iishenka.pro
В Pro

Мастер-класс ИИшенка Pro

N8N Мастер-класс

Подготовьтесь к практикам — вас ждут понятные объяснения, наглядные примеры и готовые связки, которые вы сможете сразу адаптировать под свои задачи.

Вступить в сообществоСмотреть программу
модулей
9 модулей
разобранных тем
105 разобранных тем
тайм-кодов
214 тайм-кодов
общая длительность
≈ 1 ч 40 мин общая длительность

Программа мастер-класса

Мастер-класс состоит из 9 тем, которые последовательно проведут вас от основ N8N до создания полноценного RAG-агента с интеграцией нейросетей.

Введение в N8N и основы платформы

Добро пожаловать на мастер-класс по N8N! В этом уроке мы шаг за шагом погрузимся в платформу автоматизации: разберём базовые принципы, настроим первые интеграции и научимся выстраивать устойчивые сценарии. Мастер-класс создан для тех, кто хочет уверенно стартовать: от записи первого workflow до подключения нейросетей и построения собственного RAG-агента.

Ключевые темы

  • Цель мастер-класса и кому он подойдёт
  • N8N как конструктор из нод и принцип low-code
  • Сравнение с Zapier/Make и ключевые преимущества
  • Open-source и self-host подход
  • Структура платформы и взаимодействие компонентов
  • JSON как язык общения нод
  • Регистрация пробного аккаунта и первый вход
  1. Цель мастер-класса
  2. Кому подойдёт мастер-класс и как им пользоваться
  3. План: от базовых принципов до первого агента с RAG
  4. Почему важно понимать логику автоматизаций
  5. N8N как конструктор из нод и принцип low-code
  6. Сравнение с Zapier/Make и ключевые преимущества
  7. Open-source и self-host подход
  8. Гибкость и возможность писать код
  9. Структура платформы и взаимодействие компонентов
  10. JSON как язык общения нод
  11. Ознакомление с интерфейсом N8N
  12. Регистрация пробного аккаунта
  13. Первый вход и старт с нуля

Поток данных и ключевые концепции

В этом видео вы узнаете, как данные шаг за шагом проходят через ноды в N8N и почему важно понимать логику потока. Мы разберём, какие источники данных можно подключать, как просматривать JSON-структуру и как накапливать значения между шагами.

Ключевые темы

  • Принцип перетекания данных между нодами
  • Источники данных: ручной ввод и внешние сервисы
  • Просмотр результата ноды и формат JSON
  • Разбор ключ-значение в JSON-представлении
  • Нода Set/Edit Fields и передача данных
  • Формирование нового JSON и динамические значения
  • Триггеры: ручные, расписание, внешние события
  • Действия после триггера и завершение сценария
  1. Напоминание о принципе перетекания данных между нодами
  2. Переход в workflow и добавление первой ноды
  3. Источники данных: ручной ввод и внешние сервисы
  4. Просмотр результата ноды и формат JSON
  5. Разбор ключ-значение в JSON-представлении
  6. Добавление ноды Set/Edit Fields
  7. Передача данных из предыдущей ноды и настройка полей
  8. Формирование нового JSON и динамические значения
  9. Что такое ручное выполнение workflow
  10. Триггеры: ручные, расписание, внешние события
  11. Действия после триггера и завершение сценария

Что такое $json и Визуальная отладка (Искусство находить ошибки)

В этом видео вы узнаете, как отлаживать сложные сценарии в N8N и быстро находить место, где теряются данные. Мы разберём копирование нод, работу с цепочками JSON и доступ к значениям не только из предыдущего шага, но и из ранних этапов.

Ключевые темы

  • Дублирование нод и усложнение workflow
  • Проверка прохождения данных через ноды
  • Навигация между шагами в режиме просмотра
  • Анализ доступных полей в JSON-формате
  • Доступ к данным не из предыдущей ноды
  • Использование списка ранних нод и перетаскивания данных
  • Ручное построение выражений и обращение к нодам по имени
  • Иерархия JSON и обращение к вложенным полям
  • Синтаксис выражений с двойными фигурными скобками
  • Раздел Executions и история запусков
  • Просмотр входных и выходных данных каждой ноды
  1. Дублирование нод и усложнение workflow
  2. Проверка прохождения данных через ноды
  3. Навигация между шагами в режиме просмотра
  4. Почему нода подсвечивается красным и что это значит
  5. Анализ доступных полей в JSON-формате
  6. Доступ к данным не из предыдущей ноды
  7. Использование списка ранних нод и перетаскивания данных
  8. Ручное построение выражений и обращение к нодам по имени
  9. Иерархия JSON и обращение к вложенным полям
  10. Синтаксис выражений с двойными фигурными скобками
  11. Доступ к chatInput, тексту и другим значениям через точки
  12. Как подходить к отладке больших workflow
  13. Раздел Executions и история запусков
  14. Отличие тестовых и боевых выполнений
  15. Просмотр входных и выходных данных каждой ноды

