Боты, деньги, n8n

🧭 Автоматизация поиска и оценки агентств

Этот шаблон помогает собрать и проверить данные о маркетинговых агентствах в Бангалоре, а затем автоматически оценить их по понятным правилам. В результате вы получаете структурированный список лидов, готовый для CRM и дальнейшей работы.

📌 Как это работает:
Шаг 1: Принимает запрос через форму n8n и нормализует его.
Шаг 2: Проверяет входные данные и ищет компании через Tavily.
Шаг 3: Очищает результаты, убирает дубли и нормализует ссылки.
Шаг 4: Загружает сайты, извлекает и чистит текст страниц.
Шаг 5: Если данных не хватает, подключает ScrapeGraphAI как запасной источник.
Шаг 6: Собирает данные, оценивает лидов по правилам и сохраняет в Google Sheets.
Шаг 7: Отдельный поток записывает ошибки в Error_Logs Google Sheet.

👉 Шаблон / ссылка:
- https://github.com/Krishnam-18/ai-lead-generation-company-intelligence-n8n
- https://www.reddit.com/r/n8n/comments/1wrbyx4/built_a_leadgeneration_and_companyintelligence/

💡 Где можно использовать и заработать:
- Поиск и квалификация маркетинговых агентств для продажи услуг
- Сбор базы потенциальных клиентов под B2B-обзвон и outreach
- Автоматизация первичного ресерча для SDR и sales-отдела
- Подготовка списка компаний для партнёрских и агентских продаж

📈 Что даёт бизнесу:
- Сокращает ручной ресерч и проверку компаний
- Даёт единые правила оценки без хаоса в принятии решений
- Помогает быстрее находить подходящие лиды
- Упрощает передачу данных в CRM и отчётность

🧰 Стек:
- n8n
- Tavily
- ScrapeGraphAI
- OpenRouter
- Google Sheets

#продажи #аналитика

💸 Кстати, на наших сборках можно еще и заработать

Мы здесь постоянно разбираем разные автоматизации и AI-агентов не просто потому, что находим интересные workflow.

Мы сами плотно этим занимаемся - собираем, тестируем, подключаем разные сервисы и смотрим, какие процессы реально можно отдать агентам.

Часть таких решений у нас уже работает в виде готовых НейроСотрудников.

И спрос на эту историю растет. По данным McKinsey, среди крупных компаний доля тех, кто масштабирует AI-агентов, за год выросла с 27% до 40%.

Поэтому если смотрите наши разборы и периодически думаете: «Вот это бы хорошо зашло клиенту / коллегам / знакомой компании» — можете порекомендовать нас и получать вознаграждение за привлеченных клиентов.

Регистрируетесь в партнерке → получаете свою ссылку → отправляете потенциальному клиенту.

Дальше консультацию и подключение берем на себя.

📌 В итоге win-win - человеку помогли автоматизировать процесс и сами на этом заработали 🤝

👉 Посмотреть условия партнерки

❗Кстати, LinkedIn можно заменить другим источником вакансий, например hh.ru. Переделать придется в основном блок сбора данных, остальная логика останется той же.

👉 Забрать сборку на GitHub

Зашел разбор - ставьте 👍
А если будете собирать себе, сохраняйте, чтобы не потерять.

⚙️ Разбираем сборку, которая сама ищет подходящие вакансии

Эта сборка в свое время собрала у нас много репостов, поэтому решили разобрать ее подробнее. Тем более идея реально полезная - один раз настраиваем поиск под свое резюме, а дальше n8n сам собирает свежие вакансии, сравнивает их с нашим опытом и присылает только подходящие.

С момента первой публикации автор еще и прокачал сборку. Сейчас внутри Crawl4AI (инструмент для сбора данных с сайтов) и Postgres (база данных, где хранятся уже найденные вакансии).

1️⃣ Поднимаем основу

Сначала клонируем репозиторий и запускаем docker-compose.yml. Он поднимает n8n + Crawl4AI + Postgres.

После запуска заходим в n8n и импортируем готовый linkedin-job-automation.json.

Дальше открываем Configuration node и один раз задаем параметры поиска - ссылку на резюме, нужную локацию, формат работы, опыт и остальные ограничения.

Резюме должно открываться по ссылке без авторизации - дальше его автоматически заберет Jina AI.

💡 Если с Docker раньше не работали, этот кусок лучше отдельно подгуглить. Здесь важно нормально настроить volumes и переменные окружения, чтобы после перезапуска контейнеров не потерять данные и credentials.

2️⃣ Превращаем резюме в профиль для поиска

После запуска workflow Jina AI Reader сам забирает содержимое резюме по указанной ссылке и передает текст в Gemini 2.5 Pro.

