-
Kiểm thử, giám sát và cải tiến tự động hóa
Kiểm thử, giám sát và cải tiến liên tục không phải là những phần hào nhoáng của tự động hóa. Nhưng chúng là sự khác biệt giữa một hệ thống tự động hóa hoạt động tốt hôm nay và một hệ thống hoạt động đáng tin cậy trong nhiều năm. -
Xử lý lỗi và các trường hợp ngoại lệ
Xử lý lỗi không phải là phần thú vị của tự động hóa. Nhưng đó là phần phân biệt một hệ thống đáng tin cậy với một quả bom hẹn giờ.
-
Xử lý dữ liệu và quy trình làm việc nhiều bước
Giờ là lúc nâng cấp lên các quy trình tự động hóa vượt qua ranh giới hệ thống, chuyển đổi dữ liệu và kết nối nhiều thao tác với nhau. -
Tự động hóa email và giao tiếp
Tự động hóa email và giao tiếp là nơi hầu hết mọi người bắt đầu, và có lý do chính đáng: chúng tiết kiệm thời gian thực, tương đối dễ xây dựng và kết quả có thể thấy ngay lập tức. -
Thiết kế quy trình tự động hóa đầu tiên của bạn với AI
Bạn đã học cách lập sơ đồ quy trình công việc với các yếu tố kích hoạt, hành động và điều kiện. Giờ là lúc lấy một trong những sơ đồ đó và biến nó thành một bản đặc tả chi tiết mà bạn có thể đưa cho bất kỳ ai (hoặc bất kỳ công cụ nào) và họ có thể xây dựng nó.
-
Tư duy theo quy trình làm việc: Các yếu tố kích hoạt, hành động, điều kiện
Nắm vững các building block của mọi quy trình tự động hóa. Học cách chia bất kỳ quy trình nào thành các yếu tố kích hoạt, điều kiện và hành động - ngôn ngữ phổ quát của tự động hóa. -
Hãy ngừng làm những việc mà máy móc có thể thực hiện thay bạn!
Thiết kế và xây dựng các quy trình tự động hóa thông minh với trí tuệ nhân tạo (AI). Từ các email tự động đến những đường dẫn dữ liệu, hãy tạo ra các quy trình tự động hóa tiết kiệm thời gian, giúp bạn giảm bớt hàng giờ làm việc mỗi tuần. -
Xây dựng một trợ lý AI hoàn chỉnh
Trong dự án tổng kết này, bạn sẽ xây dựng một trợ lý AI duy nhất kết hợp mọi kỹ thuật từ khóa học - và bạn sẽ kết nối nó với Claude Desktop thông qua MCP để các công cụ AI khác có thể sử dụng quy trình làm việc n8n của bạn. -
Các mô hình sản xuất: Xử lý lỗi và triển khai
"Hoạt động trong môi trường thử nghiệm" và "hoạt động trong môi trường sản xuất" là hai điều rất khác nhau. Bài học này sẽ giúp bạn hiểu rõ hơn về điều đó. -
Quy trình làm việc RAG: AI hiểu dữ liệu của bạn
Thay vì hy vọng LLM biết câu trả lời, bạn cung cấp cho RAG các tài liệu thực tế của mình và để nó tìm thông tin liên quan trước khi trả lời.
-
Bộ nhớ và ngữ cảnh: Giúp các agent ghi nhớ
Nếu bạn hỏi agent "Tôi vừa hỏi bạn điều gì?", nó sẽ không nhớ gì cả. Mỗi tin nhắn đều bắt đầu từ đầu. Đó là khoảng trống mà bộ nhớ lấp đầy - và đó là sự khác biệt giữa một công cụ chỉ dùng một lần và một trợ lý thực sự. -
AI Agent: Công cụ, prompt và quá trình ra quyết định
Basic LLM Chain giống như việc bạn hỏi ai đó một câu hỏi và nhận được câu trả lời. AI Agent giống như việc bạn thuê một trợ lý nghiên cứu - bạn mô tả nhiệm vụ, và họ sẽ tìm ra các bước. -
Node AI đầu tiên của bạn: Basic LLM Chain
Bạn sẽ xây dựng một AI Email Classifier - một quy trình làm việc đọc các email đến và tự động gắn nhãn chúng theo mục đích. Không cần code lập trình. Chỉ cần một prompt, một LLM và các mẫu luồng dữ liệu mà bạn đã biết. -
Kiến thức cơ bản về n8n: Các node, trình kích hoạt và luồng dữ liệu
Nắm vững các building block của n8n - những trình kích hoạt, các node, những kết nối, các biểu thức và thông tin xác thực. Xây dựng quy trình dữ liệu hoạt động đầu tiên của bạn. -
Quy trình tự động hóa AI với n8n
Hãy xây dựng 5 quy trình tự động hóa AI thực tế trong n8n - từ phân loại email đến chatbot RAG. Cùng ìm hiểu về AI agent, bộ nhớ, kho lưu trữ vector và MCP trong sê-ri này nhé!
Hướng dẫn AI
Học IT
Hàm Excel