Wprowadzanie LLM do przepływów pracy

Wprowadzenie do automatyzacji przepływów pracy z n8n

James Chapman

AI Curriculum Manager, DataCamp

Stałe reguły a rozumienie języka

 

  • Węzły regułowe: te same dane wejściowe, to samo wyjście za każdym razem

rules.png

 

  • LLM: te same dane wejściowe, za każdym razem nieco inne wyjście

llms.png

Wprowadzenie do automatyzacji przepływów pracy z n8n

Kiedy używać każdego z podejść

 

rules_vs_llms.png

 

  • LLM → podsumowywanie, redagowanie, interpretacja nieustrukturyzowanych danych

 

  • Reguły → obliczenia, formatowanie, decyzje tak/nie

 

→ Jeśli reguła wystarczy, użyj reguły

Wprowadzenie do automatyzacji przepływów pracy z n8n

Nowy węzeł: AI Agent

agent_config.png

agent_subnode.png

  • Węzeł Agent wysyła prompt do modelu językowego i zwraca odpowiedź
  • Agent pełni rolę orkiestratora, a Chat Model — silnika
Wprowadzenie do automatyzacji przepływów pracy z n8n
Wprowadzenie do automatyzacji przepływów pracy z n8n

Wyjście agenta

  • Agent zwraca pole tekstowe → można je wykorzystać jak każde inne wyjście węzła
  • Przekazać do Edit Fields, rozgałęzić za pomocą If lub połączyć z kolejnymi węzłami

Wyjścia agenta

Wprowadzenie do automatyzacji przepływów pracy z n8n

Czas na ćwiczenia!

Wprowadzenie do automatyzacji przepływów pracy z n8n

Preparing Video For Download...