Gemini разбирает его на структуру - роли, основные навыки, seniority, опыт и другие параметры. На их основе модель формирует несколько поисковых запросов.

То есть вручную составлять десяток вариантов вроде Senior Python Developer Remote не нужно - запросы строятся автоматически из самого резюме и заданных нами ограничений.

3️⃣ Собираем свежие вакансии

Дальше workflow автоматически запускает поиск в LinkedIn. Crawl4AI обрабатывает страницы выдачи, собирает найденные позиции и вытаскивает полное описание каждой вакансии.

Свежесть можно ограничить при настройке. Например, искать только вакансии, опубликованные за последние сутки.

⚠️ Для пользователя из РФ здесь есть нюанс: LinkedIn заблокирован Роскомнадзором, поэтому серверу с n8n понадобится доступ к площадке. Плюс сам парсинг LinkedIn - одна из самых капризных частей схемы: площадка может менять верстку и ограничения. Настройку Crawl4AI под LinkedIn лучше отдельно сверить с актуальной документацией.

4️⃣ Автоматически убираем дубли

После сбора workflow берет jobID каждой вакансии и сверяет его с Postgres.

Если такой ID уже есть в базе, вакансия дальше не идет. Если позиция новая - она сохраняется и автоматически отправляется на следующий этап.

💡 Так при каждом запуске одни и те же вакансии не анализируются повторно. В подборке меньше дублей, а Gemini не тратит токены на уже обработанные позиции.

5️⃣ Считаем совпадение с резюме

Для каждой новой вакансии workflow автоматически передает в Gemini 2.5 Flash ее описание вместе с профилем кандидата.

Модель проверяет локацию, уровень позиции, обязательные навыки и остальные заданные условия, а затем рассчитывает рейтинг от 0 до 100.

По результату workflow сам распределяет вакансии:
APPLY → REVIEW → SKIP

Пороги задаются при настройке. Например, позиции с высоким рейтингом автоматически попадают в итоговую подборку, пограничные - в REVIEW, остальные отбрасываются.

💡 Важные ограничения вроде «только удаленка» лучше проверять отдельным условием до итоговой оценки. Иначе вакансия может получить высокий общий рейтинг за подходящие навыки и опыт, хотя по формату работы она вам вообще не подходит.

6️⃣ Получаем готовую подборку

Подходящие вакансии workflow записывает в Google Sheets, а Gemini готовит для каждой черновик сопроводительного письма.

Затем Gmail собирает все в одно письмо - компания, вакансия, ссылка, рейтинг и готовая заготовка для контакта.

За запуск отвечает Schedule Trigger. Например, ставим его на 8:00 по будням — и n8n сам проверяет свежие вакансии и присылает новую подборку.

📌 В итоге:
резюме → AI-профиль → поиск → парсинг → проверка дублей → AI-скоринг → подборка → письмо

📊 Автоматический отчёт по задачам на неделе

Этот шаблон автоматически собирает задачи из Google Sheets, считает выполненные, просроченные и оставшиеся, а затем отправляет короткий отчёт в Telegram. Так проще видеть реальный прогресс без ручной проверки таблицы перед выходными.

📌 Как это работает:
Шаг 1: По расписанию запускается автоматизация по пятницам в 17:00.
Шаг 2: Из Google Sheets забираются строки с задачами.
Шаг 3: Код считает выполненные, просроченные и ожидающие задачи.
Шаг 4: Итоговый отчёт с процентом продуктивности отправляется в Telegram.

👉 Шаблон / ссылка:
- https://gist.github.com/mridul0hub/e410f25f35ba855b9bd9321e536bab
- https://t.co/DMb5US9zpG
- https://www.reddit.com/r/n8n/comments/1wqq16n/i_built_a_free_n8n_bot_that_calculates_my_weekly/

💡 Где можно использовать и заработать:
- Контроль выполнения задач в команде
- Еженедельные отчёты для руководителя
- Мониторинг просроченных дел в проектах
- Автоматическая отправка сводки в рабочий чат

📈 Что даёт бизнесу:
- Экономит время на ручной сверке статусов
- Помогает быстрее замечать просрочки
- Даёт понятную картину загрузки команды
- Упрощает регулярную отчётность

🧰 Стек:
- n8n
- Google Sheets
- Telegram
- JavaScript

#автоматизация #аналитика

🧩 Почему Code node не видел пакет

Этот пост — о том, почему Code node в n8n может не запускать npm-пакеты и что нужно учесть в Docker. Заодно показано, как правильно получать бинарные данные из Telegram-триггера, чтобы автоматизация не ломалась на пустом файле.

