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 n8n 工作流:在 WhatsApp 商业号码上回复新的潜客,用 OpenAI 模型给他们评分,并给出可预约的时段。投诉会转给 Slack 里的团队,安静下来的聊天每小时会收到一次跟进。
带转人工和跟进的 WhatsApp 潜客筛选 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。
WhatsApp 消息
当 Meta 把客户的消息发到你的 webhook 时开始,另有每小时一次的定时任务负责跟进:
每个潜客都用自己的语言立刻得到回复,你的团队只看到需要真人处理的聊天
开始之前要准备好这些。
聊天应用
接收客户的消息,并送出回复和跟进。
需要一个带 WhatsApp 产品的 Meta 应用、号码 ID、访问令牌和已通过审核的模板
AI 模型
读每条消息,返回意图、语言、评分和回复。
需要一个 OpenAI 账号和密钥
电子表格
存放潜客和带任务的活动记录。
需要一个 Google 账号,和一张有 Leads、Activity 两个标签页的表格
团队聊天
把转人工、伪造调用或运行失败提醒给你的团队。
需要该频道的一个 incoming webhook
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流负责你的 WhatsApp 商业号码上与新潜客的第一轮对话。它先确认每次调用确实来自 Meta,丢掉重复的调用,并把每个聊天记在内存里。OpenAI 模型读消息,用客户的语言回复,并给潜客打分。预约请求会得到三个空闲时段,投诉会暂停 AI 并提醒 Slack 里的团队,安静下来的聊天每小时收到一次跟进。四十五个节点干活,旁边有两张便签。
大部分潜客来自 WhatsApp 的服务型企业,比如诊所、房产中介、家政服务和贸易公司。你需要一个 Meta 开发者应用、一个已通过审核的消息模板、一个 OpenAI 密钥、一张 Google 表格和一个 Slack incoming webhook。请先读下面关于正式运行的说明。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 家政服务 | 保洁和空调公司 | 任何时间回答价格问题并预约上门 | 客户深夜问深度保洁,得到你价目表里的价格和三个上门时段。 |
| 医疗 | 小诊所 | 接待最初的提问,把焦虑的患者转给员工 | 患者写到自己很痛,AI 暂停,前台收到 Slack 提醒。 |
| 房产 | 房产中介 | 经纪人打电话前先筛选买家 | 买家的区域和预算连同评分进入表格,经纪人先联系最好的潜客。 |
| 贸易 | 贸易公司 | 报价之后让潜客保持热度 | 安静了两小时的买家收到一条简短的跟进,隔了一天则收到已通过审核的模板。 |
你需要会一点 n8n 和 Meta 的工具:导入一个文件、设置回调地址、添加四个凭据,并在表格里建两个标签页。
任何有公网 HTTPS 地址的 n8n 都能运行它,因为 Meta 必须能访问 webhook。
Config 里的业务资料、时段和跟进文字点“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。你需要一个带 WhatsApp 产品的 Meta 开发者应用、一个 OpenAI 密钥、一张 Google 表格和一个 Slack incoming webhook。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud,或你自己的服务器,要有公网 HTTPS 地址 |
| Meta 应用 | WhatsApp 产品、号码 ID、访问令牌和应用密钥 |
| 消息模板 | 一个 Meta 已通过审核的模板,名为 lead_followup_v1,带一个正文参数 |
| OpenAI | 一个账号和一个密钥 |
| Google Sheets | 一张有 Leads 和 Activity 两个标签页的表格 |
| Slack | 接收提醒的频道的 incoming webhook |
workflow.json。Config 里填写 app_secret、phone_number_id、slack_webhook 和 business_profile,写上你自己的业务、区域、服务和价格。Verify token matches? 里,把 <YOUR_VERIFY_TOKEN> 换成一长串随机字符。用同样的方式填写 Config (follow-ups) 和 Config (errors)。WhatsApp API 节点里,添加一个名为 Authorization 的 Header Auth 凭据,值是 Bearer 加上你的访问令牌。OpenAI: intent and reply 里选你的 OpenAI 凭据。在 Webhook: run follow-ups now 里选你自己的 Header Auth 凭据。Leads 和 Activity 两个标签页,列名见 README。在每个 Google Sheets 节点里登录,并替换 <YOUR_SPREADSHEET_ID>。Webhook: Meta verification (GET) 的正式地址并填上你的验证令牌,再订阅 messages。工作流打开后,每条消息都会自动回复。在 Leads 标签页看评分,在 Activity 标签页看任务。预约任务 15 分钟内到期,转人工的任务也是 15 分钟内到期。
| 要改的 | 在哪里改 |
|---|---|
| 业务、区域和价格 | Config 里的 business_profile |
| 提供的时段 | Config 里的 open_hour 和 close_hour |
| 跟进前的安静时间 | Config 里的 nudge_after_min |
| 模板名称 | Config 里的 followup_template |
| 转人工的规则 | OpenAI: intent and reply 里的系统提示 |
| 跟进的文字 | WhatsApp API: free-form nudge |
一家保洁公司回复一条深夜咨询。
晚上 11 点,一位客户问深度保洁多少钱。签名核对无误,模型按价目表用一条简短的消息回答,并把这个潜客打 6 分。第二天早上,同一位客户问周五能不能来。回复里带着三个空闲时段,Activity 标签页里出现一条给前台的任务,15 分钟内到期。同事确认上门时间。
新手:n8n 把工作流画成用线连起来的方框,每个方框叫节点,只做一件事。webhook 是一个地址,有事发生时别的服务会来调用它。签名是一段代码,用来证明这次调用来自 Meta。这个工作流在那个地址上等着,并决定怎么处理每条消息。
