DeepSeek-R1-GGUF
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
一个 n8n 工作流,通过 Twilio 回复你店铺的 WhatsApp 消息。一个 AI 智能体在 WooCommerce 里查库存和订单,在 Google Sheets 里登记客服工单,并记住每位顾客的对话。
WooCommerce 店铺的 WhatsApp 客服智能体 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 2 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。
WhatsApp 消息
有 WhatsApp 消息发到你的 Twilio 号码时开始运行,带着:
了解你库存和订单的 WhatsApp 回复,外加一张工单表,记下需要人工处理的问题
开始之前要准备好这些。
WhatsApp 消息
把每条收到的 WhatsApp 消息交给触发器,并用你的号码发出智能体的回复。
需要Twilio Account SID 和 Auth Token,以及一个 WhatsApp 发送方或 Sandbox
语言模型
为写每条回复、挑选工具的智能体运行 gpt-4.1-mini。
需要OpenAI API 密钥
店铺数据
作为智能体的两个工具,列出有货的产品,并按订单号返回订单。
需要店铺地址,以及 REST API 的 consumer key 和 secret
工单表格
把顾客的姓名、电话、邮箱和问题作为新的一行,记成一张工单。
需要一个用来登录的 Google 账号,以及一张有六个表头的表格
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流在 WhatsApp 上回复你店铺的顾客。消息到达你的 Twilio 号码,片刻之后一个 AI 智能体通过 Twilio 回复。智能体能查看 WooCommerce 里哪些商品有货,按订单号读取订单,还能在 Google Sheets 里登记客服工单。它记得每位顾客对话里最近 50 轮往来。文件原来有八个节点。Mindket 重做了其中一个,又加了第九个,因为它原来用的那项 OpenAI 服务已经关闭。
顾客更爱发消息而不是发邮件、又想让常见问题随时有人回复的小型 WooCommerce 店铺。它适合用一张表格管理客服的团队。如果每条回复都要你先审核,就别选它。智能体会自己作答。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 服装 | 店主 | 让顾客问哪些尺码和颜色有货 | 一家服装店的智能体告诉顾客一条裙子还剩哪些尺码。 |
| 家居和园艺 | 小型网店 | 凭订单号回答订单到哪儿了 | 顾客发来一个订单号,片刻之后就收到它的状态。 |
| 手工制品 | 在网上卖东西的手工艺人 | 把问题变成工单,第二天早上再看 | 一位手工艺人读完夜里的工单,给其中需要回电的两位打了电话。 |
| 电子产品 | 客服人员 | 让智能体先回第一句,再从工单接手 | 客服主管先读每张工单里的问题,再用邮件回复。 |
你需要懂一些 n8n,还要有一个开通了 WhatsApp 发送号码的 Twilio 账号,以及一个有 API 密钥的 WooCommerce 店铺。作者估计设置要 16 分钟左右,前提是账号都已备好。
一个已发布、Twilio 能访问到的 n8n。顾客给你店铺的 WhatsApp 号码发消息,回复就出现在同一个对话里。
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。先建好工单表格,准备好 WooCommerce 密钥。
| 需要 | 说明 |
|---|---|
| n8n | 已发布,并且 Twilio 能通过 HTTPS 访问到 |
| Twilio | 一个 Account SID 和 Auth Token,以及一个 WhatsApp 发送号码或 WhatsApp Sandbox |
| OpenAI | 一个 API 密钥。OpenAI Chat Model 用的是 gpt-4.1-mini |
| WooCommerce | 你店铺的地址,以及一对有读取权限的 REST API consumer key 和 secret |
| 一个能编辑这张表格的账号,用于 Google Sheets OAuth2 凭据 | |
| 一张表格 | 一个名为 Sheet1 的标签页,第一行有六个表头:Issue Number、Name、Phone Number、Email、Issue 和 Created |
workflow.json。Twilio Trigger 和 Send an SMS/MMS/WhatsApp message 里选中它。OpenAI Chat Model 里选中它。Get Inventory 和 Get Orders 里选中它。Create Tickets 里选中它,再把 YOUR_SHEET_ID 换成表格的 ID。Message a model 里,把系统消息中的 YOUR_SHOP_NAME 换掉,再加上你自己的规则:发货时间、退货、营业时间。原来的 Message a model 调用的是一个存放在作者 OpenAI 账号里的 assistant。OpenAI 的弃用页面(2026 年 11 月 2 日查阅)写明 Assistants API 于 2026 年 8 月 26 日关闭。所以这个节点现在是一个 AI Agent,名称、消息、记忆和工具都不变,配上一个新的 OpenAI Chat Model 和 Mindket 写的一段简短系统消息。
保持发布状态。每条发到你号码的消息都会发起一次运行。智能体随后判断这个问题要用三个工具里的哪一个,或者一个都不用,以及能不能直接从之前的对话里找到答案。问库存,就从 WooCommerce 读取所有有货的商品。给出订单号,就取回那张订单。它解决不了的投诉会变成表格里的一行,用创建那一刻的时间编号。然后回复通过 Twilio 发回去。
| 要改的 | 在哪里改 |
|---|---|
| 智能体的规则和语气 | Message a model 的系统消息 |
| 它记得多少 | Simple Memory 里的 Context Window Length,文件里是 50,按每个电话号码分别保存 |
| 工单字段 | Create Tickets 的列映射 |
| 它能看到哪些商品 | Get Inventory,返回每一件标为有货的商品 |
| 模型 | OpenAI Chat Model,设为 gpt-4.1-mini |
一位顾客给你的 WhatsApp 号码发消息。
Hi, my order 1042 still hasn't arrived after a week. Can someone check?
