Mindket

OpenAI 按网址里的请求生成的网页

新上架第 1 版 · 更新于

概览

一个用页面回应网址的 n8n 工作流。网址里带着一个请求,比如一个注册表单,OpenAI 先把它设计成结构化数据,第二步再写出 HTML,浏览器就拿到这个页面。

OpenAI 按网址里的请求生成的网页 是一款 n8n 工作流,属于开发类,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。

速览

用在
  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 浏览器:打开加了 query 的生产地址
  • 测试地址:在 Webhook 节点等待测试事件的时候打开它

平台

连接 1 个应用

运行方式

触发

网页请求

浏览器打开带着一个请求的 webhook 地址时开始运行:

  • 你想要的页面,写在地址的 query 部分

动作

  1. OpenAI(gpt-6-luna)按一份严格的结构把页面设计成一棵 JSON 树
  2. 第二个 OpenAI 步骤把这棵树变成 HTML 和标题
  3. HTML 节点把它们包进一个会加载 Tailwind 的完整页面
  4. webhook 把这个页面作为 HTML 回复

结果

浏览器里显示出一个按请求生成的页面

集成

开始之前要准备好这些。

OpenAI

语言模型

运行两次 gpt-6-luna:一次按严格的结构设计页面,一次把设计变成 HTML。

需要OpenAI API 密钥

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
5 个步骤,由 Webhook 调用启动
AI
1 个步骤调用 AI 模型:OpenAI JSON to HTML
登录
需要登录:OpenAI
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 5 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流把链接里的一句话变成一个网页。有人打开工作流的地址,后面带着 query,比如 a signup form。OpenAI 先按一份严格的结构,把页面作为一棵元素树返回。第二个 OpenAI 步骤把这棵树变成标题和 HTML。最后一个节点把它们包进一个会加载 Tailwind 的完整页面,工作流再把它发给浏览器。干活的是五个节点,旁边还有两张便签。

适合谁

想试试结构化输出的开发者和设计师,以及想用一句平常的话快速得到一个草图的人。如果你要原样发布一个页面,就别选它。结果只是粗糙的草稿,而且每次运行都不一样。

谁在用,怎么用
行业谁在用怎么用例子
软件开发者在一个看得见结果的任务上试 OpenAI 的结构化输出一位开发者改了结构里的元素清单,看着页面跟着变。
设计设计师从一行文字得到第一个版式想法一位设计师要了一个面包店的价目页,从中取了版式的点子。
教育老师展示一个严格的结构怎样塑造模型的回答一位老师把那棵树和它变成的页面放在一起比较。
代理公司原型搭建者在做任何设计之前,先给客户看一个粗糙的页面一位搭建者打开一个落地页的链接,把草稿分享出去。

你需要懂一点 n8n:导入文件、在两个节点里添加同一个 OpenAI 凭据,再打开一个链接。

用在哪里

任何能访问 OpenAI、又能被浏览器访问到的 n8n 都能运行它。页面出现在打开链接的那个浏览器里。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 浏览器:打开加了 query 的生产地址
  • 测试地址:在 Webhook 节点等待测试事件的时候打开它

设置

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。一个 OpenAI 密钥管两次模型调用。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器,并且能从浏览器访问到
OpenAI一个能用 gpt-6-luna 的 API 密钥
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 OpenAI Structured Output 和 OpenAI JSON to HTML。用你的密钥添加一个 OpenAI 凭据,并在两个节点里都选上它。
  3. 保存,打开 Webhook,复制它的测试地址,在末尾加上 ?query=a%20signup%20form。在节点等待测试事件的时候,用浏览器打开它。
  4. 页面看起来没问题之后,点 Publish,用同样的方式使用生产地址。

如何使用

打开地址,后面写上 ?query= 和你的请求,空格写成 %20。两次模型调用都结束后,浏览器会显示成品页面。

想要不同的效果,改这里
要改的在哪里改
模型第一个节点请求体里的 model,和第二个节点里的 Model
设计师的要求第一个节点请求体里的系统消息
模型可以用的元素同一个请求体里结构中的 enum 清单
页面的外框Format the HTML result 里的 HTML
谁可以请求Webhook 的身份验证选项

示例

有人打开地址,后面带着 ?query=a%20pricing%20page%20for%20a%20bakery。

OpenAI 返回一棵由标题、区块和按钮组成的树,带着 Tailwind 的类名。第二步写出 HTML 和标题,浏览器就显示出一个为那家面包店做的、有样式的页面。

新手与专家

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。这个工作流是从链接到页面的一条直线。打开一次链接,再打开这次运行,读第一次模型调用返回的那棵树。

专家:第一次调用把 response_format 强制设成一份名为 ui 的严格 JSON 结构,第二次要的是一个带 html 和 title 的 JSON 对象。

值得细看的地方
节点做什么要知道的
Webhook版本 2,通过一个 Respond to Webhook 节点回复它接收 GET,允许任何来源,没有身份验证
OpenAI Structured OutputHTTP Request 4.2,向 https://api.openai.com/v1/chat/completions 发 POSTquery 作为用户消息放进去,并为 JSON 做了转义
OpenAI JSON to HTMLOpenAI 1.3,向模型发消息,开着 JSON 输出它的输出按 message.content.html 和 message.content.title 读取
Format the HTML resultHTML 1.2,在标题和标记外面包一个完整页面页面从 https://cdn.tailwindcss.com 加载 Tailwind
Respond to Webhook版本 1.1,以文本回复它把内容类型设成 HTML,字符集是 UTF-8

