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。
一个去掉 CSV 文件里个人信息列的 n8n 工作流。它盯着一个 Google Drive 文件夹,由 OpenAI 模型指出哪些列含有个人信息,再由 Code 节点删掉它们,清理后的文件放进第二个 Drive 文件夹。
由 AI 去掉 Google Drive CSV 文件里的个人信息列 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。
Google Drive 里的新文件
你盯着的 Drive 文件夹里出现一个文件时开始运行,带着:
第二个 Drive 文件夹里有一份清理后的 CSV 副本,不含模型点名的列
开始之前要准备好这些。
文件存储
发现每个新的 CSV 文件,下载它,并保存清理后的副本。
需要一个 Google 账号和两个 Drive 文件夹
语言模型
根据列名和第一行指出含有个人信息的列。
需要一个 OpenAI API 密钥
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流把 CSV 文件里的个人信息清掉。它盯着一个 Google Drive 文件夹,每个新的 CSV 文件都被读成行。一个 OpenAI 模型看列名和第一行,指出哪些列含有个人信息。一个 Code 节点把这些列删掉,清理后的文件进入第二个 Drive 文件夹。整个流程由九个节点完成,旁边还有一张便签。
要共享导出文件、想先把姓名、邮箱或电话拿掉的分析师、营销人员和客服团队。模型只凭一行来判断,所以它可能漏掉一列,也可能把无害的一列标出来。共享之前请先检查输出,并把原文件保密。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 营销 | 分析师 | 共享不含联系方式的活动导出文件 | 一位分析师把注册名单丢进文件夹,把清理后的副本分享给一家代理商。 |
| 客服 | 客服主管 | 把去掉客户列的工单数据发给供应商 | 一位主管在工单导出文件离开团队之前,先删掉姓名和邮箱列。 |
| 研究 | 数据团队 | 把一份问卷文件整理好,供更多人使用 | 一个团队在问卷导出文件进入共享空间之前先做清理。 |
| 运营 | 办公室主管 | 在对外提供之前整理文件 | 一位主管在合作方看到客户名单之前,先删掉其中的个人信息列。 |
你需要懂一点 n8n:导入一个文件,添加两个账号,并选两个 Drive 文件夹。文件里没有写设置要多久。
任何能访问 Google Drive 和 OpenAI 的 n8n 都能运行它。
OpenAI 里的模型点“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。先建好两个 Drive 文件夹。
| 需要 | 说明 |
|---|---|
| n8n | 在 n8n Cloud 上,或在你自己的服务器上 |
| 一个 Google 账号和两个 Drive 文件夹,一个用来盯着,一个放清理后的文件 | |
| OpenAI | 一个 API 密钥 |
workflow.json。Google Drive Trigger、Google Drive 和 Upload to Drive 里选中它。Google Drive Trigger 里选要盯着的文件夹。它不能是 Upload to Drive 写入的那个文件夹。Upload to Drive 里选放清理后文件的文件夹。OpenAI 里选中它。发布工作流,每次往被盯着的文件夹里丢一个 CSV 文件。触发器每分钟检查一次文件夹。清理后的副本在扩展名前加上 _PII_removed,落在第二个文件夹里。打开它,检查各列。
| 要改的 | 在哪里改 |
|---|---|
| 两个文件夹 | Google Drive Trigger 和 Upload to Drive |
| 什么算个人信息 | OpenAI 里的系统消息 |
| 模型 | OpenAI |
| 清理后文件的名字 | Remove PII columns 的代码 |
你把 customers.csv 丢进文件夹,它的列是 name、email、city 和 plan。
Google Drive Trigger 先看到这个文件,Google Drive 把它下载下来,Extract from File 把它的行变成条目。接着 OpenAI 读列名和第一行,回答 name, email。然后 Merge 把回答、文件名和各行放进同一个列表。最后 Remove PII columns 删掉这两列,Upload to Drive 把 customers_PII_removed.csv 存进第二个文件夹。
