Tworzenie agentów AI w n8n: automatyzacja, integracje i inteligentne przepływy pracy

DZIEN 1 – n8n od podstaw: pierwszy workflow, dane i integracja z AI (10h)

MODUŁ 1 .Wprowadzenie do n8n i filozofia automatyzacji (1h)

Czym jest n8n, jak działa i co odróżnia go od innych platform no-code

• Czym jest n8n – architektura platformy, historia, możliwości i ograniczenia
• n8n vs inne platformy automatyzacji – kiedy warto wybrac n8n i dlaczego
• Kluczowe pojęcia: trigger, wezel (node), puludczenie (edge), wykonanie (execution)
• Interfejs n8n: canvas, panel boczny, historia wykonan, logi, debugowanie
• Konfiguracja srodowiska: n8n cloud vs self-hosted – pierwsze uruchomienie
• Typy triggerow: webhook, harmonogram (cron), zdarzenie manualne, zewnetrzne systemy
• Cwiczenie: pierwszy workflow – automatyczne powiadomienie po wypełnieniu formularza

MODUŁ 2 .Węzły, dane i logika przepływów w n8n (3h)

Jak dane płyną przez workflow i jak nimi sterować – bez pisania kodu

• Struktura danych w n8n: JSON, tablice, obiekty – jak n8n przekazuje dane miedzy węzłami
• Najważniejsze węzły: HTTP Request, Set, IF, Switch, Merge, Loop Over Items, Code
• Wyrażenia (expressions) i transformacje – dostęp do pól, mapowanie, filtrowanie, obliczenia
• Obsługa błędów: Try/Catch, wezly awaryjne, powiadomienia przy niepowodzeniu workflow
• Gotowe integracje (built-in nodes): arkusze kalkulacyjne, skrzynka mailowa, komunikatory, bazy danych
• Debugowanie workflow: inspekcja danych miedzy węzłami, wyświetlanie danych pośrednich
• Ćwiczenie: workflow pobierający dane z zewnętrznego źródła, przetwarzający i wysyłający raport

MODUŁ 3 .Integracja modeli językowych z n8n – pierwsze wywołania AI(3h)

n8n spotyka AI – jak podłączyć model językowy do automatyzacji

• Węzeł AI w n8n: LLM Chain, AI Agent, dostępni dostawcy modeli – przegląd
• Konfiguracja credentials: klucze API, bezpieczne przechowywanie, zmienne środowiskowe
• Pierwsze wywołanie modelu językowego z n8n: prompt, odpowiedz, parsowanie wyniku
• Strukturyzowanie odpowiedzi AI: format JSON, ekstrakcja konkretnych danych, walidacja
• System prompt vs user prompt w kontekscie n8n – jak pisać instrukcje dla modelu
• Obsługa tokenow, kosztów i limitów – dobre praktyki przy wywulaniach LLM w produkcji
• Ćwiczenie: workflow analizujący przychodzące e-maile i kategoryzujący je za pomocą AI

MODUŁ 4 .Budowa pierwszego agenta AI – architektura i narzędzia(3h)

Agent to cos więcej niż model. Uczy się, planuje i działa samodzielnie

• Czym jest agent AI i czym rożni się od zwykłego wywołania modelu językowego
• Architektura agenta w n8n: pętla ReAct, planowanie, używanie narzędzi, obserwacja wyniku
• Węzeł AI Agent w n8n – konfiguracja, dobór narzędzi (touls), pamięć, ograniczenia
• Narzędzia wbudowane agenta: kalkulator, wyszukiwarka, kod – i jak je łączyć
• Narzędzia niestandardowe: podłączanie zewnętrznych API jako narzędzi agenta
• Testowanie i debugowanie agenta – inspekcja kroku po kroku, co agent 'myśli'
• Ćwiczenie: agent odpowiadający na pytania, który samodzielnie wyszukuje dane i wykonuje akcje

DZIEN 2 – Zaawansowani agenci: pamięć, RAG, multi-agent i wdrożenie (10h)

MODUŁ 5 .Pamięć agenta i zarzadzanie kontekstem (3h)

Agent bez pamieci zapomina Cie po pierwszym zdaniu – naprawmy to

• Rodzaje pamieci w n8n: bufor konwersacyjny, pamięć okienkowa, pamiec z podsumowaniem
• Konfiguracja modulu pamieci agenta w n8n – wybor strategii do danego zastosowania
• Przechowywanie kontekstu miedzy sesjami: zewnętrzne bazy danych i systemy storage
• Sesje użytkowników: jak agent rozroznia roznych uzytkownikow i ich indywidualny kontekst
• Ograniczenia okna kontekstowego modeli – strategie radzenia sobie z dlugimi rozmowami
• Cwiczenie: chatbot z pamiecia konwersacyjna, rozpoznajacy uzytkownika i pamietajacy poprzednie sesje

MODUŁ 6 .RAG w n8n – agent, który wie więcej niż model (2h)

Retrieval-Augmented Generation: naucz agenta korzystać z Twojej własnej wiedzy

• Czym jest RAG i dlaczego zmienia możliwości agentów w praktycznych zastosowaniach
• Embeddingi i bazy wektorowe w n8n – jak dziala wyszukiwanie semantyczne (bez matematyki)
• Konfiguracja bazy wektorowej w n8n – dostępne opcje i kryteria wyboru
• Pipeline RAG krok po kroku: ingestion (ladowanie dokumentow), chunking, embedding, retrieval
• Agent z dostepem do wlasnej bazy wiedzy: dokumenty, strony www, FAQ, notatki firmowe
• Automatyczna aktualizacja bazy wiedzy przy pojawieniu sie nowych dokumentow
• Cwiczenie: agent odpowiadajacy na pytania na podstawie wgranych dokumentow firmowych

MODUŁ 7 .Wzorce zaawansowane: multi-agent, sub-workflow i wdrożenie(2h)

Jeden agent to za mało. Zbuduj system, w którym agenci współpracują i specjalizują się

• Wzorzec multi-agent: orkiestrator przydziela zadania wyspecjalizowanym sub-agentom
• Sub-workflow w n8n: wywoływalnie workflowow z innych workflowow – modularność i reuzywanie
• Agenci specjalizowani: agent badający, agent piszący, agent weryfikujący, agent wysyłający
• Przekazywanie danych i koordynacja miedzy agentami – komunikacja i synchronizacja
• Triggery produkcyjne: webhook, wbudowany chat n8n, wiadomość z komunikatora, formularz
• Monitoring i utrzymanie: logi, alerty, restart przy błędzie, rotacja kluczy API
• Ćwiczenie: system multi-agent – orkiestrator rozdziela zadania miedzy dwóch wyspecjalizowanych agentów

MODUŁ 8 .Projekt końcowy – własny agent AI gotowy do produkcji (2h)

Twoj agent. Twoje reguły. Zaprojektuj, zbuduj i zaprezentuj całemu zespołowi

• Każdy uczestnik prezentuje zbudowanego agenta: architektura, narzędzia, pamięć, trigger, przypadek użycia
• Informacja zwrotna od prowadzącego – co usprawnić i jak skalować na większe obciążenie
• Gotowe szablony agentów do natychmiastowego wdrożenia: agent emailowy, agent FAQ, agent raportujacy
• Bezpieczeństwo i odpowiedzialność: prompt injection, hallucynacje, nadzór człowieka nad agentem
• Dalszy rozwój: społeczność n8n, oficjalne szablony, dokumentacja, kanały aktualizacji