Mindket

用 AI 筛选并总结 Reddit 上讲某个话题的帖子

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,按关键词搜索 Reddit,留下有点赞的近期帖子,让 OpenAI 检查每个是不是讲这个话题,并写一句话摘要。

用 AI 筛选并总结 Reddit 上讲某个话题的帖子 是一款 n8n 工作流,属于研究类,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:在那里导入文件,手动运行
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Reddit:搜索
  • OpenAI:话题检查和摘要

平台

连接 2 个应用

运行方式

触发

手动运行

在 n8n 里点 Execute Workflow,它就开始运行:

  • 关键词,在 Reddit 里设置
  • 检查时用的主题,写在 OpenAI Classify 的提示里
  • 点赞数和时间范围,在 IF 里设置

动作

  1. 按关键词搜索 Reddit,最新的在前
  2. 丢掉超过一周、没有正文或点赞不到五个的帖子
  3. OpenAI 判断剩下的每个帖子是不是讲这个主题
  4. OpenAI 给每个讲这个主题的帖子写一句话摘要
  5. 保留摘要、点赞数、子版块、日期和链接

结果

一份关于这个主题的近期 Reddit 帖子清单,每个带一句话摘要

集成

开始之前要准备好这些。

Reddit

搜索

返回提到关键词的新帖子。

需要一个 Reddit 应用凭据

OpenAI

判断和摘要

判断帖子是不是讲这个主题,并写摘要。

需要一个 OpenAI API 密钥

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
10 个步骤,手动启动
AI
没有步骤调用 AI 模型
登录
需要登录:Reddit、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 6 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 工作流帮你盯着 Reddit 上的一个话题。它在整个 Reddit 里搜索提到某个关键词的新帖子,文件里设的关键词是 n8n。它留下有正文、至少有五个点赞的近期帖子。OpenAI 检查每个帖子是不是讲这个话题,并给讲这个话题的写一句话摘要。运行它的是十个节点,旁边还有四张便签。

适合谁

想简短了解大家怎么说一个产品或一个领域的社区经理和创始人。如果你拿不到 Reddit 的 API 权限,或者帖子文字不能发给 OpenAI,就别选它。

谁在用,怎么用
行业谁在用怎么用例子
社区社区经理找到讲自家产品的帖子一位经理看到哪些新帖子提到了产品,说了什么。
产品产品团队收集用户反馈一个团队读每个提出问题的帖子的一行摘要。
营销品牌团队跟踪提及一位品牌负责人留着一份提到品牌的帖子清单。
研究分析师长期跟踪一个话题一位分析师汇总一周里讲某项技术的帖子。

你需要懂一点 n8n,有一个 Reddit 应用和一个 OpenAI 密钥:导入文件、添加两个凭据,再设好关键词。

用在哪里

任何能访问 Reddit 和 OpenAI 的 n8n 都能运行它。结果是 n8n 里的一串条目,你可以接着把它们发到表格或消息里。

  • n8n Cloud:在那里导入文件,手动运行
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Reddit:搜索
  • OpenAI:话题检查和摘要

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。设置需要两个凭据和一个关键词。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
Reddit一个给 n8n 的 Reddit 节点用的应用凭据
OpenAI一个 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. 添加一个 Reddit 凭据,在 Reddit 里选中它。
  3. 添加一个 OpenAI 凭据,在 OpenAI Classify 和 OpenAI Summary Backup 里选中它。
  4. 想盯别的话题,就改 Reddit 里的关键词,以及 OpenAI Classify 提示里写的话题。
  5. 点 Test workflow。

如何使用

点 Test workflow。通过筛选的帖子从 SetFinal 出来,带着摘要、点赞数、子版块、日期和链接。先用一个搜出来很少的关键词试一试。

想要不同的效果,改这里
要改的在哪里改
话题Reddit 里的关键词和 OpenAI Classify 里的提示
筛选条件IF
摘要OpenAI Summary Backup 里的提示
什么时候运行触发节点

示例

一位社区经理搜一个自托管工具的名字。Reddit 返回一百个新帖子,其中很多只是顺带提了一下这个名字。

筛选条件丢掉了旧的、太短的和得分低的。OpenAI 说出剩下的里哪些是讲这个工具的,摘要读起来像一行行小标题,各带子版块和链接。

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。这里一个方框搜 Reddit,一个方框筛选,一个方框问 OpenAI 是或否,一个方框写摘要。先拿一个只有几条帖子的关键词试一试。

专家:两个 AI 步骤是指向 Chat Completions 的 HTTP Request。两个 Merge 节点按位置把每个答案和帖子的详情连起来,最后一个优先取它的第一个输入。

值得细看的地方
节点做什么要知道的
Reddit在整个 Reddit 里搜索,最新的在前不动的话,这个节点最多返回 100 个帖子
OpenAI Classify要一个是或否它用的是 gpt-6-luna,并把推理强度设成 none
IF1答案里含 No 就结束这次运行它读的是 choices[0].message.content
Merge1把摘要和详情连起来它优先取输入 1,所以摘要的 choices 胜出

