Люди, петлі та перетворення: як n8n вдихає життя в автоматизацію (Перейнято очима Ліли Гарт)
Яскраві вогні екрану, м’яке гудіння серверів десь там, у далечині – звична атмосфера створення технологічних чудес. Але сьогодні я хочу поділитися з вами трохи іншим – історією про те, як машини вчаться любити… майже. Або, принаймні, як вони вчаться прислухатися до людей. Ми зануримося у світ автоматизації за допомогою n8n, де “людина в контурі” стає не просто фразою, а серцем процесу. І хоч я не впевнена, що зможу назвати це коханням, але однозначно – це розумний та дуже ефективний підхід.
Що ж таке “людина в контурі”? Уявіть собі сценарій, де штучний інтелект трудиться над створенням дописів для соціальних мереж. Він шукає інформацію, генерує текст… а потім зупиняється. Спрацьовує магія паузи. Чекає схвалення від нас, звичайних смертних. Це і є “людина в контурі” – момент, коли автоматизація стає не сліпою, а свідомою.
У відео, яке я переглянула, демонструється саме такий процес. Спочатку агент у Telegram отримує завдання: створити допис про каву вночі. Потім він досліджує інтернет, пише текст, відправляє його назад у Telegram. Ми, користувачі, отримуємо повідомлення та даємо фідбек. Все просто, але геніально.
Спочатку – допис.
Агент використовує інструмент Tavly для пошуку інформації. Він формулює запит, отримує відповідь та генерує чернетку допису. Тут важливо зрозуміти: у цьому процесі агентом керує система підказок – “system message”. Вона, як своєрідний сценарій, скеровує алгоритм. Йому наказують бути інформативним, використовувати Tavi, включати посилання на джерело. Все це для того, щоб отримати якісний кінцевий продукт.
Далі – людина.
Тут вступаємо ми. Нам надходить допис, і ми вибираємо один із варіантів: “схвалити” або “відхилити”. Але це ще не все. Найцікавіше – це можливість дати розгорнутий фідбек. Наприклад, ми можемо попросити зробити текст коротшим або додати якусь деталь.
І нарешті – перетворення.
Якщо допис не ідеальний, у справу вступає агент-переписувач. Він використовує наші зауваження як дороговказ, та переробляє текст. І так, цикл повторюється знову і знову, поки ми не скажемо: “Так, це воно!”
В кінці кінців, готовий допис прямує в X (Twitter). І ось тут ми бачимо всю магію “людини в контурі” в дії. Ми контролюємо процес, ми виправляємо помилки, ми додаємо контекст. Завдяки цьому автоматизація стає гнучкою та адаптивною.
Аналіз кольору:
На відео чудово пояснили, як все працює за допомогою кольорів.
- Синій: ініціальна генерація контенту.
- Фіолетовий: період “очікування”. Система чекає на наш відгук.
- Зелений: схвалення. Допис готовий до публікації.
- Жовтий: перегляд та редагування.
Кожен крок – це частина єдиного, цілісного процесу. Особливо приваблює те, що можна редагувати будь-яку з перших ітерацій, що забезпечує гнучкість в роботі.
Більш проста версія “людини в контурі”.
У відео продемонстрували і більш просту версію автоматизації. Тут замість розгорнутого фідбеку, використовується просте схвалення (так/ні). Проте, навіть такий підхід значно покращує результат.
Глибоке занурення в n8n.
У другій частині відео нам показали, з чого складається “кухня” налаштування цього процесу. Створення агента, налаштування інструментів, робота з API – все це виглядає складно, але автор пояснює все так, що навіть новачок зможе розібратися.
Трішки технічних деталей. Спочатку визначається тригер – Telegram, тобто те, звідки ми отримуємо інформацію. Далі – сам агент, який одержує інформацію від користувача. Він аналізує запит – наприклад, зробити допис про крокодилів. Використовує інструмент Tavly для пошуку інформації, та ChatGPT для написання статті.
Окремо варто відмітити використання “set node”. Це важливий вузол, який зберігає остаточну версію допису, щоб ми могли її використовувати в подальших етапах – для фідбеку або ж прямого публікування. Таким чином, після кількох ітерацій редагування, в X потрапить саме найкращий варіант.
Рішення в AI-автоматизаціях.
У звичайних автоматизаціях рішення приймає машина, ґрунтуючись на математичних операціях. У випадку ж з AI-автоматизацією, рішення приймає сам штучний інтелект. Він аналізує наш відгук – наприклад, “зробіть текст коротшим” – та на основі нього приймає рішення.
Практичний приклад:
В відео наведено приклад, як система може зробити висновок, що необхідно зробити допис коротшим. А потім – на основні наших зауважень, його скоротять.
Пост у X (Twitter).
І ось ми бачимо результат на власні очі – опублікований твіт. Цей приклад наочно демонструє всю силу “людини в контурі”.
Підсумки: основні кольорові блоки.
- Синій: створення першого допису.
- Фіолетовий: отримання/запит фідбеку.
- Зелений: схвалення, допис було опубліковано.
- Жовтий: перероблення допису, його редагування.
Цей процес повторюється раз за разом, забезпечуючи ідеальний результат.
Більше, ніж Telegram.
Людина в контурі працює не тільки в Telegram. Discord, Gmail, Slack – будь-яка платформа, де ви звикли спілкуватися, може бути використана.
Обмеження, які варто враховувати.
Автор відео зазначив, що в нього не завжди виходило поєднати декілька робочих процесів з використанням “людини в контурі”. Тому, деякі аспекти поки що знаходяться в стадії розробки.
Висновок.
Я вважаю, що “людина в контурі” – це не просто технологія. Це філософія. Це нагадування про те, що машини – це інструмент, а не заміна. Вони можуть генерувати ідеї, шукати інформацію, автоматизувати процеси. Але саме ми, люди, надаємо їм сенс та контекст.
У світі, де штучний інтелект стає все більш інтелектуальним, “людина в контурі” нагадує нам про важливість людського фактора. Це про те, як ми можемо використовувати технології для створення кращого світу. Ми не просто контролюємо машини – ми навчаємо їх. Ми вчимо їх розуміти наші потреби, наші бажання, наші помилки.
І, можливо, колись, під час створення чергового допису для соціальних мереж, машини дійсно навчаться кохати. Хоча б трохи. А поки що – давайте насолоджуватися процесом навчання. Адже він може бути неймовірно захопливим (як гарна бесіда за чашкою кави).
