Mindket

用 GPT 为你的 n8n 工作流写文档站点

新上架第 1 版 · 更新于

概览

一个自托管的 n8n 工作流,为你的其他工作流提供一个 Docsify 站点。它列出各工作流的状态和标签,并用 GPT 和 Mermaid 图把每个工作流的文档写进你指定的文件夹。

用 GPT 为你的 n8n 工作流写文档站点 是一款 n8n 工作流,属于开发类,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
  • 你自己的 n8n 服务器:这是它的归宿,因为文件夹、Execute Command 节点和环境变量都由你掌控
  • n8n Cloud:不太合适,因为这个工作流要往文件夹里写文件,还要运行一条 shell 命令,托管的 n8n 可能不允许
  • 浏览器:任何新版浏览器,用你放行的地址打开

平台

连接 2 个应用

运行方式

触发

Webhook

浏览器打开这个站点的地址或站内某个页面时开始运行:

  • 要打开的页面:总览、某个标签,或某个工作流的文档
  • 一个动作:查看、编辑、重新生成或保存

动作

  1. 总览列出你的 n8n 工作流,附状态、日期、节点数和文档链接,左侧栏可按标签筛选
  2. 打开某个工作流的文档时,先到你的文档文件夹里找已保存的 Markdown 页面
  3. 没有已保存的页面时,就从 n8n 取出这个工作流,画成 Mermaid 流程图,再让 GPT 写出描述
  4. 页面保存成 Markdown 文件,并显示在 Docsify 站点里
  5. 一个实时编辑器让你修改页面并保存回去

结果

一个关于你自己 n8n 上工作流的文档站点,每个工作流都有 GPT 写的描述、节点图和节点设置,以 Markdown 文件保存

集成

开始之前要准备好这些。

n8n

工作流数据

列出你的工作流和标签,并通过 n8n 自己的 API 取出某个工作流的节点。

需要一个 n8n API 凭据:你的地址和一个 API 密钥

OpenAI

语言模型

写出每个工作流的描述和节点设置。这个副本请求的是 gpt-5.6-sol。

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
45 个步骤,由 Webhook 调用启动
AI
1 个步骤调用 AI 模型:Basic LLM Chain
登录
需要登录: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 16 种步骤类型中的 14 种,读不懂的是:N8n、Execute Command

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 工作流为你自己 n8n 上的工作流提供一个文档站点。一个 Docsify 页面列出每个工作流的状态、日期和节点数,左侧栏可按标签筛选。打开某个工作流的文档时,工作流会通过 n8n 的 API 取出它,把节点画成 Mermaid 流程图,再让 GPT 写出描述并列出每个节点的设置。结果以 Markdown 文件保存在你指定的文件夹里。一个实时编辑器让你手动修改页面并重新生成。文件里有六十个节点,其中十二个是便签。

适合谁

自己运行 n8n、想给已经做好的工作流留一份好读的文档的团队。如果你用的是 n8n Cloud,或者你的工作流把密钥放在参数里,就别选它。工作流的节点和设置会发给 OpenAI。

谁在用,怎么用
行业谁在用怎么用例子
IT 服务自动化顾问把客户做的工作流的文档交给客户一位顾问打开站点,把 Markdown 页面复制进客户的文件夹。
运营运营团队留一张看得懂的图,说明业务靠什么在跑一位运营负责人查看哪些工作流在运行,哪些没有触发器。
软件开发者改动旧工作流之前先看一遍一位开发者打开一个不是自己写的工作流的流程图和设置。
教育自动化培训师给学员看一个真实的工作流里有什么一位培训师在课程用的实例上,为每个工作流打开一个页面。

你需要自己运行 n8n,并了解它的设置:导入文件、添加两个凭据、设定文件夹、让两个 webhook 的值对上,再放行你自己的地址。

用在哪里

能写入文件夹、又能访问 OpenAI 的自托管 n8n 就能运行它。

  • 你自己的 n8n 服务器:这是它的归宿,因为文件夹、Execute Command 节点和环境变量都由你掌控
  • n8n Cloud:不太合适,因为这个工作流要往文件夹里写文件,还要运行一条 shell 命令,托管的 n8n 可能不允许
  • 浏览器:任何新版浏览器,用你放行的地址打开

