Полное руководство по n8n: От новичка до профессионального разработчика агентов искусственного интеллекта

• Автоматизация использует технологии для выполнения задач с минимальным вмешательством человека.  

• Цель автоматизации - сэкономить время, уменьшить ошибки и повысить эффективность.  

• Автоматизация применяется в бизнесе, маркетинге, поддержке клиентов и других отраслях.  

• Автоматизация процессов автоматизирует сложные рабочие процессы, такие как создание счетов-фактур.  

• Автоматизация задач автоматизирует простые и повторяемые задачи, например, отправка электронных писем и общение в чате.  

• Инструменты без кода и с низким уровнем кода позволяют пользователям без технических знаний создавать автоматизированные системы.  

• Инструменты без кода устраняют барьер для входа в автоматизацию.  

• Они ускоряют разработку и устраняют разрыв между техническими и нетехническими пользователями.  

• Ninty - мощный инструмент автоматизации без кода с множеством возможностей настройки.  

• Ninty позволяет самостоятельно размещать инструменты, что обеспечивает конфиденциальность данных.  

• Ninty гибок и интегрируется с другими приложениями, предоставляя доступ к сторонним инструментам.  

• Стоимость Ninty ниже, чем у других инструментов без кода, таких как Zapier и Make.com.  

• Ninty фокусируется на создании агентов искусственного интеллекта на основе больших языковых моделей.  

• В следующем видео будет рассказано о регистрации на Ninty и создании первых систем автоматизации.  

• Начните с облачной учетной записи, так как она предоставляет 14-дневную пробную версию.  

• Введите имя, адрес электронной почты компании и личный адрес электронной почты.  

• Нажмите "Попробовать бесплатно" для входа в учетную запись.  

• После входа в систему может потребоваться подтверждение.  

• Нажмите "Открыть рабочее пространство" для доступа к домашней странице.  

• Убедитесь, что используете последнюю версию для исправления ошибок.  

• Рабочие процессы позволяют создавать средства автоматизации.  

• Оплата производится за рабочие процессы, а не за хостинг.  

• В облачной учетной записи можно начать с нуля.  

• Панель администратора позволяет обновлять версию и настраивать часовой пояс.  

• Убедитесь, что используете последнюю бета-версию для безопасности.  

• Пробная версия показывает ваш план участия.  

• Создайте первый рабочий процесс, нажав "Начать с нуля".  

• Измените тему интерфейса на темную для лучшего восприятия.  

• Дайте название рабочему процессу для организации.  

• Создание рабочего процесса и его сохранение.  

• Возможность тегирования рабочих процессов для их организации.  

• Пример использования тегов для разделения рабочих процессов по категориям.  

• Фильтрация рабочих процессов по тегам.  

• Возможность обновления, сохранения, публикации и удаления рабочих процессов.  

• Важность сохранения рабочих процессов для предотвращения потери прогресса.  

• Редактор и выполнение рабочих процессов.  

• Возможность увеличения и уменьшения масштаба для удобства работы.  

• Кнопка "Протестировать рабочий процесс" для проверки его работы.  

• Узлы как строительные блоки рабочих процессов.  

• Три категории узлов: точки входа, функциональные и точки выхода.  

• Различные типы триггеров и их применение.  

• Добавление и перемещение узлов.  

• Возможность переименования, деактивации, копирования и удаления узлов.  

• Пример создания чат-бота и использования узлов для взаимодействия с приложениями.  

• Добавление узлов для преобразования данных.  

• Возможность добавления и редактирования элементов данных.  

• Пример использования узлов для работы с Gmail и другими приложениями.  

• Возможность фильтрации данных на основе условий.  

• Объединение и агрегирование данных.  

• Использование узлов потока для фильтрации и объединения элементов.  

• Поиск и выбор данных из заметок.  

• Отправка данных в узел через чат.  

• Возможность удаления текущих данных и начало с нуля.  

• Переключение между узлами и их выполнение.  

• Параметры и настройки узлов.  

• Операции и вывод данных в различных форматах.  

• Представление данных в виде таблицы, JSON и схемы.  

• Ограничение на количество выводимых данных.  

