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
概览
一个带聊天窗口的 n8n 工作流。OpenAI 智能体回答你的问题，通过 SerpApi 搜索 Google 找最新信息，在 Wikipedia 里查词条，并记住最近 20 次交流。
用 Google 搜索和 Wikipedia 作答的聊天机器人 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
- 更多工具：给智能体再接一个工具节点，比如计算器或网页阅读器
- 其他渠道：把触发器换成 n8n 的 Chat Trigger，就能把同一个智能体放到一个聊天页面上
平台
运行方式
触发
聊天窗口
你在画布上点 Chat 并发送消息时开始运行，消息里有：
- 任何一个用平常话写的问题
动作
- AI Agent 读你的问题，同时读记忆里最近 20 次交流
- 它判断是凭自己所知作答，还是用一个工具
- 需要最新信息时，SerpApi 运行一次 Google 搜索
- 需要背景时，Wikipedia 返回一篇条目的文字
- 模型根据工具返回的内容，在聊天里写出回答
结果
一个可以借助 Google 搜索和 Wikipedia 的聊天回答，并且记得你之前的问题
集成
开始之前要准备好这些。
OpenAI
语言模型
以 0.3 的温度运行 gpt-4o-mini，决定用哪个工具，并写出每个回答。
需要OpenAI API 密钥
SerpApi
网页搜索
通过它的搜索工具，为智能体运行 Google 搜索。
需要SerpApi API 密钥，放在一个 SerpApi 凭据里
Wikipedia
参考资料
为智能体在 Wikipedia 里查词条。
需要什么都不需要：没有账号，也没有密钥
工作流检查
由 Mindket 于 2026年11月13日检查
- 步骤
- 2 个步骤，由 Manual Chat 事件启动
- AI
- 1 个步骤调用 AI 模型：AI Agent
- 登录
- 需要登录：SerpApi、OpenAI、Manual Chat
- 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 2 种步骤类型
关于
它是什么
这个 n8n 工作流是一个会查资料的聊天助手。你打开 n8n 的 Chat 窗口提问。由 OpenAI 聊天模型驱动的 AI Agent 来回答，路上它可以用两个工具：通过 SerpApi 的 Google 搜索，以及 Wikipedia。一个记忆节点把最近 20 次交流交给它，所以追问时它还记得前面说过什么。六个节点完成这些事，旁边还有三张便签。
适合谁
想要带搜索支撑的快速回答的研究人员、写作者和好奇的团队，也适合想弄懂智能体怎么在工具之间做选择的人。如果你要给访客做聊天机器人，就别选它。它在 n8n 自己的 Chat 窗口里运行，记忆也只有一个共享的会话。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 分析师 | 提一个问题，得到一个由最新搜索和 Wikipedia 背景拼成的回答 | 一位分析师问一家公司的最新消息和它的简短历史。 |
| 写作和媒体 | 作者和编辑 | 写下一个事实或名字之前先核对一下 | 一位作者问一座桥是哪年通车的、由谁建造。 |
| 教育 | 老师和学生 | 演示智能体怎么挑工具，再在同一个地方试别的工具 | 一位老师先问一个要搜索的问题，再问一个要背景的问题。 |
| 小企业 | 店主 | 每周问同一个问题，盯住一个对手或一个话题 | 一位店主问对手这周发布了什么。 |
你需要会一点 n8n：导入文件、添加两个凭据，并打开 Chat 窗口。文件里没有写设置要多久。
用在哪里
任何能访问 OpenAI 和 SerpApi 的 n8n 都能运行它。Wikipedia 什么都不需要。
- 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
- 更多工具：给智能体再接一个工具节点，比如计算器或网页阅读器
- 其他渠道：把触发器换成 n8n 的 Chat Trigger，就能把同一个智能体放到一个聊天页面上
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。两个账号就够完成所有步骤。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个聊天模型用的 API 密钥 |
| SerpApi | 一个账号和它的 API 密钥，用于 Google 搜索工具 |
| Wikipedia | 什么都不用：没有账号，也没有密钥 |
- 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中
workflow.json。 - 添加 OpenAI 凭据，在
Chat OpenAI里选中它。 - 用你的 API 密钥添加 SerpApi 凭据，在
SerpAPI里选中它。 - 打开
Chat OpenAI。它调用的是gpt-4o-mini，OpenAI 的弃用页面（2026 年 11 月 12 日查看）给出的停用日期是 2027 年 1 月 14 日，替代模型是gpt-6-luna。请在那之前换成替代模型。 - 保存，在画布上点 Chat，问一个需要最新事实的问题。
如何使用
点 Chat，输入问题并发送。智能体凭已有的知识作答，或者先去搜索。接着追问，它面前仍有最近 20 次交流。在 Chat 窗口里打开智能体的日志，就能看到它调用了哪个工具。
| 要改的 | 在哪里改 |
|---|---|
| 模型和它的温度 | Chat OpenAI，文件里是 gpt-4o-mini，温度 0.3 |
| 记多少 | Window Buffer Memory 里的 contextWindowLength，是 20 |
| 工具 | SerpAPI 和 Wikipedia：关掉一个，或再接一个 |
| 搜索 | SerpAPI 的选项：国家、语言、Google 域名和设备 |
| 智能体的角色 | AI Agent 选项下的一条系统消息，文件里是空的 |
示例
你问某家公司这周的新闻，还有它的简短历史。
