Создайте свой первый воркфлоу с агентом

Команда поддержки Acme ежедневно получает десятки сообщений с отзывами клиентов. Чтобы быстро расставлять приоритеты, менеджер хочет видеть краткое изложение каждого сообщения в одном предложении.

Постройте воркфлоу с нуля: добавьте образец отзыва в узел Edit Fields, а затем используйте узел Agent (с дочерним узлом OpenAI Chat Model), чтобы сформировать краткое изложение в одном предложении.

Это упражнение является частью курса

Введение в автоматизацию рабочих процессов с n8n

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Введение в автоматизацию рабочих процессов с n8n

SkillTag.level.beginnerSkillTag.label

4.8+

Начать курс бесплатно

Начните автоматизировать процессы с n8n — платформой автоматизации рабочих процессов с открытым исходным кодом. Узнайте, чем n8n отличается от других no-code инструментов, познакомьтесь с холстом перетаскивания и освойте триггеры, узлы и соединения. К концу главы вы создадите полноценные рабочие процессы, которые будут собирать данные форм, обращаться к внешним API и преобразовывать результаты с помощью узла Edit Fields.

Exercise 1: Искусство автоматизации и n8n Exercise 2: Знакомство с первым рабочим процессом в n8n!Exercise 3: Запуск рабочих процессов в n8n Exercise 4: Первый шаг запускает всё!Exercise 5: Регистрация участников с помощью Form Trigger Exercise 6: Создаём первый рабочий процесс в n8n!Exercise 7: От контактов партнёров к полям n8n Exercise 8: Фильтрация лишних данных с помощью Edit Fields Exercise 9: Регистрация участников мероприятий и запись времени

Добавьте логику принятия решений в рабочие процессы n8n. Используйте узлы If и Switch для ветвления логики на основе условий, пишите выражения для доступа к динамическим данным и их преобразования, разворачивайте вложенные структуры JSON и объединяйте несколько наборов данных в единый результат — без написания кода.

Exercise 1: Создание более гибких рабочих процессов с помощью условной логики Exercise 2: If или Switch Exercise 3: Разветвление потоков с помощью логики If Exercise 4: Обработка множества исходов Exercise 5: Выражения и динамические данные Exercise 6: Статические и динамические значения Exercise 7: Работа с выражениями Exercise 8: Выравниваем вложенные данные!Exercise 9: Объединение и структурирование данных Exercise 10: Объединение наборов данных Exercise 11: Что происходит с несовпавшими записями?

Расширьте возможности автоматизации с помощью ИИ. Подключайте агентные узлы на базе OpenAI к рабочим процессам n8n, составляйте промпты для классификации и обобщения текста, направляйте результаты через ветви с условиями и создавайте сквозные конвейеры, которые собирают данные из форм, обогащают их с помощью больших языковых моделей и возвращают персонализированные результаты — без написания кода.

Exercise 1: Введение языковых моделей в рабочие процессы Exercise 2: Правила или языковая модель?Exercise 3: Создайте свой первый воркфлоу с агентом

Текущее упражнение

Exercise 4: Используйте вывод агента в дальнейшей обработке Exercise 5: Персонализация и категоризация с помощью языковых моделей Exercise 6: Классификация и маршрутизация отзывов клиентов Exercise 7: Создание персонализированного ответа Exercise 8: Создание полноценного автоматизированного рабочего процесса Exercise 9: Стоит ли это автоматизировать?Exercise 10: Создайте процесс адаптации клиентов Exercise 11: Персонализация и завершение пайплайна Exercise 12: Поздравляем!