• Возможность изменения формата данных и возврата к холсту.  

• Входные и выходные данные узлов.  

• Порядок выполнения узлов слева направо.  

• Продолжение рабочего процесса в следующем видео.  

• Создан начальный триггерный узел для чата.  

• Создано хранилище данных о клиентах в обучающем узле.  

• Переход к манипулированию данными и добавлению соединительных узлов.  

• Добавление узла для преобразования данных.  

• Присвоение названий узлам для лучшей организации.  

• Пример переименования узла для удобства.  

• Использование представления схемы для работы с данными.  

• Доступ к узлам через выпадающий список в представлении JSON.  

• Возможность переключения между узлами в представлении схемы.  

• Режимы работы узла: ручное отображение и JSON.  

• Перетаскивание полей ввода для фильтрации данных.  

• Использование кода JavaScript для манипуляции данными.  

• Возможность расширения представления для работы с большими объемами данных.  

• Пример добавления и настройки данных в ручном режиме.  

• Указание типа данных и добавление новых полей.  

• Захват всей страны и переименование её в "кантри".  

• Добавление идентификатора для удобства.  

• Преобразование данных: улавливание только имени, адреса электронной почты, страны и идентификационного номера.  

• Фильтрация данных для вывода полного имени, адреса электронной почты, страны и идентификатора.  

• Замена названий столбцов на те, которые были введены.  

• Успешное выполнение фильтрации и вывод данных.  

• Добавление новых столбцов для фильтрации данных.  

• Манипуляция данными для захвата только нужных полей.  

• Переход к следующему этапу фильтрации.  

• Использование узлов if и switch для фильтрации данных.  

• Узел if выдает данные в зависимости от условия true или false.  

• Пример фильтрации данных по наличию страны.  

• Проверка существования данных с помощью узла if.  

• Использование операций сравнения для фильтрации данных.  

• Пример фильтрации данных по наличию страны.  

• Тестирование фильтрации данных на практике.  

• Разделение данных на те, которые соответствуют истинному и ложному условиям.  

• Возможность дальнейшей манипуляции данными на основе фильтров.  

• Понимание работы узлов и фильтров для манипуляции данными.  

• Возможность добавления дополнительных примечаний для изменения данных.  

• Завершение и надежда на лучшее понимание работы узлов.  

• Пошаговое руководство по созданию мощного агента ИИ для обработки данных из популярных поисковых систем.  

• Создание нового рабочего процесса и добавление первого шага в виде чата.  

• Триггером будет чат, так как агент будет взаимодействовать с данными в режиме реального времени.  

• Выбор триггера "сообщение в чате" и переход в раздел "Продвинутый искусственный интеллект".  

• Выбор модели чата, использование OpenAI.  

• Подключение учетной записи API и настройка модели GPT-4.  

• Добавление буферной памяти Windows для хранения предыдущих данных.  

• Добавление калькулятора для выполнения математических операций.  

• Подключение SERP API для получения актуальной информации из популярных поисковых систем.  

• Создание новых учетных данных для SERP API.  

• Подключение к Google и регистрация в SERP API.  

• Настройка бесплатного тарифного плана для выполнения 100 поисковых запросов в месяц.  

• Вход в аккаунт и использование 100 поисковых запросов в месяц.  

• Восстановление ключа API и его копирование.  

• Вставка ключа API в раздел "Редактировать учетную запись".  

• Возможность ограничения доступа к результатам поиска по стране, устройству или домену.  

• Преимущества использования SERP API перед крупными языковыми моделями.  

• Тестирование агента с помощью подсказки "какие рестораны в Сан-Франциско самые лучшие?".  

• Агент обновляет буферную память и использует SERP API для получения актуальной информации.  

• Тестирование погоды в Сан-Франциско и подтверждение точности данных.  

• Анонс следующего урока по созданию ИИ-агента для обработки входящих электронных писем.  

• Создание ИИ-агента для автоматического пометки входящих писем в Gmail.  

• Использование узла текстового классификатора для распознавания содержимого писем.  

• Применение цветовой маркировки для организации почтового ящика.  

• Удаление теста при нажатии и добавление триггера Gmail.  

