شنبه، ساعت نه صبح. صاحب یک فروشگاه اینترنتی کوچک فایل فروش را باز می‌کند، جمع هفته را درمی‌آورد، با هفتهٔ قبل مقایسه می‌کند و چند خط برای شریکش می‌فرستد: ۴۵ دقیقه، هر هفته، تمام سال. این دقیقاً همان کاری است که اتوماسیون با هوش مصنوعی برایش ساخته شده است.

جواب کوتاه: برای بیشتر کارهای تکراری هفته ایجنت خودمختار لازم نیست. یک گردش‌کار ساده کافی است که سر ساعت اجرا شود، داده را بردارد، فقط در یک گام از مدل زبانی کمک بگیرد (خلاصه، استخراج یا پیش‌نویس) و نتیجه را تحویل دهد. n8n (ان‌ایت‌ان) و Make (میک) همین کار را می‌کنند و اگر اشتراک ماهانه نمی‌خواهید، n8n روی سرور خودتان به‌اضافهٔ یک API با پرداخت ریالی معمولاً عملی‌ترین ترکیب است.

در ادامه: انتخاب کار مناسب، پنج دستور آماده، ساخت قدم‌به‌قدم یکی از آن‌ها در n8n، سه پرامپت و خطرهایی که باید از قبل ببندید.

کدام کار را اول خودکار کنیم؟ ممیزی ده‌دقیقه‌ای هفته

یک هفته هر کار تکراری را بنویسید و برای هر کدام چهار چیز یادداشت کنید:

  • دفعات در ماه
  • دقیقه در هر بار
  • قاعده‌مندی از ۱ تا ۳ (هر بار همان مراحل: ۳)
  • هزینهٔ خطا از ۱ تا ۳ (پول، مشتری یا تعهد قانونی: ۳)

امتیاز = (دفعات × دقیقه) × قاعده‌مندی ÷ هزینهٔ خطا. عدد دقیقی نیست؛ فقط کارها را مرتب می‌کند:

نمونهٔ ممیزی یک فروشگاه اینترنتی (عددها فرضی‌اند)
کاردقیقه در ماهقاعده‌مندیهزینهٔ خطاامتیاز
گزارش فروش هفتگی برای شریک۴ × ۴۵ = ۱۸۰۳۱۵۴۰
گذاشتن پست تازهٔ وبلاگ در کانال۸ × ۱۰ = ۸۰۳۱۲۴۰
جواب دایرکت‌های تکراری۱۲۰ × ۲ = ۲۴۰۲۳۱۶۰
وارد کردن فاکتورهای خرید۲۰ × ۵ = ۱۰۰۳۲۱۵۰
پیش‌فاکتور برای مشتری عمده۲ × ۹۰ = ۱۸۰۱۳۶۰

برنده بی‌هیجان‌ترین کار است: گزارش شنبه‌ها، و برای شروع دقیقاً همین را می‌خواهید. کار پرتکرار، قاعده‌مند و کم‌خطر زود نشان می‌دهد اتوماسیون درست کار می‌کند یا نه، و اگر هفتهٔ اول خراب شود، فقط یک پیام داخلی دیر رسیده است، نه پول مشتری. حسابش هم ساده است: ساختی سه‌ساعته که هفته‌ای ۴۵ دقیقه صرفه‌جویی کند، حدود چهار هفته‌ای جبران می‌شود.

گردش‌کار خودکار یا ایجنت هوش مصنوعی؛ کدام به کار شما می‌آید؟

گردش‌کار با یک گام هوش مصنوعی

در n8n، Make و Zapier (زپیر) مسیر را خودتان می‌کشید: یک ماشه، چند گام ثابت و فقط جایی که فهم زبان لازم است، یک گام هوش مصنوعی برای خلاصه، استخراج، دسته‌بندی یا پیش‌نویس. نتیجه قابل پیش‌بینی است، هزینهٔ مدل در هر اجرا معمولاً کسری از یک سنت است و اگر چیزی خراب شود، می‌بینید کدام گره خطا داده است.

