Створіть свій перший робочий процес з Agent

Підтримка Acme щодня отримує десятки відгуків від клієнтів. Перш ніж їх маршрутизувати, менеджер хоче мати однореченевий підсумок кожного повідомлення, щоб швидко визначати пріоритети.

Створіть робочий процес з нуля з прикладовим відгуком у вузлі Edit Fields, а потім використайте вузол Agent (з підвузлом OpenAI Chat Model), щоб підсумувати його в одному реченні.

Ця вправа є частиною курсу

Вступ до автоматизації робочих процесів з n8n

Переглянути курс

Практична інтерактивна вправа

Перетворіть теорію на практику за допомогою однієї з наших інтерактивних вправ

Почати вправу

Ця вправа є частиною курсу

Вступ до автоматизації робочих процесів з n8n

SkillTag.level.beginnerSkillTag.label

4.8+

Почніть курс безкоштовно

Почніть автоматизувати з n8n — платформою автоматизації робочих процесів із відкритим кодом. Дізнайтеся, що вирізняє n8n серед no-code інструментів, дослідіть його canvas із перетягуванням елементів і опanuйте тригери, вузли та з'єднання. Наприкінці розділу ви зберете повні робочі процеси, які захоплюють дані з форм, викликають зовнішні API та перетворюють результати за допомогою Edit Fields.

Exercise 1: Мистецтво автоматизації та n8n Exercise 2: Досліджуємо ваш перший workflow в n8n!Exercise 3: Запуск тригерів робочих процесів у n8n Exercise 4: Перший доміно в ланцюжку!Exercise 5: Збирання реєстрацій на подію за допомогою Form Trigger Exercise 6: Створюємо ваш перший робочий процес у n8n!Exercise 7: Від контактів партнерів до полів у n8n Exercise 8: Відсіювання зайвого за допомогою Edit Fields Exercise 9: Фіксація реєстрацій на подію та часових міток

Додайте можливості прийняття рішень до ваших робочих процесів у n8n. Використовуйте вузли If і Switch, щоб розгалужувати логіку за умовами, пишіть вирази для доступу до динамічних даних і їх переформатування, вирівнюйте вкладені структури JSON та об'єднуйте кілька наборів даних в один уніфікований результат — і все це без написання коду.

Exercise 1: Створення розумніших робочих процесів за допомогою умовної логіки Exercise 2: If проти Switch Exercise 3: Розгалуження потоків за допомогою логіки If Exercise 4: Опрацювання багатьох результатів Exercise 5: Робота з виразами та динамічними даними Exercise 6: Статичні vs. динамічні значення Exercise 7: Виразні вирази Exercise 8: Сплющуємо вкладені дані!Exercise 9: Об'єднання та структурування даних Exercise 10: Безшовне об'єднання наборів даних Exercise 11: Що відбувається з незіставленими записами?

Підсиліть свої автоматизації за допомогою ШІ. Під'єднайте до робочих процесів n8n вузли Agent на базі OpenAI, створюйте підказки для класифікації та узагальнення тексту, спрямовуйте результати через умовні гілки та будуйте наскрізні конвеєри: від збирання даних форми до збагачення їх інтелектом LLM і доставки персоналізованих результатів — без коду.

Exercise 1: Додавання LLM до робочих процесів Exercise 2: Правила чи LLM?Exercise 3: Створіть свій перший робочий процес з Agent

Поточна вправа

Exercise 4: Використайте вихідні дані Agent далі по ланцюжку Exercise 5: Персоналізація та категоризація за допомогою LLM Exercise 6: Класифікація та маршрутизація відгуків клієнтів Exercise 7: Підготуйте персоналізовану відповідь Exercise 8: Створення повного автоматизованого робочого процесу Exercise 9: Чи варто це автоматизувати?Exercise 10: Зберіть конвеєр онбордингу Exercise 11: Персоналізуйте й відшліфуйте конвеєр Exercise 12: Вітаємо!