• Создание новой учетной записи Google Cloud.  

• Переход к консоли и создание нового проекта.  

• Создание согласия OAuth для Google Workspace или личного аккаунта.  

• Настройка имени приложения и контактной информации.  

• Публикация приложения и переход к производству.  

• Поиск и включение API Gmail.  

• Создание учетных данных OAuth для веб-приложения.  

• Вставка идентификатора и секрета клиента в приложение.  

• Вход в систему с помощью Google и подключение учетной записи.  

• Удаление ненужных учетных записей для оптимизации процесса.  

• Выберите свой аккаунт и настройте время проведения опроса.  

• Отслеживайте входящие сообщения каждую минуту, час или день.  

• Убедитесь, что выбраны все необходимые параметры для получения наиболее точных данных.  

• Проверьте работу узла и добавьте текстовый классификатор.  

• Long Chain упрощает интеграцию больших языковых моделей в приложения.  

• Используйте OpenAI для классификации и маркировки текста.  

• Определите текст для классификации, который будет поступать из триггера Gmail.  

• Убедитесь, что текст классифицируется на основе основной части электронного письма.  

• Преобразуйте текст в формат JSON для дальнейшего использования.  

• Создайте категории и ярлыки для классификации электронных писем.  

• Добавьте категории для спонсорских запросов, совместной работы и деловых запросов.  

• Назначьте цвета для каждой категории для удобства.  

• Добавьте категории в рабочий процесс, такие как спонсорство и сотрудничество с компаниями.  

• Убедитесь в подробном описании категорий для правильной классификации.  

• Используйте ChatGPT для создания описаний категорий для точного анализа.  

• Обсуждение электронных писем, связанных с бизнесом, но не спонсорством или сотрудничеством.  

• Упоминание запросов о канале, предоставлении информации и других деловых сообщений.  

• Завершение описания всех остальных электронных писем, не соответствующих предыдущим категориям.  

• Важность выбора правильного параметра для шаблона системной подсказки.  

• Подключение модели и тестирование шага.  

• Создание категорий и добавление большой языковой модели.  

• Отправка электронного письма для проверки классификации.  

• Добавление текста для классификации, например, "привет, я бы с удовольствием спонсировал ваше следующее видео".  

• Проверка, что система правильно распознает и помечает письмо как спонсорское.  

• Добавление узла для автоматической пометки электронной почты в Gmail.  

• Настройка узла для добавления ярлыка к сообщению.  

• Извлечение идентификатора сообщения из текстового классификатора.  

• Добавление ярлыков для различных категорий, таких как спонсорство и сотрудничество.  

• Переименование узлов для лучшей организации и понимания.  

• Завершение процесса переименования и проверка правильности обозначений.  

• Отправка спонсорского письма в Gmail.  

• Письмо успешно помечено как спонсорское.  

• Проверка ярлыка на письме.  

• Отправка партнерского письма с предложением сотрудничества.  

• Письмо успешно помечено как партнерское.  

• Проверка ярлыка на письме.  

• Активация рабочего процесса для автоматического отслеживания писем.  

• Отправка делового запроса.  

• Письмо успешно помечено как деловой запрос.  

• Отправка письма без категории.  

• Письмо должно быть помечено как "другие".  

• Письмо ошибочно помечено как деловой запрос.  

• Исправление ошибки в названии лейбла.  

• Повторное тестирование рабочего процесса.  

• Письмо успешно помечено как "другие".  

• Полный контроль над данными.  

• Решение проблем конфиденциальности и утечки данных.  

• Docker как предпочтительный метод для разработчиков.  

• Платформа для упаковки приложений и их зависимостей в контейнеры.  

• Возможность развертывания и запуска на разных платформах.  

• Простота запуска и переносимость.  

• Упрощение процесса запуска и объединение компонентов.  

• Изоляция контейнеров для предотвращения конфликтов.  

• Масштабируемость и автоматизация рабочих процессов.  

• Скачивание и установка Docker на компьютер.  

• Важность правильной версии для Mac.  

• Запуск настольного приложения Docker.  

• Создание папки для хранения данных.  

• Поиск и загрузка изображений.  

