Skip to content
TheChatArchiveThe Chat Archive
Geminigemini-2.5-flash· GoogleHugging Face LMArena Human Preference 140K

Привет Я хочу создать ии агента на базе n8n Основные задачи агента У меня есть база…

  1. User

    Привет Я хочу создать ии агента на базе n8n Основные задачи агента У меня есть база данных с большим количеством емейл адрессов оффшорных работодателей я хочу чтобы агент исследовал каждый эмейл, находил компанию, которой он пренадлежит и писал письмо в которое он бы прикреплял мое резюме, а так же персонализировал письмо с учетом данных компании и письмо должно иметь маленький шанс попадения в спам Затем написанное письмо он проверял на сервисе https://www.mail-tester.com/ на вероятность попадения письма в спам Если письмо хорошее, персонализированное под конкретную компанию и с маленькой вероятностью попадения в спам, он бы отправлял письмо и брал следующий емейл адресс из базы данных

  2. Gemini Assistant

    Отличная и амбициозная задача для n8n! Создание такого AI-агента вполне возможно, но требует внимания к деталям, особенно в части исследования компаний и борьбы со спамом.

    Давайте разберем, как это можно реализовать на n8n.

    Общая архитектура рабочего процесса n8n

    1. Триггер: Запуск рабочего процесса (вручную, по расписанию, при добавлении новой записи в БД).
    2. Получение списка email-ов: Из вашей базы данных.
    3. Итерация по каждому email-у: Обработка каждой записи по отдельности.
    4. Извлечение домена: Из email-адреса для исследования компании.
    5. Исследование компании: Поиск информации о компании с использованием домена (через LLM, SerperDev/Google Search API, или другие API).
    6. Генерация персонализированного письма: С помощью LLM (OpenAI, Anthropic и т.д.) на основе полученных данных о компании.
    7. Подготовка резюме: Убедиться, что резюме доступно для прикрепления.
    8. Проверка письма на спам (сложный шаг): Симуляция или фактическая проверка через сервис.
    9. Условие отправки: Если проверка на спам успешна и письмо хорошее.
    10. Отправка письма: Через SMTP, SendGrid, Mailgun и т.д.
    11. Логирование: Запись статуса отправки в вашу БД или лог.

    Необходимые компоненты и навыки

    • n8n instance: Установленный (self-hosted или cloud).
    • OpenAI API Key (или другой LLM): Для генерации текста и исследования.
    • Доступ к вашей базе данных: (PostgreSQL, MySQL, Airtable, Google Sheets и т.д.)
    • Почтовый сервис для отправки: SMTP-сервер, SendGrid, Mailgun, Brevo (бывший Sendinblue) и т.д.
    • Сервис для веб-поиска (опционально, но рекомендуется): SerperDev, Google Search API, Brave Search API (для более точного исследования компаний).
    • Основы работы с n8n: Понимание узлов (Nodes), выражений (Expressions), потоков (Workflows).
    • Понимание работы с JSON: Данные в n8n часто передаются в формате JSON.
    • Понимание API: Для взаимодействия с LLM и, возможно, сервисами проверки спама.

    Пошаговая реализация в n8n

    Давайте пройдемся по каждому узлу (Node) в n8n.

    Шаг 1: Триггер (Trigger)

    • Узел: Start (Manual), Schedule (для запуска по расписанию), или Database Trigger (если ваша БД поддерживает).
      • Например: Schedule Node, запускающийся раз в день/неделю.

    Шаг 2: Получение списка email-ов

    • Узел: PostgreSQL / MySQL / Airtable / Google Sheet / Read CSV (в зависимости от того, где хранятся email-ы).
      • Пример с PostgreSQL:
        • Node: PostgreSQL
        • Operation: Read
        • Query: SELECT email_address, company_name FROM offshore_employers WHERE status = 'pending_application' LIMIT 100; (Ограничьте количество за один прогон, чтобы не перегружать API).
        • Credentials: Настройте подключение к вашей БД.

    Шаг 3: Итерация по каждому email-у

    • Узел: Split In Batches
      • Batch Size: 1 (чтобы обрабатывать каждый email индивидуально)
      • Это позволит обрабатывать каждый email как отдельный элемент.

