Собрал около сотни разных API которые можно использовать в ваших воркфлоу N8N. Даже просто пролистав список, можно уже вдохновиться идей какой-то автоматизацией или ИИ-Агента. Если у вас есть интересные API кидайте в чат @prompt_chat — буду добавлять и вам спасибо говорить.
https://teletype.in/@prompt_design/api_n8n

Кстати, завтра китайскому сервису видеогенераций Kling AI исполняется год (всего!) и они будут продавать годовые подписки со скидкой 50%. Базовая - $60. Если пользуетесь, лучший момент прикупить. Акция действует только 24 часа 6 Июня.

Сегодня Perplexity добавил поиск по базам SEC/EDGAR — финансовым отчётам публичных компаний.

Офигенный инструмент для анализа показателей, стратегий и рисков перед инвестициями в акции или облигации компаний.

Раньше ради такого функционала инвесторы покупали подписки за тысячи долларов, а теперь это просто одна из функций Perplexity. (Теперь-то мы окупили свои пять баксов?)

А самое крутое — этот поиск работает в Labs и Research. Представляете, что там можно наворотить?

Короче, мне очень нравится, как они двигаются.

Ну что, я затестил новый инструмент. Моя задача была определить интересные для инвестиции компании занимающиеся ИИ. Решил ограничить выборку ТОП10 компаний на рынке.

Запрос в Labs звучал так: «Определить, какие публичные компании реально инвестируют и получают выручку от AI-продуктов, сравнить их степень вовлечённости и динамику вложений»

Результат: «Компании с высоким ИИ-индексом, но относительно низкой рыночной капитализацией (Palantir, ServiceNow, Databricks) представляют интерес для роста.»

Полный отчет выложу в нашем чате: @prompt_chat

6-ти минутным бесплатным отчетом я доволен, пойду покупать индексы :)

Слишком много новостей про Perplexity на этой неделе, простите. Но они начинают раскатывать поддержку «памяти»!

Уже дали тестерам, скоро у Pro-аккаунтов появится.

Воспользовался акцией и взял годовой пакет Kling AI

Apple выкатили исследование о том, что размышляющие модели менее эффективные, чем обычные.
Отличная попытка Тим Кук.

Все выходные вы провели без новостей от Perplexity. А между тем на прошлой неделе, помимо презентаций Labs и Finance, у них прошла AMA-сессия, где команда отвечала на вопросы пользователей. Я отобрал несколько десятков интересных вопросов с ответами и перевёл их для вас. Скажу сразу: про пятибаксовые коды на годовые PRO-аккаунты не спрашивали, но, как я понял из контекста, их текущая задача — наращивать аудиторию, а не монетизировать. Так что подобные коллабы, как с O2, ещё будут.

https://teletype.in/@prompt_design/AMA_Perplexity

Автоматизация или ИИ-агент? На прошлой неделе у меня был звонок с агентством, внедряющим ИИ в компаниях. Серьёзные ребята: больше двадцати сотрудников, много клиентов. Обсуждали форматы сотрудничества. Но спустя тридцать минут общения меня стало смущать, что все свои кейсы они называли «внедрением ИИ-агентов». Предложил притормозить и сверить карты: спросил, различают ли они понятия «автоматизация» и «агент»?

В ответ услышал: «Клиенту всё равно, агент это или автоматизация; главное, чтобы работало». Согласен: тому, кто не строит систему, разницы может и нет. Хотя звучит это как: «Пациенту без разницы, какое лекарство выписал врач — лишь бы помогло. Но если доктор не знает, что именно лечит, будут осложнения». Поэтому давайте разберёмся, в чём главные отличия между автоматизацией и агентами.

Что такое автоматизация?
Это когда вы явно прописываете каждый шаг, а система лишь исполняет инструкции. Пришёл лид — сохрани данные, отправь письмо, обнови CRM, сообщи отделу продаж. Даже если внутри вы дёргаете GPT для классификации текста, это всё ещё автоматизация: логику контролируете вы.

Подходит, когда задачи повторяются, данные структурированы, а вам нужна предсказуемость. Дёшево, быстро, стабильно — так работает подавляющее большинство бизнес-процессов.