ایجنت خودمختار

در ایجنت، هدف را می‌گویید و مدل خودش جست‌وجو می‌کند، صفحه باز می‌کند و کلیک می‌کند. Manus (مانوس) برای هر کار یک کامپیوتر ابری با مرورگر باز می‌کند و Browser Use کتابخانه‌ای متن‌باز برای برنامه‌نویس‌هایی است که ایجنت مرورگر می‌سازند. در ChatGPT (چت جی پی تی) حالت agent قدیمی کنار رفته و ChatGPT Work، که از تیر ۱۴۰۵ در پلن‌های پولی آمده، کار چندمرحله‌ای روی اپ‌ها و فایل‌های متصل را تا تحویل سند پیش می‌برد. Google Opal (گوگل اوپال) هم با توصیف متنی مینی‌اپ می‌سازد و گام ایجنت دارد.

ایجنت برای کارهای نامنظم عالی است، مثل مقایسهٔ قیمت ده تأمین‌کننده‌ای که API ندارند؛ اما کندتر است، هزینه‌اش از قبل معلوم نیست و ممکن است فریب دستوری را بخورد که کسی در صفحه یا ایمیلی کاشته است؛ OpenAI در راهنمای ایجنتش همین خطر «تزریق پرامپت» را توضیح داده است. حد وسط، کارهای زمان‌بندی‌شدهٔ ChatGPT است: در پلن رایگان تا سه کار فعال، حداکثر روزی یک بار.

قاعدهٔ سرانگشتی: اگر مراحل را می‌توانید روی کاغذ بکشید، گردش‌کار بسازید؛ اگر مسیر هر بار عوض می‌شود، ایجنت را امتحان کنید و خروجی‌اش را خودتان بخوانید.

n8n، Make، Zapier یا ابزار ایرانی؛ کدام پلتفرم را انتخاب کنیم؟

جدول زیر وضعیت پلن‌ها را تا شهریور ۱۴۰۵ و بر پایهٔ صفحه‌های رسمی قیمت نشان می‌دهد. ابزارهای خارجی پرداخت دلاری دارند.

مقایسهٔ پلتفرم‌های اتوماسیون و ایجنت (شهریور ۱۴۰۵)
پلتفرمنصب روی سرور خودتانپلن رایگانسختی یادگیریمناسب برای
n8nبله (نسخهٔ Community)خودمیزبان رایگان؛ ابری فقط دورهٔ آزمایشی، بعد از حدود ۲۰ یورو در ماه (سالانه)متوسطگردش‌کار چندمرحله‌ای با کنترل داده و هزینه
Makeخیرتا ۱٬۰۰۰ اعتبار در ماه، ۲ سناریوی فعالمتوسطسناریوهای بصری بین اپ‌های خارجی
Zapierخیر۱۰۰ تسک در ماه، فقط Zap دومرحله‌ایکماتصال سریع اپ‌های رایج
انجیراتو (AnjirAuto)خیر (سرویس ایرانی)۵۰۰ اجرا در ماهکمسرویس‌های ایرانی با پرداخت ریالی
ChatGPT (کار زمان‌بندی‌شده)خیر۳ کار فعال، حداکثر روزی یک بارکمخلاصهٔ دوره‌ای و کارهای سبک
Manusخیر۳۰۰ اعتبار روزانه (سقف ماهانه ۱٬۵۰۰)کمکار نامنظم پژوهشی و مرورگری

بی‌تجربه در سرور و وابسته به اپ‌های خارجی؟ Zapier. دغدغهٔ داده یا هزینه؟ n8n. ابزارهای ایرانی؟ انجیراتو، با حدود ۶۰ اتصال آماده از بله و زرین‌پال و ووکامرس فارسی تا Google Sheets و مدل‌های OpenAI و Claude.

اتوماسیون با هوش مصنوعی در عمل: سرور، مجوز n8n و تلگرام

چرا n8n خودمیزبان جذاب است؟

سرویس ابری دو ریسک دارد: هزینهٔ اشتراک و خاموش شدن ناگهانی. n8n را می‌شود با Docker روی سرور خودتان نصب کرد؛ برای یادگرفتن حتی روی کامپیوتر شخصی و با نشانی localhost:5678. البته مستندات رسمی هشدار می‌دهند که خودمیزبانی جدی دانش امن‌سازی سرور می‌خواهد. راه ساده‌تر، نصب یک‌کلیکی n8n در لیارا (Liara) است؛ در زمان نوشتن این مطلب، کوچک‌ترین پلنش ماهی حدود ۷۵۰ هزار تومان هزینه دارد.