    Шаг 4: Извлечение домена компании

    • Узел: Set (или Code для более сложной логики).
      • Value: {{ $json.email_address.split('@')[1] }} (Это извлечет домен из email-адреса)
      • New Field Name: company_domain

    Шаг 5: Исследование компании

    Это самый важный и потенциально сложный шаг. Нам нужны данные для персонализации.

    • Узел 1 (Веб-поиск - Опционально, но рекомендуется): SerperDev или Google Search (для доступа к Google Search API)

      • Node: SerperDev
      • Operation: Search
      • Query: {{ "About " + $json.company_domain + " company mission values projects" }}
      • Credentials: Ваш API ключ SerperDev.
      • Почему это нужно? LLM без доступа к интернету будет галлюцинировать. SerperDev даст LLM актуальные данные.
    • Узел 2 (Генерация данных о компании с помощью LLM): OpenAI (или другой LLM)

      • Node: OpenAI
      • Operation: Chat Completion
      • Model: gpt-4 (лучше для точности) или gpt-3.5-turbo (дешевле)
      • System Prompt: "Ты — эксперт по анализу компаний для составления резюме. Твоя задача — извлечь ключевую информацию о компании из предоставленных данных, которая будет полезна для персонализации сопроводительного письма. Фокусируйся на миссии, ценностях, последних проектах, отрасли, и уникальных особенностях компании."
      • User Prompt: "Проанализируй следующую информацию о компании с доменом {{ $json.company_domain }}: \n\n{{ JSON.stringify($json.nodes['SerperDev'].json) }}\n\nПредоставь следующую информацию в формате JSON: \ncompany_name (название компании), \nindustry (отрасль), \nmission_summary (краткая выжимка миссии/ценностей), \nrecent_achievements (кратко о последних достижениях/проектах, если найдено), \npersonalized_talking_points (2-3 пункта, на что можно сослаться в письме для персонализации), \npotential_contact_department (например, 'HR Department' или 'Recruiting Team')."
      • Важно: LLM должен выдать JSON, который мы потом распарсим.
    • Узел 3 (Парсинг JSON): JSON

      • Node: JSON
      • Operation: Parse
      • Source Field: Выберите поле, где OpenAI выдал JSON (например, data.choices[0].message.content).
      • Result Field Name: company_info

    Шаг 6: Генерация персонализированного письма

    • Узел: OpenAI (или другой LLM)
      • Node: OpenAI

      • Operation: Chat Completion

      • Model: gpt-4 (рекомендуется для качества)

      • System Prompt: "Ты — профессиональный помощник по написанию сопроводительных писем. Создай персонализированное и убедительное сопроводительное письмо на английском языке для соискателя, основываясь на предоставленной информации о компании и его резюме. Письмо должно быть вежливым, прямым, без лишних слов, и оптимизированным для избежания спам-фильтров. Включи 1-2 предложения, демонстрирующих понимание компании, и 1-2 предложения о том, как навыки соискателя соответствуют их потребностям. Резюме будет приложено отдельно. Не включай имя кандидата или контактные данные в тело письма, они будут в резюме."

      • User Prompt: "Email адресат: {{ $json.email_address }} Данные компании: json\n{{ JSON.stringify($json.nodes['JSON'].json.company_info) }}\n Мои ключевые навыки (примеры): Project Management, Full-stack Development, Data Analysis, Marketing Strategy, Financial Modeling (ЗАМЕНИТЕ НА СВОИ РЕАЛЬНЫЕ НАВЫКИ!) Название вакансии (если применимо, иначе обобщенно): [ВАКАНСИЯ, ЕСЛИ ЗНАЕТЕ, ИНАЧЕ ОСТАВЬТЕ ПУСТОЙ ИЛИ УКАЖИТЕ 'potential opportunities']

        Сгенерируй письмо в формате JSON со следующими полями: subject: Тема письма. body: Тело письма. "

      • Важно: Замените [ВАШИ КЛЮЧЕВЫЕ НАВЫКИ] и [ВАКАНСИЯ] на актуальные данные.

