Nanosaur2-670M
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
一个 n8n 工作流:一次性在你的 Gmail 里搜索 PayPal、Apple、Google Play 和 Klarna 等七个付款渠道的收据,读出每笔金额和卡号尾数,每封邮件一行写进 Google 表格,不用 AI。
把 Gmail 里的付款渠道审计结果写进 Google 表格 是一款 n8n 工作流,属于财务类,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。
手动运行
你选择 Execute workflow 时开始运行,先要确认一个设置:
一份 Google 表格,按付款渠道列出每封收据和付款通知,附金额、币种、卡号尾数和证据等级
开始之前要准备好这些。
邮件来源
运行七个只读搜索,并返回每封邮件的主题、发件人、日期和摘要。
需要一个 Gmail OAuth2 凭据
电子表格
为每封邮件追加一行。
需要一个 Google Sheets OAuth2 凭据,和一个叫 rails 的标签页
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流让你看清钱是怎么从你的收件箱里流走的。你手动运行它。它先设定一个开始日期,再同时运行七个 Gmail 搜索,每个付款渠道一个:PayPal、Apple、Google Play、Google Pay、Stripe 或 Paddle、SEPA 直接扣款和 Klarna。一个 Code 步骤从每封邮件里读出金额、币种和信用卡后四位,并把它标为已核实或不确定。每封邮件变成 Google 表格里的一行。它不用 AI,不下载任何附件,也不改动你的邮箱。十二个节点负责运行,另有四个便签。
通过好几个渠道为工具付费的自由职业者和小企业主,他们想在取消任何订阅之前,把这些渠道并排看清楚。如果你需要精确的合计,就别选它。它只读邮件的主题和摘要。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 自由职业 | 个人专业人士 | 找出 PayPal、Apple 和 Google 上的所有订阅 | 一位设计师按渠道给表格排序,发现两个被遗忘的套餐。 |
| 小企业 | 店主 | 在年底前复盘企业付费的工具 | 一位店主查看软件全家桶是由哪个渠道付的款。 |
| 软件 | 独立开发者 | 把商店费用和工具成本分开 | 一位开发者把 Stripe 和 Paddle 的行与 Google Play 的行放在一起对照。 |
| 个人理财 | 家庭 | 复盘直接扣款和绑卡付款 | 一个家庭把 SEPA 和 Klarna 的邮件列在同一个地方。 |
你需要懂 n8n 的设置:导入文件、添加两个凭据、设定日期,再给表格起个名字。
能访问 Gmail 和 Google Sheets 的 n8n 都能运行它。
rails 的标签页,一开始可以是空的点“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。设置就是两个凭据、一个表格 id 和一个日期。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| Gmail | 一个 OAuth2 凭据,对应要搜索的邮箱 |
| Google Sheets | 一个 OAuth2 凭据,和一张有叫 rails 的标签页的表格 |
workflow.json。Gmail 开头的七个节点里选中它。Append sheet 里选中它。把 <YOUR_SHEET_ID> 换成你表格的 id。Set window 里,把 WINDOW_AFTER 设成开始搜索的日期,写成 YYYY/MM/DD。运行一次,读 rails 标签页。按渠道排序,再读 evidence 列,然后才取消任何东西。之后用新的开始日期再运行一次。
| 想改的 | 在哪里改 |
|---|---|
| 开始日期 | Set window 里的 WINDOW_AFTER |
| 每个渠道搜什么 | 每个 Gmail 节点里的 q 搜索 |
| 每个渠道返回多少封邮件 | 每个 Gmail 节点里的上限 |
| 什么算证据 | Classify rails 里的代码 |
你的 PayPal 搜索找到了一张按月订阅的工具的收据。
rail: PayPal | amount: € 12,50 | currency: EUR | last4: 4242 | evidence: VERIFIED
这一行还包括作为商家的主题、邮件的日期、发件人和一段简短的摘要。Google Pay 的“卡已添加”通知,证据记为 UNCERTAIN,因为它不是一笔扣款。
新手:n8n 把工作流画成用线连起来的方框,每个方框叫一个节点,只做一件事。这个工作流先搜索,等所有搜索结束,给每封邮件打标签,再写入行。先用较短的日期范围运行一次,看看有哪些列。