مجوز n8n دقیقاً چه اجازه‌ای می‌دهد؟

n8n خودش را «fair-code» و «source-available» می‌نامد، نه متن‌باز. مجوز Sustainable Use License استفاده را به کارهای داخلی کسب‌وکار خودتان یا استفادهٔ شخصی و غیرتجاری محدود می‌کند. طبق پرسش‌های پرتکرار رسمی، ساختن و نگهداری گردش‌کار برای مشتری و گرفتن دستمزد مجاز است، به شرطی که مشتری خودش نتواند گردش‌کار بسازد یا ویرایش کند؛ اما فروش n8n به‌صورت سرویسی که مشتری در آن گردش‌کار بسازد، یا عرضه‌اش با برند خودتان، قرارداد تجاری می‌خواهد.

تلگرام، بله یا ایمیل: خروجی را کجا بفرستیم؟

ربات تلگرام با هوش مصنوعی برای خیلی‌ها طبیعی‌ترین جای تحویل گزارش است. بله هم به کار می‌آید: طبق مستندات بله، API رباتش بر پایهٔ API تلگرام ساخته شده و در n8n با گره HTTP Request کار می‌کند. پیامک و ایمیل هم گزینه‌اند.

API مدل‌ها با پرداخت ریالی

اول‌ای‌آی (AvalAI) و متیس (Metis AI) دسترسی به مدل‌های OpenAI، Anthropic و Google را با پرداخت ریالی و API سازگار با OpenAI می‌فروشند؛ گپ‌جی‌پی‌تی (GapGPT) هم در وبلاگش از API خبر داده است. در n8n کافی است در اعتبارنامهٔ OpenAI فیلد Base URL را عوض کنید؛ اول‌ای‌آی نشانی https://api.avalai.ir/v1 را داده است. کیف پول پیش‌پرداخت سقف طبیعی هزینه است، اما داده از یک واسطهٔ دیگر هم می‌گذرد.

ابزارهای ایرانی آماده

  • دایرکتم (Directam): پاسخ خودکار دایرکت اینستاگرام با کلمهٔ کلیدی و فرم.
  • نوین‌هاب (NovinHub): زمان‌بندی پست در اینستاگرام، تلگرام، بله و ایتا، با پیشنهاد کپشن به کمک هوش مصنوعی.
  • آوانک (Avanak): پیام صوتی و تماس خودکار برای یادآوری به مشتری‌هایی که پیامک نمی‌خوانند.

مقایسهٔ کامل‌تر را در مطلب ابزارهای ایرانی هوش مصنوعی بخوانید.

پنج دستور آماده برای کارهای تکراری هفته

هر پنج دستور در n8n، Make یا انجیراتو ساختنی است و زمان ساخت، تخمینی برای بار اول است. هزینهٔ مدل را از قیمت توکن حساب کنید: GPT-5.6 Luna طبق داده‌های OpenRouter حدود ۰٫۲ دلار برای هر میلیون توکن ورودی و ۱٫۲ دلار برای خروجی می‌گیرد، پس گزارشی با سه هزار توکن ورودی و پانصد توکن خروجی حدود یک‌دهم سنت می‌شود.

۱. پست تازهٔ وبلاگ ← خلاصه ← کانال

  • ماشه: گره RSS Feed Trigger روی فید وبلاگ.
  • گام‌ها: برداشتن عنوان، لینک و چکیده.
  • گام هوش مصنوعی: خلاصهٔ سه‌خطی با لحن کانال.
  • خروجی: کانال تلگرام یا بله؛ برای چند شبکه، نوین‌هاب.
  • ساخت و هزینه: کمتر از یک ساعت؛ هزینهٔ مدل تقریباً صفر.

۲. عددهای فروش ← گزارش هفتگی ← شنبه صبح

  • ماشه: گره Schedule Trigger، شنبه‌ها ساعت ۹.
  • گام‌ها: خواندن برگهٔ خلاصهٔ فروش یا سفارش‌های ووکامرس.
  • گام هوش مصنوعی: گزارش چهاربخشی از روی عددهای آماده.
  • خروجی: تلگرام، بله یا ایمیل.
  • ساخت و هزینه: یک تا دو ساعت؛ کمتر از یک سنت در هر اجرا (ساخت کامل در بخش بعد).