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。大部分设置在 n8n 自己的设置里完成。

先准备好这些
需要说明
n8n一个自托管的实例,API 已开启,并有一个 API 密钥
OpenAI用于模型的一个 API 密钥
文件夹一个 n8n 可以写入的文件夹,位于 ~/.n8n-files 之内,除非 N8N_RESTRICT_FILE_ACCESS_TO 指定了别的
设置允许使用 Execute Command 节点,或者停用节点 mkdir
  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. 在 CONFIG 里,把 <YOUR_DOCS_FOLDER> 换成文件夹的完整路径。
  3. 从 NODES_EXCLUDE 里去掉 n8n-nodes-base.executeCommand,或者停用节点 mkdir 并自己建好文件夹。
  4. 添加一个 n8n API 凭据,填你的地址后接 /api/v1,再填你的密钥,在 Get All Workflows、Get Workflow tags 和 Fetch Single Workflow1 里选中它。再添加一个 OpenAI 凭据,在 OpenAI Chat Model 里选中它。
  5. 保存。复制 single workflow 的生产地址里的 id,也就是 /webhook/ 与 /:file 之间的那一段,把它设为 docsify 的路径。
  6. 在两个 webhook 的 IP Allowlist 选项里,把 <YOUR_IP_ADDRESS> 换成你自己的地址。
  7. 发布工作流,打开 <YOUR_N8N_HOST>/webhook/ 加上那个 id。

如何使用

打开站点。总览列出你的工作流,左侧栏可按标签筛选。书本图标打开某个工作流的文档,备忘录图标编辑它,箭头图标重新生成。

想换个结果,改这里
想改的在哪里改
页面存放的位置CONFIG 里的 project_path
GPT 怎么写Basic LLM Chain 里的系统消息,以及 OpenAI Chat Model 里的模型
总览的列Fill Workflow Table
站点的外观HTML_headers 里的 Docsify 主题

示例

你点一个工作流那一行的书本图标,这个工作流有一个定时触发器和另外四个节点。站点请求这个文件。

docs_<workflow id>?action=view

页面打开时先显示 GPT 写的一段简短描述,以及日期和状态。下面是五个节点的 Mermaid 流程图,和每个节点主要设置的列表。同样的内容也会存成 Markdown 文件放进你的文件夹,所以下次再看就不用再调用模型。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框叫一个节点,只做一件事。这个工作流是用节点搭成的一个小网站。一个 webhook 提供页面,另一个提供页面所要的文件。先打开总览,因为每个新的工作流页面都会花掉 OpenAI 的额度。

专家:一个 webhook 提供 Docsify 外壳,另一个带 :file 路由的 webhook 提供它的 Markdown 文件。

想看细一点,看这里
节点它做什么要知道的
single workflow/:file 上的 webhook,GET 和 POST它的 id 组成页面请求的地址,所以 docsify 必须用同一个 id
md files分发 README.md、docs、summary.md 和标签的 Switchdocs 这一路只接受 docs_<id>.md 形式的名称
doc action按 action 分支的 Switch:查看、编辑、重新生成或保存前三个用 mkdir 建文件夹
Basic LLM Chain带自动修正结构化解析器的链,用 gpt-5.6-sol它返回 workflow_description 和 nodes_settings
Save New Doc File把页面写进文档文件夹保存会把编辑器里改过的文本发过来