Что такое агент?
Агент нужен, когда процесс нельзя полностью расписать заранее. Вы задаёте цель, а система сама решает, какие инструменты и данные ей потребуются. Она рассуждает, запрашивает информацию, по ходу создаёт подзадачи. Это необходимо, когда данные неструктурированы, проблема открыта и вариантов много.

Например, если нужно не просто занести лида в CRM, а проанализировать бизнес-процессы компании, оценить соответствие продукту и только потом решить, назначать ли созвон или просто добавить запись в CRM — правилами не обойтись, нужен агент.
То же в саппорте: если все вопросы укладываются в скрипты — автоматизация. Если система читает профиль клиента, ищет ответы в базе знаний, формулирует ответ и решает, куда закинуть запрос — это уже агент.

Хотя обычно сочетают оба подхода: сначала автоматизация отрабатывает шаблонные случаи; при неоднозначности управление передаётся агенту. Или наоборот: агент планирует, автоматизация исполняет. Такая архитектура более устойчива и масштабируема.

Если вы создаёте простые воркфлоу на n8n для заказчиков, ваша задача — не «строить агентов любой ценой», а понимать, когда нужен агент, когда достаточно автоматизации и как их комбинировать. Это экономит ресурсы, время и деньги, то есть помогает подобрать правильное «лекарство». Не болейте. А с ребятами мы, кстати, так и не договорились.

И не забывайте, что у нас за пару месяцев самоорганизовалось большое комьюнити из 2500 человек, которые нехило так шарят в ИИ! Настоятельно рекомендую запрыгивать в наш чат @prompt_chat — он бесплатный и максимально полезный.

Я никогда не просил о таком, но хочу попробовать. Если у вас есть аккаунт в Threads — поддержите мой пост о нашем комьюнити (чате) - можно лайк или комментарий поставит. Очень хочу, чтобы к нам больше людей присоединилось.

Apple меня немного расстраивает текущей презентацией https://www.youtube.com/live/0_DjDdfqtUE?si=8Ujt3Ckj0HlVvx9y — революции в интеграции искусственного интеллекта в iOS не случилось. Немного «локальных» моделей. Сделали, что-то типа ИИ-Агента, управляющего некоторыми процессами на телефоне. Я расстроен.

Я уже знаю, как буду дорабатывать свой «шлепатель»

В 2025 году зарелизили: o3, Veo 3, Llama 4, Gemma 3, GPT-4.1, o4-mini, Gemma 3n, Grok 3, Imagen 4, DeepSeek R1, gpt-image-1, OpenAI Codex, Flux Kontext, Qwen 2.5 Omni, Midjourney v7, Gemini 2.5 Pro, Gemini 2.5 Flash, Claude 4

А еще только июнь...

Сэм Альтам написал новый пост о том, что нас ждет в будущем (если будем платить 20 баксов за ChatGPT). А именно о старте "мягкой сингулярности" и робо-строителей, которые возведут дата-центры по всему миру, чтобы сделать доступ к ИИ почти (!) бесплатным. Сделал перевод основных тезисов: https://teletype.in/@prompt_design/The-Gentle-Singularity

Решил привести все ниши заработка на n8n, которые знаю, в один структурированный список. Вышло не так много, всего 11. Если у вас есть ещё какие-то интересные способы, про которые я не знаю, поделитесь в комментариях нашего чата @prompt_chat — я добавлю.

1) Абонентская «ИИ-автоматизация-как-сервис» (ретейнер)
≈ 1000-2000 баксов/мес за постоянный аудит, построение, оптимизацию и поддержку воркфлоу (контракт минимум 3 месяца).

2) Разовый set-up / onboarding-платёж
≈ $800 - 2000 единовременно за быструю первоначальную настройку и обучение команды.

3) Почасовой консалтинг
≈ $30-70/час — удобно стартовать, но сложно масштабировать: клиенты считают часы, а не ценность.

4) White-label-партнёрство с маркетинговыми агентствами
Агентство продаёт автоматизацию под своим брендом, вы строите воркфлоу; получаете поток тёплых лидов без собственных продаж.

5) Хостинг и техподдержка n8n
Разворачиваете инстанс, предоставляете SLA, бэкапы, мониторинг. Доход — подписка или тариф за каждое исполнение.

6) Партнёрские программы / реферал-доход
Клиентов регистрируют по вашим ссылкам (n8n Affiliate, OpenAI, ElevenLabs, Twilio и др.) — получаете 5 – 30 % их платежей.