۳. عکس و PDF فاکتور ← استخراج ← صفحه‌گسترده

  • ماشه: عکس یا PDF فرستاده‌شده به ربات، یا فایل تازه در پوشه.
  • گام‌ها: متن PDF با گره Extract from File بیرون می‌آید؛ عکس و PDF اسکن‌شده به یک مدل بینایی می‌رود (Analyze Image در گره OpenAI یا Analyze Document در گره Google Gemini).
  • گام هوش مصنوعی: استخراج JSON با کلیدهای ثابت (پرامپت اول).
  • خروجی: ردیف تازه با Append Row در Google Sheets و پرچم بازبینی برای فاکتورهای مشکوک.
  • ساخت و هزینه: دو تا چهار ساعت؛ هزینه را با ده فاکتور آزمایشی در پنل درگاه بسنجید.

۴. فایل صوتی جلسه ← متن ← صورتجلسه و فهرست کارها

  • ماشه: فایل صوتی تازه در پوشهٔ جلسه‌ها.
  • گام‌ها: تبدیل گفتار به متن با Transcribe a Recording در گره OpenAI یا Google Gemini؛ کیفیت فارسی سرویس‌ها فرق جدی دارد (مقایسه در مطلب تبدیل جلسه و کلاس فارسی به متن دقیق).
  • گام هوش مصنوعی: صورتجلسه با تصمیم‌ها، کارها (مسئول و مهلت) و موارد باز.
  • خروجی: پیام برای شرکت‌کنندگان و ردیف کارها در صفحه‌گسترده.
  • ساخت و هزینه: یک تا سه ساعت؛ هزینهٔ اصلی تبدیل گفتار است که معمولاً دقیقه‌ای حساب می‌شود.

۵. پیام مشتری ← پیش‌نویس جواب ← تأیید انسان

  • ماشه: پیام تازه به ربات فروشگاه یا ایمیل پشتیبانی.
  • گام‌ها: کنار هم گذاشتن پیام با سؤال‌های پرتکرار و قیمت‌ها.
  • گام هوش مصنوعی: پیش‌نویس جواب یا «ارجاع به انسان» (پرامپت سوم).
  • خروجی: پیش‌نویس برای اپراتور با دکمه‌های تأیید و رد (عملیات Send and Wait for Response در گره Telegram)؛ جواب فقط بعد از تأیید به مشتری می‌رسد.
  • ساخت و هزینه: نصف روز تا یک روز. برای جواب‌های ساده و ثابت دایرکت اینستاگرام، دایرکتم کافی است.

نمی‌دانید برای کار خودتان کدام ابزار و کدام ترکیب مناسب است؟ در هوش یاب بنویسید: «هر هفته از فروش فروشگاهم گزارش خودکار در تلگرام بگیرم» تا ابزارهای مناسب و نقشهٔ راهی قدم‌به‌قدم با پرامپت آماده برای هر مرحله بگیرید.

آموزش n8n: گزارش فروش هفتگی را قدم‌به‌قدم بسازید

پیش‌فرض: n8n دارید، ربات تلگرام یا بله ساخته‌اید (توکن را از BotFather می‌گیرید) و کلید API یک مدل را دارید. نام گره‌ها همان است که در رابط انگلیسی n8n می‌بینید.