注意事项

每个帖子只读前 500 个字符,所以更靠后才提到话题的帖子会被漏掉。

  • 修复:两个 AI 步骤原来是 n8n 较早的 OpenAI 文本节点,它的默认模型 gpt-3.5-turbo-instruct,OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出已在 2026 年 9 月 28 日关闭。现在它们是指向 Chat Completions 的 HTTP Request,用 gpt-6-luna
  • 编辑步骤:被禁用的 OpenAI Summary 节点用的端点已在 2024 年 1 月关闭,所以删掉了
  • 费用:按默认上限,一次运行最多可能有 200 次 OpenAI 调用
  • 权限:Reddit 在 2025 年 11 月宣布了 Responsible Builder Policy,要求新的 API 用户先申请批准,它的 Data API 条款要求商业用途另签协议
  • 没有运行:这个版本没有对 Reddit 或 OpenAI 运行过
  • 你的数据:每个帖子的文字会发给 OpenAI
  • 凭据:JSON 里没有任何凭据

README 和文件

README

用 AI 筛选并总结 Reddit 上讲某个话题的帖子

一个 n8n 工作流,在整个 Reddit 里搜索提到某个关键词的新帖子,文件里设的关键词是 n8n。它留下有正文、至少有五个点赞的近期帖子,让 OpenAI 判断每个帖子是不是讲这个话题,并给讲这个话题的写一句话摘要。

包里有什么

  • workflow.json:n8n 导出的工作流,十四个节点:十个会运行的和四张便签。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

  • 凭据的关联都删掉了。请为 Reddit 和 OpenAI 选你自己的。
  • 两个 AI 步骤原来是 n8n 较早的 OpenAI 文本节点,它用默认模型 gpt-3.5-turbo-instruct 调用 completions 接口。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出这个模型已在 2026 年 9 月 28 日关闭,替代模型是 gpt-5.6-terra,而 gpt-5.6-terra 的模型页面显示旧的 completions 端点不受支持。所以这两步现在是指向 Chat Completions 的 HTTP Request 节点,用 gpt-6-luna,并使用你的 OpenAI 凭据。
  • 两次调用都把推理强度设成 none,并限制回复的长度(是或否那一步 max_completion_tokens 为 32,摘要那一步为 128),所以回答又短又快。
  • 被禁用的 OpenAI Summary 节点用的是 edit 端点。OpenAI 的弃用页面列出 edit 模型和 /v1/edits 已在 2024 年 1 月 4 日关闭,所以这个节点删掉了。
  • 回答原来以 text 或 choices[0].text 的形式到来。现在是 choices[0].message.content,IF1 和 SetFinal 都从那里读。
  • 摘要和前面的回答都有 choices 这个字段。默认情况下最后一个合并会留下前面那个,所以 Merge1 现在在顶层优先取它的第一个输入,也就是摘要。
  • 叫 What we learned 的那张便签写的是旧节点的 token 默认值和两个链接。它换成了一张讲这些改动的简短便签。
  • 别的都没改。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个给 n8n 的 Reddit 节点用的 Reddit 应用凭据。Reddit 在 2025 年 11 月 11 日宣布了 Responsible Builder Policy,要求新的 API 用户先申请批准,所以依赖这个权限之前请读一读它现行的条款。它的 Data API 条款(最后修订于 2026 年 7 月 20 日)要求商业用途另签协议。
  • 一个 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. 添加一个 Reddit 凭据,在 Reddit 里选中它。
  3. 添加一个 OpenAI 凭据,在 OpenAI Classify 和 OpenAI Summary Backup 里选中它。
  4. 想盯别的话题,就改 Reddit 里的关键词,以及 OpenAI Classify 提示里写的话题。
  5. 点 Test workflow。

一次运行的过程

  1. When clicking "Execute Workflow" 手动开始这次运行。
  2. Reddit 在整个 Reddit 里搜索这个关键词,最新的在前。你不动它的上限,这个节点最多返回 100 个帖子。
  3. IF 留下点赞至少五个、有正文、日期在最近七天内的帖子。
  4. Set 保留点赞数、子版块的大小、正文的前 500 个字符、子版块、日期和链接。
  5. OpenAI Classify 问这个帖子是不是讲这个话题,回答 Yes 或 No。Merge 按位置把这个回答和详情连起来。
  6. 答案里含 No 时,IF1 结束这个帖子的运行。其余的由 OpenAI Summary Backup 写一句话摘要,Merge1 把它和详情连起来。
  7. SetFinal 保留点赞数、子版块的大小、子版块、作为 bulletSummary 的摘要、日期和链接。

改变风格

  • 话题:Reddit 里的关键词和 OpenAI Classify 里的提示。
  • 筛选条件:IF 里的点赞数、时间范围和空正文的判断。
  • 摘要:OpenAI Summary Backup 里的提示。
  • 输出什么:SetFinal 里的字段,或者在它后面加一个节点,写进表格或发消息。
  • 什么时候运行:把手动触发换成定时触发。

注意事项

  • 每个帖子只读前 500 个字符。更靠后才提到话题的帖子会被漏掉,工作流自带的便签也是这么说的。
  • 每个通过筛选的帖子要花一次 OpenAI 调用做检查,讲这个话题的还要再花一次写摘要。按这个节点的默认上限,一次运行最多可能有 200 次调用。
  • 是或否的判断是看答案里任何位置有没有 No。回复里加了别的词,就按这个判断。
  • 这个版本没有对 Reddit 或 OpenAI 运行过。
  • 每个帖子的文字会发给 OpenAI。
  • JSON 里没有任何凭据。
文件
NOTICE.md  569 B
README.md  5 KB
workflow.json  11 KB

3 个文件,共 17 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

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

Qwen2.5-7B-Instruct-GGUF

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。

新上架

ACE-Step 1.5 XL SFT

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。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架