У нас сбор.

Если вы хотите у себя что-то автоматизировать или начать разбираться с n8n: нужно во вселенную что-то отдать 🤷🏻‍♂️

Добавить в свою жизнь автоматизации и workflow вы сможете только двумя способами:
▪️Нужно или писать мысли из своей субъективной нейросетки-головы, если есть время и возможность
▪️Или нужно донатить тем, кто будет это делать за вас и по закону вселенной сделает то - что вы хотели автоматизировать

Если не делиться и не поддерживать — вероятность изменений в вашей жизни остаётся минимальной.
Во Вселенной ничего не появляется просто так: либо вы создаёте новые идеи, либо помогаете другим делать это за вас.

В результате - вы получите рано или поздно готовые workflow JSON, которые можно просто взять, адаптировать и показать своей команде или руководству.

—————————————————————

Чтобы вознаграждать авторов и поддерживать развитие, у нас есть новый блокчейн-кошелёк коммьюнити:

👉 Посмотреть кошелёк в TONScan:
https://tonscan.org/address/UQCq7mB29vaa0NNSl2VYGTYsgqSaTxDbfdQmJewHBlbK6H8B

Все переводы полностью прозрачны:
✅ каждый донат отображается публично
✅ видны все расходы и переводы авторам workflow n8n
✅ выплаты обычно составляют 1 000–4 000 ₽ в зависимости от сложности workflow n8n

Как можно поддержать разработчиков?
Криптовалюта
▪️ TON (Telegram):

UQCq7mB29vaa0NNSl2VYGTYsgqSaTxDbfdQmJewHBlbK6H8B

▪️ Ethereum (ERC-20):

0x47A0A48fCf8B05c91f143072e4c9372236B97d76

▪️ USDt (сеть TON):

UQCq7mB29vaa0NNSl2VYGTYsgqSaTxDbfdQmJewHBlbK6H8B

Донат через Telegram
▪️ Открыть форму доната: https://news.1rj.ru/str/tribute/app?startapp=dvkK

Мобильный перевод
▪️ Если вам удобнее перевести напрямую со счёта или карты — напишите @Maksim_Ikryanov, и мы подберём удобный способ.


✨ Отдавая — мы запускаем движение энергии. Именно благодаря этому движению Вселенная отвечает нам новыми возможностями и результатами 🤌🏼

⚡️ Бесплатный n8n workflow для RAG с данными из Google Drive
Автор: Артём Бойко — @artemboikoo

Этот воркфлоу реализует полноценный RAG-пайплайн: загрузка документов из Google Drive, их преобразование в эмбеддинги и сохранение в Pinecone для последующего поиска и ответов через чат-агента на основе OpenAI.

🔄 Логика работы:
▪️ Google Drive — выбор папки с документами
▪️ Download — скачивание файлов
▪️ Loop Over Items — поочередная обработка
▪️ Recursive Character Text Splitter — разбиение текста на чанки
▪️ Default Data Loader — приведение данных к формату документов
▪️ Embeddings OpenAI — генерация векторных представлений
▪️ Pinecone Vector Store — сохранение векторных данных
▪️ Chat Trigger — запуск при сообщении в чат
▪️ AI Agent — связка памяти, модели и векторного поиска
▪️ OpenAI (GPT-4o) — генерация ответов на вопросы
▪️ Window Buffer Memory — контекстная память для диалога

🧩 Возможные сценарии:

▪️Автоматическая загрузка и индексирование документов из Google Drive
▪️Поиск по корпоративным PDF/DOCX с помощью LLM
▪️Чат-бот для работы с внутренними файлами
▪️Построение RAG-архитектуры для ассистентов и справочных систем

📎 Файл: RAG mit Data from GDrive.json
Обсуждения кейса в группе: https://news.1rj.ru/str/n8n_pipelines

#workflow #pipeline #json

🎙 Выпуск 4. Подкаст: Автоматизация в строительстве с n8n
📅 Неделя 37, 2025 (8–14 сентября)