Взаимодействие n8n с внешним миром (HTTP Request и Webhook)

В этом видео вы узнаете, как N8N обменивается данными с внешними сервисами через HTTP-запросы и webhook-и. Мы разберём структуру запроса, поймём роль метода, URL, заголовков и тела, а также посмотрим на примеры живых интеграций.

Ключевые темы

  • Зачем нужен обмен с внешним миром
  • Понятие HTTP-запроса и связь с JSON-данными
  • Разбор структуры curl-запроса и его элементов
  • Метод, URL и заголовки в контексте письма
  • Нода HTTP Request в N8N
  • Пример запроса к публичному API
  • Что такое webhook и чем он отличается от исходящего запроса
  • Настройка ноды Webhook и получение уникального URL
  • Telegram Trigger как популярный пример webhook-а
  • Двусторонняя коммуникация с внешними сервисами
  1. Зачем нужен обмен с внешним миром
  2. Пример задачи: автоматически получать курс валют
  3. Понятие HTTP-запроса и связь с JSON-данными
  4. Как JSON помогает переносить данные между системами
  5. Разбор структуры curl-запроса и его элементов
  6. Метод, URL и заголовки в контексте письма
  7. Аналогия с конвертом и содержимым письма
  8. Нода HTTP Request в N8N
  9. Обзор полей ноды: method, URL, headers, body
  10. Пример запроса к сервису определения пола по имени
  11. Выполнение запроса и анализ ответа
  12. Что такое webhook и чем он отличается от исходящего запроса
  13. Вебхук как дверной звонок, который ждёт событие
  14. Настройка ноды Webhook и получение уникального URL
  15. Telegram Trigger как популярный пример webhook-а
  16. Связка бота, credentials и приём сообщений
  17. Как сообщение проходит через сервер Telegram к N8N
  18. Ответ пользователю через send message и HTTP-ноды
  19. Итог: двусторонняя коммуникация с внешними сервисами

Подключение Google Drive, Google Docs и Telegram к n8n

В этом видео вы узнаете, как подключить Google Drive, Google Docs и Telegram к вашим сценариям в N8N, чтобы данные автоматически перетекали между сервисами. Мы обойдём требование банковской карты в Google Cloud, настроим OAuth-креды и создадим Telegram-бота.

Ключевые темы

  • Обход требования банковской карты в Google Cloud Console
  • Включение Google Drive API и Google Docs API
  • Создание credentials и требования по client ID/secret
  • Настройка OAuth consent screen
  • Создание OAuth-клиента и redirect URI из N8N
  • Авторизация через Sign in with Google
  • Проверка доступных файлов Google Drive из N8N
  • Создание Telegram-бота через BotFather
  • Подключение токена в N8N и сохранение credentials
  • Тестирование webhook: команды /start и сообщения
  • Связка триггера с Google Doc и обновление документа
  1. Почему подключаем Google и Telegram в первую очередь
  2. Обзор типового кейса: сообщения в Telegram и сохранение в Google Drive
  3. Старт работы в Google Cloud Console и обход запроса карты
  4. Выбор страны и согласие с условиями
  5. Как игнорировать предложение ввода карты и открыть проект
  6. Включение Google Drive API
  7. Активация Google Docs API и других сервисов
  8. Добавление ноды Google Drive в N8N
  9. Создание credentials и требования по client ID/secret
  10. Настройка OAuth consent screen
  11. Создание приложения и выбор типа External
  12. Добавление OAuth-клиента и redirect URI из N8N
  13. Получение client ID/secret и ввод в N8N
  14. Авторизация через Sign in with Google и публикация приложения
  15. Повторное подтверждение доступа и проверка статуса
  16. Проверка доступных файлов Google Drive из N8N
  17. Подключение Google Docs и использование тех же OAuth-данных
  18. Проверка доступа к структуре Google Docs
  19. Добавление Telegram Trigger и план сценария
  20. Создание Telegram-бота через BotFather и получение токена
  21. Подключение токена в N8N и сохранение credentials
  22. Тестирование webhook: команды /start и сообщения
  23. Связка триггера с Google Doc и подготовка документа
  24. Обновление документа текстом из Telegram
  25. Итоги: двусторонняя интеграция Google и Telegram в N8N

