ایجنت بدون کد پروژهٔ عملی با n8n

آموزش ساخت ایجنت بدون کدنویسی با n8n (پروژهٔ عملی)

⏱ زمان مطالعه: حدود ۶ دقیقه✏️ تمرین دارد🎯 سطح: مقدماتی

دو درس نظری خواندید و حقتان است که حالا چیزی واقعی بسازید. قول این درس روشن است: تا پایان آن، یک ایجنت زنده دارید که هر صبح ساعت ۸، خبرهای هوش مصنوعی را از منابع معتبر می‌خواند، با یک مدل زبانی خلاصهٔ فارسی می‌سازد و به تلگرام شما می‌فرستد — بدون اینکه یک خط کد بنویسید.

ابزارمان n8n است (بخوانید: اِن‌ایت‌اِن). چرا این و نه ابزارهای مشابه؟ سه دلیل: متن‌باز و رایگان است و می‌توانید روی سیستم خودتان اجرایش کنید؛ رابط بصری «گره‌ای» دارد که منطق ایجنت را جلوی چشمتان می‌آورد؛ و به صدها سرویس — از تلگرام تا گوگل‌شیت — اتصال آماده دارد. برای یادگیریِ ساختِ ایجنت، هیچ کلاسی بهتر از تماشای حلقهٔ خودتان نیست که گره‌به‌گره اجرا می‌شود.

آنچه در این درس یاد می‌گیرید

  • راه‌اندازی n8n در پنج دقیقه (نسخهٔ ابری یا نصب محلی)
  • ساخت گردش‌کار «خلاصه‌ساز صبحگاهی اخبار» گره‌به‌گره
  • نوشتن پرامپت گرهٔ مدل زبانی — جایی که ۸۰٪ کیفیت ساخته می‌شود
  • چهار خطای رایج مبتدیان و راه‌حل هر کدام

گام صفر — راه‌اندازی

دو راه دارید. راه سریع: نسخهٔ ابری در سایت n8n.io که ثبت‌نام ساده دارد و برای شروع کافی است. راه مستقل: نصب روی سیستم خودتان با داکر، که داده‌هایتان را کاملاً پیش خودتان نگه می‌دارد:

docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

بعد از اجرا، مرورگر را باز کنید و به آدرس localhost با درگاه ۵۶۷۸ بروید. محیط n8n یک بوم خالی است که رویش «گره» (Node) می‌چینید و به هم وصل می‌کنید — هر گره یک عمل، و هر اتصال یعنی «خروجی این، ورودی آن».

نقشهٔ ایجنت خلاصه‌ساز

قبل از کلیک‌کردن، مثل یک مهندس فکر کنیم. با زبان آناتومی درس قبل، ایجنت ما این شکلی است:

  • ماشه: هر روز ساعت ۸ صبح (گرهٔ زمان‌بندی)
  • مشاهده: خواندن خوراک RSS دو سه منبع خبری (گرهٔ RSS Read)
  • فکر: انتخاب مهم‌ترین‌ها و خلاصه‌سازی فارسی (گرهٔ مدل زبانی)
  • عمل: ارسال پیام به تلگرام (گرهٔ Telegram)

چهار گره، یک خط. ساده‌تر از آن چیزی است که فکر می‌کردید، نه؟

گام یک — ماشهٔ زمان‌بندی

روی بوم، گرهٔ Schedule Trigger اضافه کنید. حالت Cron را انتخاب و ساعت را روی ۸ صبح تنظیم کنید. از همین حالا ایجنت شما «ضربان» دارد: هر ۲۴ ساعت یک‌بار بیدار می‌شود.

گام دو — مشاهده: خواندن خبرها

گرهٔ RSS Read اضافه کنید و آدرس خوراک منبع دلخواهتان را بدهید. تقریباً همهٔ سایت‌های خبری معتبر RSS دارند. برای چند منبع، چند گرهٔ RSS بگذارید و خروجی‌ها را با گرهٔ Merge یکی کنید. حالا با دکمهٔ اجرای آزمایشی، ببینید چه داده‌ای می‌آید: فهرستی از آیتم‌ها با عنوان، لینک و توضیح.

گام سه — فکر: گرهٔ مدل زبانی

مهم‌ترین گره. گرهٔ OpenAI (یا هر ارائه‌دهندهٔ سازگار دیگر) را اضافه کنید، کلید API را در بخش Credentials وارد کنید و پرامپت زیر را در پیام سیستم بگذارید:

تو دبیر سرویس خبری هوش مصنوعی برای مخاطب فارسی‌زبان هستی.

ورودی: فهرستی از عنوان و خلاصهٔ خبرهای ۲۴ ساعت گذشته.

