База Данных ВНУТРИ n8n (Data Tables, n8n)

Друзья, всем привет. Ну что, буквально

вчера у N C выкатилось обновление, и по сути мы в N C данных. Что это значит? Это значит, что для каких-то простых кейсов, например, для кейсов, когда мы могли использовать Яндекс-таблицы или Google Sheets, а мы теперь сможем использовать таблицы, созданные непосредственно внутри N8 CMAN. И сегодня мы посмотрим, каким образом создаются эти таблицы, каким образом туда вставляются данные, импортируются, а каким образом читаются данные и даже посмотрим, а может ли агент N8N работать с таблицами как с тулами. Обязательно смотрите до конца, потому что это очень интересно. Так, ну только сразу лайк, подписка, коммент, всё как обычно. Спасибо. Итак, чтобы data table с

таблице у нас появились в нашем NVMAN, обязательно проверьте, что вы на самой последней версии NVCAN. После того, как вы обновитесь до последней версии, у вас появится прямо на вашем дашборде вкладочка data tables. Нажимаем её. На самом деле интерфейс мегапростой. Он позволяет нам, а, создавать новые таблицы, редактировать существующие таблицы, удалять таблицы. Чтобы создать новую таблицу, мы идём вот сюда, нажимаем create data table, вводим какое-то название, тест, допустим, и всё, у нас таблица готова. У неё есть всегда три умолчательных поля. Это ID, created AD и Updated, то есть записи, а, и время их создания, время их апдейта. И, соответственно, у нас есть возможность добавлять новые столбцы. А все типы столбцов. Ну, на самом деле, всё это в очень зачаточном состоянии, да? То есть естьстн, були, dat type, мы можем добавить strтринг, добавить какой-то столбец, кол, да, всё, у нас он появляется. И после этого, по сути, эта таблица, а, доступна для чтения из любого workflow nc без каких-нибудь дополнительных сетапов, без кренлов. Давайте вернёмся в Data Tables, удалим наш тест таблицу и вернёмся в нашу автоматизацию. Кстати, напомню, что вот эта автоматизация и все автоматизации, которые мы строим на нашем YouTube канале, они после записи видео скачиваются и помещаются в нашу бесплатную Telegram-группу. Ссылка на неё будет в описании. И также посмотрите на нашу Прогруппу. Прогруппа у нас состоит, по сути, из трёх частей. Первая часть - это проматериалы, это конкретные автоматизации, которые работают в реальных бизнесах, в реальных компаниях. Это автоматизации, которые сделаны основателями сообщества, некоторые лично мной. Также там автоматизации, которые сделаны участниками сообщества, которые прямо в своих бизнесах их используют. Вторая часть - это Прочат. К прогруппе прилагается доступ к прочату, где всевсевсе участники обсуждают их насущные проблемы, насущные вызовы и автоматизации, каким образом они решают те или иные кейсы. Третья часть - это возможность задавать прямые вопросы участникам сообщества и основателям сообщества и бронировать звонки с основателями сообщества и лично со мной также. И четвёртая часть, которая будет добавляться этой осенью - это материалы для новичков, которые будут неотъемлемой частью про сообщества и которые позволят вам сначала сделать шаг от нуля к единице и потом уже углубляться в тему искусственного интеллекта и автоматизации с помощью прочата и проматериалов. Обязательно подписывайтесь сегодня на Прогруппу, потому что как только добавятся новые курсы и новые материалы, стоимость участия в группе значительно вырастет для новых участников. Ну а для всех текущих она, естественно, останется на их уровне. Поэтому посмотрите её тоже по ссылке в описании. Там очень круто. По сути, нас интересуют всегда две базовых