Ветвления и циклы: If, Switch и Loop

В этом видео вы узнаете, как строить ветвления и циклы в N8N, чтобы автоматизации правильно реагировали на разные типы входящих данных. Мы на практике разберём ноды If, Switch и Loop: проверим условия для текста, голоса и изображений из Telegram.

Ключевые темы

  • Когда пригодятся ветвления и циклы
  • Обзор нод If, Switch и Loop
  • Как работает нода If: проверка условия да/нет
  • Нода Switch для нескольких условий
  • Сравнение структуры текстового и голосового сообщений
  • Создание условия If по наличию voice.file_id
  • Настройка Switch для фото, голоса и текста
  • Введение в работу ноды Loop
  • Пример: несколько файлов на Google Drive
  • Связка с Telegram: отправляем имя каждого файла
  • Когда использовать Loop, а когда можно обойтись без него
  1. Когда пригодятся ветвления и циклы
  2. Пример с Telegram-ботом и разными типами сообщений
  3. Обзор нод If, Switch и Loop
  4. Как работает нода If: проверка условия да/нет
  5. Нода Switch для нескольких условий
  6. Нода Loop и когда она помогает
  7. Настройка Telegram-триггера и запуск отладки
  8. Сравнение структуры текстового и голосового сообщений
  9. Запись голосового сообщения и анализ JSON
  10. Создание условия If по наличию voice.file_id
  11. Проверка веток true/false и их выводов
  12. Тестирование условия без голосового сообщения
  13. Планирование обработчиков для каждой ветки
  14. Добавление ноды Switch для фото, голоса и текста
  15. Настройка правила для фото
  16. Добавление условий для voice и текстовых сообщений
  17. Конфигурация ветки voice
  18. Настройка ветки текст
  19. Проверка работы Switch с текстом
  20. Тест с фото и проверка ветки
  21. Введение в работу ноды Loop
  22. Пример: несколько файлов на Google Drive
  23. Добавление Loop и подготовка к итерациям
  24. Связка с Telegram: отправляем имя каждого файла
  25. Заполнение сообщения данными из текущей итерации
  26. Замыкание петли и запуск сценария
  27. Когда использовать Loop, а когда можно обойтись без него
  28. Чем отличается поэлементная обработка от пакетной

Интеграция с нейросетями: OpenAI и AI-агенты

В этом видео вы узнаете, как подружить N8N с нейросетями: распознавать голосовые сообщения, передавать текст в агента и отправлять ответ обратно в Telegram. Мы построим ветку для голосовых и текстовых сообщений, подключим OpenAI для транскрибации и создадим собственного AI-агента.

Ключевые темы

  • Кейс: Telegram-бот с голосовыми и текстовыми сообщениями
  • Общая цепочка: транскрибация и ответ агента
  • Настройка ноды Switch для голосов и текста
  • Добавление ноды Telegram Get File
  • Получение аудиофайла из Telegram
  • Подключение ноды OpenAI Transcribe
  • Генерация API-ключа OpenAI
  • Добавление ключа в N8N и сохранение credentials
  • Добавление ноды AI Agent и её назначение
  • Подключение чат-модели OpenAI (GPT-4o mini)
  • Использование ноды Set для подготовки поля text
  • Готовим отправку ответа обратно в Telegram
  1. Кейс: Telegram-бот с голосовыми и текстовыми сообщениями
  2. Общая цепочка: транскрибация и ответ агента
  3. Что должен делать AI-агент в сценарии
  4. Повторение: зачем нужен Switch
  5. Настройка ноды Switch для голосов и текста
  6. Добавление ноды Telegram Get File
  7. Передача file_id и включение скачивания
  8. Получение аудиофайла из Telegram
  9. Подключение ноды OpenAI Transcribe
  10. Напоминание, что ноды — это обёртки над API
  11. Обзор платформы api.openai.com
  12. Вход в OpenAI и подготовка дашборда
  13. Генерация первого API-ключа
  14. Добавление ключа в N8N и сохранение credentials
  15. Как оплатить кредиты OpenAI и какие суммы нужны
  16. Новый тест: голосовое сообщение проходит по цепочке
  17. Транскрибатор возвращает текст
  18. Где хранится расшифрованный текст
  19. Добавление ноды AI Agent и её назначение
  20. Переопределение входных данных агента (define below)
  21. Проверка ветки с обычным текстом
  22. Подключение чат-модели OpenAI (GPT-4o mini)
  23. Повторный запуск ветки текст
  24. Switch направляет данные в ветку text
  25. Использование ноды Set для подготовки поля text
  26. Проверка результата и перенос текста в нужное поле
  27. Агент получает текст и формирует ответ
  28. Готовим отправку ответа обратно в Telegram
  29. Добавление ноды Send a Text Message
  30. Передача output и chat_id в сообщение
  31. Отключение атрибуции N8N
  32. Получение ответа в Telegram и завершение цикла

