n8n / Make / Zapier automation · Урок 2
LLM-узлы и их паттерны
Как правильно вставлять LLM в пайплайн: классификация, извлечение, генерация.
Три типичных паттерна
- Классификация. Вход → метка ("urgent / normal / spam"). Часто используются open-weight модели или GPT-4o-mini — дёшево и достаточно точно.
- Извлечение. Вход (письмо / документ) → JSON с полями. Главное — задать строгий schema через function calling / structured output.
- Генерация. Вход → текст (например, ответ клиенту). Тут важнее всего бренд-голос и проверка.
Принципы
- Каждый LLM-узел делает одно. Не пытайтесь засунуть всё в один промпт.
- Возвращайте структурированный JSON для downstream-узлов.
- Логируйте каждый вызов с promptом и ответом — для отладки.
- Считайте стоимость в пересчёте на 1000 операций.
Защита от плохих ответов
- Валидация JSON через zod / JSON schema.
- Retry с экспоненциальной задержкой.
- Fallback на другую модель при отказе.
- На критичных полях — отдельная LLM-проверка («это точно номер счёта?»).
Практическое задание
Что сделать после урока
Соберите пайплайн «классификация + извлечение + генерация» в n8n / Make. Прогоните на 50 примерах. Зафиксируйте accuracy и стоимость.
Готовый промпт
Шаблон под задачу урока
Скопируйте и адаптируйте под свой контекст. Текст в треугольных скобках — то, что нужно заменить.
(Извлечение полей)
Из текста ниже извлеки JSON со схемой:
{
"customer_name": string,
"request_type": "billing" | "tech_support" | "sales" | "other",
"urgency": "low" | "medium" | "high",
"next_step": string
}
Если поле неоднозначно — поставь null, не выдумывай.
Текст:
<…>Типичные ошибки
На чём чаще всего спотыкаются
- Один LLM-узел делает 5 задач.
- Возвращают «текст» вместо JSON.
- Не считают стоимость в пересчёте на объём.
Лайфхаки
Что работает, но в гайдах не пишут
- Один узел — одна задача.
- Structured output / function calling.
- Кэш для повторяющихся запросов.
Когда использовать
Любой пайплайн с LLM.
Когда не использовать
Когда задачу можно сделать regex / правилами — LLM избыточен.
Официальные источники
Квиз — 2 вопроса
1.Сколько задач должно быть в одном LLM-узле?
2.Что вернуть downstream-узлам?
Отвечено: 0 из 2