функциональности, мм, даже три в таблицах. каким образом мы читаем таблицы, да, каким образом мы фильтруем данные для чтения, каким образом мы, а, записываем что-то в таблицы, ну, либо удаляем какие-то записи. Каким образом можно заполнять таблицы? На самом деле, если вы уже работали с Google Shits или Яндекстаблицами через NVM, то а очень похожий процесс. Мы ищем, а, ноду, которая называется Data Table. Вот она новая с тегом бета, да? Вы можете посмотреть, что здесь есть всего лишь семь э. Ну, в принципе, их достаточно для первоначальной работы. Можно удалять строчки, получать, аа, смотреть, если они существуют, если не существуют в базе, вставлять, апдейтить и обсёртить. То есть это операция, которая позволяет искать строчку по Мэтчу, по фильтрации. Если такая строчка есть, то происходит апдейт строчки. Если её нету, то происходит запись этой строчки в нашу таблицу. Давайте заполним нашу таблицу. Один из самых простых способов это сделать - это, например, взять данные откуда-то. Я вот только что себе подготовил Эксельку, да, где есть 20 записей. То есть у нас есть наши, а, записи клиентов, тут есть имя, контакты, имеilн, КПБП, их счета, адреса и какие банки, допустим, для того, чтобы составлять какие-то КП или счета, договоры с ними. А давайте вернёмся в нашу автоматизацию. Я сюда вставлю ноду Google Sheets, да? То есть вы можете прямо найти в нотах Google Shits. И сделаю операцию Get Rows, да? И просто получаю всевсевсе а строчки из этой таблицы. Нажимаю Execute. У меня возвращаются все мои 20 строчек. Вот у меня 20 айтемов. В принципе, всё, как обычно, всё, что нам нужно. Дальше мы добавляем страничку, вернее, ноду Data Table. Соответственно, мы её ищем data table и накидываем ноду Insert row. Соответственно, закрываем, смотрим. А здесь, на самом деле, процесс очень похожий на Google Sheets. Мы здесь можем выбрать одну из двух стратегий маппинга, да, либо вручную мапить, либо как-то автоматически. Всегда, конечно, мы используем вручную для надёжности, ручной способ. М, выбираем здесь нужную нам таблицу. У нас пока она одна, есть customers. И мапим прямо вручную. Давайте заберём только три столбца из нашего Google. Имя, а, номер счёта и email имеil. Давайте сейчас посмотрим, как выглядит эта таблица. Я даже удалю отсюда специально все-все строчки, чтобы была у нас, а, сохранялась частота эксперимента. Вот, сделали ручной маппинг и прогоняем этот скрипт. Вот у нас выполнился скрипт. Обратите внимание, что всё это работает очень быстро, потому что не требуется никакого подключения через интернет, да? У нас всё крутится на нашем сервере, всё локально. Соответственно, мы сейчас, если обновим здесь нашу таблицу, мы увидим, что все наши строчки, да, вот у нас они проставились, а проставились сразу created значения, modified. И вот наши имя, аа счёт, номер счёта банковского и email проставился также. Отлично, нас это устраивает. Следующая история. На самом деле это очень важная вещь. Разработчики сразу добавили возможность использовать таблицы как тулы для наших агентов, что даёт мега-мегабкости. Соответственно, вы не обязаны это вы не обязаны использовать data tables как тулы для ваших агентов. Можете просто как отдельную ноду использовать. Но давайте посмотрим на интересный кейс