专家:签名是对原始请求体校验的,聊天记忆放在工作流的静态数据里,以发送者的 ID 为键。用了 WhatsApp 用户名的人可能没有电话号码,所以回复按 recipient 发送。
| 节点 | 作用 | 要知道 |
|---|---|---|
Verify signature, parse, dedupe, remember | 校验 X-Hub-Signature-256,丢掉重复的调用,保留每个聊天最近十轮 | 静态数据只在工作流开启时保存,它也不是数据库 |
Route event | 把调用分成消息、状态、重复、退订、真人接管的聊天或伪造调用 | 退订的人之后发来任何消息都算回来了 |
OpenAI: intent and reply | 以 JSON 返回意图、语言、评分、回复和两个标志 | 模型是 gpt-6-luna,单次调用,不带工具 |
Offer the next three slots | 在营业时间内挑出工作日的下三个小时 | 它不读日历 |
Find quiet conversations | 为每个聊天选普通文字、模板或不发消息 | 由 Meta 的 24 小时窗口决定 |
这里没有任何一步在 Meta、OpenAI、Google 或 Slack 上真正运行过,而模型写给的是真实客户,所以先用你自己的手机测试。
Config 里,正文只带一个值,也就是名字recipient 回复band karo 会把人标为已退订。之后他再写任何内容,都算回来了一个在 WhatsApp 商业号码上回复新潜客的 n8n 工作流。OpenAI 模型读每条消息,用客户的语言回复,并给潜客打分。
预约请求会得到三个空闲时段,投诉会转给 Slack 里的团队,安静下来的聊天每小时会收到一次跟进。
workflow.json:n8n 导出的工作流,45 个工作节点和两张便签。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。Config 里叫 base。它涵盖 WhatsApp、模型、CRM、日历和 Slack。现在每次调用都去真正的服务,见下面各条。https://graph.facebook.com/v27.0/。这个版本号来自 Meta 文档里的示例(2026 年 11 月 12 日查阅)。gpt-6-luna,并要求返回 JSON。没有对 OpenAI 做过任何运行,所以请先测试。Leads 和 Activity。日历现在是一个 Code 节点,在 Config 设定的营业时间内给出接下来的三个小时,它不读日历。from_user_id 里的 ID,并用 recipient 代替 to 回复。lead_followup_v1,如果两种语言都用,则英语和乌尔都语各一个。Leads 和 Activity 两个标签页的表格。workflow.json。Config,填写 app_secret、phone_number_id、slack_webhook 和 business_profile。写上你自己的业务名、区域、服务以及每项的价格。Verify token matches?,把 <YOUR_VERIFY_TOKEN> 换成你自己的一长串随机字符。Config (follow-ups) 和 Config (errors),替换同样的占位符。WhatsApp API 开头的节点里,添加一个名为 Authorization 的 Header Auth 凭据,值是 Bearer <你的访问令牌>。OpenAI: intent and reply 里选你的 OpenAI 凭据。在 Webhook: run follow-ups now 里选你自己的 Header Auth 凭据。Leads 标签页,列为 wa_id、contact、name、language、lead_score、service、area、intent、opted_out 和 updated_at。再建 Activity 标签页,列为 time、wa_id、kind、text 和 due。<YOUR_SPREADSHEET_ID> 换成你的表格。Webhook: Meta verification (GET) 的正式地址,填上你的验证令牌,并订阅 messages。Verify signature, parse, dedupe, remember 把 X-Hub-Signature-256 头和原始请求体核对。伪造的调用得到 401 和一条 Slack 提醒。Route event 给调用分类。送达状态直接确认。STOP、UNSUBSCRIBE、CANCEL 或 band karo 会把这个人标为已退订。真人接管的聊天只会在 Slack 里提醒一下。OpenAI: intent and reply 返回意图、语言、0 到 10 的评分、一条回复和两个标志。Sheet: save the lead 和 Sheet: log the exchange 写入潜客和这一轮对话。Intent route 选三条路之一。问候或价格回答原样发出。预约请求得到带三个空闲时段的回复和一条 15 分钟内到期的任务。要找真人的请求会暂停这个聊天的 AI,提醒 Slack,并加一条回电任务。Find quiet conversations 查看每个安静了 120 分钟的聊天。24 小时内发一条普通文字,之后发已通过审核的模板。一个聊天只会被跟进一次,直到对方再次来信。Config 的 business_profile 里。提示词要求模型不要编造资料以外的价格、服务或区域。Config 里的 open_hour 和 close_hour。周末在 Offer the next three slots 里被跳过。nudge_after_min,模板名称是 followup_template。WhatsApp API: free-form nudge 里。OpenAI: intent and reply 的系统提示里。Webhook: run follow-ups now 手动启动,在请求体里带上 force 就会忽略安静时间。Config 里,正文要带一个值,也就是名字。recipient 发送。Activity 标签页里的任务行确认。<YOUR_META_APP_SECRET>、<YOUR_PHONE_NUMBER_ID>、<YOUR_SLACK_WEBHOOK_URL>、<YOUR_VERIFY_TOKEN> 和 <YOUR_SPREADSHEET_ID>。NOTICE.md 719 B README.md 8 KB workflow.json 65 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。