Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
一个 n8n 工作流,把一个 Google Analytics 属性最近 7 天的数据同一年前的同样几天作比较。OpenAI 模型写出总结和一张表,每周一用邮件发出,并以纯文本发到 Telegram。
每周的 Google Analytics 报告:AI 写好,发到邮件和 Telegram 是一款 n8n 工作流,属于营销类,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。
每周定时
每周一 7:00 自动开始运行,不需要你填任何东西:
一封 HTML 邮件,带总结和一张把本周同一年前同一周作比较的表,另外 Telegram 里有一份纯文本副本
开始之前要准备好这些。
网站分析
返回一个 GA4 属性最近 7 天的数据,以及一年前的同样几天。
需要一个 Google Analytics OAuth2 凭据和一个 GA4 属性
语言模型
写出总结和表格,再写出纯文本版本。
需要一个 OpenAI API 密钥
邮件发送
把 HTML 报告发到你的邮箱。
需要一个能发信的邮箱的 SMTP 信息
聊天
接收这份报告的纯文本副本。
需要一个机器人令牌和一个聊天 ID(可选)
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流每周发一份 Google Analytics 报告。每周一 7:00,它读取一个 GA4 属性最近 7 天的数据,以及一年前的同样几天,再把每一组加总。一个 OpenAI 模型写出一段简短总结和一张变化表。报告以 HTML 邮件发出,一份纯文本副本发到 Telegram。干活的是十三个节点,旁边还有一张便签。
想每周了解流量和销售情况、又不想打开 Google Analytics 的店主、营销人员和小团队。如果你需要把几个属性放进同一份报告,或者需要图表,就别选它。它只报告一个属性,形式是文字和一张表。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 电商 | 店主 | 每周一把流量和收入同去年比一比 | 一位店主在周会前读到,会话数涨了,而每单收入却降了。 |
| 旅游 | 营销经理 | 把一份流量总结分享给整个团队 | 一位经理把周一的邮件转给预订团队。 |
| 代理公司 | 客户经理 | 给客户发固定的每周报告 | 一位经理把邮件地址指向客户的邮箱,自己在手机上读 Telegram 的副本。 |
| 出版 | 编辑 | 把浏览量和用户数同去年同一周比较 | 一位编辑看到页面浏览量比去年高,就计划多做同类主题。 |
你需要懂一点 n8n:导入一个文件,添加最多四个凭据,并选好你的 Google Analytics 属性。
任何能访问 Google、OpenAI、邮件服务器和 Telegram 的 n8n 都能运行它。报告通过邮件送达,如果你保留那条分支,也会出现在 Telegram 聊天里。
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。这里要用到四个账号,其中 Telegram 的那个是可选的。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud,或者你自己的服务器 |
| Google Analytics | 一个 GA4 属性,和一个能读取它的 Google 账号,用于 Google Analytics OAuth2 凭据 |
| OpenAI | 一个 API 密钥,用于 OpenAI 凭据 |
| 邮件 | 一个能发信的邮箱的 SMTP 信息,用于 SMTP 凭据 |
| Telegram | 一个机器人令牌和你的聊天 ID,用于 Telegram 凭据(可选) |
workflow.json。Google Analytics: Last 7 days,添加 Google Analytics OAuth2 凭据,并选好你的 GA4 属性。在 Google Analytics: Past 7 days of the previous year 里做同样的事。Processing for email 和 Processing for Telegram,添加带你的密钥的 OpenAI 凭据。Send Email,添加 SMTP 凭据,把 <YOUR_FROM_EMAIL> 和 <YOUR_TO_EMAIL> 换成真实的地址。Telegram,添加 Telegram 凭据,把 <YOUR_TELEGRAM_CHAT_ID> 换成你的聊天 ID。如果你只要邮件,就把这个节点和 Processing for Telegram 删掉。之后不用再按任何东西。每周一 7:00,工作流读取两个时间段,报告通过邮件送达,Telegram 里有一份简短的文字副本。任何其他时候,点 Execute workflow 也能发一份。
| 要改的 | 在哪里改 |
|---|---|
| 星期几和几点 | Schedule Trigger 里的 Trigger at Day 和 Trigger at Hour |
| 报告里的数字 | 两个 Google Analytics 节点里的指标,再改两个 Assign data 和两个 Summarize Data 节点里的名字 |
| 邮件的措辞和版式 | Processing for email 里的提示词 |
| 数字格式和货币 | Processing for email 提示词里的格式行 |
| 模型 | Processing for email 和 Processing for Telegram 里的 Model |
一位店主在周一 7:00 打开邮件。最上面是一段三句话的简短总结。下面一张表把最近 7 天同一年前的同样几天放在一起比,每个指标都有一个百分比变化。
Telegram 里是同样的数字,分成一行一行,例如总浏览量、去年的总浏览量和差值。
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。这个工作流把同样的步骤跑两遍,一遍给本周,一遍给去年,然后把两个结果交给模型。先手动运行一次,再逐个打开方框,看数字是怎么往下传的。
专家:一年前的日期来自一个 Code 节点:它把今天往回拨一年,开始日期再往回拨 7 天。两次 Google Analytics 调用都覆盖 8 个日历日期,因为 Last 7 Days 是从 7 天前一直到今天。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Schedule Trigger | Schedule Trigger 1.2,每周,第 1 天的 7 点 | 分钟是 0,时间按工作流的时区 |