7) SaaS-продукты поверх n8n
Пример — FlowMetr для мониторинга воркфлоу, либо готовые решения (ИИ-рецепционист, генератор лидов, агрегатор вакансий). Доход — подписка или лицензия.

8) Обучение и коучинг
Курсы, мастер-майнды, наставничество «Как выйти на ≈ млн с n8n» и другой инфобиз.

9) Discovery-аудиты процессов
Однодневное обследование, карта зон автоматизации, бизнес-кейсы. Обычно фикс-прайс ≈ 900 – 5000 долларов, хорошая конверсия в ретейнер.

10) Фриланс / субподряд
Upwork, FL.ru, Telegram-чаты — берёте узко-технические задания; оплата по рыночной ставке.

11) Готовые workflow-темплейты и кастом-узлы
Продаёте пакеты готовых сценариев или собственные ноды для n8n. Типичный чек — 50 – 1000 баксов за комплект.

Моё любимое занятие — расспрашивать людей о том, какие ИИ‑автоматизации они применяют в работе. За последний год я собрал более сотни реальных кейсов, экономящих десятки часов. Вот некоторые из них:

1) Производственный календарь (Google Sheets + QUERY/ARRAYFORMULA) – отдельный лист строит горизонтальный таймлайн на 50 × N строк: каждая колонка – день, строки сгруппированы по 5 линиям. Формулы читают статус из основного плана, перекрашивают ячейку в красный, если в связанном листе «Shortages» указана нехватка сырья.

2) Sheet → «Daily Flow» (Apps Script trigger «onEdit») – при изменении плана заказ автоматически «спускается» по столбцам -8/-7/-6 дней и помечает, что именно должно быть сделано к каждой дате (печать, сборка, контроль качества).

3) Кросс-постинг контента (n8n + Puppeteer + Buffer API) – узел получает Markdown-пост, генерирует карусель-изображения (Canva API), формирует текст/хэштеги, кладёт задачи в очередь Buffer; дочерние узлы публикуют в X/Threads/BlueSky и т.д. по расписанию.

4) PRD-бот в Telegram (Telegram API → Runbear → OpenAI → Notion API) – когда в чате #ideas появляется цепочка ≥ N сообщений, бот извлекает контекст, просит GPT-4 составить PRD по шаблону, пишет файл в Notion и шлёт ссылку инициатору.

5) Напоминания + эскалация (Power Automate + SharePoint List) – каждая задача в списке содержит «due date»; за 24 ч отправляется Teams-алерт исполнителю, по истечении срока – сообщение в чат руководителю.

6) Фоллоу-ап по e-mail (Gmail API + Python + OpenAI) – скрипт каждые 15 мин сканирует входящие, ищет открытые вопросы и если нет ответа > 48 ч; LLM формулирует короткое напоминание-черновик и помечает письмо звездой.

7) SERP-отчёт (Make/Integromat + Google Custom Search API) – модуль берёт ключи из Google Sheets, вызывает API, парсит позиции в выдаче, пишет обратно и генерирует PDF через Google Docs API, отправляя клиенту на e-mail.

8) Автосборка статьи (Python pipeline + OpenAI + CMS API) – скрипт делает keyword research, кластеризацию (scikit-learn), просит GPT-4 написать черновик, добавляет meta-теги и JSON-LD, затем через API планирует публикацию в WordPress.

9) Отраслевые новости (Python + Newspaper3k + SMTP) – cron-job обходит список URL, извлекает новые статьи, формирует digest-html и шлёт команде.

10) Telegram/SMS → Notion task (Zapier webhook) – любое сообщение, начинающееся с «todo:», создаёт новую карточку в базе «Tasks» с дедлайном T+1 день.

11) ИИ-автоответчик поддержки (Flask API + OpenAI + PostgreSQL KB) – входящие письма через IMAP, классификация тематики, поиск ответа в базе знаний, генерация ответа GPT-4, отправка SMTP; логи хранятся для обучения.

12) LinkedIn outreach (Reachy.ai SaaS) – сервис ищет «тёплые» сигналы (смена должности, лайк поста), формирует персональное сообщение и запускает цепочку follow-ups с паузами 3-5-7 дней.