AI Inside Workflows

Put an LLM step inside a deterministic workflow: validated structured output, chat memory, messengers, human approval, cost control and two full projects.

What you will learn

  • Choose the right pattern for a model step (classification, extraction, summary, generation)
  • Validate model output and route broken output to a fallback
  • Build a chatbot with memory and publish it to a messenger (Project 3)
  • Design human approval bound to the exact output version
  • Build a reviewable email assistant that prevents duplicate actions (Project 4)

Prerequisites

  • n8n Fundamentals
  • Verification, Safety and Responsible Use

Tools

  • n8n 2.x یا Python 3.9 یا بالاتر
  • دسترسی به یک مدل (API در دسترس قانونی یا Ollama محلی)

Patterns and Structure

موقعیت (ساختگی): برگ سبز می‌خواهد نظرهای مشتریان سایت را هر شب بخواند، احساس هر نظر را تعیین کند، نام کتاب را درآورد و برای نظرهای منفی پیش‌نویس پاسخ بسازد. پیشنهاد همکار: «یک پرامپت بزرگ که همه را با هم برگرداند.» تحویل بده: (۱) تقسیم کار به گام‌ها با الگوی هر گام؛ (۲) Schema خروجی گام استخراج؛ (۳) دو قاعده سنجش در کد و مسیر خروجی خراب؛ (۴) کدام گام به مدل نیاز ندارد.

  • طبقه‌بندی، استخراج و تولید جدا با دلیل (2)
  • Schema با فیلدهای الزامی و مقدار مجاز (2)
  • سنجش در کد و صف انسانی برای خروجی خراب (2)
  • گام قطعی (مثل جمع‌آوری و ارسال) بدون مدل (2)

Conversation and Channels

موقعیت (ساختگی): ربات پیام‌رسان برگ سبز گاهی به یک پیام دو بار پاسخ می‌دهد، یک بار پاسخ کاربر دیگری را نشان داده، و پس از یک هفته کند شده است. شماره تلفن مشتریان در تاریخچه ذخیره می‌شود. تحویل بده: علت و اصلاح هر چهار مشکل با نام تنظیم یا گام.

  • offset و ثبت پیش از پاسخ برای پاسخ تکراری (2)
  • شناسه نشست از منبع مطمئن برای اختلاط کاربران (2)
  • پنجره و سقف تاریخچه برای کندی (2)
  • حذف یا پوشاندن داده حساس پیش از ذخیره (2)

Control, Cost and Project

موقعیت (ساختگی): دستیار ایمیل برگ سبز در هفته اول: دو پاسخ یکسان به یک مشتری، پاسخ به خبرنامه یک ناشر، پیش‌نویسی با کد تخفیف که تأیید شد، و هزینه مدل سه برابر برآورد. تحویل بده: برای هر رخداد، گامی که باید جلویش را می‌گرفت و تغییر دقیق؛ و یک سقف مصرف با رفتار هنگام رسیدن به آن.

  • دفتر پردازش یا Remove Duplicates و کلید ارسال برای پاسخ دوباره (2)
  • کنار گذاشتن فرستنده خودکار پیش از مدل (2)
  • نگهبان پیش‌نویس پیش از تأیید و متن کامل در تأیید (2)
  • سقف روزانه با توقف و هشدار و دلیل افزایش هزینه (2)

Skip challenge

در حدود ۶۰ دقیقه، با اسکریپت مرجع یا n8n و API آزمایشی برگ سبز، دستیاری بساز که: پیام‌های صندوق آزمایشی را بخواند و هیچ پیامی را دو بار پردازش نکند؛ به فرستنده خودکار پاسخ ندهد؛ طبقه‌بندی مدل را با کد بسنجد و پرداخت و مرجوعی را به صف انسانی بفرستد؛ پیش‌نویس با قول تخفیف را رد کند؛ و فقط متن تأییدشده را یک بار بفرستد. اگر نصب ممکن نیست، طرح گره‌ها، قاعده‌های نگهبان و جدول آزمون هفت ایمیل را با مسیر مورد انتظار بنویس.

  • اجرای دوباره هیچ پیام یا ارسال تازه‌ای نمی‌سازد.
  • پیام خودکار هیچ فراخوانی مدل ندارد.
  • ایمیل تزریقی به صف انسانی می‌رسد، نه به تأیید.
  • تأیید با نقش اشتباه یا متن ویرایش‌شده رد می‌شود.
  • هیچ کلیدی در فایل‌ها یا خروجی نیست.