когда мы хотим, чтобы агент сначала что-то прочитал в нашей таблице по нашему запросу, а потом выполнил какой-то запрос. Допустим, мы с вами будем создавать контракты с данными, которые мы только что создали из таблицы. К агенту мы добавляем ноду Data Table. Вот она у нас Data Table Tool. И прокидываем ей операцию GET. Так как мы хотим получить сразу несколько строк. Ну и, допустим, мы сразу хотим фильтровать эти строки. Например, мы хотим найти конкретную строчку. Допустим, конкретная строчка, мы будем её фильтровать по имейлу. Соответственно, мы сюда сразу прокидываем возможность модели сразу определять значение. То есть это вот эта кнопка, прокидываем. Соответственно, каждый раз, когда мы будем делать какой-то запрос в нашего агента, он будет пытаться пользоваться вот этой тулой для того, чтобы отфильтровать данные и получить нужную запись по какому-то имейлу. Соответственно, мы будем задавать его задавать ему имеil. И после этого мы хотим, чтобы сразу создавался контракт, в котором, например, содержатся все-все данные, нужные нам записи. Допустим, мы захотим сказать: "Создай нам договор на моро. ru и номер счёта, и имя, и, собственно, сам mail должны сразу же провалиться в контракт, который мы только что создаём. Создаём контракты мы, как и всегда, через сервис. com. Мы проваливаемся сюда, нажимаем get started", попадаем в наш дашборд, переходим на шаблоны. Для того, чтобы какой-то подготовить простенький шаблон, вот я только что себе подготовил счёт договор. Открываем его. В принципе, он простейший. Нас интересует его ключ а этого договора. Вот у нас есть, вернее, ключ шаблона. И здесь у нас всего лишь есть три поля, которые соответствуют полям в нашей таблице. Есть имя клиента, email, номер счёта. И нас, э, заинтересуют ключи этих полей для того, чтобы, вернее, агент мог прямо по этим ключам прокидывать значение в этот контракт. Вот у нас он так выглядит, простейший. И здесь вот есть сразу плейсхолдеры, в которые прокинет наш агент в значение, да? То есть имя клиента, email, номер счёта и вот сюда имя клиента тоже мы хотим, чтобы он прокинул. Возвращаемся в нашу автоматизацию, накидываем ноду HTTP request. Здесь прописываем очень простой API call, да? То есть мы посылаем постзапрос вот по этому URL, прокидываем сюда SF for Sign key. Сам SF Sign key мы как всегда берём вот здесь, то есть вот тут у нас наш SF Sign key. Нажимаем кнопочку скопировать, забираем его. И нам понадобится наш клиентский ключ. Это вот этот ключ тоже. Нажимаем кнопочку скопировать. Забираем его. Дальше возвращаемся в N8N и прописываем вот такое тело запроса. Сюда прямо проставляем клиентский ключ. Да, мы хотим создать, допустим, назовём наш контракт новый контракт. Ключ шаблона мы взяли только что в нашем дашборде, да, забираем его сюда. А здесь начинается самое интересное, потому что мы знаем, что у нас есть три плейсхолдера, да, у нас уже известны их ключи, но заранее мы не знаем значения, потому что они у нас в таблице хранятся. И, соответственно, так как агент сначала сходит в нашу таблицу, подыщет новые значения, а потом он их должен будет вставить, мы будем использовать Expression, вот такой специальный оператор AI. Этот оператор позволяет передать ответственность модели за то, какие данные она будет вставлять в этот API запрос. Допустим, здесь есть специальный синтаксис, да, мы должны прокинуть ключ, description, тип и умолчательное значение опционально, но главное ключ. Если у нас простой кейс, мы можем сразу прокинуть, пожалуйста, реши сам и прокинь сюда имя нашего клиента. Вот в этот плейсхолдер с таким ключом прокинь email. А вот в placeйхоolder с таким ключом прокинь номер счёта. По идее, после этого модель сама решает, какие значения следует прокидывать, и прокидывает их. Так, ну что, давайте пробовать. Если, допустим, мы захотим, ну, пускай та же самая капа, да, вот у нас есть Морозова капа. Здесь есть аккаунт, который заканчивается на 0010 и имя ООО КапА. Теперь мы можем прямо посмотреть, каким образом это работает. Да, мы заполнили нашу таблицу, и агент смотрит на неё же. Открываем чат и так и пишем: "А, создай договор на email морозova. ru. Смотрим, каким образом отрабатывает агент. Да, он сходил в таблицу и пошёл создавать контракт. Так, у нас это заняло буквально чуть-чуть секунд, и нам говорит модель, что договор создан. Так, возвращаемся в S for Sign. Возвращаемся в документы. Видим, что новый контракт создан. Открываем его. Видим, что в нашей плейсхолдере прямо по заданным ключам прокинулись имя клиента, email и вот тот самый ключ, вернее номер счёта, который заканчивается на 0010. Смотрим, вот у нас имя клиента. Здесь уже вот имя клиента, тут email, номер счёта. Всё. Мы можем сейчас скачать это как пдфку. Ну и вот наша пдфка полностью готовая, заполненная со всеми значениями. Как я сказал, функциональность таблиц, она мегабазовая, но она очень похожа на то, что есть в Googleх. То есть они, по сути, продублировали весь функционал. Это что значит? Это значит, что если NVCMN у вас установлен на вашем собственном сервере и ваши кейсы простые, вы можете, не используя вообще никаких внешних сервисов, организовать хранение данных прямо в NVC MAN, не используя внешнюю базу данных, не используя Google Shits или подобные сервисы. Использоваться этим. Кстати, если у вас ещё не установлен NV CM на вашем сервере, то посмотрите в нашей прогруппе, там мы обсуждали массу способов, как это делается совершенно разных конфигурациях. Продакш попроще, посложнее, на любой вкус и цвет. А на этом сегодня всё. Большое спасибо за внимание.