    • Узел: JSON
      • Node: JSON
      • Operation: Parse
      • Source Field: Выберите поле, где OpenAI выдал JSON письма.
      • Result Field Name: email_content

    Шаг 7: Подготовка резюме

    Ваше резюме должно быть доступно для прикрепления. Лучший способ - хранить его в облаке (Google Drive, S3) и использовать публичную ссылку, или кодировать его в Base64. Для n8n, особенно при отправке через SMTP, Base64 часто наиболее удобен.

    • Вариант 1 (Public URL): Если ваш почтовый сервис поддерживает прикрепление файлов по URL (редко).
    • Вариант 2 (Base64):
      • Заранее сконвертируйте ваш PDF/DOCX файл резюме в строку Base64. Есть множество онлайн-инструментов для этого.
      • Храните эту строку Base64 как переменную в n8n или прямо в узле Set.
      • Node: Set
        • New Field Name: resume_base64
        • Value: Ваша_огромная_строка_Base64_резюме
        • New Field Name: resume_filename
        • Value: Your_Name_Resume.pdf (или .docx)
        • New Field Name: resume_mimetype
        • Value: application/pdf (или application/vnd.openxmlformats-officedocument.wordprocessingml.document)

    Шаг 8: Проверка письма на спам (Критический и Сложный Момент)

    Сервис mail-tester.com не предназначен для автоматической работы через API. Он ожидает, что вы отправите ему письмо, а затем вручную или через JavaScript в браузере запросите результат по уникальной ссылке. Автоматизировать это через n8n без использования headless-браузера (Puppeteer/Playwright, что сильно усложняет n8n) или сложного скрейпинга (который будет очень хрупким) крайне сложно и ненадежно.

    Реалистичные альтернативы и подходы:

    1. Положитесь на LLM и общие рекомендации: LLM хорошо обучены на большом количестве текста и могут избегать очевидных спам-триггеров. Сосредоточьтесь на том, чтобы ваш почтовый сервис (SMTP, SendGrid и т.д.) был правильно настроен (SPF, DKIM, DMARC записи). Это главный фактор доставляемости.
    2. Платные сервисы с API: Такие как Email on Acid или Litmus предоставляют API для проверки доставляемости и спам-очков. Но они платные и недешевые.
    3. Игнорировать mail-tester.com для автоматизации: Если вы не готовы инвестировать в сложные решения, просто пропустите этот шаг. Сосредоточьтесь на качестве контента (LLM) и надежности вашего почтового провайдера.

    Если вы настаиваете на симуляции проверки (очень хрупкий подход):

    • Узел: HTTP Request (для получения временного email от mail-tester.com - потребует очень сложного парсинга HTML, не рекомендуется).
    • Узел: Email Send (отправить письмо на этот временный email).
    • Узел: Wait (подождать 10-20 секунд).
    • Узел: HTTP Request (запросить результаты с mail-tester.com - опять сложный парсинг).
    • Узел: Code (парсить HTML, искать "spam score" и извлекать число).

    Мой совет: Для начала, пропустите прямую интеграцию с mail-tester.com. Вместо этого, LLM уже настроен на избегание спам-триггеров, и это будет основным способом. Ваш почтовый сервис (например, SendGrid) сам имеет хорошую репутацию.

    Шаг 9: Условие отправки письма

    • Узел: IF
      • Value 1: true (если мы пропускаем проверку на спам и предполагаем, что письмо всегда "хорошее" по контенту).
      • Operation: Is True
      • Если бы была проверка на спам: {{ $json.spam_score < 5 }} (где spam_score - это поле, полученное из проверки).