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。CSV 文件是一张文本表格,每行一条记录,第一行是列名。PII 指个人信息,例如姓名、邮箱地址或电话号码。
专家:Code 节点依赖合并后列表的顺序,所以请让三个输入保持原位。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Get filename | 一个 Split Out 节点,把 name 复制到 originalFilename,设成只运行一次 | 它只读一次轮询里的第一个文件 |
OpenAI | 一个 1.7 版 OpenAI 节点,用 gpt-6-luna 并输出 JSON,设成只运行一次 | 它拿到列名和第一行的值,以键 content 回答 |
Merge | 一个 3 版 Merge 节点,有三个输入,用默认模式 Append | 列表依次是列名的回答、文件名,然后是每一行 |
Remove PII columns | 一个 Code 节点,删掉点名的列并重新生成 CSV | 它会去掉值里的逗号,模型没点出任何列时它会报错停下 |
Upload to Drive | 一个用文本创建文件的 Google Drive 节点 | 名字是原名加上 _PII_removed |
你的一行数据会发给 OpenAI,而且模型只是在猜。
Extract from File 失败row[header] || '',所以数字 0 的单元格会变成空。Mindket 的副本改用 ??。文件夹 ID 是占位符。OpenAI 的弃用页面说 gpt-4o-mini 将于 2027 年 1 月 14 日停用,现已换成 gpt-6-lunagpt-6-luna 的 JSON 输出。它读的是 OpenAI 和 n8n 的文档以及 n8n 的源码一个去掉 CSV 文件里个人信息列的 n8n 工作流。它盯着一个 Google Drive 文件夹。每个新的 CSV 文件,都由一个 OpenAI 模型指出含有个人信息的列,再由 Code 节点把它们删掉。清理后的文件进入第二个 Drive 文件夹。
workflow.json:n8n 导出的工作流,9 个节点,另有 1 张便签。里面没有任何凭据。README.md:这份说明。gpt-4o-mini 将于 2027 年 1 月 14 日停用,OpenAI 的弃用页面(2026 年 11 月 12 日查看)这样说。它指定 gpt-6-luna 作替代,Mindket 的副本用它。这一步没有工具,所以关于该模型工具的注意事项不适用。row[header] || '',会把数字 0 的单元格变成空单元格。Mindket 的副本写成 row[header] ?? ''。workflow.json。Google Drive Trigger、Google Drive 和 Upload to Drive 里选中它。Google Drive Trigger 里选要盯着的文件夹。它不能是 Upload to Drive 写入的那个文件夹。Upload to Drive 里选放清理后文件的文件夹。OpenAI 里选中它。Google Drive Trigger 每分钟检查一次文件夹,有新文件就开始一次运行。Get filename 把文件名存进 originalFilename,Google Drive 下载文件。Extract from File 用默认操作读取 CSV,每一行返回一个条目。OpenAI 拿到列名和第一行。它用 JSON 回答,键是 content,值是用逗号隔开的列名。Get result 把这段文字复制进 data。Merge 把三个输入放进同一个列表,顺序是:回答、文件名、每一行。Remove PII columns 从第一个条目读列名,从第二个条目读文件名。它把这些列从各行里删掉,去掉值里的逗号,生成一个新的 CSV。Upload to Drive 把新文件存进第二个文件夹,名字在扩展名前加上 _PII_removed。Google Drive Trigger 和 Upload to Drive。OpenAI 里的系统消息。OpenAI。Remove PII columns 的代码。Get filename 和 OpenAI 设成只运行一次。它们只读一次轮询里的第一个条目,所以丢一个文件,等这次运行结束。Extract from File 失败。gpt-6-luna 的 JSON 输出。它读的是 OpenAI 和 n8n 的文档以及 n8n 的源码。NOTICE.md 702 B README.md 4 KB workflow.json 9 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。
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。