🔑 Основные темы выпуска:
▪️ Анализатор чатов: фиксация проблем и решений, задачи «на конец недели»
▪️ Telegram как единая точка входа: почему для прорабов всё сложнее Excel — «rocket science»
▪️ Автоматизация малого бизнеса: n8n + таблицы против «зоопарка» корпоративных систем (Jira, 1C, Bitrix, Autodesk)
▪️ Дискуссия о «качественном ПО»: наследие и будущее Bitrix, Autodesk, Revit и DWG
▪️ Контент-заводы: связка n8n, LLM и HeyGen для генерации видео, аудио и текста
▪️ Open Source против SaaS: почему рабочие пайплайны будут легко переноситься между платформами
▪️ Российские аналоги n8n: проекты Сбера, Т-Банка и других игроков
▪️ Масштабирование автоматизации: от бытовых задач и малого бизнеса до систем уровня Oracle и Confluence

✨ Описание:
На этой неделе обсуждаем, как превратить чаты в полноценный таск-трекер с помощью n8n, и почему для малого бизнеса Telegram и Excel остаются «последней границей». Сообщество спорит о судьбе Bitrix, Autodesk и DWG-формата, делится философией Open Source против SaaS и рассказывает о первых шагах к созданию «контент-заводов» — автоматической генерации видео и статей для стройки. Также рассматриваем российские аналоги n8n и обсуждаем, как автоматизация меняет работу от микробизнеса до корпораций.

Выпуск 1. Неделя 34, 2025 (21–24 августа): https://news.1rj.ru/str/n8ndevelopment/55
Выпуск 2. Неделя 35, 2025 (25–31 августа): https://news.1rj.ru/str/n8ndevelopment/57
Выпуск 3. Выпуск 36. Неделя 35, 2025 (1–7 сентября): https://news.1rj.ru/str/n8ndevelopment/60

➡️ Начало обсуждений 37 недели: https://news.1rj.ru/str/n8n_pipelines/4961

#audio #video #podcast

⚡️ n8n-workflow: интеграция с SIGNAL DOCS
автор: Александр Попов (@popov_bim)
видео: https://vkvideo.ru/video-230401166_456239022

Что умеет воркфлоу:
▪️ Скачивание файла из DOCS по имени проекта → папка → файл (поиск проекта, корневой папки и дочерней папки, затем выбор item + topVersionId).
▪️ Загрузка JSON-контента в DOCS с созданием object → version → item либо привязкой новой версии к существующему файлу.
▪️ Скачивание по прямой ссылке вида /projects/{projectId}/folders/{folderId}/items/{itemId}?version=… (разбор URL, получение списка версий и signedUrl для скачивания).
▪️ Загрузка в папку по URL проекта/папки + заданному имени файла (получение signedUrl, загрузка в S3, commit, создание версии и item/привязка).
▪️ Поддержка путей папок с рекурсивным проходом: Папка1/Папка2/... или с обратными слэшами — удобно, когда путь передают строкой.

Готовые узлы в воркфлоу:
▪️ DownloadFileFromDocs — скачать по проекту/папке/имени.
▪️ UploadFileToDocs — загрузить JSON в проект/папку/имя с авто-созданием/обновлением.
▪️ DownloadFileFromDocs1 — скачать по прямому URL item.
▪️ UploadFileToDocs1 — загрузить по URL папки + имя файла.
▪️ DownloadFileFromDocs2 — навигация по пути папок, список файлов и прямые signedUrl.

Быстрый старт:
▪️ В ноде Set укажите client_id, client_secret, project_name, folder_name, file_name (для загрузки также content или text).
▪️ Запустите нужный узел (скачивание или загрузку) — на выходе получите signedUrl, itemId, versionId, а для загрузки ещё и превью сформированного JSON.

Практические заметки:
▪️ Держите client_id/client_secret в Credentials n8n, а не в нодах Set — в примере встречаются тестовые значения и даже демонстрационный JWT в payload, так делать в проде не стоит.
▪️ Для загрузки текст превращается в JSON с полями text, createdAt, source (удобно для аудита).

