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。
一个回答发到 webhook 的顾客问题的 n8n 工作流。OpenAI 模型根据你填进一个节点里的公司信息作答,每个问题和回答都会记进一张 Google 表格。
支持聊天机器人 webhook,把对话记到 Google 表格 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。
Webhook
你的网站向这个 webhook 发出 POST 请求时开始,请求的 JSON 里要有:
一个 JSON 回复,包含回答、置信度和类别,每个问题还会记下一行
开始之前要准备好这些。
写回答
用 gpt-4o-mini 根据你的公司信息回答问题,并以 JSON 返回。
需要OpenAI API 密钥
聊天记录
为每个问题和回答保存一行,带上时间和类别。
需要一个用来登录的 Google 账号,以及一张有九个表头的表格
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流是一个通过 webhook 作答的小型客服机器人。你的网站发来顾客的问题。OpenAI 模型根据你填进一个节点里的公司信息作答,以 JSON 回复,带一个置信度数字和一个类别。工作流还会把问题和回答加进一张 Google 表格。它没有向量数据库,消息之间也没有记忆。干活的是六个节点,旁边还有一张便签。
想在自己的页面或应用后面放一个初版客服机器人、又不想维护知识库的小企业、原型开发者和代理公司。如果回答必须参考很多文档或更早的消息,就别选它,因为机器人只看到你写的简短公司信息和一个问题。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 电商 | 小店店主 | 在店铺网站上回答配送和退货问题 | 店主把配送时间贴进节点,机器人就能回答“什么时候到?”。 |
| 软件 | 初创团队 | 在帮助页或定价页放一个一线机器人 | 团队每周看一遍表格,了解哪些问题问得最多。 |
| 代理公司 | 网页设计公司 | 给客户一个能用的机器人,再附一份访客提问记录 | 代理公司为每个客户配一份,填上他们自己的信息。 |
| 服务业 | 诊所和美容店 | 回答营业时间和预约规则 | 一家美容店的页面在下班时间也能回答营业时间的问题。 |
你需要会一点 n8n:导入一个文件、添加两个凭据、补全一条消息里的三处空白,再调用一个 webhook。作者估计设置要 2 分钟左右。
任何你的网站或应用能访问到的 n8n 都能运行它,因为机器人在一个公开地址上作答。
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。先建好表格,再添加两个凭据。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个 API 密钥 |
| Google Sheets | 一个 Google 账号,以及一张有名为 Lite Conversations 的标签页和九个表头的表格 |
| 你的网站 | 能发出 POST 请求的东西 |
workflow.json。Lite Conversations,在第 1 行写上这些表头:Message ID、Session ID、Customer、Question、Answer、Confidence、Category、Received 和 Responded。Log to Sheets 里,把 YOUR_SHEET_ID 换成表格地址里的 ID,并选中一个 Google Sheets 凭据。AI: Generate Response 里选一个 OpenAI 凭据。<YOUR_COMPANY_NAME>、<YOUR_COMPANY_INFO> 和 <YOUR_SUPPORT_EMAIL>。尖括号要去掉。Receive Message 里显示的测试地址发一个 POST 请求。查看回复和表格。向 webhook 发一个 POST 请求,JSON 里有 message,另外可以有 session_id 和 customer_name。回复里有 answer、confidence 和 category。到表格里看顾客都问了些什么。
| 要改的 | 在哪里改 |
|---|---|
| 公司信息、语气和规则 | AI: Generate Response 里的系统消息 |
| 模型和回答长度 | 同一个节点 |
| 类别 | 系统消息里列出它们的那一行 |
| 回答记到哪里 | 把 Log to Sheets 换成别的节点 |
一家衬衫店页面的访客问:“你们几点营业?”网站带着名字 Sam 把问题发出去。
模型根据节点里的信息作答。工作流返回 answer、confidence 和 category,表格里多了一行,有问题、回答和两个时间。
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。webhook 是一个地址,有东西给它发数据时就会启动工作流。工作流从最后一个节点向发送方作答。
专家:Validate Input 从 body 读取请求。AI: Generate Response 是 OpenAI 节点,1.8 版,设为返回 JSON,Merge Response 既接受对象也接受文字形式的回复。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Validate Input | 检查消息并生成 ID | 短于 2 个字符的消息会让这次运行报错停止 |
AI: Generate Response | 向 gpt-4o-mini 要 JSON | 温度 0.3,上限 500 个 token |
Merge Response | 把回复和请求合在一起 | 读不出来的回复会变成一句礼貌的备用回答 |
Log to Sheets | 追加一行 | 和 Respond to Customer 并行,而不是排在它前面 |
任何知道 webhook 地址的人都能用它,机器人也没有记忆。
