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-mall** är ett förbyggt arbetsflöde som redan innehåller noder, logik och struktur för ett specifikt användningsområde. Istället för att börja från början kan du importera en mall, ansluta dina egna datakällor och omedelbart börja testa.

Definition

Hittills har allt varit teori. Här börjar det första **verkliga bygget**. Arbetsflödet gör tre huvudsakliga saker: det importerar en förbyggd n8n-mall, kopplar den till **Rainforest API** för att hämta live-data från Amazon, och ansluter en **AI-agent** som omvandlar denna data till en kort sammanfattning.

Detta är standardmönstret för effektiv automatisering: **bygg inte från grunden — importera, koppla, kör.** För att följa med behöver du tre saker:

**Rainforest API** är en tjänst mellan n8n och Amazon som returnerar produkt- och säljardata i ett rent JSON-format, så ingen scraping eller tolkning krävs.

### Importera mallen

I **n8n**, klicka på **Skapa arbetsflöde tom duk**.
Öppna menyn och välj **Importera från fil**, välj sedan den tillhandahållna mallen.

När importen är klar ser du ett förbyggt flöde som innehåller:

* En **Trigger** (körs när ett formulär skickas in);
* En **IF-nod** (kontrollerar om värdet är en säljare-URL);
* **HTTP Request-noder** (anropar Rainforest API);
* En **Split Out-nod** (omvandlar en produktlista till enskilda objekt).

### Lägga till Rainforest API-nyckel

Varje HTTP Request-nod som anropar Rainforest måste autentiseras.
Kopiera din API-nyckel från Rainforest-instrumentpanelen och klistra in den i varje HTTP-nod, vanligtvis som en header eller frågeparameter.
När den har lagts till kan ditt arbetsflöde göra riktiga API-anrop.

### Köra med verklig indata

Klicka på **Kör arbetsflöde**. Ett formulär visas eftersom triggern är inställd på vid formulärinlämning.
Hitta ett seller ID i en Amazon-butikslänk (t.ex. `seller=A3NIEJTKAE5W6O`), klistra in det i formuläret och skicka in.

**IF-noden** kontrollerar om inmatningen är en giltig säljare-URL. Om sant anropar arbetsflödet Rainforest, tar emot produktdata och skickar det till **Split Out**, som separerar den stora arrayen till flera produktobjekt.

Vad är huvudsyftet med att använda Split Out-noden i detta arbetsflöde?

n8n är en flexibel automationsplattform för att koppla samman appar, transformera data och bygga AI-drivna arbetsflöden. Du utvecklar starka grundläggande kunskaper genom verkliga, praktiska exempel som täcker triggers, hantering av JSON, teori om dataflöden, AI-integration, webhooks och kompletta automationsbyggen. Fokus ligger på att förstå hur information rör sig genom ett arbetsflöde och hur denna information struktureras så att noder och API:er beter sig förutsägbart. Resultatet är förmågan att designa, felsöka och leverera tillförlitliga automationer som fungerar från början till slut.

En praktisk översikt av n8n:s miljö, kärnverktyg och det tankesätt som krävs för att bygga automationer. Begrepp inkluderar effektiv användning av AI, förståelse för hur data flödar genom noder, import av mallar samt omvandling av råa indata till strukturerad utdata.

En fokuserad genomgång av de väsentliga komponenterna i arbetsflöden. Triggers, datamanipuleringsnoder, HTTP-förfrågningar, webhooks och flödesstyrningslogik. Materialet bygger en tydlig mental modell för hur exekveringar startar, hur data formas och hur ruttbeslut fattas.

En djupgående genomgång av hur n8n representerar och bearbetar data. Ämnen inkluderar JSON-struktur, läsning av hela payloads, reparation av felaktig JSON, hantering av arrayer och objekt samt arbete med binära filer. Målet är förutsägbar och säker datahantering i alla arbetsflöden.

En steg-för-steg-omvandling av en ODT-plan till en strukturerad automationsplan. Materialet omfattar tillförlitliga RSS-flöden, förberedelse av data för LLM, generering av tweets med Airtable-loopar, utformning av resultatdrivna flöden samt kartläggning av hela arbetsflödet i Miro.

En fullständig genomgång från initialt koncept till slutligt resultat. Ämnen inkluderar strukturering av flödet, normalisering av API-data, loopar, felsäkring och återföring till Airtable med en förfinad automation som uppvisar tillförlitlighet och tydlighet från början till slut.

Importera en Mall och Data

Importera mallen

Lägga till Rainforest API-nyckel

Köra med verklig indata