注意事项

任何拿到地址的人都能用你的密钥发起一次运行,而且模型写出的页面会在访问者的浏览器里运行。

  • 模型:OpenAI 的弃用页面(2026 年 11 月 12 日查阅)把 gpt-4o 和 gpt-4o-mini 的带日期快照列为 2027 年 1 月 14 日停用,替代的是 gpt-6-luna。Mindket 的版本在两个步骤里都用 gpt-6-luna,它的模型页面列出了 Chat Completions 和结构化输出
  • 温度:原来的第二步设了 0.2。模型页面没提温度,所以 Mindket 的版本把它去掉了
  • 速度:OpenAI 的页面给 gpt-6-luna 的默认推理强度是 medium,所以一个页面可能要久一点
  • 修复:原来把 query 不加转义地放在引号之间,所以一个引号或换行就会让请求出错。Mindket 的版本做了转义
  • 开放的地址:webhook 没有身份验证,所以任何拿到地址的人都能用你的密钥发起一次运行。分享之前,请先打开它的某种身份验证
  • 脚本风险:有人为了作恶而写了 query 的链接,可能让模型写出在你 n8n 地址上运行的脚本,所以只分享给你信任的人
  • 费用:每个页面是两次模型调用
  • 你的数据:query 会发给 OpenAI
  • 凭据:JSON 里没有任何凭据

README 和文件

README

OpenAI 按网址里的请求生成的网页

一个用页面回应网址的 n8n 工作流。地址里带着一个 query,比如 a signup form。OpenAI 先把页面作为一棵结构化的元素树返回,第二个 OpenAI 步骤把这棵树变成 HTML,工作流再把 HTML 发给浏览器。

包里有什么

  • workflow.json:n8n 导出的工作流,五个干活的节点和两张便签。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。

我们相对原来的副本改了什么

  • 第一个请求原来用的是 gpt-4o-2024-08-06,第二步用的是 gpt-4o-mini。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)把它们的带日期快照列为 2027 年 1 月 14 日停用,替代的是 gpt-6-luna。现在两处都用 gpt-6-luna。它的模型页面列出了 Chat Completions 和结构化输出。
  • 第二步原来设了 0.2 的温度。gpt-6-luna 的模型页面没提温度,所以这个选项已删掉。如果你的账号接受,可以在 Options 里加回去。
  • 请求体原来把访问者的 query 不加转义地放在引号之间,所以 query 里的一个引号或换行就会让请求无效。现在 query 先经过 JSON.stringify(...).slice(1, -1)。
  • 有两个节点的名字原来带着前后有空格的连字符,现在叫 OpenAI Structured Output 和 OpenAI JSON to HTML。
  • 凭据关联和 webhook ID 已删掉,工作流保存为未激活。
  • 别的都没改。

开始之前

  • 一个能从使用它的浏览器访问到的 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个能用 gpt-6-luna 的 OpenAI API 密钥。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 OpenAI Structured Output 和 OpenAI JSON to HTML。用你的密钥添加一个 OpenAI 凭据,并在两个节点里都选上它。
  3. 保存,打开 Webhook,复制它的测试地址,在末尾加上 ?query=a%20signup%20form。在节点等待测试事件的时候,用浏览器打开它。
  4. 页面看起来没问题之后,点 Publish,用同样的方式使用生产地址。

一次运行的过程

  1. Webhook(版本 2)接收这个 GET 请求。它通过一个 Respond to Webhook 节点回复,它允许的来源是 *。
  2. OpenAI Structured Output(HTTP Request 4.2)带着访问者的 query,向 https://api.openai.com/v1/chat/completions 发 POST。一条系统消息让模型扮演一位用 Tailwind 的界面设计师兼文案。回复必须符合一份名为 ui 的严格 JSON 结构:一个取自固定 HTML 和 SVG 名称清单的元素 type、一个 label、一份同样结构的 children 清单,以及一份 attributes 清单。
  3. OpenAI JSON to HTML(OpenAI 1.3,向模型发消息,开着 JSON 输出)把这棵树变成一个带 html 和 title 的 JSON 对象。
  4. Format the HTML result(HTML 1.2)把标题和标记放进一个完整页面,页面从 https://cdn.tailwindcss.com 加载 Tailwind 的脚本。
  5. Respond to Webhook(版本 1.1)把页面作为文本发出去,带着标头 Content-Type: text/html; charset=UTF-8。

改变风格

  • 模型:第一个节点请求体里的 model,和第二个节点里的 Model。
  • 设计师的要求:第一个节点请求体里的系统消息。
  • 模型可以用的元素:同一个请求体里结构中的 enum 清单。
  • 页面的外框:Format the HTML result 里的 HTML。
  • 谁可以请求:Webhook 的身份验证选项。

注意事项

  • 每个页面要两次模型调用。每次运行的页面都不一样,结果只是粗糙的草稿。
  • gpt-6-luna 会先推理再回答(OpenAI 的页面给的默认强度是 medium),所以它可能比它所替代的模型慢一些。
  • webhook 没有身份验证。任何拿到地址的人都能用你的密钥发起一次运行。
  • 模型写出的东西会作为页面发给浏览器。有人为了作恶而写了 query 的链接,可能让它写出在你 n8n 地址上运行的脚本,所以请打开身份验证,或者只把地址分享给你信任的人。
  • 每次打开页面,它都会从一个公开地址加载 Tailwind。
  • query 会发给 OpenAI。
文件
NOTICE.md  696 B
README.md  4 KB
workflow.json  8 KB

3 个文件,共 13 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

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。

新上架