📌 Как это работает:
Шаг 1: В переменных окружения задаётся NODE_FUNCTION_ALLOW_EXTERNAL и перечисляются npm-пакеты.
Шаг 2: Если n8n запущен в Docker, нужные пакеты должны быть доступны внутри контейнера, поэтому используется собственный образ на базе официального.
Шаг 3: Пакеты с нативной сборкой, вроде node-canvas и sharp, в штатном образе не ставятся.
Шаг 4: Для генерации QR-кода используются pureimage и gif-encoder-2, потому что они написаны на чистом JavaScript.
Шаг 5: Для встроенных модулей Node, таких как stream, нужен отдельный список NODE_FUNCTION_ALLOW_BUILTIN.
Шаг 6: В Telegram Trigger для фото нужно включить Download в Additional Fields, чтобы бинарные данные действительно появились.

👉 Шаблон / ссылка:
- https://github.com/NickZik/n8n-docker-npm-packages
- https://www.reddit.com/r/n8nforbeginners/comments/1wqt4gx/took_me_an_evening_to_work_out_why_my_code_node/

💡 Где можно использовать и заработать:
- Автоматическая генерация QR-кодов для оплат, входа на мероприятия и промокодов.
- Обработка файлов и изображений в внутренних бизнес-процессах.
- Настройка Telegram-ботов и приём заявок с вложениями.
- Поддержка и внедрение n8n-автоматизаций для команд, которые работают в Docker.

📈 Что даёт бизнесу:
- Меньше ручной работы при обработке файлов и сообщений.
- Быстрее запуск автоматизаций с интеграцией в Telegram.
- Меньше ошибок из-за неверных настроек контейнера и разрешений.
- Понятная база для расширения автоматизаций без лишних обходных решений.

🧰 Стек:
- n8n
- Docker
- Code node
- pureimage
- gif-encoder-2
- node-canvas
- sharp
- Telegram Trigger

#автоматизация #маркетинг

🤖 Поддержка без дублей и потерь

Этот бот для Telegram отвечает по базе знаний, подтягивает актуальные данные по заказам и передаёт обращение человеку, если не может помочь сам. Заодно он защищает от повторных ответов, лишних эскалаций и сбоев в цепочке.

📌 Как это работает:
Шаг 1: Каждое новое сообщение проверяется по уже обработанным update ID, чтобы не отправлять один и тот же ответ дважды.
Шаг 2: Срабатывает ограничение по частоте — не больше 2 сообщений за 60 секунд на чат.
Шаг 3: Если проверка лимита дала ошибку, бот не блокирует клиента и продолжает работу.
Шаг 4: Перед эскалацией проверяется, не открыт ли уже тикет по этому диалогу.
Шаг 5: Отдельный критик-агент сверяет ответ с базой и отклоняет его, если он противоречит данным, уходит в сторону или слишком грубый.
Шаг 6: При ошибке отдельный маршрут отправляет понятный ответ вместо тишины.
Шаг 7: После передачи человеку статус тикета обновляется через Slack-команду, а бот видит, закрыт вопрос или ещё в работе.

👉 Шаблон / ссылка:
- https://www.reddit.com/r/n8n/comments/1wkhlhv/built-a-support-bot-with-a-dedicated-critic-agent/

💡 Где можно использовать и заработать:
- Поддержка интернет-магазинов и сервисов с частыми вопросами по заказам
- Обработка повторных обращений без нагрузки на операторов
- Эскалация сложных кейсов в нужный отдел с фиксацией статуса
- Контроль качества ответов в клиентском чате

📈 Что даёт бизнесу:
- Меньше дублей и путаницы в переписке
- Быстрее ответы на типовые вопросы
- Ниже риск потерять обращение из-за ошибки в автоматизации
- Прозрачный контроль: видно, где запрос и кто за него отвечает

🧰 Стек:
- Telegram
- Slack
- n8n

#поддержка #аипомощник

☕ Автоматизация для кафе под ключ

Этот шаблон помогает кафе принимать бронирования, оформлять заказы, принимать оплату и возвращать клиентов без ручной переписки. Всё работает через единый поток сообщений и панель управления для владельца.

📌 Как это работает:
Шаг 1: Клиент пишет в WhatsApp, и AI распознаёт запрос.
Шаг 2: Система направляет обращение в нужную связку — бронирование, заказ или сбор отзыва.
Шаг 3: При бронировании проверяется доступность, создаётся резерв, отправляется подтверждение.
Шаг 4: При заказе считается сумма, формируется ссылка на оплату, кухня получает уведомление после оплаты.
Шаг 5: После заказа у клиента запрашивается отзыв, а при низкой оценке менеджер получает сигнал.
Шаг 6: По утрам система находит клиентов, которые не заходили 30 дней, и отправляет им персональное сообщение.