RAG-пайплайн: векторизация и Pinecone

В этом видео вы узнаете, как построить RAG-пайплайн в N8N: от пояснения теории векторизации до загрузки собственных данных в Pinecone. Мы разберём, зачем разбивать документы на чанки, как получить эмбеддинги через OpenAI и сохранить их в векторную базу.

Ключевые темы

  • Что означает Retrieval Augmented Generation
  • Матрицы и числовое представление текста
  • Как векторизация помогает нейронкам понимать документы
  • Проблема длинных текстов и ограничение контекста
  • Концепция чанков и идея overlap
  • Преобразование каждого чанка в вектор
  • Что хранится в векторной базе: текст и метаданные
  • Как вопрос пользователя превращается в вектор
  • Поиск ближайших векторов и подбор контекста
  • Подготовка тестового текста через ноду Set/Edit Fields
  • Выбор Pinecone как быстрого бесплатного решения
  • Регистрация в Pinecone и получение API-ключа
  • Нода Pinecone Vector Store и режим Add Documents
  • Создание первого индекса в Pinecone
  • Выбор модели text-embedding-3-small
  • Добавление Text Data Loader и настройка разбиения
  • Кастомный splitter: длина чанка 100 символов без overlap
  • Проверка Pinecone: поиск и просмотр записей
  1. Почему RAG — самая продвинутая часть мастер-класса
  2. Что означает Retrieval Augmented Generation
  3. Матрицы и числовое представление текста
  4. Как векторизация помогает нейронкам понимать документы
  5. Проблема длинных текстов и ограничение контекста
  6. Концепция чанков и идея overlap
  7. Преобразование каждого чанка в вектор
  8. Что хранится в векторной базе: текст и метаданные
  9. Как вопрос пользователя превращается в вектор
  10. Поиск ближайших векторов и подбор контекста
  11. Возврат текста в контекст нейронки и генерация ответа
  12. Переход к практике в N8N
  13. Подготовка тестового текста через ноду Set/Edit Fields
  14. Почему кастомные данные полезны для теста
  15. Зачем нужна векторная база и какие бывают варианты
  16. Выбор Pinecone как быстрого бесплатного решения
  17. Регистрация в Pinecone и прохождение анкеты
  18. Получение API-ключа и добавление его в N8N
  19. Нода Pinecone Vector Store и режим Add Documents
  20. Создание первого индекса в Pinecone
  21. Выбор модели text-embedding-3-small
  22. Обновление списка индексов в N8N
  23. Указание модели эмбеддингов в настройках ноды
  24. Добавление Text Data Loader и зачем он нужен
  25. Просмотр исходного текста перед загрузкой
  26. Настройка Data Loader и выбор типа разбиения
  27. Кастомный splitter: длина чанка 100 символов без overlap
  28. Первый запуск и замечание про размерность вектора
  29. Создание нового индекса с размерностью 1536
  30. Переподключение ноды к новому индексу
  31. Повторный запуск всего workflow
  32. Результат Data Loader: список подготовленных чанков
  33. Результат модели эмбеддингов: массивы чисел-векторов
  34. Проверка Pinecone: поиск и просмотр записей
  35. Просмотр текста и соответствующих векторов в интерфейсе
  36. Что делать дальше: использовать поиск и отдавать контекст нейронке

Создание ИИ Агента, который отвечает на основе векторизованных данных

В этом видео вы узнаете, как собрать весь пройденный материал в один RAG-агент: забрать документы из Google Drive, завекторизовать их и отвечать в Telegram на основе собственных данных. Мы модернизируем пайплайн векторизации, подключим Pinecone как инструмент для агента и настроим system message.