وظیفه:
۱) حداکثر ۵ خبر مهم را انتخاب کن. معیار اهمیت: تأثیر واقعی بر کاربر عادی یا کسب‌وکارها؛ نه هیاهوی تبلیغاتی.
۲) برای هر خبر دقیقاً دو جمله بنویس: جملهٔ اول چه اتفاقی افتاده، جملهٔ دوم چرا مهم است.
۳) خبرهای تکراری از منابع مختلف را یکی کن.
۴) اگر هیچ خبر مهمی نبود، صادقانه بنویس: «امروز خبر مهمی نداشتیم.»

قالب خروجی:
🗞 خلاصهٔ صبحگاهی — [تاریخ امروز]
سپس هر خبر در یک بند، با ایموجی 🔹 در ابتدا و لینک منبع در انتها.
فقط فارسی بنویس؛ اسم محصول‌ها و شرکت‌ها می‌تواند انگلیسی بماند.

به این پرامپت دقت کنید: معیار انتخاب داده (نه «مهم‌ها را بردار» خالی)، قالب خروجی داده، تعداد را قید کرده و حتی حالت شکست («خبری نبود») را تعریف کرده است. این همان شش جزء پرامپت حرفه‌ای است که در سری آناتومی پرامپت تمرین کردیم — اینجا در خدمت یک ایجنت.

✏️ تمرین

چرا در پرامپت گرهٔ مدل، حالت «اگر خبر مهمی نبود» را صریح تعریف کردیم؟

گام چهار — عمل: ارسال به تلگرام

در تلگرام با BotFather یک بات بسازید و توکنش را بگیرید. در n8n گرهٔ Telegram را اضافه کنید، توکن را در Credentials بگذارید، عملیات را Send Message انتخاب کنید و شناسهٔ چت خودتان را بدهید. خروجی گرهٔ مدل را به فیلد متن پیام وصل کنید.

حالا کل مسیر را یک‌بار دستی اجرا کنید. اگر پیام خلاصهٔ فارسی به تلگرامتان رسید — تبریک؛ اولین ایجنت زندگی‌تان دارد نفس می‌کشد. کلید Active گردش‌کار را روشن کنید تا از فردا صبح، خودش بی‌سروصدا کار کند.

چهار خطای رایج و درمانشان

  • پیام تلگرام نمی‌رسد: اول یک پیام دستی به بات خودتان بفرستید (بات نمی‌تواند گفتگو را شروع کند)، بعد شناسهٔ چت را دوباره چک کنید.
  • خروجی مدل انگلیسی یا شلخته است: قید «فقط فارسی بنویس» و قالب خروجی را در پرامپت پررنگ‌تر کنید؛ نمونهٔ خروجی دلخواه هم اضافه کنید.
  • خبرهای تکراری هر روز می‌آید: بازهٔ RSS و فیلتر تاریخ را تنظیم کنید که فقط آیتم‌های ۲۴ ساعت اخیر عبور کنند. راه‌حل ریشه‌ای — حافظهٔ «چه چیزهایی قبلاً رفته» — موضوع درس پنجم است.
  • هزینهٔ API بالا رفت: متن کامل خبرها را نفرستید؛ فقط عنوان و خلاصهٔ RSS کافی است. مدل سبک‌تر را هم امتحان کنید — برای این کار واقعاً کافی است.
✏️ تمرین

برای شغل یا علاقهٔ خودتان، یک گردش‌کار چهارگره‌ای مشابه طراحی کنید (فقط روی کاغذ): ماشه چیست، از کجا می‌خواند، پرامپت گرهٔ فکر دقیقاً چه می‌گوید، و خروجی کجا می‌رود؟ پرامپت را کامل بنویسید — با معیار انتخاب، قالب خروجی و حالت شکست.

پرامپت را با پاسخ خودت در چت‌جی‌پی‌تی یا کلود اجرا کن؛ بعد نتیجه و نقدش را زیر همین درس کامنت کن — طبق مرام‌نامه، شفاف بگو که از مدل کمک گرفتی.

جمع‌بندی

امروز از تئوری به عمل رسیدید: یک ایجنت واقعی با چهار گره — زمان‌بندی، مشاهده، فکر، عمل — که هر صبح برایتان کار می‌کند. مهم‌تر از خود گردش‌کار، الگویش است: تقریباً هر ایجنت بدون‌کدی که از این به بعد بسازید، همین اسکلت را دارد و فقط منبع، پرامپت و مقصدش عوض می‌شود.

اما یک محدودیت بزرگ ماند: ایجنت ما فقط به سرویس‌هایی وصل می‌شود که n8n برایشان گرهٔ آماده دارد. اگر بخواهیم مدل، مستقیم و استاندارد به «هر ابزاری» وصل شود چه؟ جواب، پروتکلی است به اسم MCP — موضوع قسمت بعد، و یکی از مهم‌ترین اتفاق‌های دنیای ایجنت‌ها در دو سال اخیر.

(0 رأی)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *