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,用 AI 给客户反馈分类。带 feedback 字段的 POST 得到一个分类和一句话备注,备注发到应该处理它的团队的 Discord 频道。
AI 给反馈分类,并发到正确的 Discord 频道 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。
反馈被发送到 webhook
有东西向这个工作流的地址发送 POST 请求时开始运行。它带来:
在 Discord 的客户成功、IT 或支持频道里出现一句话备注,分不出类别时则什么也不发
开始之前要准备好这些。
分类模型
选出分类并写出一句话备注。
需要一个 OpenAI API 密钥
团队频道
在对应团队的频道里收到备注。
需要三个频道各一个 webhook 地址
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流读取客户反馈,并把它发到正确的 Discord 频道。一个带 feedback 字段的 POST 请求启动它。OpenAI 模型从三个分类里选一个,并为团队写一句话备注。一个开关通过 Discord webhook 把备注发到客户成功、IT 或支持频道。分不出类别的就哪里也不去。十个节点负责运行,另有一个便签。
从表单、聊天小部件或应用里收集反馈、并在 Discord 里回应的小团队。如果你的团队不用 Discord,就别选它。这个 webhook 默认没有密码,所以请保管好它的地址。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 网店 | 店主 | 把订单投诉和表扬发给合适的人 | 一位店主在 IT 频道里看到一条关于结账页坏了的备注。 |
| 软件 | 产品团队 | 把应用反馈分成故障、表扬和问题 | 一个团队在客户成功频道里看到一条满意的评价。 |
| 社区 | 版主 | 把成员的留言发给负责处理的团队 | 一位版主马上收到一位成员的紧急报告。 |
| 代理公司 | 客户团队 | 把客户的留言交给合适的人 | 一位客户的问题落在支持频道里。 |
你需要懂 n8n 的设置:导入文件、添加一个凭据,并粘贴三个 webhook 地址。
任何能访问 OpenAI 和 Discord 的 n8n 都能运行它。
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。设置就是一个凭据和三个 webhook 地址。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud,或你自己的服务器 |
| OpenAI | 一个 API 密钥,在 n8n 里作为 OpenAI 凭据添加 |
| Discord | 三个频道各一个 webhook 地址,在 Discord 里创建 |
workflow.json。Classify Feedback 里选上它。<YOUR_CUSTOMER_SUCCESS_WEBHOOK_URL>、<YOUR_IT_WEBHOOK_URL> 和 <YOUR_SUPPORT_WEBHOOK_URL>。Run With Sample 来试一试。示例是一条关于结账页坏了的留言。Receive Feedback 的生产地址发送一个带 feedback 字段的 POST 请求。让你的表单或应用指向 Receive Feedback 的生产地址。每条留言几秒内就会被分好类,团队在自己的频道里看到备注。
| 想改的 | 在哪里改 |
|---|---|
| 分类和每一类的含义 | Classify Feedback 里的提示词,以及 Pick Channel 里的规则 |
| 发出去的备注 | 三个频道节点的文字字段 |
| 频道 | 每个频道节点里的 webhook 地址 |
| 模型 | Classify Feedback |
| 示例留言 | Sample Feedback |
你的应用发来这样一条反馈。
{"feedback": "Checkout has been failing for two hours and we cannot take orders."}模型把它判为紧急问题,所以 IT 频道收到一句话备注,说明发生了什么、该做什么。另外两个频道保持安静。
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。这个工作流读一条留言,请 AI 给它分类,再在 Discord 里发一条备注。先试试示例。
专家:模型必须返回带有 category、feedback 和 instruction 的 JSON,代码步骤从消息内容里读取它。
| 节点 | 它做什么 | 要知道的 |
|---|---|---|
Receive Feedback | 收到 POST 时启动运行 | 读取 body.feedback,立刻作答,没有密码 |
Classify Feedback | 向模型要那三个字段 | gpt-6-luna,JSON 输出,不用工具 |
Read Category | 把回复变成 reply.category | 接受对象或文本形式的回复,并把分类转成小写 |
Pick Channel | 按分类分流 | 第四个出口接住其余所有情况 |
Customer Success Channel、IT Channel 和 Support Channel | 通过 webhook 把备注发到 Discord | 文字是那句一句话的 instruction |
Unsorted | 结束这次运行 | 什么也不做,所以读不出来的回复就丢了 |
这个工作流只发出模型写的备注,客户自己的原话留在 n8n 里。
gpt-4 已在 2026 年 10 月 23 日关闭,所以分类器现在通过 n8n 当前的 OpenAI 节点用 gpt-6-luna,输出 JSON。提示词被重写,并把客户文字标成数据。一个小的代码步骤取代了原来读取回复的那一步。加了一个示例步骤,让手动运行也能跑通。Discord 地址是占位符Receive Feedback 里开启认证一个 n8n 工作流,用 AI 给客户反馈分类。一个带 feedback 字段的 POST 请求启动它。OpenAI 模型选出一个分类并写一句话备注,
一个开关把备注发到应该处理它的团队的 Discord 频道。
workflow.json:n8n 导出的工作流,11 个节点,其中一个是便签。里面没有任何凭据。README.md:这份说明。gpt-4。gpt-4 已在 2026 年 10 月 23 日关闭。分类器现在通过 n8n 当前的 OpenAI 节点用gpt-6-luna,输出 JSON。这个模型不用任何工具,所以它合适。ticket。Run With Sample 路径。原来只从 webhook 的请求体里读反馈,所以手动运行什么也读不到。<YOUR_IT_WEBHOOK_URL>。feedback 字段的 POST 请求的东西,比如表单、应用或脚本。workflow.json。Classify Feedback 里选上它。<YOUR_CUSTOMER_SUCCESS_WEBHOOK_URL>、<YOUR_IT_WEBHOOK_URL> 和 <YOUR_SUPPORT_WEBHOOK_URL>。Run With Sample 来试一试。示例是一条关于结账页坏了的留言。Receive Feedback 的生产地址发送一个带 feedback 字段的 POST 请求。Receive Feedback 接收 POST 请求并立刻作答。Run With Sample 和 Sample Feedback 让手动运行有同样的形状。Classify Feedback 向模型要一个带 category、feedback 和 instruction 的 JSON。Read Category 把回复变成 reply.category、reply.feedback 和 reply.instruction。Pick Channel 把 success-story 发给 Customer Success Channel,把 urgent-issue 发给 IT Channel,把 ticket 发给Support Channel。其他任何值都去 Unsorted,它什么也不做。instruction 发到 Discord。Classify Feedback 里的提示词和 Pick Channel 里的规则。Classify Feedback。Sample Feedback。Receive Feedback 里开启认证。Unsorted,那条留言就丢了。NOTICE.md 550 B README.md 4 KB workflow.json 7 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。
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。