添加一个 Header Auth 凭据,再点一个测试按钮。
任何能访问 xquik.com 的 n8n 都能运行它。它在你点测试按钮时开始,不需要网页表单。
Search X with Xquik 这个请求换成任何返回帖子的服务点“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。你需要一个有额度的 Xquik 账号和它的 API 密钥。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| Xquik | 一个有额度的账号和一个 API 密钥 |
| 一个搜索短语 | 任何短语、话题标签或 X 搜索运算符 |
workflow.json。x-api-key,值设为你的 Xquik API 密钥。Search X with Xquik 里选中这个凭据。Search Settings 里,把你的短语填进 query,并设置 limit。Build Digest 的输出里读 digest 字段。改一下短语,再运行一次,读摘要。输出里还有 has_more 和 next_cursor,告诉你是否还有更多匹配的帖子。
| 要改的 | 在哪里改 |
|---|---|
| 短语 | Search Settings 里的 query |
| 帖子数量 | Search Settings 里的 limit |
| 摘要的版式 | Build Digest 里的代码 |
| 摘要去哪里 | 在 Build Digest 后面加一个邮件或聊天节点 |
一位营销人员把 query 设为 n8n automation,把 limit 设为 10。Xquik 返回最多十条匹配的帖子。摘要把它们列成带编号的条目,每条有正文、作者和链接,条目之间空一行。没有匹配时,摘要会说没有找到帖子。
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。HTTP Request 节点调用一个网络服务并保存它的回答。Header Auth 凭据保存一个密钥,n8n 会把它加到每个请求里。
专家:Search X with Xquik 把 q 和 limit 作为查询参数发出,超时 120 秒,Build Digest 从回答里读 tweets。每个值它都接受几种字段名,所以服务的回答稍有变化也不会让它出错。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Search Settings | 放短语和帖子数量 | 在这里改,不要在请求里改 |
Search X with Xquik | 调用 Xquik 的推文搜索 | 每返回一条帖子花 1 个额度 |
Build Digest | 整理每条帖子并生成文字 | 不保存也不发送 |
Mindket 的副本从凭据里读密钥,而且搜索服务是第三方。
XQUIK_API_KEY 环境变量里读密钥。n8n 2.0 的说明里写道,默认会阻止从 Code 节点访问环境变量,所以 Mindket 的副本改用 Header Auth 凭据has_next_page、createdAt 和 likeCount,而原文件读的是 has_more、created_at 和 metrics。代码现在先读 Xquik 的名字,旧名字留作后备limit 条的帖子,不会沿着 next_cursor 继续翻页一个在 X 上搜索一个短语,并把匹配的帖子整理成一份纯文字摘要的 n8n 工作流。你在一个设置节点里写下短语和帖子数量。搜索由第三方服务 Xquik 完成,一个简短的代码步骤给每条帖子编号,并附上作者和链接。什么也不发送,也不保存任何东西。
workflow.json:n8n 导出的工作流,5 个节点。四个在运行,一个是告诉你怎么添加密钥的便签。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。Search X with Xquik 原来在 X-API-Key 请求头里发送密钥,密钥从一个 XQUIK_API_KEY 环境变量里读取。n8n 2.0 的重大变更页面(2026 年 11 月 12 日查阅)写道,n8n 现在默认阻止从 Code 节点访问环境变量。所以这个请求改用 Header Auth 凭据,文件里没有密钥。Build Digest 原来读的是 has_more、created_at 和一个 metrics 对象。Xquik 的文档(2026 年 11 月 12 日查阅)列出的是 has_next_page、createdAt、likeCount、retweetCount 和 replyCount。代码现在先读 Xquik 的名字,旧名字留作后备。Mindket 读过 Xquik 的文档和 n8n 的源码。没有调用 Xquik,也没有在真实的 n8n 上运行。
from:、since: 和 until:,也支持话题标签、短语和 OR。workflow.json。x-api-key,值设为你的 Xquik API 密钥。Search X with Xquik,选中这个凭据。Search Settings,把你的短语填进 query,并设置 limit。Build Digest 的输出里读 digest 字段。Manual Trigger 开始这次运行。Search Settings 设置两个值:query,这份副本里是 n8n automation;limit,是 10。Search X with Xquik 向 Xquik 的推文搜索要匹配的帖子,把这两个值作为 q 和 limit 传过去,并通过凭据发送你的密钥。它最多等 120 秒。Build Digest 读 tweets 列表,保留每条帖子的 id、链接、正文、作者、日期和计数。帖子没有链接时,它用 id 拼一个。它写出 digest,一份带编号的纯文字列表,或一行说没有找到的提示。它还返回搜索短语、帖子数量、has_more 和 next_cursor。Search Settings 里的 query。Search Settings 里的 limit。Build Digest 里的代码。Build Digest 后面加一个邮件或聊天节点。limit 条的帖子。Xquik 的页面说,要拿下一页,就把 next_cursor 原样作为 cursor 传回去,这份副本没有这样做。NOTICE.md 595 B README.md 4 KB workflow.json 4 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。