Перетворення необроблених даних на результат ШІ
Шаблон n8n можна розширити не лише для отримання чи очищення даних, а й для створення змістовного AI-генерованого результату. У цій частині використовується імпортований робочий процес із попереднього уроку, щоб автоматично генерувати текст шляхом агрегування розділених елементів, фіксації стабільних даних і передачі однієї структурованої сукупності у AI Agent.
До цього моменту робочий процес міг лише отримувати та розділяти дані. Тепер ви дізнаєтеся, як:
- Збирати розділені елементи в один payload, зручний для AI;
- Фіксувати дані, щоб Rainforest API не викликався повторно під час тестування;
- Коректно передавати структуровані дані у AI Agent;
- Змінювати тон або стиль AI одним словом.
Саме зараз робочий процес перестає бути демонстраційною схемою і починає створювати реальні, готові для клієнта результати.
Що насправді створив Split Out
Після попереднього уроку робочий процес вже отримував товари від продавця через Rainforest API, а потім розділяв їх на кілька елементів, наприклад, 16 окремих записів про товари.
Поширена помилка — підключати вузол Split Out безпосередньо до AI Agent, очікуючи, що він підсумує все. Це не спрацює, оскільки AI отримує лише один елемент за раз. Він не бачить повної картини і не може написати змістовний огляд.
Split Out чудово підходить для логіки по кожному елементу, але не для написання загального підсумку.
Додавання вузла Aggregate
Щоб AI бачив усі дані одночасно, додайте після Split Out вузол Aggregate. Налаштуйте його на об'єднання всіх елементів у єдиний список або масив. Цей вузол приймає кілька записів і зливає їх в один структурований елемент, що містить усі деталі товарів.
Тепер замість 16 окремих повідомлень AI отримує один блок із повним контекстом.
Закріплення даних
Перед запуском додаткових тестів закріпіть вихідні дані вузла.
Це запобігає повторним викликам Rainforest API у n8n, економить токени та пришвидшує налаштування підказок. Вузли нижче за потоком використовуватимуть закріплену відповідь, доки її не буде відкріплено.
Для будь-якого робочого процесу, що звертається до платного API, закріплюйте дані на початку та відкріплюйте лише під час повного наскрізного запуску.
Перевірка агрегованого результату
Після виконання вузла Aggregate у n8n має відображатися один елемент замість багатьох. Усередині цього елемента міститься масив із назвами, ASIN, посиланнями, зображеннями та іншими полями продукту.
Це контекстний блок, саме його слід передавати AI-агенту.
Передача даних до AI-агента
Усередині вузла AI Agent відкрийте поле User message або підказки та перетягніть у нього агреговане поле даних (наприклад: {{$json["data"]}}).
Зліва ви побачите вираз. Справа n8n показує попередній перегляд у реальному часі — саме ці дані отримає AI. Якщо цей попередній перегляд не містить реальних даних про продукти, AI не зможе створити якісний підсумок.
Завжди перевіряйте, що попередній перегляд справа містить структурований вміст.
Виконайте вузол AI Agent. AI повинен повернути короткий опис із зазначенням назв продуктів, ASIN, цін, рейтингів і інформації про продавця.
Це підтверджує, що робочий процес тепер передає актуальні структуровані дані до AI, а не статичні приклади.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 4.17Перетворення необроблених даних на результат ШІ
Свайпніть щоб показати меню
Шаблон n8n можна розширити не лише для отримання чи очищення даних, а й для створення змістовного AI-генерованого результату. У цій частині використовується імпортований робочий процес із попереднього уроку, щоб автоматично генерувати текст шляхом агрегування розділених елементів, фіксації стабільних даних і передачі однієї структурованої сукупності у AI Agent.
До цього моменту робочий процес міг лише отримувати та розділяти дані. Тепер ви дізнаєтеся, як:
- Збирати розділені елементи в один payload, зручний для AI;
- Фіксувати дані, щоб Rainforest API не викликався повторно під час тестування;
- Коректно передавати структуровані дані у AI Agent;
- Змінювати тон або стиль AI одним словом.
Саме зараз робочий процес перестає бути демонстраційною схемою і починає створювати реальні, готові для клієнта результати.
Що насправді створив Split Out
Після попереднього уроку робочий процес вже отримував товари від продавця через Rainforest API, а потім розділяв їх на кілька елементів, наприклад, 16 окремих записів про товари.
Поширена помилка — підключати вузол Split Out безпосередньо до AI Agent, очікуючи, що він підсумує все. Це не спрацює, оскільки AI отримує лише один елемент за раз. Він не бачить повної картини і не може написати змістовний огляд.
Split Out чудово підходить для логіки по кожному елементу, але не для написання загального підсумку.
Додавання вузла Aggregate
Щоб AI бачив усі дані одночасно, додайте після Split Out вузол Aggregate. Налаштуйте його на об'єднання всіх елементів у єдиний список або масив. Цей вузол приймає кілька записів і зливає їх в один структурований елемент, що містить усі деталі товарів.
Тепер замість 16 окремих повідомлень AI отримує один блок із повним контекстом.
Закріплення даних
Перед запуском додаткових тестів закріпіть вихідні дані вузла.
Це запобігає повторним викликам Rainforest API у n8n, економить токени та пришвидшує налаштування підказок. Вузли нижче за потоком використовуватимуть закріплену відповідь, доки її не буде відкріплено.
Для будь-якого робочого процесу, що звертається до платного API, закріплюйте дані на початку та відкріплюйте лише під час повного наскрізного запуску.
Перевірка агрегованого результату
Після виконання вузла Aggregate у n8n має відображатися один елемент замість багатьох. Усередині цього елемента міститься масив із назвами, ASIN, посиланнями, зображеннями та іншими полями продукту.
Це контекстний блок, саме його слід передавати AI-агенту.
Передача даних до AI-агента
Усередині вузла AI Agent відкрийте поле User message або підказки та перетягніть у нього агреговане поле даних (наприклад: {{$json["data"]}}).
Зліва ви побачите вираз. Справа n8n показує попередній перегляд у реальному часі — саме ці дані отримає AI. Якщо цей попередній перегляд не містить реальних даних про продукти, AI не зможе створити якісний підсумок.
Завжди перевіряйте, що попередній перегляд справа містить структурований вміст.
Виконайте вузол AI Agent. AI повинен повернути короткий опис із зазначенням назв продуктів, ASIN, цін, рейтингів і інформації про продавця.
Це підтверджує, що робочий процес тепер передає актуальні структуровані дані до AI, а не статичні приклади.
Дякуємо за ваш відгук!