智能体用 1042 调用 Get Orders,读取订单状态,如果还在处理中,就用平实的话告诉对方。如果顾客要找人,它会问姓名和邮箱,调用 Create Tickets,再把工单号发回去。那一行是这样的:
| 列 | 值 |
|---|---|
| Issue Number | 1793612345678 |
| Name | Dana Ruiz |
| Phone Number | +15551234567 |
| dana@example.com | |
| Issue | Order 1042 not delivered after a week |
| Created | 2026-11-02T10:15:00.000+00:00 |
新手:n8n 把工作流画成一个个用线连起来的方框,每个方框叫一个节点,只做一件事。智能体是一个会自己决定调用哪个工具的节点。它的工具、记忆和模型用细线挂在它下面。先用 Twilio Sandbox 和你自己的手机测试,再到 Executions 下打开这次运行,看它调用了哪个工具。
专家:智能体的提示词是顾客发来的文字加上当前时间。它的记忆按发送者的号码保存,去掉了 whatsapp: 前缀。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Get Inventory | 列出每一件有货的商品 | 每次调用都会把整个商品目录发给模型,所以大店铺的提示词会很长 |
Get Orders | 按模型传来的订单号读取一张订单 | 没有任何检查确认订单属于提问的人 |
Create Tickets | 用模型给出的姓名、电话、邮箱和问题新增一行 | 电话号码是顾客打出来的那个,不是对方发消息用的号码 |
Remove Annotations | 去掉回复里用【】括起来的来源标记 | assistant 会加这种标记,智能体很少加 |
智能体的回复不经审核就发出,而且有一个工具能读取任何订单。
Get Orders 都会返回那张订单。告诉智能体,在透露任何内容之前,先把订单上的账单电话和发送者的号码对比一下Simple Memory 存在 n8n 内部,重启一次,每个对话的记录都会清空gpt-4.1-mini-2025-04-14)将于 2027 年 1 月 14 日从 API 下线,替代模型是 gpt-6-luna一个通过 Twilio 在 WhatsApp 上回复你店铺顾客的 n8n 工作流。一个 AI 智能体在 WooCommerce 里查库存、读订单,需要真人接手时在 Google Sheets 里登记一张客服工单,并记住每位顾客的对话。
workflow.json:工作流,九个节点,没有便签。里面没有任何凭据。README.md:这份说明,压缩包里的是英文版。Message a model 调用的是一个存放在作者 OpenAI 账号里的 assistant。OpenAI 的弃用页面(2026 年 11 月 2 日查阅)写明 Assistants API 于 2026 年 8 月 26 日关闭,所以这个节点已经无法运行。那个 assistant 的指令也从来不在文件里。现在它是一个 AI Agent 节点,名称、消息、Simple Memory 和三个工具都不变。一个新的 OpenAI Chat Model 让它跑在 gpt-4.1-mini 上,系统消息是 Mindket 写的一段短文字,里面有 YOUR_SHOP_NAME。Create Tickets 需要填 YOUR_SHEET_ID,并按名称 Sheet1 找到标签页。Sheet1 的标签页,第一行是这些表头:Issue Number、Name、Phone Number、Email、Issue、Created。workflow.json。Twilio Trigger 和 Send an SMS/MMS/WhatsApp message 里选中它。OpenAI Chat Model 里选中它。Get Inventory 和 Get Orders 里选中它。/d/ 和 /edit 之间那一长段。添加一个 Google Sheets OAuth2 凭据,在 Create Tickets 里选中它,再把 YOUR_SHEET_ID 换成这个 ID。Message a model。把系统消息中的 YOUR_SHOP_NAME 换掉,再加上你自己的规则:发货时间、退货、营业时间、什么时候转给真人。Twilio Trigger 收到消息。文字在 data.body,发送者在 data.from。Message a model 拿到文字和当前时间。Simple Memory 补上和这个电话号码最近 50 轮的往来。Get Inventory 列出每一件标为有货的商品。Get Orders 按模型传来的订单号读取一张订单。Create Tickets 新增一行:Issue Number 是以毫秒计的那一刻,Created 是时间,姓名、电话、邮箱和问题都来自模型。Remove Annotations 删掉用【】括起来的来源标记。原来的 assistant 会加这种标记,智能体很少加,所以留着它作为保险。Send an SMS/MMS/WhatsApp message 从顾客发消息的那个号码把回复发出去。Message a model 的系统消息。Simple Memory 里的 Context Window Length,文件里是 50。Create Tickets 的列映射。想记下顾客发消息用的号码,就把 {{ $('Twilio Trigger').item.json.data.from }} 映射到 Phone Number,替换模型给的值。OpenAI Chat Model,设为 gpt-4.1-mini。Get Orders 都会返回那张订单,不检查它是不是对方的。告诉智能体,在透露任何内容之前,先把订单上的账单电话和发送者的号码对比一下。Get Inventory 每次被调用,都会把你整个有货商品目录发给模型。大店铺要为很长的提示词付钱。Simple Memory 存在 n8n 内部,重启一次,每个对话的记录都会清空。gpt-4.1-mini-2025-04-14)将于 2027 年 1 月 14 日从 API 下线,替代模型是 gpt-6-luna。在那之前把 OpenAI Chat Model 的模型换掉。README.md 5 KB workflow.json 9 KB
Updated by Mindket to the current version of this kit.
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
prithivMLmods · 工具包
提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。
Phips · 工具包
用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。
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。