  1. شیت را آماده کنید. برگه‌ای به نام «خلاصه» بسازید که با فرمول (مثلاً SUMIFS) فروش این هفته و هفتهٔ قبل، درصد تغییر، تعداد سفارش و کالاهای رو به اتمام را حساب کند. حساب با فرمول، نوشتن با مدل؛ مدل زبانی برای جمع زدن ساخته نشده است.
  2. ماشه. گره Schedule Trigger: Trigger Interval روی Weeks، Weeks Between Triggers روی 1، Trigger on Weekdays روی Saturday و Trigger at Hour روی 9am.
  3. منطقهٔ زمانی. از منوی سه‌نقطهٔ گردش‌کار، Settings را باز کنید و Timezone را Asia/Tehran بگذارید. پیش‌فرض نسخهٔ خودمیزبان America/New_York است و بدون این کار، گزارش عصر می‌رسد.
  4. داده. گره Google Sheets با Operation برابر Get Row(s) و برگهٔ «خلاصه». در نسخهٔ ابری با Sign in with Google وصل می‌شوید؛ در نسخهٔ خودمیزبان باید در Google Cloud Console یک OAuth Client بسازید که سخت‌ترین قدم تازه‌کارهاست. اگر برگه چند ردیف دارد، گره Aggregate با گزینهٔ All Item Data همه را یکجا به مدل می‌رساند.
  5. گام هوش مصنوعی. گره OpenAI با Resource برابر Text و Operation برابر Generate a Chat Completion؛ این عملیات از Chat Completions API استفاده می‌کند که درگاه‌های ایرانی هم دارند. کلید API و در صورت نیاز Base URL درگاه را در اعتبارنامه وارد و مدلی سبک انتخاب کنید. پرامپت دوم بخش بعد را در پیام System بگذارید و داده‌ها را با {{ JSON.stringify($json) }} در پیام User بفرستید. در Options، Maximum Number of Tokens را حدود ۱۰۰۰ و Output Randomness (Temperature) را حدود ۰٫۲ بگذارید تا لحن ثابت و هزینه محدود بماند.
  6. ارسال. گره Telegram با Operation برابر Send Message؛ در Chat ID نام کانال (@channelusername) را بگذارید و ربات را مدیر کانال کنید. جواب مدل را از پنل INPUT به فیلد Text بکشید؛ سقف هر پیام ۴۰۹۶ نویسه است. برای بله، به‌جایش HTTP Request با متد POST به https://tapi.bale.ai/bot<TOKEN>/sendMessage و برای ایمیل، گره Send Email بگذارید.
  7. آزمایش. Execute Workflow را بزنید و عددهای گزارش را با شیت مقایسه کنید؛ اگر مدل عددی ساخته که در داده نبود، پرامپت را سخت‌گیرتر کنید.
  8. خطا. گردش‌کار جدایی با گره Error Trigger بسازید که پیام «گزارش این هفته ساخته نشد» را برایتان بفرستد و آن را در Settings گردش‌کار اصلی، بخش Error workflow، انتخاب کنید. روی گره OpenAI هم Retry On Fail را روشن کنید.
  9. انتشار. گردش‌کار را ذخیره و Publish کنید؛ تا منتشر نشده، زمان‌بندی اجرا نمی‌شود.

چهار هفتهٔ اول گزارش را فقط برای خودتان بفرستید و با شیت مقایسه کنید؛ اگر بی‌خطا بود، شریک را هم اضافه کنید و سراغ کار دوم جدول بروید.

پرامپت گام هوش مصنوعی را چطور بنویسیم؟ سه نمونهٔ آماده

در گردش‌کار کسی کنار مدل نیست که جواب بد را درست کند. با «از این عددها گزارش بنویس» ممکن است هر هفته قالب تازه‌ای بگیرید و مدل درصد را خودش حساب کند؛ پس قالب خروجی را ثابت کنید و راه «نمی‌دانم» بگذارید.

۱. استخراج اطلاعات فاکتور به JSON

از فاکتور پیوست (عکس یا PDF) اطلاعات را استخراج کن و فقط یک شیء JSON با کلیدهای نمونهٔ زیر برگردان، بدون هیچ توضیح دیگری.
- مبلغ‌ها را عدد خالص بنویس، بدون جداکنندهٔ هزارگان و واحد، و ارقام فارسی را به ارقام لاتین برگردان.
- واحد پول را همان‌طور که روی فاکتور آمده (ریال یا تومان) در currency بنویس و مبلغ را تبدیل نکن.
- تاریخ را همان‌طور که نوشته شده بنویس و در calendar مشخص کن شمسی است یا میلادی.
- هر چیزی را که روی سند نیست یا خوانا نیست null بگذار و حدس نزن.
- اگر جمع اقلام با مبلغ کل نمی‌خواند یا بخشی ناخواناست، needs_review را true کن و دلیلش را در notes بنویس.