• Настройка дополнительных параметров для запуска контейнера.  

• Указание имени контейнера и порта хоста.  

• Выбор места для хранения данных контейнера.  

• Настройка переменных окружения для аутентификации.  

• Запуск контейнера и доступ к нему через localhost:5678.  

• Настройка учетной записи электронной почты.  

• Ввод нового имени пользователя и пароля.  

• Программа задает вопросы и проводит обзор программного обеспечения как сервиса.  

• Доступны пустые рабочие процессы и пользовательский интерфейс, как в облачной учетной записи.  

• Возможность начать с нуля и доступ к локальному хостингу и продвинутому искусственному интеллекту AI.  

• Перейдите в облачную учетную запись и нажмите "Загрузить".  

• Импортируйте файл JSON, содержащий рабочие процессы.  

• Добавьте учетные данные, так как они не будут перенесены автоматически.  

• Для остановки контейнера нажмите "остановиться".  

• Для запуска контейнера нажмите "воспроизвести".  

• Локальный хостинг позволяет избежать повторной аутентификации, что делает процесс плавным.  

• Использование командной строки для установки программного обеспечения на локальный компьютер.  

• Установка OLA и Quadrant для работы с большими языковыми моделями и векторными базами данных.  

• Возможность самостоятельного размещения и взаимодействия с рабочими процессами искусственного интеллекта.  

• Руководство по созданию ИИ-агента с использованием инструментов с открытым исходным кодом.  

• Использование векторной базы данных Quadrant и больших языковых моделей с платформой Olama.  

• Возможность загрузки и взаимодействия с документами через чат.  

• Переход на GitHub и выбор стартового набора для создания ИИ.  

• Инструкции для разных машин: NVIDIA, Mac.  

• Использование настольного приложения Docker для загрузки необходимых компонентов.  

• Клонирование репозитория и установка Docker.  

• Запуск Docker Compose для запуска контейнеров и изображений.  

• Проверка наличия всех необходимых компонентов.  

• Вход на локальный хост и регистрация или вход.  

• Создание триггера для чата и настройка загрузки файлов.  

• Добавление векторной базы данных Quadrant.  

• Описание векторной базы данных Quadrant и её преимуществ.  

• Настройка учетных данных и добавление коллекции документов.  

• Тестирование загрузки документов через чат.  

• Использование встроенных моделей OAMA.  

• Добавление новой модели встраивания через платформу OAMA.  

• Настройка и тестирование новой модели.  

• Обсуждение популярных моделей встраивания, таких как текст, встраиваемый в noic.  

• Преимущества модели noic: мощный и компактный.  

• Установка модели на OAMA.  

• Копирование и вставка кода для добавления моделей в OAMA.  

• Использование Docker Compose для добавления моделей.  

• Альтернативный способ через рабочий стол Docker.  

• Открытие Docker Desktop и добавление моделей через exec.  

• Пример добавления модели quinn two от Alibaba.  

• Преимущества использования рабочего стола Docker для добавления моделей.  

• Проверка наличия добавленных моделей.  

• Добавление документов в OAMA.  

• Выбор модели встраивания и настройка параметров.  

• Тестирование модели встраивания.  

• Добавление данных в базу данных векторов квадрантов.  

• Проверка успешного добавления данных.  

• Добавление разговорного агента.  

• Подключение агента к хранилищу векторов и чату.  

• Настройка модели чата и выбор языковой модели.  

• Добавление инструмента для хранения векторов.  

• Извлечение информации из хранилища векторов квадрантов.  

• Завершение настройки и подготовка к использованию.  

• База знаний будет отвечать на вопросы пользователей.  

• Хранилище векторов будет заполнено заранее.  

• Идентификатор сеанса будет использоваться для сопоставления данных.  

• Проверка и настройка модели.  

• Снижение температуры выборки до нуля для точного ответа.  

• Вставка и соединение данных из векторного хранилища.  

• Обработка данных один раз для предотвращения ошибок.  

• Тестирование с техническим документом по BTC.  

• Влияние скорости компьютера на производительность.  

• Использование модели чата OLLAMA для ответов на запросы.  

• Проверка результатов и логов.  