注意事项

这个站点会写文件并调用 OpenAI,所以除了你自己,别向任何人开放。

  • 费用和数据:每次第一次查看一个没有已保存页面的工作流,以及每次重新生成,都是一次付费的 OpenAI 调用,会把工作流的节点和设置发过去。请先检查里面有没有密钥
  • 模型:原来的副本请求 gpt-4-turbo,OpenAI 已在 2026 年 10 月 23 日把它关停。这个副本用 gpt-5.6-sol,也就是 OpenAI 指明的替代品,并且去掉了温度设置
  • 允许列表:两个 webhook 里都放着 IP 允许列表的占位符,所以在你设置之前,站点是关闭的。Basic Auth 不适用,因为 n8n 在沙盒 iframe 里渲染 webhook 的 HTML,那里没有这些请求头
  • 文件名:原来的副本接受任何包含 docs_ 的名称,这可能指向文件夹之外。这个副本只接受 docs_<id>.md 形式的名称
  • Execute Command:n8n 2.0 默认把它排除在外。请把它从 NODES_EXCLUDE 里去掉,或者停用 mkdir
  • id 要一致:docsify 的路径和 single workflow 的 id 必须一样,否则页面能打开,但每个文件请求都会失败
  • 库:Docsify 4.13.1 和 Mermaid 12.2.0 从 jsDelivr 加载
  • 凭据:这个 JSON 里没有任何凭据

README 和文件

README

用 GPT 为你的 n8n 工作流写文档站点

一个 n8n 工作流,为你自己 n8n 实例上的工作流提供一个小型文档站点。一个页面列出每个工作流的状态、日期和节点数。打开某个工作流的文档时,站点会用 GPT 写出它的描述,画出它的节点的 Mermaid 流程图,并把页面存成 Markdown 文件。你可以在实时编辑器里修改页面并重新生成。

里面有什么

  • workflow.json:n8n 导出的工作流,六十个节点,其中十二个是便签。里面没有任何凭据。
  • README.md:这份说明。

和原来的副本相比,我们改了什么

  • 原来的模型是 gpt-4-turbo,OpenAI 已在 2026 年 10 月 23 日把它关停。OpenAI Chat Model 现在请求 gpt-5.6-sol,也就是 OpenAI 指明的替代品。0.2 的温度设置去掉了:这个模型的页面没有列出温度设置,推理模型也可能不接受。
  • CONFIG 把 project_path 指向 n8n 自己的 .n8n 目录里的一个文件夹,而 n8n 默认不让文件节点碰这个目录。现在它是占位符 <YOUR_DOCS_FOLDER>。
  • md files 的 docs 分支接受任何包含 docs_ 的文件名。像 docs_x/../../y.md 这样的名称就可能指向文档文件夹之外。现在它只接受以 docs_ 开头、且不含 /、\ 或 .. 的名称。
  • 两个 webhook 原来对所有人开放。现在每个都有一个 IP 允许列表,里面是占位符 <YOUR_IP_ADDRESS>,所以在你填上自己的地址之前,没有人能使用这个站点。
  • docsify webhook 原来用一个固定的 id 作路径,那是从作者自己的 n8n 里的一个 webhook 抄来的。现在路径是 docsify,你要按下面的步骤把它设成和你自己实例一致。
  • Mermaid 库原来没有指定版本,Docsify 只指定了 4。现在加载的是 Mermaid 12.2.0 和 Docsify 4.13.1。
  • 提示词要求一个叫 workflow_desription 的键,而解析器期望的是 workflow_description。现在用的是后一种拼写。
  • 指向 OpenAI 和 n8n 凭据的链接,以及两个 webhook 的 id,都已去掉。

开始之前

  • 一个你可以重启或重新配置的自托管 n8n。这个工作流会把 Markdown 文件写到一个文件夹里,运行一条 shell 命令,并读取环境变量。
  • n8n 的 API 已开启,并有一个 API 密钥。
  • 一个 OpenAI API 密钥。
  • 一个 n8n 可以写入的文件夹。n8n 把它的文件节点限制在 ~/.n8n-files 之内,除非 N8N_RESTRICT_FILE_ACCESS_TO 指定了别的文件夹,而且它会拦住 .n8n 文件夹本身。