👉 Шаблон / ссылка:
- https://github.com/tanlovepain/Cafe-Management-System-
- https://www.reddit.com/r/n8n/comments/1w81t6u/built_a_full_cafe_management_system_handles/

💡 Где можно использовать и заработать:
- кафе и кофейни с потоком бронирований и заказов
- заведения с предзаказом и оплатой по ссылке
- точки, где важны отзывы и быстрые реакции на низкие оценки
- бизнесы, которым нужно возвращать клиентов без ручных напоминаний

📈 Что даёт бизнесу:
- меньше ручной работы у администраторов
- быстрее обработка бронирований и заказов
- выше шанс вернуть клиентов, которые давно не приходили
- больше прозрачности по заказам, выручке и истории общения

🧰 Стек:
- n8n
- WhatsApp
- Sarvam AI
- AI agent
- dashboard

#автоматизация #продажи

⚙️ Разбираем n8n-сборку для публикации сразу в несколько соцсетей

Судя по репостам, эта сборка вам хорошо зашла, так что разберем ее подробнее 👀

Суть такая: в одном месте создаем пост и загружаем изображения → n8n получает контент → подготавливает его под каждую площадку → при необходимости исправляет формат изображения → публикует в Facebook, Threads и Instagram*.

Посмотрели, как это собрано и что нужно настроить, чтобы повторить.

1️⃣ Поднимаем интерфейс для отправки постов

В репозитории вместе с workflow лежит ScatterFlow Studio. Это не отдельный сервис, а простая веб-админка автора на HTML/JS + backend на Node.js/Express.

Клонируем репозиторий → ставим зависимости через npm install → запускаем backend на порту 3000.

Из этой админки в n8n передается один JSON примерно одной структуры: текст поста, ссылки на медиа и список площадок. Так n8n всегда получает одинаковый набор полей, а уже дальше преобразует его отдельно под требования каждой соцсети.

2️⃣ Соединяем backend с n8n

Если n8n находится в облаке, localhost:3000 он не увидит. Поэтому автор прокидывает backend наружу через Cloudflare Tunnel и полученный HTTPS-адрес указывает в HTTP Request внутри n8n.

Дальше IF проверяет обязательные данные, а Code node на JavaScript собирает текст, очищает хэштеги и приводит ссылки на медиа к нужному виду.

После этого Switch разводит один входящий пост по веткам выбранных соцсетей.

3️⃣ Подключаем API соцсетей

Для Facebook, Instagram* и Threads* используются API Meta*. Здесь придется создать приложение Meta, подключить нужные аккаунты и выдать ему разрешения на публикацию, например pages_manage_posts и instagram_content_publish.

Сам автор называет авторизацию одной из сложных частей настройки: нужно правильно получить токены и разрешения для каждого API.

💡 Поэтому сначала лучше добиться публикации тестового поста в одну площадку, проверить токен и разрешения и только потом подключать остальные ветки. Так сильно проще понять, где именно ломается авторизация.

4️⃣ Отдельно готовим изображения для Instagram*

Перед публикацией HTTP Request скачивает файл, а Get Image Dimensions проверяет его размеры.

Если соотношение сторон выходит за допустимый диапазон Instagram*, Edit Image добавляет поля до нужного формата без растягивания самой картинки. Затем готовый файл загружается обратно и передается в публикацию.

Для обычных изображений этого достаточно. Если добавлять Reels и видео, мы бы уже выносили обработку в отдельный FFmpeg/Sharp-процесс, чтобы не перегружать основной workflow.

5️⃣ Отправляем посты

После подготовки каждая ветка публикуется отдельно: Facebook через Graph API, Instagram* через отдельную ноду, а Threads в два действия — сначала создается контейнер с контентом, затем отправляется команда на публикацию.

Для рабочей версии мы бы еще сохраняли ID опубликованных постов и добавили защиту от повторной отправки. Иначе при timeout можно получить ситуацию, когда соцсеть уже приняла пост, а n8n решил повторить запрос.

📌 В итоге архитектура такая:

интерфейс → backend → n8n → проверка и подготовка → Switch → отдельный API каждой соцсети

Причем Facebook здесь не принципиален. По такой же схеме можно добавить Telegram, VK или другую площадку с API: делаем новую ветку после Switch и отдельно готовим данные под требования ее API.

👉 Сборка на GitHub

Если такие разборы заходят - ставьте 👍.
Будем разбирать больше сборок, которые вам нравятся.

*принадлежит компании Meta, признанной экстремистской и запрещенной на территории РФ

⚙️ Что вы до сих пор делаете руками?

Мы тут постоянно разбираем сборки на n8n, но давайте в этот раз зайдем с другой стороны.