    Шаг 10: Отправка письма

    • Узел: Email Send (или SendGrid, Mailgun, SMTP)
      • Node: Email Send (использует встроенный SMTP n8n, или вы можете настроить внешний SMTP)
      • Credentials: Настройте ваш почтовый аккаунт (SMTP Host, Port, User, Password).
      • From Name: Ваше Имя
      • From Email: ваш@email.com
      • To: {{ $json.email_address }}
      • Subject: {{ $json.nodes['JSON1'].json.email_content.subject }} (Предполагая, что 'JSON1' это узел парсинга JSON письма)
      • Body: {{ $json.nodes['JSON1'].json.email_content.body }}
      • Attachments:
        • File Name: {{ $json.resume_filename }}
        • Mime Type: {{ $json.resume_mimetype }}
        • Data: {{ $json.resume_base64 }} (если используете Base64)

    Шаг 11: Логирование статуса

    • Узел: Update (для вашей базы данных, например PostgreSQL / MySQL).
      • Node: PostgreSQL
      • Operation: Update
      • Table: offshore_employers
      • Update Key: email_address
      • Update Value: {{ $json.email_address }}
      • Update Columns:
        • status: sent
        • sent_date: {{ $now }}
        • last_attempt_status: success
        • company_details_json: {{ JSON.stringify($json.nodes['JSON'].json.company_info) }} (сохранить данные о компании)
        • email_subject: {{ $json.nodes['JSON1'].json.email_content.subject }}
        • email_body_preview: {{ $json.nodes['JSON1'].json.email_content.body.substring(0, 500) + '...' }}
    • Соедините оба выхода IF узла: Один путь (Success) идет к Email Send и затем к Update. Второй путь (False/Failed Spam Check) идет к другому узлу Update, который записывает status: 'failed_spam_check' или status: 'skipped'.

    Важные соображения

    1. Борьба со спамом (на самом деле):

      • Репутация IP-адреса/домена: Используйте надежный почтовый провайдер (SendGrid, Mailgun, Brevo), а не обычный SMTP-сервер с вашего хостинга. Эти сервисы поддерживают хорошую репутацию IP.
      • SPF, DKIM, DMARC: Убедитесь, что записи для вашего отправляющего домена правильно настроены. Это очень важно для доставляемости.
      • Warm-up: Если вы начинаете отправлять много писем с нового домена/IP, начните с небольшого количества, постепенно увеличивая объем.
      • Качество контента: LLM очень поможет, но избегайте:
        • Слишком много ссылок.
        • Слова-триггеры спама ("free", "guarantee", "urgent", "cash").
        • Больших картинок в теле письма.
        • Всего текста большими буквами.
        • Необычных шрифтов или форматирования.
      • Список отписки: В идеале, должен быть.
      • Персонализация: Сама персонализация, которую делает LLM, является мощным инструментом против спама, так как письма выглядят менее массовыми.
    2. Управление резюме:

      • Если у вас несколько резюме, или вам нужно менять их динамически, это можно реализовать, сохраняя их в S3/Google Drive и передавая URL или Base64 в зависимости от условий.
    3. Обработка ошибок:

      • Используйте Error Workflow в n8n, чтобы перехватывать ошибки (например, если OpenAI API выдал ошибку, или email не отправился). Это позволит вам логировать неудачные попытки и, возможно, повторять их позже.
      • Можно добавить узел Try/Catch для более гранулярной обработки ошибок.
    4. Стоимость:

      • OpenAI API: Зависит от количества токенов (объема текста) и используемой модели (GPT-4 дороже GPT-3.5). Исследование и генерация каждого письма будет стоить несколько центов.
      • SerperDev/Google Search API: Имеют свои ценовые модели, часто по запросам.
      • Почтовый сервис: SendGrid/Mailgun имеют бесплатные или очень дешевые тарифы для небольшого объема.
      • n8n хостинг: Если self-hosted, то стоимость сервера. Если n8n Cloud, то ежемесячная подписка.
    5. Юридические/Этические вопросы:

      • Убедитесь, что вы соблюдаете законодательство о защите данных (GDPR, CCPA) и антиспам-законы (CAN-SPAM Act в США, положения GDPR в ЕС) при отправке нежелательных писем. Массовая рассылка по "холодным" адресам может иметь юридические последствия и нанести ущерб репутации вашего домена.
      • Этот инструмент мощный, используйте его ответственно.

    Это достаточно сложный, но очень мощный рабочий процесс, который можно создать в n8n. Удачи!