Summary  
This chapter demonstrates how to assemble an automated workflow that triggers on form input, uses conditional branching, performs authenticated HTTP requests to retrieve and parse JSON data, splits array payloads into individual items, and integrates an AI model node for further processing.

General domain of usage  
Workflow automation

En **n8n-mal** er en forhåndsbygget arbeidsflyt som allerede inkluderer noder, logikk og struktur for et spesifikt bruksområde. I stedet for å starte fra bunnen av, kan du importere en mal, koble til dine egne datakilder og umiddelbart begynne å teste.

Definisjon

Til nå har alt vært teori. Her starter den første **faktiske byggingen**. Arbeidsflyten gjør tre hovedting: den importerer en forhåndsbygget n8n-mal, kobler den til **Rainforest API** for å hente sanntidsdata fra Amazon, og legger til en **AI-agent** som omgjør disse dataene til en kort oppsummering.

Dette er standardmønsteret for effektiv automatisering: **ikke bygg fra bunnen av — importer, koble sammen, kjør.** For å følge med trenger du tre ting:

**Rainforest API** er en tjeneste mellom n8n og Amazon som returnerer produkt- og selgerdata i et ryddig JSON-format, slik at ingen skraping eller parsing er nødvendig.

### Importere malen

I **n8n**, klikk på **Opprett arbeidsflyt tomt lerret**.
Åpne menyen og velg **Importer fra fil**, og velg deretter den medfølgende malen.

Når den er importert, vil du se en forhåndsbygd flyt som inneholder:

* En **Trigger** (kjøres når et skjema sendes inn);
* En **IF-node** (sjekker om verdien er en selger-URL);
* **HTTP Request-noder** (kaller Rainforest API);
* En **Split Out-node** (gjør en liste med produkter om til enkeltprodukter).

### Legge til Rainforest API-nøkkel

Alle HTTP Request-noder som kaller Rainforest må autentiseres.
Kopier API-nøkkelen din fra Rainforest-dashboardet og lim den inn i hver HTTP-node, vanligvis som en header eller spørringsparameter.
Når den er lagt til, kan arbeidsflyten din utføre ekte API-kall.

### Kjøre med ekte input

Klikk på **Kjør arbeidsflyt**. Et skjema vises fordi triggeren er satt til ved innsending av skjema.
Finn en seller ID i en Amazon-butikk-URL (f.eks. `seller=A3NIEJTKAE5W6O`), lim den inn i skjemaet og send inn.

**IF-noden** sjekker om inputen er en gyldig selger-URL. Hvis sant, kaller arbeidsflyten Rainforest, mottar produktdata og sender det til **Split Out**, som deler opp det store arrayet i flere produktobjekter.

Hva er hovedformålet med å bruke Split Out-noden i denne arbeidsflyten?

n8n er en fleksibel automatiseringsplattform for å koble sammen apper, transformere data og bygge AI-drevne arbeidsflyter. Du vil utvikle solide grunnleggende ferdigheter gjennom virkelige, praktiske eksempler, som dekker utløsere, håndtering av JSON, teori om dataflyt, AI-integrasjon, webhooks og komplette automatiseringsprosesser. Fokuset er på å forstå hvordan informasjon beveger seg gjennom en arbeidsflyt og hvordan denne informasjonen kan struktureres slik at noder og API-er oppfører seg forutsigbart. Resultatet er evnen til å designe, feilsøke og levere pålitelige automatiseringer som fungerer fra ende til ende.

En praktisk oversikt over n8ns miljø, kjerneverktøy og tankesett som kreves for å bygge automatiseringer. Konsepter inkluderer effektiv bruk av AI, forståelse av hvordan data flyter gjennom noder, import av maler og omforming av rådata til strukturert output.

En grundig gjennomgang av de essensielle komponentene i arbeidsflyter. Utløsere, datamanipuleringsnoder, HTTP-forespørsler, webhooks og flytkontrolllogikk. Materialet gir en tydelig mental modell for hvordan kjøringer starter, hvordan data formes, og hvordan rutingsbeslutninger tas.

En grundig gjennomgang av hvordan n8n representerer og behandler data. Temaer inkluderer JSON-struktur, lesing av komplette payloads, reparasjon av ugyldig JSON, håndtering av arrayer og objekter, samt arbeid med binære filer. Målet er forutsigbar og trygg datahåndtering i alle arbeidsflyter.

En trinnvis omforming av en ODT-plan til en strukturert automatiseringsmal. Materialet dekker pålitelige RSS-feeder, klargjøring av data for LLM-er, generering av tweets med Airtable-løkker, utforming av resultatbaserte flyter og kartlegging av hele arbeidsflyten i Miro.

En komplett gjennomgang fra innledende konsept til endelig resultat. Emner inkluderer strukturering av flyten, normalisering av API-data, løkker, feilsikring og tilbakeskriving til Airtable med en raffinert automatisering som demonstrerer ende-til-ende pålitelighet og klarhet.

Importere en mal og data

Importere malen

Legge til Rainforest API-nøkkel

Kjøre med ekte input