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. Відверто кажучи, 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 дивіться, назвати це коханням, але однозначно – це розумний та дуже ефективний підхід.
Що дивіться, ж таке “людина в контурі”? Уявіть собі сценарій, де штучний інтелект трудиться над створенням дописів для соціальних мереж. До речі, він шукає інформацію, генерує текст. А потім зупиняється. Спрацьовує магія паузи проте чекає ну, розумієте, 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. Більше того, спочатку агент у Telegram отримує завдання: створити допис про каву вночі. Потім він досліджує інтернет, ну, пише текст, відправляє його назад у Telegram, в такому дусі. Ми, користувачі, отримуємо повідомлення та даємо фідбек. Все просто, але геніально. Зрозуміло,
Спочатку – допис.
Агент використовує інструмент Tavly для пошуку інформації. Він формулює запит, взагалі, отримує відповідь та генерує чернетку допису, типу того. Тут важливо зрозуміти: у типу, цьому процесі агентом керує система підказок – “system message”. Вона, як своєрідний сценарій, скеровує алгоритм. Йому наказують бути інформативним, використовувати Tavi, включати посилання на джерело. Звичайно, до речі, 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 – ну, припустимо, це можливість дати розгорнутий фідбек. Наприклад, ми можемо попросити зробити текст коротшим або додати якусь деталь. Щоб було ясно,
І нарешті – перетворення.
Якщо допис не ідеальний, у справу вступає агент-переписувач. Він використовує наші зауваження як взагалі, дороговказ, та переробляє текст, приблизно так. І так, цикл повторюється знову і знову, поки ми не скажемо: “Так, це воно! “
В кінці кінців, готовий допис прямує в X (Twitter). Чесно кажучи, 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 тому
- Фіолетовий: період “очікування”. Система чекає на наш відгук.
- Зелений: схвалення та допис готовий до публікації. Безумовно,
- Жовтий: перегляд та редагування.
Кожен наприклад, 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. Очевидно,
Трішки технічних деталей. Спочатку визначається тригер – Telegram, тобто те, звідки ми отримуємо інформацію. Безумовно, 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 треба сказати використання “set node”. Справа в тому, що це важливий вузол, який зберігає остаточну версію допису, щоб ми могли її використовувати в подальших етапах – для фідбеку або ж прямого публікування. Після кількох ітерацій редагування, бачите, 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.
бачите,
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 проте
- Синій: створення першого допису.
- Фіолетовий: отримання/запит фідбеку.
- Зелений: схвалення, допис було опубліковано проте
- Жовтий: перероблення допису, його редагування.
от,
Цей процес повторюється раз за разом, забезпечуючи ідеальний результат.
Більше, ніж Telegram.
Людина в контурі працює не тільки в Telegram. Щоб було ясно, discord, Gmail, Slack – будь-яка платформа, де ви звикли спілкуватися, може бути використана.
Обмеження, які варто враховувати. Справа в тому, що
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 значить, 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. Чесно кажучи, але бачите, саме розумієте, ми, типу, люди, надаємо їм сенс та контекст.
У припустимо, 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. Щоб було ясно,
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).