{
  "vendor_name": null,
  "invoice_number": null,
  "invoice_date": null,
  "calendar": "jalali | gregorian",
  "items": [
    {"description": null, "quantity": null, "unit_price": null, "line_total": null}
  ],
  "subtotal": null,
  "tax": null,
  "total": null,
  "currency": "IRR | IRT",
  "needs_review": false,
  "notes": null
}

کلیدهای دلخواه را اضافه کنید و اول ده فاکتور واقعی را آزمایش کنید. برای PDF متنی، گره Information Extractor در n8n ساختار خروجی را از همین نمونه می‌سازد (Generate From JSON Example).

۲. نویسندهٔ گزارش هفتگی با بخش‌های ثابت

تو تحلیل‌گر فروش یک فروشگاه اینترنتی کوچک هستی. عددهای این هفته و هفتهٔ قبل را در ادامه می‌گیری. گزارشی فارسی و کوتاه، مناسب خواندن در موبایل، دقیقاً با این چهار بخش و به همین ترتیب بنویس:
۱. خلاصه در یک جمله: فروش این هفته و درصد تغییر نسبت به هفتهٔ قبل.
۲. سه نکتهٔ مهم، هر کدام در یک خط و با عدد.
۳. هشدارها: کالاهای رو به اتمام یا افت غیرعادی؛ اگر چیزی نیست، بنویس «هشداری نیست».
۴. یک پیشنهاد عملی برای هفتهٔ بعد.
قواعد: فقط از عددهای داده استفاده کن و هیچ عددی را خودت حساب یا حدس نزن؛ اگر عددی لازم است که در داده نیست، در هشدارها بنویس «داده کامل نیست». حداکثر ۱۲۰ کلمه، بدون مقدمه و تعارف، با ارقام فارسی و جداکنندهٔ هزارگان.

نام بخش‌ها را با آنچه شریک یا مدیرتان واقعاً می‌خواند عوض کنید، اما تعداد و ترتیبشان را ثابت نگه دارید تا گزارش‌ها مقایسه‌پذیر بمانند.

۳. پیش‌نویس جواب مشتری با قواعد لحن و ارجاع به انسان

تو پیش‌نویس جواب‌های پشتیبانی فروشگاه [نام فروشگاه] را می‌نویسی و یک همکار انسانی پیش از ارسال تأییدش می‌کند. فقط بر پایهٔ «اطلاعات مجاز» جواب بده.
لحن: محترمانه و گرم، با «شما»، حداکثر چهار جمله، بدون شکلک و بدون وعده‌ای که در اطلاعات مجاز نیامده.
- قیمت، موجودی و زمان ارسال را فقط از اطلاعات مجاز بگو و هرگز حدس نزن.
- اگر جواب در اطلاعات مجاز نیست، یا پیام دربارهٔ بازگشت پول، شکایت، مشکل پرداخت یا اطلاعات شخصی است، یا مشتری عصبانی است، پیش‌نویس ننویس و فقط این را برگردان: «ارجاع به انسان: [دلیل در یک جمله]».
- هر جا مطمئن نیستی، ارجاع بده؛ ارجاع اضافه ایرادی ندارد، جواب غلط دارد.
اطلاعات مجاز: [سؤال‌های پرتکرار، قیمت‌ها، شرایط ارسال و مرجوعی]
پیام مشتری: [متن پیام]

دو سه جواب خوب واقعی را به‌عنوان نمونهٔ لحن اضافه کنید و در n8n با یک گره If، جواب‌هایی را که با «ارجاع به انسان» شروع می‌شوند مستقیم به اپراتور بفرستید.