Файл воркфлоу: Интеграция с DOCS.json (вложение к посту).

#workflow #pipeline #json

⚡️ Firecrawl — open-source краулер для LLM

Инструмент для извлечения данных с веб-сайтов в удобный Markdown-формат, который подходит для обучения и обогащения моделей.

▣ Возможности
▪️ Обработка динамического контента и JavaScript-страниц
▪️ Поддержка PDF и изображений
▪️ Работа с защищёнными страницами (авторизация)

▣ Интеграции
▪️ Langchain
▪️ LlamaIndex
▪️ Dify
▪️ Поддержка SDK: Python / Node.js / Go / Rust

▣ Лицензия
AGPL-3.0

🔗 GitHub: https://github.com/mendableai/firecrawl
📌 Инструкция по локальному запуску — в репозитории

⚡️ Dify — платформа для разработки LLM-решений
Отличный бесплатный конкурент для n8n

Dify — это open-source платформа для создания и запуска приложений на базе LLM. Она объединяет все ключевые инструменты для быстрой разработки и масштабирования AI-сервисов.

▣ Возможности
▪️ Интуитивный интерфейс для сборки AI-процессов
▪️ Настройка конвейера RAG
▪️ Поддержка агентов и инструментов
▪️ Управление моделями и подключениями
▪️ Быстрый переход от прототипа к продукту

▣ Ресурсы
🖥 GitHub: https://github.com/langgenius/dify

🟡 Официальный сайт: https://dify.ai/

Бывший генеральный директор Google.

Как на самом деле будет выглядеть приложения и искусственный суперинтеллект.

Смотреть полное интервью: https://www.youtube.com/watch?v=qaPHK1fJL5s&t=708s

#audio #video #podcast

Техническое руководство по контент-заводам — автоматизированным системам для сбора, обработки, генерации и публикации контента с использованием n8n, LLM и интеграций с внешними сервисами.

Краткое описание:
⚡️ Это пошаговое руководство охватывает архитектуру, настройку, оптимизацию и масштабирование контент-фабрик. В нём подробно описаны технические модули (парсинг, классификация, генерация контента, публикация), примеры кода для интеграции API, использование RAG и CAG подходов, а также развёртывание n8n через Docker Compose.

Основные разделы:

▪️ Архитектура контент-завода — модули сбора данных, AI-классификация, генерация и публикация.
▪️ Настройка n8n — системные требования, Docker Compose для production, работа с PostgreSQL и Redis.
▪️ Интеграция AI & LLM — классификация, RAG и CAG, оптимизация промптов.
▪️ Базы данных — подключение векторных и реляционных хранилищ.
▪️ Парсинг — Apify, Puppeteer, BAS, OCR-сервисы.
▪️ Развертывание — рекомендации по продакшн-инфраструктуре.
▪️ Оптимизация — масштабирование, кеширование, балансировка нагрузки.
▪️ Безопасность — аутентификация, права доступа, шифрование.
▪️ Монетизация — модели заработка на автоматизированных контент-фабриках.

📌 Документ сочетает теорию, практические примеры и готовые куски кода, что делает его одновременно учебником и рабочим мануалом для разработчиков и интеграторов.

Руководство по созданию «контент-завода», системы, которая сама собирает, анализирует и генерирует материалы для любых платформ.

Мы разбираем:
▪️ Архитектуру процессов — от сбора и классификации данных до генерации и публикации
▪️ Используемые технологии — n8n как оркестратор, LLM (GPT-4, Gemini, Claude и др.), базы данных и инструменты DevOps
▪️ Практические аспекты — настройка системных промптов, работа с RAG/CAG, интеграция с соцсетями и корпоративными платформами
▪️ Вызовы и решения — качество исходных данных, оптимизация работы моделей, обеспечение соответствия требованиям законодательства

Этот материал станет опорой для специалистов, стремящихся внедрить современные методы автоматизации и масштабировать процессы создания контента.