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. 在 CONFIG 里,把 <YOUR_DOCS_FOLDER> 换成文件夹的完整路径。如果 n8n 没有设置 N8N_PROTOCOL 和 N8N_HOST,就把 instance_url 换成你的 n8n 的地址。
  3. 从 n8n 2.0 起,Execute Command 节点默认被排除在外。要么从 NODES_EXCLUDE 里去掉 n8n-nodes-base.executeCommand,要么停用节点 mkdir 并自己建好文件夹。停用的节点会把数据继续传下去。
  4. 添加一个 n8n API 凭据,填你的实例地址后接 /api/v1,再填你的密钥。在 Get All Workflows、Get Workflow tags 和 Fetch Single Workflow1 里选中它。
  5. 添加一个 OpenAI 凭据,在 OpenAI Chat Model 里选中它。
  6. 保存。打开 single workflow,看它的生产地址里的 id,也就是 /webhook/ 与 /:file 之间的那一段。打开 docsify,把它的路径 docsify 换成那个 id。
  7. 在 docsify 和 single workflow 的 IP Allowlist 选项里,把 <YOUR_IP_ADDRESS> 换成可以使用这个站点的一个或几个地址。
  8. 发布工作流,打开 <YOUR_N8N_HOST>/webhook/ 加上那个 id。

一次请求的过程

  1. docsify 用 Main Page 回应第一次访问,那是一个 Docsify 应用。然后应用以 webhook 的路径为基础,向 single workflow 请求它需要的文件。
  2. README.md 是总览。Get All Workflows 取出各工作流,Sort-workflows 把最近改过的排在最前,Fill Workflow Table 为每个写一行表格,带有查看、编辑或重新生成它的文档的链接。
  3. summary.md 是左侧栏。Get Workflow tags 和 Workflow Tags 把实例里的标签变成一个列表,点其中一个就打开那个标签的总览。
  4. 名为 docs_<workflow id>.md 的文件是某个工作流的页面。doc action 读取地址里的 action。对于查看和编辑,mkdir 建好文件夹,Load Doc File 去找已保存的页面。
  5. 没有已保存的页面时,Fetch Single Workflow1 取出这个工作流,Generate Mermaid Chart 把它的节点画成流程图,Basic LLM Chain 向 GPT 要一段描述和各节点的设置。Generated Doc 把它们拼在一起,Save New Doc File 写出文件。
  6. 编辑会打开 Edit Page,一个实时的 Markdown 编辑器,保存则把文本发回 single workflow。重新生成会把页面再写一遍。

想换个结果,改这里

  • 页面存放的位置:CONFIG 里的 project_path。
  • GPT 怎么写:Basic LLM Chain 里的系统消息,以及 OpenAI Chat Model 里的模型。
  • 总览的列:Fill Workflow Table 和 Instance overview。
  • 站点的外观:CONFIG 里 HTML_headers 中的 Docsify 主题。
  • 流程图的形状:Generate Mermaid Chart 里的代码。

值得知道的事

  • 每次第一次查看一个没有已保存页面的工作流,以及每次重新生成,都是一次付费的 OpenAI 调用,会把工作流的节点和设置发给 OpenAI。打开某个工作流的页面之前,请先检查它的参数里有没有密钥。
  • 从 n8n 2.0 起,Execute Command 节点默认被排除在外(n8n 的重大变更页面,2026 年 11 月 12 日读取)。
  • 原来的副本没有认证,它自己的便签也这么说。Basic Auth 不适用于这个页面:n8n 在沙盒 iframe 里渲染 webhook 的 HTML,那里没有 Basic Auth 所需的请求头。这里靠允许列表来守门。
  • docsify 的路径和 single workflow 的 id 必须一致,否则页面能打开,但每个文件请求都会失败。
  • instance_url 由 N8N_PROTOCOL 和 N8N_HOST 拼成。只有当 N8N_BLOCK_ENV_ACCESS_IN_NODE 为 true 时,n8n 才会拦住表达式里的环境变量,而它默认是 false。
  • Mermaid 是个很大的文件。页面第一次加载要等一会儿。
  • 请求一个站点不认识的文件名,不会得到任何回应。
  • 你的工作流数据会发给 OpenAI。页面和流程图会从 jsDelivr 加载脚本。
文件
NOTICE.md  630 B
README.md  6 KB
workflow.json  61 KB

3 个文件,共 67 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

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。

新上架

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。

新上架

MusicGen Small

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。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

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