پیش از روشن کردن: کلیدها، هزینه، خطا و تأیید انسانی

  • کلیدها: کلید API و توکن ربات حکم رمز عبور را دارند؛ فقط در Credentials نگهشان دارید، نه در پرامپت یا فایل گردش‌کاری که برای کسی می‌فرستید. از کلید رمزنگاری n8n (N8N_ENCRYPTION_KEY یا پوشهٔ ~/.n8n) نسخهٔ پشتیبان بگیرید و به هر اتوماسیون کلید جدا بدهید.
  • حریم خصوصی: هر چه به مدل می‌دهید از سرور ارائه‌دهنده و گاهی یک درگاه واسط می‌گذرد؛ کد ملی، شمارهٔ کارت و نشانی مشتری را نفرستید.
  • اعلان خطا: بدترین خرابی، خرابی بی‌صداست. گردش‌کار خطا و Retry On Fail را از روز اول بگذارید.
  • نرخ و هزینه: ربات تلگرام اگر در یک گفتگو بیش از یک پیام در ثانیه یا در گروه بیش از ۲۰ پیام در دقیقه بفرستد، خطای 429 می‌گیرد. برای مدل سقف توکن بگذارید و مراقب حلقه‌ای باشید که خودش را دوباره صدا می‌زند؛ کیف پول پیش‌پرداخت هم ترمز خوبی است.
  • تأیید انسانی: هر چه به مشتری می‌رسد، اول به تأیید یک نفر برسد؛ Send and Wait for Response تا جواب شما، یا تا سقف زمانی که می‌گذارید، صبر می‌کند.
  • بایگانی: n8n خودمیزبان به‌طور پیش‌فرض اجراهای قدیمی‌تر از ۱۴ روز را پاک می‌کند؛ کارهای مالی را در برگهٔ «لاگ» هم ثبت کنید.
  • راه دستی: روش دستی را نگه دارید؛ اینترنت ممکن است قطع شود و درگاه‌های ایرانی هم به ارتباط خارجی وابسته‌اند.

جمع‌بندی: این هفته فقط یک کار را خودکار کنید

خودکارسازی کارها با هوش مصنوعی از فهرست کارها شروع می‌شود، نه از ابزار: جدول را پر کنید، کار پرتکرار و کم‌خطر را بردارید، آن را گردش‌کاری با یک گام هوش مصنوعی بسازید و هر چه به مشتری می‌رسد را پشت تأیید انسان نگه دارید. ایجنت‌ها را برای کارهای نامنظم بگذارید. اگر اشتراک ماهانه نمی‌خواهید، n8n روی سرور خودتان، خروجی در بله یا تلگرام و API با پرداخت ریالی ترکیبی در دسترس و کم‌هزینه است.

قدم بعدی: کار برندهٔ جدولتان را در جست‌وجوی هوش یاب بنویسید؛ مثلاً «فاکتورهای خرید را خودکار از عکس در اکسل وارد کنم».

پرسش‌های پرتکرار

آیا n8n رایگان است؟

نسخهٔ Community را می‌توانید رایگان روی سرور خودتان نصب کنید، اگر برای کارهای داخلی کسب‌وکار خودتان یا استفادهٔ شخصی باشد. ساختن گردش‌کار برای مشتری و گرفتن دستمزد هم مجاز است، اما فروش خود n8n به‌صورت سرویس قرارداد تجاری می‌خواهد. نسخهٔ ابری پلن رایگان دائمی ندارد و تا شهریور ۱۴۰۵ از حدود ۲۰ یورو در ماه با پرداخت سالانه شروع می‌شود.

برای اتوماسیون با هوش مصنوعی باید برنامه‌نویسی بلد باشم؟

برای Zapier، Make و انجیراتو نه؛ همه‌چیز با کشیدن و وصل کردن بلوک‌ها ساخته می‌شود. n8n هم بدون کدنویسی کار می‌کند، اما باید با عبارت‌های ساده و مفهوم اعتبارنامه آشنا شوید و خودمیزبانی‌اش دانش سرور می‌خواهد. اگر سرور بلد نیستید، نصب یک‌کلیکی لیارا یا نسخهٔ ابری n8n را انتخاب کنید.

فرق ایجنت هوش مصنوعی با اتوماسیون معمولی چیست؟

در اتوماسیون معمولی، مسیر را شما تعیین می‌کنید و مدل زبانی فقط در گام‌های مشخصی مثل خلاصه‌نویسی یا استخراج کمک می‌کند؛ نتیجه قابل پیش‌بینی و ارزان است. ایجنت هدف را می‌گیرد و خودش تصمیم می‌گیرد چه صفحه‌ای باز کند و چه ابزاری به کار ببرد. انعطافش بیشتر است، اما کندتر، گران‌تر و کم‌ثبات‌تر است و نظارت بیشتری می‌خواهد.

منابع