Ключевые темы

  • Краткий обзор того, что уже умеет автоматизация
  • Идея объединить векторизацию и диалоговый бот в RAG-агента
  • Замена источника текста на Google Drive
  • Подготовка папки Testdocs с нужными файлами
  • Нода Google Drive Search с фильтром по папке
  • Нода Download для скачивания документа
  • Настройка data loader на работу с бинарным файлом
  • Изменение размера чанков до 200 символов
  • Просмотр индекса Pinecone и проверка записей
  • Что такое инструменты (tools) у агента
  • Добавление Pinecone Vector Store как инструмента
  • Выбор индекса и настройка поиска
  • Ограничение на четыре релевантных чанка
  • System message: сперва получи контекст через vector store
  • Финальный тест: вопрос про акцию и ответ с датами
  • Просмотр найденных чанков внутри ноды Pinecone
  • Система теперь умеет полный цикл: векторизация + диалог
  1. Краткий обзор того, что уже умеет автоматизация
  2. Как данные двигаются между нодами и внешними сервисами
  3. Подключённые интеграции: Telegram, Google Drive, векторное хранилище
  4. Две ключевые части: векторизация и диалоговый бот
  5. Как эти части работают отдельно
  6. Идея объединить их в раг-агента
  7. План: финализируем мастер-класс полноценным сценарием
  8. Замена источника текста на Google Drive
  9. Подготовка папки Testdocs с нужными файлами
  10. Нода Google Drive Search с фильтром по папке
  11. Выполнение поиска и получение file_id
  12. Нода Download для скачивания документа
  13. Проверка, что скачан нужный файл
  14. Настройка data loader на работу с бинарным файлом
  15. Изменение размера чанков до 200 символов
  16. Запуск векторизации и получение 17 элементов
  17. Просмотр индекса Pinecone и проверка записей
  18. Убедились, что текст из документа завекторизован
  19. Готовим данные для ответа агента
  20. Возвращаемся к Telegram-автоматизации
  21. Что такое инструменты (tools) у агента
  22. Добавление Pinecone Vector Store как инструмента
  23. Выбор индекса test2 и настройка поиска
  24. Ограничение на четыре релевантных чанка
  25. Добавление модели эмбеддингов для поиска
  26. System message: сперва получи контекст через vector store
  27. Придумываем вопрос про акцию «Цветы под ёлку»
  28. Отправляем запрос в Telegram-бота
  29. Запуск сценария: транскрибация, поиск, ответ
  30. Агент использует Vector Store и формирует сообщение
  31. Ответ с датами акции в Telegram
  32. Просмотр найденных чанков внутри ноды Pinecone
  33. Система теперь умеет полный цикл: векторизация + диалог
  34. Подведение итогов возможностей
  35. Финальное прощание и приглашение продолжить работу

Этот мастер-класс — часть Pro

Одна подписка открывает доступ ко всем мастер-классам и к базе знаний сообщества.

Мастер-класс по Claude Code

17 модулей: команды, скиллы, MCP, субагенты и приложение на Next.js.

Мастер-класс по Google Antigravity

15 модулей: Workflows, Skills, MCP-серверы, Stitch и Agent Manager.

Мастер-класс по Codex

16 модулей: Sites, плагины, скиллы, субагенты, расписания, Supabase и Computer Use.

Pro-сообщество

База знаний, разборы, шаблоны агентов и живое общение с практиками.

Присоединяйся к Pro-сообществу сегодня

Одна подписка — все мастер-классы, база знаний и живое общение с практиками.

Выберите тариф

Цены действуют со скидкой для ранних участников.

Что входит

  • Доступ ко всем текущим и будущим материалам
  • Мастер-класс по n8n для новичков
  • Мастер-класс по Claude Code
  • Мастер-класс по Google Antigravity
  • Регулярно пополняющаяся база знаний про ИИ
  • Приватное сообщество
  • Шаблоны и ресурсы для ИИ-агентов

Бонусом

  • Эксклюзивные знания про ИИ-агентов
  • Эксклюзивный нетворкинг

Вы выбрали: годовая подписка — 59 900 ₽ в год

Вступить в Pro
  • Оплата и выбор тарифа — в Telegram-боте.
  • Доступ открывается сразу после подтверждения оплаты.
  • Подписка продлевается автоматически; отменить можно в любой момент до начала следующего периода.
  • Условия оферты.