Наверняка в вашей работе есть что-то, что приходится регулярно делать руками - собирать данные, готовить отчеты и документы, работать с CRM, следить за задачами или повторять одни и те же действия.

🤖 Возможно, часть этого уже можно спокойно передать AI-агенту.

Мы как раз делаем НейроСотрудников, которых подключаем к нужным системам и настраиваем под конкретные рабочие процессы.

Нам самим интересно посмотреть, какие задачи вы бы хотели отдать агенту.

Оставляйте контакты по ссылке ниже (там есть кнопка "Обсудить внедрение ИИ") - обсудим ваш процесс, подскажем, что здесь можно автоматизировать и как к этому лучше подойти.

👉 Обсудить свою задачу

🤖 Автоподбор резюме и сопроводительного письма

Этот бесплатный open source-инструмент автоматически адаптирует резюме и сопроводительное письмо под каждую стажировку или вакансию. Достаточно вставить описание роли в Telegram — и готовые PDF-файлы будут собраны за считаные секунды.

📌 Как это работает:
Шаг 1: Вы отправляете текст вакансии в Telegram-бот.
Шаг 2: n8n с Google Gemini выделяет ключевые требования и переписывает опыт, навыки и пункты резюме под конкретную роль.
Шаг 3: Gemini создаёт короткое сопроводительное письмо в Harvard-стиле, подстраивая его под стек и задачи компании.
Шаг 4: XeLaTeX API собирает профессиональные PDF-файлы.
Шаг 5: Бот сразу отправляет оба файла обратно в Telegram.

👉 Шаблон / ссылка:
- github.com/chebaane1/Generateur-de-CV-et-Lettre-de-motivation-adapt-loffre
- https://www.reddit.com/r/Tunisia/comments/1wndytf/i_built_an_open_source_free_automated_tool_that/

💡 Где можно использовать и заработать:
- Автоматическая подготовка откликов на стажировки и junior-вакансии
- Сервис для карьерных центров и вузов
- Помощь соискателям, которые подают десятки заявок
- Ускорение подготовки резюме под разные компании

📈 Что даёт бизнесу:
- Сокращает время на ручную правку резюме и писем
- Повышает релевантность откликов под требования вакансии
- Упрощает массовую подачу заявок без потери качества
- Даёт готовый результат в удобном PDF-формате

🧰 Стек:
- n8n
- Google Gemini API
- XeLaTeX (Dockerized API)
- Telegram Bot API

#автоматизация #hr

🎧 Голосовые в задачи и CRM

Этот шаблон превращает голосовые сообщения в понятные действия для бизнеса. Он помогает быстрее разбирать обращения, не терять детали и передавать запросы дальше без ручной расшифровки.

📌 Как это работает:
Шаг 1: голосовое сообщение расшифровывается в текст
Шаг 2: AI определяет, что именно хочет клиент
Шаг 3: запрос направляется по нужному маршруту
Шаг 4: система создаёт задачу, обновляет CRM, отправляет в архив или передаёт на ручную проверку

👉 Шаблон / ссылка:
- https://github.com/optiflix76/ai-whatsapp-voice-note-transcriber-router
- https://www.reddit.com/r/n8n/comments/1wn9xlo/built_an_n8n_workflow_that_turns_whatsapp_voice/

💡 Где можно использовать и заработать:
- обработка входящих обращений клиентов
- автоматизация работы отдела продаж
- ускорение передачи запросов в CRM
- снижение потерь из-за неразобранных голосовых сообщений

📈 Что даёт бизнесу:
- меньше ручной рутины в коммуникациях
- быстрее реакция на запросы клиентов
- меньше ошибок при передаче информации
- понятный контроль над входящими обращениями

🧰 Стек:
- n8n
- AI (LLM)
- CRM
- WhatsApp

#автоматизация #продажи

🤝 Автоматизация после закрытия сделки

Эта автоматизация убирает ручную рутину сразу после статуса «Won»: создаёт рабочую страницу для нового клиента, отправляет приветственное письмо и уведомляет команду в Slack. Так новый клиент получает нормальный старт без задержек, а команда узнаёт о сделке сразу.

📌 Как это работает:
Шаг 1: Google Sheets отслеживает обновления строки.
Шаг 2: IF проверяет, изменился ли статус на «Won».
Шаг 3: Ветка Notion создаёт страницу клиента с именем, email и суммой сделки.
Шаг 4: Ветка email отправляет приветственное письмо с дальнейшими шагами.
Шаг 5: Ветка Slack сообщает команде о новой сделке.
Шаг 6: Если в одной из веток возникает ошибка, в Slack уходит отдельное уведомление.

