Автоматизація обробки електронних листів з вилученням даних, створення звітів з аналізом даних, або генерування чернеток контенту, раніше займала години ручної праці, тепер потребує лише декількох кроків у n8n workflow, використовуючи локальну LLM.
Контекст і проблема
Багато команд витрачають значну кількість часу на повторювані завдання, що можна автоматизувати. Наприклад, відділ продажів щодня обробляє 50-100 електронних листів з запитами, які потрібно класифікувати та переносити дані в CRM. Використання хмарних API для LLM (GPT-3, Claude) призводить до значних фінансових витрат, особливо при великих обсягах даних, і створює залежність від зовнішніх сервісів.
Локальні LLM, такі як Mistral 7B, Llama 2, та інші, доступні через Ollama, дозволяють уникнути цих проблем, забезпечуючи конфіденційність даних та зниження витрат на обчислення.
Практична реалізація
Ми створимо workflow в n8n, який отримує текст з електронного листа (наприклад, через Gmail Integration), передає його локальній LLM для аналізу та вилучення ключових даних, і зберігає ці дані в Google Sheets.
# Вхід: Gmail Integration
# Отримуємо текст електронного листа з поля "Subject" та "Body"
# n8n Node: HTTP Request
# URL: http://localhost:8080/v1/chat/completions (Ollama API)
# Method: POST
# Headers: {"Content-Type": "application/json"}
# Body:
# {
# "model": "mistral-7b",
# "prompt": "Витягни з наступного тексту ім'я, email та номер замовлення: \n" + $json.email.subject + "\n" + $json.email.body,
# "temperature": 0.2
# }
# n8n Node: Function
# Перетворюємо JSON відповідь від Ollama в зручний формат
# const extractedData = $json.body.choices[0].text;
# return { extractedData };
# n8n Node: Google Sheets Integration
# Додаємо витягнуті дані в Google Sheets
# Spreadsheet ID: [Ваш Spreadsheet ID]
# Sheet Name: [Назва вашого sheet]
# Data: { "Name": $json.extractedData.name, "Email": $json.extractedData.email, "Order Number": $json.extractedData.order_number }
Цей workflow дозволяє автоматично витягувати дані з кожного отриманого листа, зменшуючи час обробки з 30 секунд на лист до менше 5 секунд, з урахуванням затримки на виконання LLM.
Типові помилки
- Помилка 1: Неправильний промпт. Недостатньо чіткий промпт призводить до неточного вилучення даних. Переконайтеся, що інструкції для LLM максимально конкретні та містять приклади бажаного формату виводу.
- Помилка 2: Проблеми з Ollama. Ollama не працює або модель не завантажена. Перевірте, чи Ollama запущений та чи правильно вказана назва моделі в HTTP Request Node. Використовуйте `ollama list` для перевірки доступних моделей.
- Помилка 3: Обмеження токенов. Занадто довгий текст електронного листа може перевищити ліміт токенов моделі. Обрізайте текст або використовуйте більш потужну модель.
Результат
Після впровадження workflow, відділ продажів заощаджує 10 робочих годин на тиждень (еквівалентно 400 доларів на місяць, з урахуванням зарплати співробітника). Зараз, щоб автоматизувати аналіз 100 електронних листів, потрібно всього 3 хвилини, замість 5 годин ручної обробки.