DeepSeek-R1-GGUF
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。

一个 n8n 工作流,用 OpenAI 回复名单里的 Gmail 发件人,并把每次往来和一个 Yes 或 No 评分存进 Google 表格。
用 OpenAI 回复 Gmail 邮件,并把评分记入表格 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。
Gmail 收到新邮件
Gmail(每分钟查一次)出现新邮件,它就开始运行:
发件人的会话里多了一封回复,表格里有一行,记着邮件、回复和评分
开始之前要准备好这些。
邮箱
提供新邮件,并在原会话里发出每封回复。
需要一个 Gmail 凭据
语言模型
根据邮件的发件人、主题和正文写出回复。
需要一个 OpenAI API 密钥
回复记录
保存每封邮件和回复,并接收 Yes 或 No 的评分。
需要一个 Google Sheets 凭据
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流用 OpenAI 写的回复来回答新的 Gmail 邮件。它只回复你列出的发件人,写一个星号就回复所有人。每封回复带一个 Yes 和一个 No 链接,邮件、回复和那一次点击都会存进一张 Google 表格。运行它的是四十一个节点,旁边还有九张便签。
想让常规邮件先有一封草拟并发出的回复、日后还想拿评过分的例子来改进模型的小团队。如果每封回复都要先由人看过,或者邮件不能发给 OpenAI,就别选它。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 客服 | 客服台 | 回复已知地址发来的常规问题 | 一个客服台给一位合作伙伴反复问的问题发出第一封回复。 |
| 销售 | 销售团队 | 回复主动上门的咨询 | 一位销售的邮箱自己回答了一个价格咨询。 |
| 招聘 | 招聘人员 | 确认收到申请 | 一位招聘人员的收件箱感谢每位申请人,并说明接下来会怎样。 |
| 研究 | AI 团队 | 收集评过分的回复 | 一个团队收集 Yes 和 No 的评分,留着以后微调。 |
你需要懂一点 n8n,还要有一个 Google 账户:导入文件、添加三个凭据、列出要回复的人,再设置 WEBHOOK_URL 变量。
任何能访问 Gmail、OpenAI 和 Google Sheets 的 n8n 都能运行它。回复从你的 Gmail 账户发出,评分页面由你的 n8n 提供。
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。设置需要三个凭据、一个发件人名单和 WEBHOOK_URL 变量。
| 需要 | 说明 |
|---|---|
| n8n | 一个实例,WEBHOOK_URL 设成大家访问它的地址 |
| Gmail | 一个用于邮箱的 Google 账户 |
| Google Sheets | 同一个账户,或者你自己的、有四列的表格 |
| OpenAI | 一个 API 密钥 |
workflow.json。Configure 里,把 <YOUR_RECIPIENT_EMAILS> 换成要回复的地址,或者换成一个星号表示每个发件人。激活工作流。Gmail 每分钟检查一次,名单里的发件人发来邮件,就会在同一个会话里得到回复。点一下回复里的 Yes 或 No,表格就会更新。
| 要改的 | 在哪里改 |
|---|---|
| 模型和提示词 | Generate reply 的请求体 |
| 回复的长度 | Configure 里的 replyTokenSize |
| 谁会得到回复 | Configure 里的 recipients |
| 回复的样子 | Email template 里的 HTML |
一位合作伙伴每周写两次邮件,问怎么重置设备,这个地址在名单上。工作流写出一封简短的回复,发在同一个会话里。
接着它在表格里加一行,记着第一封邮件和这封回复。合作伙伴点了 Yes,这一行的最后一列就变成 Yes。
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。这里一个触发器盯着 Gmail,另一个等着有人点回复里的链接。先把你自己的地址设成唯一的发件人。
专家:两个触发器共用同一串 Set、Switch 和 Configure 节点。回复来自一个发往 Chat Completions 的 HTTP Request,一个 Code 节点只保留每封邮件最新的文字。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Extract message content (advanced) | 从邮件里剪掉引用的旧邮件 | 解析器是很长的压缩代码,保持原样 |
Generate reply | 向 Chat Completions 要回复 | 推理强度是 none,所以长度上限只算可见的文字 |
Reply Fields | 取出 text 和 finish_reason | 结束原因不是 stop 的回复不会发出 |
Create or update rows | 加一行,或者报告缺少表格 | continueOnFail 让下一步能看到那个错误 |
这个工作流会给每个符合条件的发件人发出真实的回复,所以先用你自己的地址试一试。
gpt-3.5-turbo-instruct。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出它已在 2026 年 9 月 28 日停用。这个版本用 gpt-6-luna 调用 Chat Completionsmax_completion_tokens,所以请求把推理关掉,默认的 300 就够写文字WEBHOOK_URL 生成,拿到链接的人都能点maxTokenSize 是 4000,而模型页面列出的上下文是 1,050,000 token,所以你可以调高一个 n8n 工作流,用 OpenAI 写的回复来回答你列出的发件人发来的新 Gmail 邮件。它把每封邮件和回复存进一张 Google 表格。每封回复带一个 Yes 和一个 No 链接,点一下就会把答案写进表格,这样你就攒下了评过分的例子,以后可以拿去微调。