👉 Шаблон / ссылка:
- https://gist.github.com/Zatma0/c7854730d6e7230e88effad4f834abaf
- https://www.reddit.com/r/n8n/comments/1wj0jo9/automated_the_busywork_right_after_a_deal_closes/

💡 Где можно использовать и заработать:
- онбординг новых клиентов после оплаты или подписания договора
- уведомления менеджеру и команде о закрытой сделке
- автоматическая отправка приветственного письма и следующих шагов
- создание внутренней страницы клиента без ручной работы

📈 Что даёт бизнесу:
- меньше ручных действий после продажи
- ниже риск забыть важный шаг в онбординге
- быстрее стартует работа с новым клиентом
- команда видит новые сделки без задержек

🧰 Стек:
- Google Sheets
- IF
- Notion
- Slack

#продажи #автоматизация

🧾 Защита от неверных счетов

Эта автоматизация не даёт ИИ-агенту отправить ошибочный счёт: она сверяет ключевые поля документа с данными в учёте и блокирует отправку, если есть расхождения. Так снижается риск переплаты, неверного VAT и счета не тому клиенту.

📌 Как это работает:
Шаг 1: процесс запускается как подшаблон, который вызывает агент, передавая ссылку на файл счёта и его номер.
Шаг 2: PDF загружается из Google Drive.
Шаг 3: Extractor считывает 8 полей из счёта: номер, клиента, IBAN, VAT ID, сумму без налога, сумму VAT, итоговую сумму и период услуги.
Шаг 4: Google Sheets подтягивает ожидаемые значения по номеру счёта из учёта.
Шаг 5: Merge сопоставляет данные, а Code node проверяет каждое поле по правилам: нормализация валюты, нормализация IBAN и строгий допуск по сумме.
Шаг 6: если всё совпадает, агент получает статус APPROVED и может отправлять счёт; если есть ошибка или не хватает данных, отправка блокируется, а на почту уходит сравнение данных.

👉 Шаблон / ссылка:
- https://www.github.com/felix-sattler-easybits/n8n-workflows/blob/d6e4b7ca373fa1db40a55ef5b879210b601e8cba/easybits-agent-invoice-guardrail/easybits_agent_invoice_guardrail.json
- https://www.reddit.com/r/n8n_ai_agents/comments/1whxpjd/stop_your_ai_agent_from_sending_wrong_invoices_a/

💡 Где можно использовать и заработать:
- проверка счетов перед отправкой клиенту;
- контроль корректности оплаты в бухгалтерии;
- защита агентства от ошибок в расчётах и реквизитах;
- автоматическая остановка спорных платежей.

📈 Что даёт бизнесу:
- меньше финансовых ошибок и возвратов;
- ниже риск неверного выставления суммы;
- быстрее проверка счетов без ручной сверки;
- меньше нагрузки на бухгалтерию и менеджеров.

🧰 Стек:
- n8n
- Google Drive
- Google Sheets
- Merge
- Code node
- Extractor

#автоматизация #финансы

🤖 А если следующего агента не собирать самому?

Мы тут постоянно публикуем сборки на n8n, которые можно забрать, докрутить и встроить в свои процессы.

Но если хочется уже сейчас начать делегировать AI реальные рабочие задачи, у нас для этого есть готовые НейроСотрудники.

Агент и необходимая инфраструктура уже развернуты. Мы помогаем подключить нужные системы, а вам не придется самостоятельно собирать всю обвязку с нуля.

Просто объясняете НейроСотруднику обычным языком, как устроен ваш процесс и что нужно делать - проверяете результат, а рабочие правила закрепляются для следующих задач.

Оставляйте заявку на бесплатную консультацию - обсудим что вам нужно и подскажем, как лучше запустить НейроСотрудника под ваш процесс.

👉 Оставить заявку можно тут

⚙️ Разбираем n8n-сборку - AI-ассистент для контент-плана

Недавно делились этой сборкой, а теперь решили залезть внутрь и посмотреть, как она собрана.

Если коротко - пишем ассистенту «в пятницу пост в Telegram про новый кейс» → Gemini разбирает запрос → публикация появляется в Google Sheets → второй workflow каждый день проверяет план и напоминает о незакрытых задачах.

По сути, здесь две связанные автоматизации. Разберем основные шаги 👇

1️⃣ Подключаем чат к Gemini

Входом служит Chat Trigger, дальше сообщение получает AI Agent + Google Gemini Chat Model.

Агенту через system prompt задаются правила - какие данные вытаскивать из сообщения, какие статусы использовать и как работать с контент-планом.

💡 Нюанс: модель здесь лучше использовать именно как интерфейс к системе, а не как хранилище. Сам контент-план должен жить отдельно.