Receive Message 里加上 Header Authsession_id 只写进表格crypto 模块来生成 IDgpt-4o-mini-2024-07-18 列为 2027 年 1 月 14 日关停,替代模型是 gpt-6-luna一个通过 webhook 回答顾客问题的 n8n 工作流。你的网站或应用把问题作为 POST 请求发来。OpenAI 模型根据你填进一个节点里的公司信息作答,回复是 JSON,带一个置信度和一个类别。每个问题和回答还会加进一张 Google 表格。它没有向量数据库,消息之间也没有记忆。
workflow.json:n8n 导出的工作流,七个节点,其中六个运行,一个是便签。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。AI: Generate Response 原来是一个 n8n-nodes-base.openAi 节点,1.8 版。在 n8n 当前的源码里(2026 年 11 月 12 日查阅),这个类型只有 1 和 1.1 两个版本,用于旧式的文本补全调用。接收聊天消息的节点是 @n8n/n8n-nodes-langchain.openAi。副本用的是它的 1.8 版,设置相同:模型 gpt-4o-mini、两条消息、温度 0.3 和 500 个 token。Output Content as JSON 取代了旧的 responseFormat 设置。Merge Response 原来按文字读取,所以副本两种形式都接受。Validate Input 用 Node 的 crypto 模块生成 ID,而 Code 节点在实例不允许时会拒绝这个模块。副本用一个简短的函数生成两个 ID,不需要任何模块。Log to Sheets 又从第三个变量读取表格 ID。环境变量只有在你自己运行 n8n 时才能设置,所以副本改从节点里取这些值。占位符是 <YOUR_COMPANY_NAME>、<YOUR_COMPANY_INFO> 和 YOUR_SHEET_ID。规则 3 里的客服地址是 <YOUR_SUPPORT_EMAIL>。support-chatbot。Lite Conversations 的标签页的表格。它的第一行需要这些表头:Message ID、Session ID、Customer、Question、Answer、Confidence、Category、Received 和 Responded。workflow.json。Log to Sheets 里,把 YOUR_SHEET_ID 换成表格地址里的 ID,也就是 /d/ 和 /edit 之间的那一段。选中一个 Google Sheets 凭据。AI: Generate Response 里选中它。<YOUR_COMPANY_NAME> 换成你的名称,<YOUR_COMPANY_INFO> 换成机器人该知道的内容,<YOUR_SUPPORT_EMAIL> 换成它转交时给出的地址。尖括号要去掉。Receive Message 里显示的测试地址发一个请求: curl -X POST "<YOUR_N8N_URL>/webhook-test/support-chatbot" -H "Content-Type: application/json" -d '{"message":"What are your opening hours?","session_id":"demo-1","customer_name":"Sam"}'
/webhook-test/ 换成 /webhook/。Receive Message 接收路径 support-chatbot 上的 POST 请求。它之后才通过 Respond to Customer 作答。Validate Input 从请求体里读取 message 或 text。它取 session_id,缺少时会自己生成一个,还取 customer_name,缺少时用 Customer。短于 2 个字符的消息会让这次运行报错停止。AI: Generate Response 把系统消息和 Customer <name> asks: 加上问题发给 gpt-4o-mini。系统消息要求回答友好、简短、不超过 150 个词,并且只依据你的公司信息。模型必须回复 JSON,包含 answer、confidence 和 category,类别是 faq、billing、technical、complaint 或 other 之一。Merge Response 把这个回复和请求的字段合在一起。如果回复读不出来,它就回答 Sorry, I had trouble processing that. Please try again.,并把 confidence 设为 0。Log to Sheets 往 Lite Conversations 追加一行,Respond to Customer 把这些 JSON 字段返回给调用方:success、messageId、answer、confidence 和 category。两条分支同时从 Merge Response 出发。AI: Generate Response 里的系统消息。Log to Sheets。Log to Sheets 换成 Airtable、数据库或别的节点。Receive Message 里加上 Header Auth。别的网站上的页面还需要设置这个节点的 allowed origins。session_id 只会写进表格,所以机器人不记得之前的问题。confidence 是模型写的一个数字,不是测出来的值。没测试过就别拿它做分流。gpt-4o-mini-2024-07-18 列为 2027 年 1 月 14 日关停,替代模型是 gpt-6-luna。在这之前请在 AI: Generate Response 里换一个模型。NOTICE.md 636 B README.md 6 KB workflow.json 7 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。