إتقان
n8n والأتمتة

مقدمة إلى n8n وأتمتة العمليات

فهم منظومة الأتمتة بدون كود، وحالات الاستخدام في الأعمال، ومقارنة n8n بالبدائل (Make وZapier). نظرة شاملة على إمكانات سير العمل (Workflows).

تثبيت وإعداد n8n

تثبيت n8n محليًا، وضبط متغيرات البيئة الأساسية، وإنشاء حسابك، والدخول إلى المحرر.

فهم واجهة n8n وأساسياتها

التنقل داخل محرر سير العمل، واستكشاف كتالوج العقد (Nodes)، وفهم نموذج بيانات JSON، وتشغيل أول سير عمل من البداية إلى النهاية.

إنشاء سير العمل وإدارة المُشغّلات

إتقان أنواع المُشغّلات: اليدوي، وWebhook، والجدولة (cron)، والمبني على الأحداث. وفهم منطق التدفق والتفرعات الشرطية (IF وSwitch).

فهم عقد تحويل البيانات (Data Transformation Nodes)

استخدام عقد Set وFunction وMerge وSplit In Batches وتعابير n8n لتصفية بيانات JSON وإعادة هيكلتها وتحويلها بين مراحل سير العمل.

الموثوقية ومعالجة الأخطاء

جعل سير العمل موثوقًا بعد أن تتوقف عن مراقبته: إعادة المحاولة تلقائيًا عند الفشل، وسير عمل Error Trigger لتنبيهك فور فشل أي تنفيذ، ومسار بديل عند الخطأ، وقراءة عمليات التنفيذ السابقة للتشخيص وإعادة التشغيل، والتكرار الآمن (idempotence) حتى لا يُرسل Webhook مُفعَّل مرتين رسالتين.

ربط سير العمل بأدوات Google

إعداد OAuth2 مع Google، والقراءة والكتابة في Google Sheets، وإنشاء وإدارة أحداث Google Calendar، وإرسال رسائل عبر Gmail — كل ذلك من داخل سير عمل n8n.

إنشاء واستخدام واجهات API عبر Webhooks

إتاحة نقاط اتصال HTTP من n8n عبر عقدة Webhook، وتأمين الطلبات الواردة، واستهلاك واجهات API خارجية باستخدام HTTP Request، وإدارة المصادقة (API Key وBearer وBasic Auth).

إنشاء واجهة لتشغيل سير العمل

بناء نموذج ويب بسيط (HTML/JS) أو استخدام عقدة Form في n8n لإنشاء واجهة مستخدم تتيح تشغيل سير العمل بمعطيات مخصصة.

استخلاص البيانات وجمعها باستخدام n8n

استخراج المحتوى من صفحات الويب باستخدام عقدتي HTTP Request وHTML Extract، واستخلاص قوائم بيانات منظمة، وتخزين النتائج في قاعدة بيانات أو ملف.

استخدام نماذج ذكاء اصطناعي مختلفة (LLM وVision)

استكشاف مختلف نماذج LLM وVision المتاحة في n8n. واستخدام القدرات متعددة الوسائط لتحليل الصور ولقطات الشاشة أو المستندات المرئية داخل سير العمل.

مقدمة إلى وكلاء الذكاء الاصطناعي وSystem Prompts

فهم الفرق بين استدعاء بسيط لنموذج LLM ووكيل ذكاء اصطناعي مستقل. وإعداد عقدة AI Agent في n8n، وكتابة System Prompts فعّالة، واختيار النموذج المفضل بحرية.

ربط الأدوات (Tools) بوكيل الذكاء الاصطناعي

ربط أدوات مختلفة بالوكيل: البحث على الويب، وإرسال البريد الإلكتروني، وقراءة قواعد البيانات، واستدعاء واجهات API. وفهم كيفية اختيار الوكيل للإجراءات وتسلسلها.

فهم خوادم MCP

مقدمة إلى بروتوكول Model Context Protocol (MCP) والفرق بينه وبين الأدوات التقليدية، وإعداد خادم MCP داخل n8n وربطه بوكيل ذكاء اصطناعي لتوسيع قدراته.

تنفيذ أوامر على الجهاز المضيف

استخدام عقدة Execute Command لتشغيل سكربتات الشل، والتفاعل مع نظام التشغيل، وتنسيق العمليات الخارجية انطلاقًا من n8n.

التعامل مع تخزين الجهاز المضيف

قراءة الملفات وكتابتها ونقلها على نظام الملفات المحلي، ومعالجة ملفات CSV وPDF والصور، ودمج هذه القدرات ضمن سير عمل آلي.

إنشاء وكيل ذكاء اصطناعي على Telegram (تواصل صوتي)

بناء بوت Telegram متصل بوكيل ذكاء اصطناعي: استقبال رسائل نصية وصوتية، وتوليد ردود ذكية، وإرسالها كملفات صوتية عبر TTS.

فهم نظرية أنظمة RAG

معمارية Retrieval-Augmented Generation: سلسلة التجزئة (chunking) ← التضمين (embedding) ← التخزين المتجهي ← الاسترجاع ← التوليد. وحالات الاستخدام ومزاياها مقارنة بالـ fine-tuning.

إنشاء قاعدة بيانات متجهية باستخدام Supabase

إعداد Supabase ومخزن المتجهات المدمج فيه (pgvector)، وإنشاء جداول متجهية، وفهم الفهرسة والبحث بتشابه جيب التمام (cosine similarity)، ودمج القاعدة ضمن سير عمل n8n.

استخدام نماذج التضمين (Embedding)

فهم ماهية التضمينات (Embeddings)، واستخدام نماذج تضمين مختلفة حسب الاختيار، وتوليد المتجهات وتخزينها في Supabase انطلاقًا من n8n.

إنشاء قاعدة معرفة

إدخال المستندات (PDF، Notion، صفحات ويب) ضمن خط معالجة RAG كامل: التحليل (parsing)، والتجزئة (chunking)، والتضمين، والفهرسة المتجهية — كل ذلك بشكل آلي عبر n8n.

إنشاء وكيل ذكاء اصطناعي يعتمد على قاعدة معرفة

ربط قاعدة البيانات المتجهية بوكيل n8n لإنشاء مساعد قادر على الإجابة انطلاقًا من مستنداتك الخاصة، مع ذكر المصادر والاحتفاظ بذاكرة المحادثة.