2️⃣ Подключаем Google Sheets

К агенту подключаются Google Sheets Tools - он может читать существующие строки и добавлять/обновлять публикации.

Структура простая: дата → площадка → заголовок → статус → заметки.

Поэтому ассистент понимает и команды вроде "добавь пост на пятницу", и вопросы "что у нас сегодня?"

💡 Для прода стоит валидировать хотя бы дату, площадку и статус после LLM. Prompt снижает количество ошибок, но не гарантирует корректные данные.

3️⃣ Собираем отдельный workflow для напоминаний

Здесь уже AI почти не нужен.

Schedule Trigger раз в день запускает сценарий → Google Sheets забирает записи на сегодня → IF оставляет только публикации со статусом Pendiente.

В исходной сборке запуск стоит на 06:00, а timezone - America/Argentina/Buenos_Aires. При импорте это одна из первых настроек, которую нужно поменять под себя.

4️⃣ Настраиваем письмо и обновление статуса

Если публикация одна, используется Gmail Send and Wait for Response: приходит письмо с действием, после ответа workflow продолжает работу и меняет статус строки.

Если публикаций несколько, Aggregate + Code собирают их в одно HTML-письмо.

💡 Вот здесь мы бы сборку уже доработали - добавили каждой публикации уникальный content_id. Тогда можно однозначно понимать, какую запись обновлять, и спокойно делать отдельные действия для нескольких задач.

📌 Что в итоге

Сборка несложная, но архитектура хорошая:
чат → Gemini → Google Sheets
Schedule → проверка Sheets → Gmail → обновление статуса

А главное - этот паттерн легко утащить из контента в другие процессы: заявки, follow-up по лидам, согласования или внутренние задачи.

👉 Дублируем саму сборку

Если такие разборы интересны - ставьте 👍
Будем чаще разбирать, как готовые workflow устроены под капотом и что в них стоит докрутить перед продом.

🚀 Reddit и HN для поиска заявок

Этот шаблон помогает автоматически находить потенциальных клиентов на Reddit и Hacker News без ручного скролла. Система отсеивает шум, оставляет только реальные запросы на автоматизацию и сразу отправляет подходящие находки в Slack.

📌 Как это работает:
Шаг 1: Раз в час забирает новые посты через RSS из 11 сабреддитов и из поиска по новым историям в Hacker News.
Шаг 2: Сначала быстро фильтрует заголовки по ключевым словам, чтобы не тратить запросы на нерелевантные посты.
Шаг 3: Убирает повторы через n8n Data Table.
Шаг 4: Отправляет оставшиеся посты в GPT-4o-mini, который оценивает, есть ли там реальная бизнес-проблема для предложения решения.
Шаг 5: Подходящие посты улетают в Slack с заголовком, ссылкой, причиной срабатывания и кнопкой Mark Done.
Шаг 6: После нажатия кнопки вебхук отмечает задачу как выполненную прямо в сообщении.

👉 Шаблон / ссылка:
- https://github.com/sona123b42-bit/reddit_lead_monitor.git
- https://www.reddit.com/r/n8n/comments/1wgxh7e/built_an_n8n_workflow_that_turns_reddit_hacker/

💡 Где можно использовать и заработать:
- Поиск заявок на автоматизацию в сообществах и на форумах.
- Быстрый сбор релевантных лидов для фриланса и агентства.
- Отслеживание ручных и повторяющихся процессов, которые можно продать как решение.
- Передача подходящих обращений в Slack для быстрой обработки командой.

📈 Что даёт бизнесу:
- Экономит время на ручном поиске клиентов.
- Снижает количество ложных срабатываний.
- Помогает быстрее находить запросы с понятной болью и бюджетом.
- Упрощает контроль уже обработанных обращений.

🧰 Стек:
- n8n
- RSS Feed Read
- Code node
- Algolia's API
- OpenAI
- Slack Web API
- n8n Data Table

#автоматизация #продажи

🛡️ Мониторинг VPS через n8n

Этот шаблон помогает перенести проверку состояния VPS и отправку тревог в n8n, чтобы ошибки замечались быстрее, а локальное восстановление и уведомления были разделены по задачам.

📌 Как это работает:
Шаг 1: cron и Bash проверяют Laravel, Apache, нагрузку CPU, память, диск и доступность HTTP.
Шаг 2: при проблеме скрипты запускают локальное восстановление или подготовку к нему.
Шаг 3: затем данные уходят в n8n через защищённый webhook.
Шаг 4: n8n нормализует payload и отправляет уведомление в Telegram.
Шаг 5: для части проверок можно включить карантин файлов, перезапуск сервиса или очистку ресурсов.

