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。
一个 n8n 工作流,从 Google 表格里汇总一份反馈表单的回答,让 OpenAI 写成简短的报告,再通过 Gmail 以 HTML 邮件发出。
用 AI 汇总 Google 表格里的表单反馈并发邮件 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。
手动运行
在 n8n 里点 Test workflow,它就开始运行:
一份表单反馈的 HTML 摘要,送到你的收件箱
开始之前要准备好这些。
表单回答
存放工作流读取的各行回答。
需要一个 Google Sheets 凭据和表格的 ID
语言模型
根据汇总的回答列表写出报告。
需要一个 OpenAI API 密钥
邮件
把写好的报告以 HTML 邮件发出。
需要一个 Gmail 凭据和一个邮箱地址
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流把一份反馈表单的回答变成一份简短的报告。它读取 Google 表格里的各行,把每个问题的回答汇总成一个列表。OpenAI 写出一份带整体情绪和改进想法的报告,再由 Gmail 以 HTML 邮件发出。运行它的是六个节点,旁边还有四张便签。
把反馈收在表格里、想快速读个大概的活动组织者和小团队。如果回答里有不能发给 OpenAI 的个人信息,就别选它。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 活动 | 活动组织者 | 看哪里做得好、哪里要改 | 一位组织者在工作坊之后拿到一页报告。 |
| 教育 | 课程团队 | 汇总学员的意见 | 一位课程负责人从一长串意见里看到主要的诉求。 |
| 客户服务 | 客服主管 | 浓缩问卷的回答 | 一位主管读一封邮件,不用翻长长的表格。 |
| 产品 | 产品负责人 | 找出反复出现的想法 | 一位负责人看到哪些改进想法一再被提起。 |
你需要懂一点 n8n,有一份装着回答的表格:导入文件、添加三个凭据,再粘贴表格的 ID。
任何能访问 Google Sheets、OpenAI 和 Gmail 的 n8n 都能运行它。报告会送到你设置的收件箱。
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、一个表格 ID 和一个邮箱地址。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| 一个用于 Sheets 和 Gmail 的账户 | |
| 表格 | 一个叫 Form Responses 1 的工作表,每个问题一列 |
| OpenAI | 一个 API 密钥 |
workflow.json。Get Google Sheets records 里,把 <YOUR_SHEET_ID> 换成你的表格 ID。Send via Gmail 里,把 <YOUR_EMAIL_ADDRESS> 换成应该收到报告的邮箱地址。Aggregate responses into arrays 里的三个问题名称。点 Test workflow。稍后报告就会送到你的收件箱。想要定期的报告,就把手动触发换成定时触发。先拿一份只有几条回答的表格试一试。
| 要改的 | 在哪里改 |
|---|---|
| 报告的样子 | Summarize via GPT model 里的 system message |
| 问题 | Aggregate responses into arrays 和 user message |
| 谁收到邮件 | Send via Gmail |
| 什么时候运行 | 触发节点 |
一位组织者办了一场工作坊,把三个问题的回答收在一张表格里。有人只写了一行,有人写了一整段。
报告开头是整体情绪,多数是正面的,接着列出改进的想法,比如更长的休息和更清楚的日程。它以格式化文字的邮件送达。
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。这里一个方框读表格,一个方框汇总回答,一个方框问 OpenAI,一个方框转换文字,一个方框发邮件。先拿一份只有几行的表格试一试。
专家:一个 Aggregate 节点给每个问题建一个列表,一个 HTTP Request 把它们发到 Chat Completions。一个 Markdown 节点把回复转成给 Gmail 用的 HTML。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Aggregate responses into arrays | 把每个问题的回答收成一个列表 | 像 ['What went great?'] 这样的字段路径,出来就是普通的字段名 |
Summarize via GPT model | 向 Chat Completions 要报告 | 它用的是 gpt-6-luna,不设 temperature |
Convet from Markdown to HTML | 把回复转成 HTML | 它读的是 choices[0].message.content |
Send via Gmail | 把 HTML 发成邮件 | 这个节点的署名行是关掉的 |
这个工作流把所有回答放进一次请求,所以回答很多的长表单可能超出模型的上限。
gpt-4-turbo-preview。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出它已在 2026 年 3 月 26 日关闭。这个版本调用 Chat Completions,用 gpt-6-luna,也就是该页面给 gpt-4.1 系列指的替代模型一个 n8n 工作流,从 Google 表格里读取一份反馈表单的回答,按问题汇总成列表,让 OpenAI 写成一份简短的报告。报告转成 HTML,再通过 Gmail 发出。
workflow.json:n8n 导出的工作流,十个节点:六个会运行的和四张便签。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。gpt-4-turbo-preview。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出 gpt-4-0125-preview(其中包括 gpt-4-turbo-preview)已在 2026 年 3 月 26 日关闭,并指向 gpt-5 或 gpt-4.1。同一页面又列出 gpt-4.1 系列将在 2027 年 1 月 14 日关闭,替代模型是 gpt-6-luna,所以这个版本用 gpt-6-luna。gpt-6-luna 的模型页面没有列出 temperature 设置。Convet from Markdown to HTML 现在从 choices[0].message.content 读取回答。<YOUR_SHEET_ID> 和 <YOUR_EMAIL_ADDRESS>。工作表的名字仍是 Form Responses 1。Form Responses 1。它的第一行是表头:What went great?、How can we improve? 和 What is the chance of recommending our event?。工作流自带的便签说,连着 Google Forms 的表格和单独的表格都可以。workflow.json。Get Google Sheets records 里选中它。把 <YOUR_SHEET_ID> 换成你的表格 ID,并检查工作表的名字。Summarize via GPT model 里选中它。Send via Gmail 里选中它。把 <YOUR_EMAIL_ADDRESS> 换成应该收到报告的邮箱地址。Aggregate responses into arrays 里的三个字段名,以及请求体里 user message 对应的几行。When clicking "Test workflow" 手动开始这次运行。Get Google Sheets records 读取工作表的各行。Aggregate responses into arrays 把每个问题的回答汇总成一个列表。结果是一个条目,每个问题一个字段。Summarize via GPT model 向 OpenAI 发两条消息。system message 要求先给出整体情绪,再用 Markdown 列出改进的想法。user message 装着三个列表,每个列表的内容用 | 连起来。Convet from Markdown to HTML 把回复转成 HTML。Send via Gmail 把 HTML 发成邮件,主题是 Feedback form response,并去掉了 n8n 的署名行。Summarize via GPT model 请求体里的 system message。Aggregate responses into arrays 里的字段名,和 user message 的各行。Send via Gmail。gpt-6-luna 默认用中等强度推理。要改的话,在请求体里加上 "reasoning_effort"。NOTICE.md 659 B README.md 4 KB workflow.json 7 KB
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。
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。
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。
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。