• Возможность использования OpenAI для ускорения процесса.  

• Ошибки при неправильном запросе.  

• Разные размеры встраиваний для разных моделей.  

• Исправление ошибок и повторная проверка.  

• Публикация чата для тестирования.  

• Возможность добавления чата на веб-сайт.  

• Преимущества использования моделей с открытым исходным кодом.  

• Локальное использование моделей и встраиваний.  

• Возможность создания новых приложений.  

• Призыв к обратной связи и вопросам в комментариях.  

• Преобразование видео с YouTube в расшифровки с помощью N8.  

• Использование агентов искусственного интеллекта для перепрофилирования видео.  

• Пример с видео OpenAI, посвященным дню разработчиков.  

• Создание боевых карт для команды продаж.  

• Использование расшифровок для социальных сетей LinkedIn, Instagram, Twitter, Facebook.  

• Отправка резюме в электронные письма и Slack.  

• Канал посвящен созданию агентов искусственного интеллекта с использованием N8.  

• Сообщество для обучения и создания агентов ИИ.  

• Возможность использования шаблонов и рабочих процессов.  

• Необходимость локального хостинга для установки узла.  

• Процесс установки узла через npm.  

• Проверка наличия подходящего пакета для установки.  

• Добавление узла расшифровки видео с YouTube.  

• Возможность использования триггеров для автоматизации.  

• Пример использования для отслеживания новых видео на YouTube.  

• В декабре 2023 года было объявлено о GPT-4 и различных токенах.  

• Автор скопировал URL-адрес и получил шесть zk.  

• Для преобразования видео в текст необходимо использовать объединение текста.  

• Временные метки указываются в виде продолжительности каждого видео.  

• Можно использовать агрегатный узел для получения данных с определенной временной шкалы.  

• Для наших целей достаточно объединить текст без временных меток.  

• Видео с YouTube можно конвертировать в расшифровку для различных целей.  

• Пример: использование расшифровки для демонстрации продукта SaaS-компании.  

• Важно преобразовать текст в боевые карты для команды продаж.  

• Боевые карты помогают показать основные характеристики продукта и обработать возражения.  

• Автор использует GPT-4 mini для извлечения ключевых идей и советов по работе с возражениями.  

• Важно выбрать сильную модель для получения качественных результатов.  

• Боевые карты должны быть структурированы для четкого понимания.  

• Используются заголовки и маркеры для индивидуальной информации.  

• Автор предоставляет подсказки для правильного результата.  

• Автор тестирует процесс и получает желаемый результат.  

• Основные характеристики продукта и советы по работе с возражениями выделены.  

• Результат соответствует ожиданиям и помогает стимулировать продажи.  

• GPT-4 Turbo поддерживает до 128000 токенов контактов.  

• Введен режим JSON для работы с объектами.  

• Упрощает работу команды продаж, сравнивая продукты с GPT-4.  

• GPT-4 Turbo дешевле GPT-4 с коэффициентом направления в три раза.  

• Автоматизация процесса продаж и уникальные преимущества.  

• Поддержка до 128000 токенов контактов и возможность настройки подсказок.  

• Возможность добавления данных в CRM системы, такие как Salesforce.  

• Поддержка загрузки документов, поиска контактов и создания резюме.  

• Возможность отправки данных в Slack для информирования команды продаж.  

• Создание индивидуальных постов для LinkedIn, Instagram, Twitter и Facebook.  

• Подсказки для каждой платформы: профессиональный пост для LinkedIn, короткий пост с призывом к действию для Instagram.  

• Вывод данных в формате JSON для подключения к соответствующим узлам.  

• Создание краткого содержания из длинных видео или подкастов.  

• Использование моделей ChatGPT и других моделей для обобщения ключевых моментов.  

• Вывод резюме в удобном для чтения формате для использования в заметках и электронных письмах.  

• Возможность автоматизации процесса с помощью веб-хуков.  

• Использование для суммирования длинных вебинаров и семинаров.  

• Импорт данных в рабочий процесс для настройки под собственные цели.  

• Призыв подписаться на канал и следить за анонсами.  

• Обещание новых обучающих программ и анонсов.