n8n 2.0: AI-агенты & Автоматизация

В декабре выходит n8n версии 2.0 — самое крупное обновление за два года. Новый интерфейс, автосохранение, улучшенный canvas. Начнём с чистого листа: разберёмся в интерфейсе, поймём логику работы.

• Что такое n8n и чем он отличается от Zapier и Make
• Обзор новинок версии 2.0
• Cloud или self-hosted — что выбрать и почему
• Анатомия workflow: триггеры, ноды, соединения
• Практика: собираем Telegram-бота для напоминаний

Домашнее задание: добавить боту команду для записи заметок в Google Sheets.

Автоматизация — это почти всегда про данные. Нужно откуда-то их взять, как-то обработать, куда-то положить. Разберёмся, как n8n работает с информацией и где её хранить.

• Как n8n обрабатывает данные: items, JSON, expressions
• Интеграция с Google Sheets: чтение, запись, обновление
• Data Tables — встроенная база данных в n8n
• Трансформация данных: фильтры, объединение, разделение потоков
• Практика: автоматический сбор заявок из формы с уведомлением в Telegram

Домашнее задание: разработать workflow для создания ежедневной сводки в вашей таблице.

n8n умеет работать с сотнями сервисов из коробки, но рано или поздно понадобится подключить что-то, для чего нет готового узла. Здесь начинается работа с API — и это проще, чем кажется.

• Что такое API и почему это не страшно
• HTTP Request node: GET, POST, заголовки, авторизация
• Webhooks: как сделать так, чтобы другие сервисы сами отправляли данные в n8n
• Работа с JSON: как вытащить нужное из ответа API
• Что делать, когда что-то идёт не так: обработка ошибок
• Практика: подключаем публичный API и настраиваем webhook

Домашнее задание: найти API сервиса, который вам нужен, подключить к боту в Telegram.

Главная история последних двух лет — большие языковые модели. n8n умеет с ними работать, и это открывает совершенно новые возможности. Построим агента, который отвечает на вопросы по вашим документам.

• Подключение LLM через OpenRouter: GPT-5, Claude, открытые модели в одном месте
• AI Agent node: как это устроено внутри
• Инструменты для агента: что он умеет делать и как добавить свои
• Введение в RAG: агент, который знает содержимое ваших файлов
• Векторные базы данных на примере Qdrant
• Практика: собираем AI-ассистента по вашей базе знаний

Домашнее задание: расширить базу знаний агента своими документами.

Одно дело — собрать workflow для себя, другое — запустить его в работу без присмотра. Разберёмся, как сделать автоматизации надёжными: защита от ошибок AI, человеческий контроль, мониторинг.

• Guardrails: защита от prompt injection, фильтрация персональных данных
• Human-in-the-Loop: одобрение человеком перед важными действиями
• Логирование и мониторинг: как понять, что пошло не так
• MCP (Model Context Protocol): подключаем n8n к Claude Desktop
• Миграция на 2.0: что проверить, если уже есть workflow на первой версии
• Практика: добавляем защиту к агенту из прошлого занятия
• Разбор проектов участников, ответы на вопросы