Архитектура контент завода: https://news.1rj.ru/str/n8ndevelopment/75
Техническое руководство по созданию контент завода: https://news.1rj.ru/str/n8ndevelopment/77

#audio #video #podcast

⚡️ Антиспам-воркфлоу для Telegram-групп (n8n)

Что делает
▪️ Автоматически удаляет сообщения с типичными «рекрутинг/зараXботок» спам-триггерами.
▪️ Чистит ленту от системных сообщений «вступилX/вышелX из чата».
▪️ Работает через Telegram Bot API в n8n.

Спам-фразы (примерный список)
▪️ «НужXны 2 человека» / «НуXжны 3 человекаX»
▪️ «РабоXта из дома», «удаXленная работа», «свобXодный график», «2-3X Xчаса в день»
▪️ «телеXфон или ПК»
▪️ «ЗараXботок от…», «дохоXд от…», «стаXбильный заработок», «легкXий заработок»
▪️ «ПиXши в ЛС», «рассXкажу подробнее»
▪️ «без Xвложений», «пXассивный доход»

Как использовать
▪️ Импортируйте JSON в n8n и укажите свои креденшелы Telegram.
▪️ При необходимости расширьте список фраз в узле If: Check for Spam or Join/Leave.
▪️ Активируйте воркфлоу — новые спам-сообщения и «join/leave» будут удаляться автоматически.

#workflow #pipeline #json #telegram #moderation

Строительные автопилоты: почему данные становятся главным активом строительства.

Автоматизация в строительной отрасли становится массовой и доступной, и её ценность всё меньше в самих технологиях, а всё больше — в данных, которыми они управляют.

За последние 30 лет CAD/BIM фактически превратились в инструмент ручной разметки строительной реальности: инженеры и архитекторы создавали базы элементов зданий и сооружений, превращая чертежи и 3D-модели в структурированные датасеты.

То, что Google, Tesla или Waymo делали силами миллионов студенто-часов, размечавших вручную изображения с людьми и объектами, в строительстве десятилетиями заполняли инженеры проектировщики в специальных базах слабоструктурированных данных AutoCAD или структурированной базы данных Revit или ArchiCAD.

Именно эти массивы станут сырьём для «строительных автопилотов» — систем, способных автоматически расставлять элементы в пространстве проекта и рассчитывать стоимость, сроки и ключевые параметры новых проектов. Как LLM обучаются на массиве текстов, чтобы генерировать новые знания и целые приложения, так и в строительстве мы сможем с помощью AI и workflow использовать опыт тысяч реализованных проектов, чтобы проектировать и планировать новые проекты быстрее и точнее.

У отрасли есть лишь десятилетие, чтобы превратить накопленный опыт в основу будущих систем. После этого рынок займут те, кто сумел первым построить собственные «автопилоты».

Но сами по себе автопилоты, AI-модели и процессы автоматизации ничего не стоят без качественных данных. Именно уникальные, хорошо структурированные наборы данных станут главным активом компаний. Их невозможно скопировать или купить, в отличие от софта или подрядчиков. Настоящее конкурентное преимущество даёт не программа, а налаженный конвейер по сбору, очистке и обогащению собственных данных.

В ближайшие годы ключевой задачей строительных компаний станет не создание проектов как таковых, а системная подготовка и капитализация своих или приобретённых массивов данных. Те, кто начнёт этот процесс сейчас, получат собственных «автопилотов»-агентов. Остальным придётся довольствоваться чужими.

🔍 Новый конкурент n8n — Sim.ai

Появился ещё один кандидат на «убийцу n8n».
Это Sim.ai (Sim Studio) — open-source платформа для создания AI-агентов и автоматизаций без кода.

▪️ Drag-and-drop интерфейс для сборки workflow
▪️ Интеграции с Gmail, Slack, Notion, Telegram и БД
▪️ Запуск в облаке или локально, есть поддержка Ollama и локальных моделей
▪️ Лицензия Apache-2.0, открытый код

Проект активно развивается и позиционируется как альтернатива n8n, но с упором на работу с ИИ.

🎥 Видео-обзор: смотреть на YouTube:
https://www.youtube.com/watch?v=sSQRQJZ9jeY