workflow.json:n8n 导出的工作流,五十个节点:四十一个会运行的和九张便签。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。Generate reply 原来是 n8n 旧的 OpenAI 文字节点。文件里没有指定模型,所以节点用的是它的默认模型 gpt-3.5-turbo-instruct。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出这个模型已在 2026 年 9 月 28 日停用,替代品是 gpt-5.6-terra。gpt-5.6-terra 的模型页面显示它不支持旧的 Completions 端点。Generate reply 现在是一个发往 Chat Completions 的 HTTP Request。它指定 gpt-6-luna,把 reasoning_effort 设为 none,并从 replyTokenSize 取 max_completion_tokens。OpenAI 的参考文档把推理 token 算进这个上限,所以开着推理时,默认的 300 可能在出现任何文字之前就用完了。Reply Fields 节点。它把答案变成 text 和 finish_reason 两个字段,这是工作流其余部分读取的字段,Format data 也从它那里读 text。recipients 原来是 [UPDATE ME],现在是 <YOUR_RECIPIENT_EMAILS>。WEBHOOK_URL 环境变量设成大家访问它的地址。每封回复里的 Yes 和 No 链接就是用它生成的。n8n 的安全页面把 N8N_BLOCK_ENV_ACCESS_IN_NODE 列为默认 false,也就是允许读取环境变量。workflow.json。On email received 和 Send reply to recipient 里选中它。Create spreadsheet、Create or update rows、Paste data 和 Send feedback for fine-tuned data 里选中它。Generate reply 里选中它。Configure 里,把 <YOUR_RECIPIENT_EMAILS> 换成要回复的地址,用逗号隔开,或者换成 * 表示回复每个发件人。spreadsheetId 和 worksheetId 留空,工作流就会创建一张名字取自 spreadsheetName 的表格。要用自己的表格,就把两个都填上,并给它加上 ID、Initial message、Generated reply 和 Good response? 这几列。On email received 每分钟轮询一次 Gmail。Identify trigger #1 把条目标成 gmail,Configure 加上各项设置。Determine which trigger ran 让它继续。Only continue for specific emails 对照 recipients 检查发件人。Generate UUID 给这次往来一个 ID。Extract message content (advanced) 保留邮件最新的文字,去掉引用的旧邮件。Is text within token limit? 把文字长度除以四,和 maxTokenSize 减 replyTokenSize 比较。更长的邮件会被忽略。Generate reply 去问 OpenAI,Reply Fields 取出答案。If reply is complete 只让以 stop 结束的回复通过,进入 Email template,Send reply to recipient 在原会话里回复这封邮件。Format data 生成一行,有 ID、第一封邮件、回复和空的 Good response?。表格节点在表格不存在时创建它,否则把这一行加进去。On feedback given 是一个 Webhook。点一下 Yes 或 No,就会发来 ID 和答案。Identify trigger #2 把它标成 webhook,Record feedback 让它继续,Send feedback for fine-tuned data 把答案写进有这个 ID 的那一行。访客会看到一个感谢页面。Generate reply 的请求体。Configure 里的 replyTokenSize。Configure 里的 recipients。Email template 里的 HTML。Configure。replyTokenSize。maxTokenSize 是 4000,这是个保守的数字。gpt-6-luna 的模型页面列出的上下文是 1,050,000 token,所以你可以调高。NOTICE.md 673 B README.md 5 KB workflow.json 79 KB
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
prithivMLmods · 工具包
提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。
Phips · 工具包
用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。
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。