Zbuduj swój pierwszy workflow z węzłem Agent

Zespół wsparcia Acme codziennie otrzymuje dziesiątki wiadomości z opiniami klientów. Zanim trafi do odpowiednich osób, menedżer chce mieć jednozdaniowe streszczenie każdej wiadomości, żeby szybko ocenić priorytety.

Zbuduj workflow od podstaw: umieść przykładową opinię w węźle Edit Fields, a następnie użyj węzła Agent (z węzłem podrzędnym OpenAI Chat Model), aby streścić ją w jednym zdaniu.

To ćwiczenie jest częścią kursu

Wprowadzenie do automatyzacji przepływów pracy z n8n

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Wprowadzenie do automatyzacji przepływów pracy z n8n

SkillTag.level.beginnerSkillTag.label

4.8+

Rozpocznij kurs za darmo

Zacznij automatyzować z n8n – platformą open-source do automatyzacji przepływów pracy. Dowiedz się, co wyróżnia n8n spośród innych narzędzi no-code, poznaj interfejs przeciągnij i upuść oraz opanuj wyzwalacze, węzły i połączenia. Pod koniec rozdziału zbudujesz kompletne przepływy, które zbierają dane z formularzy, wywołują zewnętrzne API i przekształcają wyniki za pomocą węzła Edit Fields.

Exercise 1: Sztuka automatyzacji i n8n Exercise 2: Odkryj swój pierwszy przepływ pracy w n8n!Exercise 3: Wyzwalanie przepływów pracy w n8n Exercise 4: Pierwszy krok w łańcuchu!Exercise 5: Rejestracja uczestników wydarzeń za pomocą wyzwalaczy formularzy Exercise 6: Tworzenie pierwszego przepływu pracy w n8n!Exercise 7: Od kontaktów partnerskich do pól w n8n Exercise 8: Odfiltruj zbędne dane za pomocą Edit Fields Exercise 9: Rejestrowanie zgłoszeń na wydarzenie wraz z sygnaturą czasową

Dodaj logikę decyzyjną do swoich przepływów w n8n. Używaj węzłów If i Switch do rozgałęziania logiki na podstawie warunków, pisz wyrażenia umożliwiające dostęp do dynamicznych danych i ich przekształcanie, spłaszczaj zagnieżdżone struktury JSON oraz łącz wiele zbiorów danych w jeden jednolity wynik – wszystko bez pisania kodu.

Exercise 1: Tworzenie inteligentniejszych przepływów pracy z logiką warunkową Exercise 2: If kontra Switch Exercise 3: Rozgałęzianie przepływów z użyciem logiki If Exercise 4: Obsługa wielu wyników Exercise 5: Wyrażenia i dane dynamiczne Exercise 6: Wartości statyczne a dynamiczne Exercise 7: Wyrażenia w praktyce Exercise 8: Spłaszczanie zagnieżdżonych danych!Exercise 9: Łączenie i strukturyzowanie danych Exercise 10: Płynne łączenie zbiorów danych Exercise 11: Co się dzieje z niedopasowanymi rekordami?

Wzbogać swoje automatyzacje o możliwości AI. Podłącz węzły agentów zasilane przez OpenAI do przepływów w n8n, twórz prompty klasyfikujące i podsumowujące tekst, kieruj wyniki przez gałęzie warunkowe i buduj kompletne potoki zbierające dane z formularzy, wzbogacające je inteligencją modelu językowego i dostarczające spersonalizowane rezultaty – bez żadnego kodu.

Exercise 1: Wprowadzenie modeli językowych do przepływów pracy Exercise 2: Reguły czy LLM?Exercise 3: Zbuduj swój pierwszy workflow z węzłem Agent

Bieżące ćwiczenie

Exercise 4: Wykorzystaj dane wyjściowe węzła Agent w dalszej części przepływu Exercise 5: Personalizacja i kategoryzacja z użyciem LLM Exercise 6: Klasyfikowanie i kierowanie opinii klientów Exercise 7: Napisz spersonalizowaną odpowiedź Exercise 8: Budowanie kompletnego zautomatyzowanego przepływu pracy Exercise 9: Czy to nadaje się do automatyzacji?Exercise 10: Zbuduj pipeline wdrożeniowy dla klientów Exercise 11: Personalizacja i dopracowanie pipeline'u Exercise 12: Gratulacje!