Каталог/назад к курсам
Продвинутый n8n: production-автоматизации и AI-агенты
ОбщееПродвинутый

Продвинутый n8n: production-автоматизации и AI-агенты

Продвинутый курс по n8n: надёжные интеграции, AI-агенты, RAG, тестирование и self-hosted production.

13 модулей • 45 уроков123 задания с проверкойоколо 40 ч
Свободный темпСертификат с проверкой

О курсе

Курс для тех, кто уже собирает workflow в n8n и хочет доводить их до production. Вы научитесь проектировать надёжные API-интеграции и webhooks, контролировать повторы и ошибки, строить sub-workflows и проверять сценарии на воспроизводимых данных.

Отдельный трек посвящён AI: инструментам агента, MCP, RAG, evaluation и human-in-the-loop. В финале вы соберёте production support pipeline с наблюдаемостью, безопасным переносом, queue mode, резервным копированием и восстановлением.

Если n8n пока незнаком, сначала пройдите бесплатный приквел «n8n с нуля: автоматизация заявок с AI за вечер». Он даёт базу по workflow, nodes, items, JSON, expressions, форме и IF; здесь эти вещи уже считаются знакомыми.

Чему научитесь

  • Проектировать workflow с корректным item linking и предсказуемой обработкой данных
  • Строить API-интеграции с пагинацией, ограниченными повторами и диагностикой 401, 403 и 429
  • Защищать webhooks через HMAC и обеспечивать идемпотентную обработку событий
  • Разделять сложные автоматизации на синхронные и асинхронные sub-workflows
  • Создавать AI-агентов с ограниченными tools, MCP, RAG и human-in-the-loop
  • Тестировать workflow на fixtures, evaluation-наборах и контролируемых сбоях
  • Настраивать наблюдаемость, безопасный перенос credentials и incident evidence
  • Разворачивать n8n в queue mode и выполнять backup, restore и rollback

Для кого

  • Пользователи n8n, которым уже тесно в простых линейных workflow
  • Разработчики и интеграторы, отвечающие за надёжность автоматизаций
  • Специалисты, которые внедряют AI-агентов и RAG в рабочие процессы

Формат

  • 44 последовательных урока — от модели данных n8n до production support pipeline
  • 86 коротких тестов и 44 workflow-лабораторные с воспроизводимыми сценариями
  • 8 модульных проектов и итоговый capstone на n8n 2.39.9

Что нужно на старте

  • Уметь собирать простые workflow в n8n и соединять nodes
  • Понимать JSON, expressions, HTTP-запросы и credentials в n8n
  • Уметь пользоваться терминалом; Docker понадобится только в self-hosted модуле
#n8n#автоматизация#ai-агенты#rag#mcp#api#self-hosted

Автор курса

Алексей Малышкин

Разрабатываю образовательные материалы по программированию, машинному обучению и анализу данных. Темы: Python-разработка, аналитика, ML-инструменты (LangChain, vector databases, AI agents), компьютерное зрение. Стараюсь объяснять технические концепции понятно и структурировано. Ранее преподавал на Stepik и обучил более 2000 студентов. Мой профиль на Stepik - https://stepik.org/users/273781420/profile Мой телеграм для связи @alexey_latorn

Программа

01Углублённая модель данных n8n4 урока
1Как устроен курс и лабораторные
2Item linking и парные входы
3Merge и потеря связей между items
4Бинарные данные без потери контекста
02Трансформация данных и Code2 урока
1Расщепление и обратная агрегация items
2Code: безопасное преобразование и pairedItem
03Продвинутые API-интеграции4 урока
1OAuth2, заголовки и диагностика 401/403
2Cursor, offset и Link header: три контракта пагинации
3429, Retry-After и ограниченный exponential backoff
4Проект 1. API sync с пагинацией и fault injection
04Защищённые и идемпотентные webhooks4 урока
1HMAC, raw payload и защита входа
2Немедленный ответ и тяжёлая обработка после него
3Redis idempotency: pending, done и failed
4Проект 2. Secure webhook с fault injection
05Ошибки и sub-workflows5 уроков
1Handled и unhandled errors: два acceptance-сценария
2Синхронный sub-workflow с явным input/output
3Последовательный вызов детей и сбор outputs
4Настоящий async fan-out без синхронного результата
5Проект 3. Reliability pack и fan-out
06Воспроизводимое тестирование workflow2 урока
1Pinned data, fixtures и ожидаемый output
2Лаборатория регрессий: повторяемый тестовый пакет
07AI-агент, инструменты и MCP6 уроков
1AI Agent: модель, system prompt и Redis Chat Memory
2HTTP и workflow tools: выбор по контракту
3Structured output и невалидный ответ
4Guardrails, prompt injection и минимальные права tools
5MCP Client Tool: SSE и Selected tools
6Проект 4. Ограниченный AI support agent
08RAG и жизненный цикл базы знаний4 урока
1RAG ingestion: loader, chunks, embeddings и vector store
2Retrieval и проверка релевантности
3Обновление документа без stale vectors
4Проект 5. Версионируемая RAG-база поддержки
09Evaluations и human-in-the-loop3 урока
1Evaluation: dataset, rubric и сравнение версий
2Wait resume: auth, Ignore Bots и timeout
3Проект 6. AI support, evaluation и HITL
10Секреты и переносимость1 урок
1Credentials store и безопасный export
11Observability на фактических событиях3 урока
1Исполнимый logging contract для success и failure
2Метрики n8n 2.39.9 по выданному /metrics fixture
3Проект 7. Observability и incident evidence
12Self-hosted advanced track6 уроков
1Подготовительный appendix: терминал и Docker Compose preflight
2Tested Compose: n8n 2.39.9 и PostgreSQL
3Queue mode: main, Redis и worker command
4Полный backup, restore и rollback
5Проект 8. Self-hosted operations lab
6Business/Enterprise: границы возможностей без core practice
13Capstone: production support pipeline1 урок
1Финальная интеграция готовых блоков