专家:七个搜索汇入一个有七个输入的 Merge 节点,由一个 Code 步骤完成读取。
| 节点 | 它做什么 | 要知道的 |
|---|---|---|
Gmail PayPal 和另外六个 | 每个搜索一个渠道 | 每个的上限都是 200,并且总会往下传出一项 |
Wait for all rails | 有七个输入的 Merge | 它等每个搜索结束,哪怕某个搜索是空的 |
Classify rails | 每封邮件生成一行 | 它读取 Subject、From 和 internalDate |
Append sheet | 追加这些行 | 用 Append Row,因为空标签页里没有可匹配的列 |
表格里显示的是 Gmail 所知道的,这和你的银行对账单不是一回事。
一个 n8n 工作流,描绘钱是怎么从你的收件箱里流走的。一次运行中,它在你的 Gmail 里搜索七个付款渠道的收据和付款通知:PayPal、Apple、Google Play、Google Pay、Stripe 或 Paddle、SEPA 直接扣款和 Klarna。一个 Code 步骤从每封邮件里读出金额和信用卡后四位,并把它标为已核实或不确定。每封邮件变成 Google 表格里的一行。它不用 AI 模型,不下载任何附件,也不改动你邮箱里的任何东西。
workflow.json:n8n 导出的工作流,十六个节点,其中四个是便签。里面没有任何凭据。README.md:这份说明。maxResults 的选项去要 200 封邮件,而 Gmail 节点没有这个选项。没设上限时,节点返回 50 封。现在每个节点都设了上限 200。Classify rails 读取的是键 subject、from 和 date。简化后的 Gmail 输出把它们叫作 Subject 和 From,并把日期给成以毫秒计的 internalDate。现在代码两种写法都读,并把毫秒换成日期,所以商家、发件人和最后一次扣款这几列都有内容。Append sheet 原来用的是 Append or Update Row,它需要一个用来匹配的列,没有就会停下。现在它用 Append Row,这正是便签里描述的做法。REPLACE_SHEET_ID,现在是 <YOUR_SHEET_ID>。原来写着 REPLACE 的凭据 id 已去掉。REPLACE。rails 的标签页的 Google 表格。标签页可以是空的:n8n 会在第一次运行时写入列名。workflow.json。Gmail 开头的七个节点里选中它。Append sheet 里选中它。把 <YOUR_SHEET_ID> 换成你表格的 id,也就是它的地址里 /d/ 与 /edit 之间的那一段。Set window,把 WINDOW_AFTER 设成你想从哪天开始搜索,写成 YYYY/MM/DD。evidence 列。When clicking ‘Execute workflow’ 启动这次运行,Set window 里存着开始日期。Wait for all rails 是一个有七个输入的 Merge 节点。它等每个搜索都结束。Classify rails 跳过空项,并为每封邮件生成一行。一行包含渠道、商家(也就是主题)、金额、币种、日期、信用卡后四位、证据、一条备注、发件人和一段摘要。Append sheet 把这些行加到 rails 标签页。q 搜索。要加新渠道,就加一个 Gmail 节点,在 Classify rails 的 rails 列表里加一行,并把 Wait for all rails 的输入数加一。Set window 里的 WINDOW_AFTER。Classify rails 里的代码。2025/08/01 本来是想覆盖约 13 个月。到 2026 年 11 月 12 日,它覆盖约 15 个月。请把它设成你想要的日期。NOTICE.md 618 B README.md 5 KB workflow.json 15 KB
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
Waqf-AI · 工具包
读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。
Wan-AI · 工具包
根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。
NeoQuasar · 工具包
用一个 4.1M 参数、基于 45 多家交易所数据训练的基础模型来预测金融 K 线序列。适合想用小模型做价格预测实验的量化研究人员和开发者。
一个 n8n 工作流:发票逾期 7、14、30 天时,各发一条希伯来语 WhatsApp 提醒。它每天早上从 Google 表格读出未付款的发票,消息发出后给对应的行做标记。
一个归档发票的 n8n 工作流。它盯着一个 Google Drive 文件夹,把每个新文件交给 LlamaParse 读取,再由 OpenAI 模型取出明细行,Airtable 里得到一条发票记录和每个明细行各一条记录。