учебное пособие n8n: 37 советов и хитростей (от новичка до эксперта)

• Видео содержит 37 полезных советов для новичков в N8N.  

• Видео разделено на главы для удобства поиска.  

• Рекомендация присоединиться к сообществу фонда искусственного интеллекта для дополнительного обучения и поддержки.  

• Советы по навигации и масштабированию в N8N.  

• Использование колесика прокрутки, клавиши Shift и мыши для перемещения и масштабирования.  

• Выделение и удаление узлов, копирование и вставка узлов.  

• Важность сохранения рабочих процессов.  

• Использование кнопки "Сохранить" или клавиши Ctrl+S.  

• Сохранение изменений при перемещении объектов.  

• Использование вкладки "Выполнение" для просмотра действий.  

• Отладка рабочих процессов и выявление ошибок.  

• Закрепление данных о выполнении для анализа ошибок.  

• Перенос данных о выполнении в редактор.  

• Анализ ошибок и исправление переменных.  

• Открепление данных о выполнении и очистка редактора.  

• Объяснение концепции идентификаторов сеансов.  

• Два типа идентификаторов сеансов: триггер чата и буферная память чата.  

• Пример использования триггера чата для взаимодействия с агентом.  

• Буферная память позволяет агенту запоминать предыдущие разговоры.  

• Можно настроить длину контекстного окна от 5 до 10 взаимодействий.  

• Идентификатор сеанса используется для отслеживания темы чата.  

• Для подключения Telegram, WhatsApp или Slack нужно настроить переменные.  

• Триггер Telegram копируется в буферную память окна.  

• Идентификатор чата используется как ключ для диалога.  

• Перетаскивание идентификатора чата в буферную память.  

• Сопоставление вводимых данных в чате.  

• Использование JSON для передачи текста.  

• Доступ к различным моделям ИИ через Open Router.  

• Создание учетных данных для Open Router.  

• Использование моделей, таких как Perplexity, для просмотра веб-страниц.  

• Экспорт и импорт рабочих процессов в формате JSON.  

• Осторожность с утечкой учетных данных при экспорте.  

• Экспорт и импорт отдельных узлов рабочего процесса.  

• ChatGPT помогает проверять и исправлять JSON-файлы.  

• Программа находит и исправляет ошибки в форматировании JSON.  

• Использование ChatGPT для создания чистого и читаемого JSON.  

• Модель чата OpenAI не имеет контекста текущего времени.  

• Пример: запрос о будущем возвращает данные до октября 2023 года.  

• Добавление системного сообщения с указанием текущей даты исправляет проблему.  

• Добавление тегов и редактирование названий рабочих процессов.  

• Фильтрация рабочих процессов по тегам для организации.  

• Создание групп рабочих процессов для удобства.  

• Использование curl для генерации HTTP-запросов.  

• Пример с сайтом rapid api.com для поиска конечных точек API.  

• Импорт команды curl в рабочий процесс для создания HTTP-запроса.  

• Генерация URL-адресов с помощью ChatGPT.  

• Проблемы с валидностью URL-адресов и необходимость повторных попыток.  

• Важность изучения документации API для правильного формирования URL.  

• Настройка HTTP-запросов с учетом заголовков и учетных данных.  

• Использование раскрывающегося списка "Аутентификация" для выбора типа аутентификации.  

• Важность правильного заполнения HTTP-запроса и параметров.  

• Сохраните учетные данные API для HTTP-запросов в среде n8n.  

• Используйте заголовки отправки для передачи ключа API.  

• Для безопасности и удобства скопируйте ключ и добавьте его в аутентификацию.  

• Добавьте новые учетные данные и сохраните их.  

• Переименуйте учетные данные для удобства.  

• В новом HTTP-запросе выберите тип аутентификации и учетные данные.  

• Узел агента полезен для сохранения контекста разговора.  

• Узел агента может быть ограничен при выводе данных в формате JSON.  

• Используйте анализатор выходных данных для структурирования данных.  

• Используйте классификатор запросов для выбора типа ответа.  

• Передавайте структуру выходных данных как переменную.  

• Автоматизация может выдавать разные структуры выходных данных в зависимости от запроса.  

• Попросите ChatGPT или другую модель написать сложные выражения.  

• n8n использует JavaScript для генерации выражений.  

• ChatGPT может помочь структурировать данные и упростить JSON-файлы.  

• Пример передаваемого JSON-файла и его отображения.  

