Построение ИИ-агента на коленке: связка n8n + API Claude, которая заменяет джуна-маркетолога и парсит тренды 24/7

mr. Cooper • 2 дня назад • Нейросети и AI
#lowcode #Автоматизация #n8n #ClaudeAPI #ИИагенты #ВайбКодинг
Построение ИИ-агента на коленке: связка n8n + API Claude, которая заменяет джуна-маркетолога и парсит тренды 24/7

Эпоха, когда для автоматизации рутинных задач нужно было писать километры кода на Python и разворачивать тяжелые парсеры на серверах, официально подошла к концу. Сегодня в тренде «вайб-кодинг» и автономные ИИ-агенты. Если вам нужно ежедневно мониторить рынок, собирать ИТ-новости, фильтровать тонны визуального мусора и превращать это в сочные, готовые к публикации посты - поздравляю, у вас появился бесплатный цифровой джуниор-маркетолог.

В этом пошаговом туториале мы соберем автономного ИИ-агента, используя связку open-source платформы автоматизации n8n и мощного API Claude (с поддержкой продвинутого контекста). Наш агент будет парсить тренды 24/7, отсеивать кликбейт, проводить глубокий саммари-анализ и отдавать готовый контент.

Почему именно n8n + Claude API?

  • n8n - это low-code инструмент автоматизации с визуальным интерфейсом, который в отличие от Zapier или Make можно развернуть абсолютно бесплатно на своем сервере через Docker. У него есть встроенные ноды для работы с ИИ (Advanced AI), которые позволяют строить цепочки рассуждений (LangChain концепты) без написания сложной логики.

  • Claude API (модели семейства Opus/Sonnet) - на сегодняшний день это эталон в работе с текстом, логикой и кодом. Claude гораздо лучше улавливает тонкие настройки промпта, реже «галлюцинирует» и выдает естественный, живой язык без типичных для GPT канцеляризмов.

Шаг 1: Разворачиваем n8n локально за 1 минуту

Если у вас еще не установлен n8n, проще всего поднять его через Docker. Открываем терминал и запускаем команду:

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

После запуска переходим в браузере по адресу http://localhost:5678, создаем аккаунт администратора и попадаем на рабочий холст (Workflow).

Шаг 2: Архитектура нашего ИИ-агента

Наш воркфлоу будет состоять из 5 ключевых этапов:

  1. Trigger (Триггер): Запуск сценария каждые несколько часов (Schedule Node).

  2. Data Fetching (Сбор данных): Получение свежих материалов через RSS-ленты крупных ИТ-ресурсов или парсинг API.

  3. Data Cleaning (Фильтрация и код): Очистка HTML и подготовка JSON с помощью небольшого JavaScript-скрипта.

  4. AI Agent (Мозг): Анализ контента через связку нод AI Agent + Claude Model + Window Buffer Memory.

  5. Output (Результат): Отправка готового поста в Telegram-канал или сохранение в базу данных.

Шаг 3: Настройка сбора данных (RSS/HTTP-запрос)

Добавим на холст ноду Schedule Trigger и выставим интервал - каждый день в 09:00.

Следом подключаем ноду HTTP Request или RSS Read. Для примера возьмем RSS-ленту популярного ИТ-ресурса. В поле URL вставляем адрес ленты (например, [https://habr.com/ru/rss/all/all/](https://habr.com/ru/rss/all/all/)). n8n автоматически распарсит XML в удобный массив объектов JSON.

Шаг 4: JavaScript-прослойка для очистки данных

Прежде чем скармливать тексты нейросети, их нужно отформатировать, убрав лишние теги и выбрав только самое главное (заголовок, ссылку и краткое описание), чтобы экономить токены в API Claude.