智能体通过 SerpApi 在 Google 上搜新闻，再读 Wikipedia 里的历史，然后在聊天里写出一个回答。接着你问“现在是谁在管它？”，记忆会让它知道你指的是哪家公司。重要的内容请自己核对，因为搜索结果可能已经过时，也可能有误。
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。智能体在中间，接着三样东西：一个模型、一个记忆和两个工具。用哪个工具由它自己决定。先问一个需要搜索的问题，再问一个需要背景的问题，看它各选了哪一个。
专家：工具作为子节点挂在智能体下面，智能体的提示读的是触发器发来的字段。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
AI Agent | 1.6 版，Tools Agent，提示设为 {{ $json.input }} | Manual Chat Trigger 1 把消息放在 input 里。n8n 的 Chat Trigger 发的是 chatInput，所以换了触发器就要改提示 |
Window Buffer Memory | 1 版，固定的会话键 chat_history | 这个工作流里的所有聊天共用这一个会话，放在 n8n 的内存里 |
SerpAPI | n8n 通过 SerpApi 做 Google 搜索的工具 | 它的选项默认是国家 us、语言 en、google.com 和桌面设备 |
Wikipedia | n8n 搜索 Wikipedia 的工具 | 它不需要凭据 |
注意事项
要留意的是一份共享的记忆和两个外部工具。
- 记忆：这个工作流里的所有聊天共用一个会话
chat_history，n8n 重启后它就清空了 - 计费：每个问题至少计一次模型调用，用到工具的问题至少计两次。每次搜索都计入你的 SerpApi 套餐
- 模型：OpenAI 会在 2027 年 1 月 14 日停用
gpt-4o-mini，所以第 4 步要换成它的替代模型 - 准确性：智能体根据工具返回的内容作答，而搜索结果可能有误或已经过时
- 你的数据：问题发给 OpenAI，搜索词发给 SerpApi。Wikipedia 能看到智能体查了什么
- 在哪里运行：在编辑器里的 n8n Chat 窗口运行。文件里没有任何东西会打开公开的聊天
- 凭据：这个 JSON 里没有任何凭据，原始副本里
SerpAPI也没有带凭据
README 和文件
用 Google 搜索和 Wikipedia 作答的聊天机器人
一个带聊天窗口的 n8n 工作流。一个 AI Agent 用 OpenAI 聊天模型回答你的问题，自己的知识不够时可以用两个工具：通过 SerpApi 的 Google 搜索，以及 Wikipedia。一个记忆节点保留最近 20 次交流，所以追问时可以接着前面说过的话。
里面有什么
workflow.json：n8n 导出的工作流，6 个节点，另有 3 张便签。里面没有任何凭据。README.md：这份说明。
我们对原始副本做了哪些改动
节点保持原始副本里的样子。Mindket 给这个文件起了名字，并且没有留下任何凭据。原始副本里 SerpAPI 本来就没有凭据，所以这个节点到你手里时没有选中任何凭据。
开始之前
- 一个 n8n 实例，n8n Cloud 或你自己的服务器都行。
- 一个 OpenAI API 密钥。
- 一个 SerpApi 账号和它的 API 密钥。
- Wikipedia 不需要账号，也不需要密钥。
设置步骤
- 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中
workflow.json。 - 添加 OpenAI 凭据，在
Chat OpenAI里选中它。 - 用你的 API 密钥添加 SerpApi 凭据，在
SerpAPI里选中它。 - 打开
Chat OpenAI。它调用的是gpt-4o-mini。OpenAI 的弃用页面（2026 年 11 月 12 日查看）给出这个模型的停用日期是 2027 年 1 月 14 日，并指定gpt-6-luna作为替代。请在那之前换成替代模型。 - 保存，在画布上点 Chat，问一个需要最新事实的问题。
一次运行是怎么走的
On new manual Chat Message在你于 Chat 窗口发送消息时开始一次运行。AI Agent是 Tools Agent，1.6 版。它的提示是{{ $json.input }}，正是这个触发器放消息的字段。Chat OpenAI是它的模型：gpt-4o-mini，温度 0.3。Window Buffer Memory用会话键chat_history，把最近 20 次交流交给智能体。SerpAPI让智能体能搜索 Google。Wikipedia让它能在 Wikipedia 里查词条。- 智能体决定用哪个工具，或者一个都不用，然后在聊天里作答。
想改样子，改这里
- 模型和它的温度：
Chat OpenAI。 - 记多少：
Window Buffer Memory里的contextWindowLength。 - 工具：
SerpAPI和Wikipedia。关掉一个，或者再给智能体接一个别的工具。 - 搜索：
SerpAPI的选项，比如国家、语言、Google 域名和设备。 - 智能体的角色和语气：在
AI Agent的选项下加一条系统消息。文件里没有。
要知道的
- 记忆放在 n8n 自己的内存里。这个工作流里的所有聊天共用一个会话
chat_history，n8n 一重启它就清空了。 - 每个问题至少计一次模型调用，用到工具的问题至少计两次。
- 每次搜索都计入你的 SerpApi 套餐。Wikipedia 不花钱。
- 你的问题发给 OpenAI，搜索词发给 SerpApi。Wikipedia 能看到智能体查了什么。
- 搜索结果可能有误或已经过时，而智能体就是根据拿回来的内容作答的。重要的内容请自己核对。
- 它在编辑器里的 n8n Chat 窗口运行。文件里没有任何东西会打开公开的聊天。
- 如果你把触发器换成 n8n 的 Chat Trigger，要把智能体的提示改成
{{ $json.chatInput }}。 - 这个 JSON 里没有任何凭据。
NOTICE.md 598 B README.md 3 KB workflow.json 4 KB
更新内容
评价
Mindket 的更多商品
查看 Mindket 的全部商品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