• Ошибка при использовании выражения в n-восьми n.  

• Поиск универсального выражения для обработки данных.  

• Важность настойчивости и учета контекста при использовании ChatGPT.  

• Добавление резервных вариантов для переменных.  

• Проверка правильности использования информации.  

• Использование узла слияния для объединения данных из разных направлений рабочего процесса.  

• Пример с триггером Telegram и переключателем для голосовых и текстовых сообщений.  

• Настройка узла слияния для одновременного выполнения действий.  

• Использование JSON stringify для корректной передачи JSON-файлов.  

• Пример с HTTP-запросом и разделенным узлом для обработки данных из API.  

• Разделение и объединение элементов в массив.  

• Использование узла агрегации для объединения элементов.  

• Пример с объединением имен покемонов.  

• Преобразование файлов в двоичный формат для передачи другим инструментам.  

• Использование программы преобразования двоичного файла в файл.  

• Пример с преобразованием строки base 64 в файл MP3.  

• Сопоставление строки base 64 с полем ввода для вывода файла.  

• Иногда невозможно извлечь файл из URL-адреса, например, на Google Диске.  

• Google Диск часто вызывает проблемы с передачей URL-адресов.  

• Совет: использовать правильное файловое хранилище для передачи URL-адресов.  

• Загрузка двоичного файла в Cloudinary позволяет получить ссылку для дальнейшего использования.  

• Cloudinary позволяет программно передавать URL-адреса для следующего шага.  

• URL-адрес из Cloudinary можно использовать для загрузки файла в приложение для редактирования видео.  

• Объединение переменных с помощью поля set для создания одной переменной.  

• Пример с генерацией сценариев с помощью GPT-чата Ideator.  

• Использование модуля set field для создания полноценного сценария.  

• Ideator генерирует вводную часть, основу сценария и CTA.  

• Объединение этих частей в одну переменную для создания полноценного сценария.  

• Тестирование объединенного сценария в 11Labs.  

• Иногда автоматизация работает, но результаты не соответствуют ожиданиям.  

• Совет: просмотреть узлы и найти ошибку.  

• Пример с финансовым аналитиком, который не генерирует график по запросу.  

• Программа проходит все этапы, но возвращается с неправильным ответом.  

• Возможная причина: системный запрос или недостаточная умность агента.  

• Необходимость анализа и исправления системного запроса.  

• Системная подсказка помогает определить, как выполнить задачу.  

• Селектор типов ответов должен отправлять команду "генерировать" для создания диаграммы.  

• Ошибка возникла из-за неправильного типа ответа.  

• Проблема была в отсутствии переменной в пользовательском запросе.  

• После исправления запроса рабочий процесс был протестирован.  

• Диаграмма была успешно сгенерирована.  

• Ошибка возникла в разделе "Получить финансовые отчеты".  

• Система работала нормально, но вводилась неверная информация.  

• После исправления пользовательского запроса проблема была решена.  

• Air Table используется для предоставления контекста агенту.  

• Пример с мемами Wojack: агент ищет подходящий мем по текущей ситуации.  

• Важно включать URL-адреса изображений для удобства.  

• Google Sheets и Air Table недостаточно масштабируемы для больших объемов данных.  

• Пример с данными о сне: использование Postgres для обработки данных.  

• DQL SQL-запросы позволяют получать конкретную информацию на основе запросов.  

• Postgres позволяет генерировать SQL-запросы автоматически.  

• Агент ИИ может анализировать ошибки и повторно запрашивать данные.  

• Postgres обеспечивает высокую масштабируемость и скорость обработки данных.  

• База данных RAG помогает извлекать контекстную информацию из больших объемов данных.  

• Традиционные базы данных, такие как PostgreSQL, не способны искать семантическое значение.  

• Для реализации RAG и N8N требуется предварительная обработка PDF-файлов и создание шага поиска.  

• Пример с PDF-файлами о терапии красным светом для сна.  

• Запрос длины волны красного света для восстановления клеток.  

• Программа извлекает данные из базы данных и возвращает ответ.  

• Пример с агентом Telegram и моделью чата.  

• Модель чата создает список требований к самолету и передает его в API.  

• API фильтрует запрос и возвращает список самолетов.  

• Пример запроса на частные самолеты для внутренних перелетов.  

• Модель OpenAI формирует параметры поиска и возвращает JSON-объект.  

• Кодовый узел преобразует JSON в URL-адрес для API.  