👉 Шаблон / ссылка:
- https://github.com/hryagstn/n8n-bastion
- https://www.reddit.com/r/n8n/comments/1wfwojb/i_moved_my_vps_watchdog_alerts_into_n8n_4/

💡 Где можно использовать и заработать:
- мониторинг серверов с платной поддержкой и администрированием
- контроль работы веб-приложений для клиентов на VPS
- настройка оповещений и базового автоисправления для малого бизнеса
- продажа готового шаблона для self-hosted n8n

📈 Что даёт бизнесу:
- быстрее видно сбои до жалоб клиентов
- меньше простоев за счёт автоматических реакций на типовые проблемы
- единая точка отправки уведомлений вместо набора разрозненных скриптов
- проще масштабировать мониторинг под несколько проектов

🧰 Стек:
- n8n
- Laravel
- Ubuntu VPS
- Bash
- cron
- Telegram

#автоматизация #аналитика

🚀 Публикации сразу в несколько соцсетей

Этот шаблон автоматизирует отправку одного материала сразу в Facebook, Threads и Instagram* через n8n, Google Cloud Platform Services и Cloudflare. Он помогает бизнесу быстрее запускать публикации и не упираться в ручную подготовку под каждую площадку.

📌 Как это работает:
Шаг 1: Фронтенд принимает один общий JSON с текстом, ссылками на материалы и списком площадок.
Шаг 2: Code node очищает и форматирует данные под требования каждой сети.
Шаг 3: Switch node разводит поток по отдельным веткам для разных платформ.
Шаг 4: Для Instagram* проверяется соотношение сторон изображения.
Шаг 5: Если картинка не подходит, Edit Image добавляет поля без искажения контента.
Шаг 6: Подготовленный медиафайл уходит в контейнер публикации Instagram, а затем материал публикуется на всех выбранных площадках.

👉 Шаблон / ссылка:
- https://github.com/Jullemyth122/supermulti-media-n8n-content/tree/main
- https://www.reddit.com/r/n8n/comments/1wf2smu/built_a_crossplatform_posting_pipeline_in_n8n_fb/

💡 Где можно использовать и заработать:
- Одновременная публикация анонсов в соцсетях для брендов и агентств
- Автопостинг карточек товаров, акций и новостей компании
- Массовая дистрибуция контента для SMM-команд и контент-студий
- Подготовка отдельных версий поста под разные площадки

📈 Что даёт бизнесу:
- Экономит время команды на ручном размещении
- Снижает ошибки при загрузке изображений и текста
- Упрощает выпуск одного материала в несколько каналов
- Помогает быстрее масштабировать контент-маркетинг

🧰 Стек:
- n8n
- Google Cloud Platform Services
- Cloudflare
- Facebook
- Threads
- Instagram*
- Code node
- Switch node
- Get Image Dimensions
- Edit Image

#маркетинг #автоматизация
*принадлежит компании Meta, признанной экстремистской и запрещённой на территории РФ

🧩 Проверка дублей и опозданий

Этот шаблон n8n показывает, как обрабатывать повторные запросы и поздно пришедшие результаты без двойной записи и лишних обновлений. Он помогает проверить, что счёт для утреннего брифа остаётся корректным даже при повторной попытке или задержке ответа.

📌 Как это работает:
Шаг 1: Импортируете workflow.json и запускаете тестовый шаблон.
Шаг 2: Открываете блок «Replay and assert» и смотрите счётчики и следы событий.
Шаг 3: Проверяете 12 кейсов, где любое расхождение с ожиданием приводит к ошибке.
Шаг 4: Сравниваете поведение при повторной отправке, смене ID, позднем результате и невалидных данных.
Шаг 5: Убеждаетесь, что дубль не создаёт вторую заявку, а уже закрытый бриф не перезаписывается.

👉 Шаблон / ссылка:
- https://gist.github.com/forhow134/2d498bb02692f037c8554298d2889ffa
- https://www.reddit.com/r/n8n/comments/1wbwouj/a_runnable_n8n_replay_for_duplicate_jobs_and_late/

💡 Где можно использовать и заработать:
- Контроль повторных заявок без двойной обработки.
- Проверка задержанных ответов до запуска в продакшн.
- Тестирование логики для брифов, отчётов и внутренних уведомлений.
- Подготовка автоматизаций с защитой от дублей и конфликтов.

📈 Что даёт бизнесу:
- Меньше ошибок в учёте и передаче данных.
- Выше надёжность автоматизаций при сбоях и повторах.
- Понятная проверка логики до внедрения в рабочий процесс.
- Снижение риска двойных операций и неверных обновлений.

🧰 Стек:
- n8n
- Code node
- workflow.json
- Airtap cloud phone

#автоматизация #аналитика