Добавляем ноду Code (режим Run Once for Each Item) и вставляем следующий компактный JS-код:

// Получаем входные данные от RSS ноды
const title = $input.item.json.title;
const link = $input.item.json.link;
// Очищаем описание от HTML-тегов с помощью регулярного выражения
const cleanDescription = $input.item.json.contentSnippet 
  ? $input.item.json.contentSnippet.replace(/<\/?[^>]+(>|$)/g, "").substring(0, 600) 
  : "Описание отсутствует";

return {
  json: {
    meta_title: title,
    source_url: link,
    text_to_analyze: cleanDescription
  }
};

Шаг 5: Создаем «Мозг» агента через AI Agent Node

Теперь самое интересное. n8n обладает продвинутым ИИ-функционалом. Перетаскиваем на холст ноду AI Agent.

К этой ноде нам нужно подключить три вспомогательные суб-ноды:

  1. Model: Выбираем Anthropic Chat Model. Вставляем свой API-ключ от Anthropic. В выпадающем списке моделей выбираем актуальную claude-3-5-sonnet или claude-3-opus (в зависимости от ваших задач и бюджета). Параметр Temperature выставляем на 0.5 для баланса между креативностью и строгостью фактов.

  2. Memory: Подключаем Window Buffer Memory. Она позволит агенту помнить предыдущие статьи в рамках одного запуска, чтобы не дублировать мысли.

  3. Tools (Опционально): Можно подключить Wikipedia tool или Crawl URL tool, чтобы агент мог переходить по ссылкам и добирать контекст, если описания статьи мало.

Настройка системного промпта (System Prompt)

Внутри самой ноды AI Agent в поле Prompt пишем жесткую инструкцию для нашего ИИ-маркетолога:

System Prompt:

Ты - Senior-копирайтер, ИТ-аналитик и шеф-редактор технологического блога codeXS. Твоя задача - проанализировать входящую техническую новость и написать на её основе вирусный, экспертный пост для Telegram/Дзена.

Правила форматирования:

  1. Используй цепляющий, интригующий заголовок с эмодзи.

  2. Убирай «воду» и канцеляризмы. Пиши в стиле "вайб-кодинга": просто, экспертно, без заигрываний.

  3. Добавь краткий разбор: ПОЧЕМУ эта новость важна для разработчиков.

  4. В конце поста обязательно укажи источник: {{ $json.source_url }}

Входные данные для анализа:

Заголовок: {{ $json.meta_title }}

Текст: {{ $json.text_to_analyze }}

Шаг 6: Публикация готового контента

На выходе из ИИ-агента мы получаем чистый, структурированный текст поста. Финальный штрих - отправка. Добавляем ноду Telegram, вводим токен вашего бота и ID канала. В поле Text передаем результат работы нейросети:

{{ $json.output }}

Нажимаем кнопку Listen for test event или Execute Workflow. Наш ИИ-агент обращается к RSS, вытягивает топ-новость, очищает код, отправляет её через API в Claude, получает структурированный премиум-контент и публикует в ваш канал.

Как это масштабировать под SEO-трафик?

Если вы хотите собирать трафик не только в соцсетях, но и привлекать органику из Яндекса и Google:

  • Смените ноду вывода: Вместо Telegram отправляйте сгенерированный текст напрямую в вашу CMS (WordPress, Strapi или кастомный блог на Laravel) через Webhook или REST API.

  • Усложните промпт: Попросите Claude генерировать подзаголовки ##, разбивать текст на списки и добавлять блок с часто задаваемыми вопросами (FAQ) для микроразметки Schema.org.

  • Визуальный контент: Подключите в эту же цепочку ноду Kling 3.0 API или DALL-E 3, чтобы на основе сгенерированного текста автоматически создавалась уникальная обложка в стиле Glassmorphic 3D.

В заключение: сколько вы экономите?

Настройка такой связки в n8n занимает от силы 15–20 минут. На выходе вы получаете автономную систему, которая работает без выходных, отпусков и падения концентрации. Затраты на API Claude при умеренном парсинге составят всего пару долларов в месяц, в то время как живой джун-маркетолог обошелся бы в сотни раз дороже.

Автоматизируйте рутину, освобождайте время для архитектуры и создания действительно сложных проектов. Добро пожаловать в мир, где кодом управляет ваш вайб!

Комментарии

Пока нет комментариев. Будьте первым, кто напишет.

Чтобы оставить комментарий, войдите в аккаунт.

Похожие статьи