• Кодовый узел получает JSON-файл списка самолетов и преобразует его в URL.  

• URL передается другому запросу для получения диаграммы.  

• QuickChart.io обрабатывает запрос и возвращает изображение в Telegram.  

• Указание формата ввода и вывода для кодового узла.  

• Пример JSON-объекта и его преобразование в HTTP-запрос.  

• Кодовый узел создает пользовательские HTTP-запросы на основе входящего JSON.  

• Тестирование кодового узла для преобразования JSON в URL.  

• Пример с типом двигателя jet и ограничением в десять.  

• Необходимость проверки и корректировки формата данных для HTTP-запросов.  

• Наборы API предлагают множество конечных точек в разных дисциплинах.  

• Рекомендуется приобретать API, которые предоставляют доступ к множеству вещей.  

• Примеры наборов API: API Ninjas, Zero CodeKit API, Quick Chart.io.  

• Важно разобраться в терминологии агентурных систем.  

• Часто новые технологии используют слова взаимозаменяемо, что усложняет понимание.  

• Рекомендуется изучить пост в блоге компании Anthropic о создании эффективных агентов.  

• В сообществе AI Foundation был специальный призыв по созданию эффективных агентов.  

• Видео поможет разобраться в терминологии и понять агентские фреймворки.  

• Примеры агентских рабочих процессов: расширенный LLM, цепочка подсказок, маршрутизация.  

• Генерация структурированных выходных данных с помощью агента.  

• Пример: агент отвечает фотографией и подписью на сообщения из Telegram.  

• Использование анализатора структурированного вывода для постоянного формата ответа.  

• Тестирование рабочего процесса с различными запросами.  

• Анализатор структурированных выходных данных выводит JSON-файл.  

• Пример: вывод изображения и подписи в Telegram.  

• Добавление процесса принятия решений с участием человека в узлах цикла.  

• Пример: создание коротких видеороликов с использованием автоматизации и человеческого вмешательства.  

• Проверка идей, предложенных агентом, перед их воплощением.  

• Агент помогает обсуждать новые идеи для видео.  

• Агент отправляет сообщения и предлагает идеи.  

• Если идея одобрена, видео генерируется; если отклонена, процесс продолжается.  

• Пример создания идеи для видео о кофе.  

• Агент просит разрешение отправить видео.  

• При отклонении идеи, агент предлагает доработать её.  

• Пример создания видео о характеристиках обжарки кофе.  

• Использование узла "человек в цикле" для автоматизации.  

• Совет №32: выполнение рабочего процесса с помощью другого рабочего процесса.  

• Пример использования инструмента для публикации блога.  

• Определение полей для заголовка и содержания.  

• Использование узла ожидания для длительных операций.  

• Создание исходной базы данных и выбор рабочего процесса.  

• Использование переменных для заполнения полей.  

• Переименование узла и добавление требований.  

• Агент job manager ускоряет выполнение длительных операций.  

• Пример создания исследовательской работы о терапии красным светом.  

• Проверка занятости рабочих процессов и их журналов.  

• Агент запрашивает детали для создания исследовательской работы.  

• Получение рабочего процесса для создания исследовательской работы.  

• Проверка журналов для определения занятых рабочих процессов.  

• Отправка исследовательской работы через Airtable.  

• Рабочий процесс подготовки исследовательской работы запущен.  

• Доступ к журналам Airtable для отслеживания статуса.  

• Рабочий процесс занят, но скоро будет завершен.  

• Получение URL-адреса исследовательской работы после завершения.  

• Проверка журналов для подтверждения завершения.  

• Настройка порога активности для отправки только одной исследовательской работы за раз.  

• Проверка журналов на наличие заданий.  

• Получение ссылок на готовые исследовательские работы.  

• Базовая автоматизация для запуска новых заданий.  

• Функция защиты от сбоев при занятости рабочего процесса.  

• Просмотр журналов заданий для новых исследовательских работ.  

• Установка Docker Desktop и выполнение команд для локального запуска N8N.  

• Настройка сети для получения входящего трафика.  

• Использование Cloudflare для аутентификации и защиты.  

• Использование DigitalOcean для создания виртуального контейнера Docker.  

• Преимущества облачного хостинга N8N.  

• Сравнение цен на облачный хостинг и серверы DigitalOcean.  

• Рекомендация плейлиста "N8N" от автора и его брата.  

• Призыв присоединиться к фондам искусственного интеллекта для обучения и общения.