Google Analytics: Last 7 days | Google Analytics 2,Report,Get,按日期取八个指标 | 今天只过了一部分,而且 Return All 是关的,所以最多返回 50 行 |
Assign data 和 Summarize Data | Set 3.4 给列改名,再由 Summarize 求和或求平均 | 输出的名字像 sum_Views 和 average_Sessions_per_user |
Calculation same period previous year | Code 2 返回往回一年的 startDate 和 endDate | 第二个 Google Analytics 节点把它们当作自定义范围来读 |
Processing for email | OpenAI 1.8,Message a model,带一个 Calculator 工具 | 它按节点名字读两份汇总,写出 HTML |
Processing for Telegram | OpenAI 1.8,Message a model | 它把那份 HTML 变成一行行的纯文本 |
这两个时间段并不是严格的一一对应,而且报告的好坏取决于你的 GA4 跟踪。
gpt-6-luna。该模型的页面说,Chat Completions 只有在关闭推理强度时才支持它的函数调用,而这个节点没有这个设置。所以带 Calculator 工具的 Processing for email 用 gpt-5.6-terra,Processing for Telegram 用 gpt-6-luna一个 n8n 工作流,每周发一份 Google Analytics 报告。每周一 7:00,它读取一个 GA4 属性最近 7 天的数据,以及一年前的同样几天,把每一组加总,再请一个 OpenAI 模型写出简短总结和一张变化表。报告以 HTML 邮件发出,一份纯文本副本发到 Telegram。
workflow.json:n8n 导出的工作流,十三个干活的节点和一张便签。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。Aufrufe、Nutzer、Sitzungen 等等)。现在是英文(Views、Users、Sessions、Sessions per user、Session duration、Purchases、Revenue per purchase、Revenue),改在两个 Assign data 节点、两个 Summarize Data 节点和邮件提示词里。第一个 Google Analytics 节点改名为 Google Analytics: Last 7 days。totalUsers 和 date。.item 读每份汇总。Mindket 的版本用 .first(),因为每份汇总是由很多行合成的一个条目。提示词里表格的分隔行是三列,而表头有四列,数字示例也和规则互相矛盾,这两处都改正了。Processing for email 从 gpt-4o 换成 gpt-5.6-terra,Processing for Telegram 从 gpt-4o-mini 换成 gpt-6-luna。见“需要知道的”。<YOUR_FROM_EMAIL>、<YOUR_TO_EMAIL> 和 <YOUR_TELEGRAM_CHAT_ID>。workflow.json。Google Analytics: Last 7 days,添加 Google Analytics OAuth2 凭据,并选好你的 GA4 属性。在 Google Analytics: Past 7 days of the previous year 里做同样的事。Processing for email 和 Processing for Telegram,添加带你的密钥的 OpenAI 凭据。Send Email,添加 SMTP 凭据,把 <YOUR_FROM_EMAIL> 和 <YOUR_TO_EMAIL> 换成真实的地址。Telegram,添加 Telegram 凭据,把 <YOUR_TELEGRAM_CHAT_ID> 换成你的聊天 ID。如果你只要邮件,就把这个节点和 Processing for Telegram 删掉。Schedule Trigger 在周一 7 点触发。Google Analytics: Last 7 days 按日期读取八个指标:页面浏览量、总用户数、会话数、每用户会话数、平均会话时长、电商购买次数、平均购买收入和购买收入。Assign data 给各列起上报告里的名字,Summarize Data 把能加总的求和,其余的求平均。Calculation same period previous year 算出往回一年的开始和结束日期。Google Analytics: Past 7 days of the previous year、Assign data1 和 Summarize Data1 对这些日期重复第 2 步和第 3 步。Processing for email(OpenAI,带一个 Calculator 工具)在提示词里拿到两份汇总,写出总结和表格,格式是 HTML。Send Email 发出这份 HTML。Processing for Telegram 把它变成一行行的纯文本,Telegram 再把它发出去。Schedule Trigger 里的 Trigger at Day 和 Trigger at Hour。Assign data 和两个 Summarize Data 节点里的名字。Processing for email 里的提示词。Processing for email 和 Processing for Telegram 里的 Model。gpt-4o 和 gpt-4o-mini 将在 2027 年 1 月 14 日停用,替代品是 gpt-6-luna。该模型的页面说,Chat Completions 只有在关闭推理强度时才支持它的函数调用,而 OpenAI 节点没有这个设置。所以带 Calculator 工具的邮件节点用 gpt-5.6-terra。NOTICE.md 675 B README.md 5 KB workflow.json 19 KB
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
nerijs · 工具包
一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。
LiconStudio · 工具包
给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。