n8n автоматизации с AI · Урок 1

Установка n8n и первый AI workflow

Self-hosted (Docker) vs n8n.cloud, подключение credentials OpenAI/Anthropic/Google, первый workflow HTTP Request → OpenAI → Slack и модель данных n8n (items, JSON).

25 мин чтения4 вопроса в квизеГотовый промпт включёнВ работе

Практическое задание

Что сделать после урока

Запустите n8n в Docker. Создайте workflow Manual Trigger → HTTP Request (OpenAI chat/completions) → Set, который кладёт ответ модели в поле answer. Проверьте, что в превью HTTP Request один item с полем choices.

Готовый промпт

Шаблон под задачу урока

Скопируйте и адаптируйте под свой контекст. Текст в треугольных скобках — то, что нужно заменить.

Я настраиваю n8n self-hosted в Docker для AI-автоматизаций.
ОС/окружение: <…>
Провайдер AI: <OpenAI / Anthropic / Gemini>

Дай: 1) docker run с volume и нужными env, 2) шаги создания credential,
3) минимальный workflow HTTP Request → AI → вывод, с точными настройками нод.

Типичные ошибки

На чём чаще всего спотыкаются

Запускают docker run без -v volume — все workflow и credentials теряются при пересоздании контейнера.
Вставляют API-ключ прямо в JSON Body вместо Predefined Credential Type.
Думают, что нода обрабатывает все данные одним вызовом — n8n итерирует по items, AI-нода зовётся на каждый item.

Self-hosted vs n8n.cloud

n8n.cloud — управляемый хостинг, не нужно следить за апдейтами, но платный и данные идут через чужую инфраструктуру. Self-hosted (Docker) — бесплатно, полный контроль над данными (важно для PII в письмах и CRM), но вы сами обновляете и бэкапите.

Минимальный self-hosted запуск:

docker volume create n8n_data docker run -d --name n8n -p 5678:5678 \ -v n8n_data:/home/node/.n8n \ -e GENERIC_TIMEZONE="Europe/Kyiv" \ -e N8N_HOST="n8n.example.com" \ docker.n8n.io/n8nio/n8n

UI откроется на http://localhost:5678. Данные workflow и credentials лежат в volume n8n_data — бэкапьте его.

Подключение AI-провайдеров

Credentials → New. n8n хранит ключи зашифрованными (ключ шифрования в N8N_ENCRYPTION_KEY), они не видны в экспорте workflow.

OpenAi credential — API Key из platform.openai.com.

Anthropic credential — API Key из console.anthropic.com.

Google Gemini (PaLM) API credential — ключ из Google AI Studio.

Ключ задаётся один раз в credential и переиспользуется во всех нодах. Никогда не вставляйте ключ в URL или тело запроса напрямую — только через credential.

Первый workflow: HTTP Request → OpenAI → Slack

Node: Manual Trigger └─> Node: HTTP Request Method: POST URL: https://api.openai.com/v1/chat/completions Authentication: Predefined Credential Type Credential Type: OpenAi Body: JSON JSON Body: { "model": "gpt-4o-mini", "messages": [{ "role": "user", "content": "Дай факт про осьминогов" }] } └─> Node: Slack Resource: Message Operation: Send Channel: #general Text: ={{ $json.choices[0].message.content }}

Модель данных n8n: items и JSON

n8n передаёт между нодами массив items. Каждый item — объект { json: {...}, binary: {...} }. Нода выполняется по разу на каждый item (если не настроено иначе).

{{ $json.field }} — поле текущего item.

{{ $node["HTTP Request"].json.choices[0].message.content }} — обращение к выходу конкретной ноды.

{{ $items() }} — все items на входе.

Понимание items критично: если на входе 10 писем, AI-нода вызовется 10 раз — это влияет на стоимость и rate limits. Чтобы агрегировать в один вызов, используйте ноду Aggregate или Code перед AI-нодой.

Самая частая ошибка новичка — ожидать, что нода обработает «всё сразу», тогда как n8n итерирует по items. Всегда смотрите на количество items в превью ноды.

Сообщить об ошибке

Установка n8n и первый AI workflow

Квиз — 4 вопроса

Self-hosted vs n8n.cloud

Подключение AI-провайдеров

Первый workflow: HTTP Request → OpenAI → Slack

Модель данных n8n: items и JSON