مقدمه

محتوای شبکه‌های اجتماعی با n8n:

N8Nابزاری است که به کمک آن می توانید در مدت‌زمان کوتاهی، فرایندهای خود را با هوش مصنوعی خودکار کنید و از مزایای اتوماسیون هوشمند بهره‌ مند شوید.

N8N برای چه کسب و کارهایی مناسب است:

اگر سازمان شما کوچک می باشد و هم اکنون بسیاری از کار های خود را با نرم افزار هایی همچون اکسل انجام می دهید، N8N برای کسب و کار شما ایده آل است و در صورتی که کسب و کاری متوسط یا بزرگ دارید می توانید بخش های بسیاری از فرایند های غیر کلیدی خود را با این ابزار هوشمند کنید.

اگر به پیاده‌سازی اختصاصی، اتصال n8n به نرم‌افزارهای سازمانی یا سفارشی‌سازی Workflowها متناسب با کسب‌وکارتان نیاز دارید، Danix با بررسی نیازهای کسب‌وکار تان، می‌تواند این فرایند را از طراحی تا استقرار برای شما انجام دهیم.
برای کسب و کارهای کوچک به این لینک مراجعه کنید و برای کسب و کارهای بزرگ و متوسط میتوانید از این لینک استفاده نمایید.
همچنین اگر ترجیح می‌دهید شخصاً نصب و راه‌اندازی را انجام دهید، می‌توانید از اطلاعات موجود در مقالات، دسته N8N استفاده کنید .همچنین می توانید template موجود در این workflow را به صورت رایگان از این قسمت دانلود کنید.

دانلود Template

فایل JSON این Workflow را از این قسمت دانلود کنید.

رمز فایل: danixai.com

آموزش Import کردن Workflow

برای Import کردن Workflow ابتدا وارد داشبورد n8n شوید.

سپس مراحل زیر را انجام دهید:

1. روی Import from File کلیک کنید.
2. فایل JSON دانلودشده را انتخاب کنید.
3. منتظر بمانید تا Workflow در محیط n8n ایجاد شود.
4. Nodeهای Workflow را بررسی کنید.
5. تنظیمات مربوط به Ollama را انجام دهید.
6. در نهایت، Workflow را به‌صورت دستی اجرا و آزمایش کنید.

به این ترتیب، قبل از فعال‌سازی Workflow می‌توانید عملکرد تمام بخش‌ها را بررسی کنید.

آموزش کامل تمام Nodeها

در این بخش، تمام Nodeهای اصلی Workflow را بررسی می‌کنیم. ابتدا Node مربوط به اجرای Workflow را توضیح می‌دهیم. سپس سراغ دریافت پارامترهای محتوا و تولید متن با Ollama می‌رویم. در ادامه نیز نحوه پردازش JSON، بازبینی محتوا و تولید خروجی نهایی را بررسی خواهیم کرد.

1. Manual Trigger

وظیفه Node

این Node وظیفه شروع دستی اجرای Workflow را بر عهده دارد. بنابراین، در زمان توسعه و تست می‌توانید بدون نیاز به تنظیم زمان‌بندی، فرآیند تولید محتوا را اجرا کنید.

ورودی

ندارد.

خروجی

شروع اجرای Workflow.

تنظیمات مهم

این Node تنظیمات خاصی ندارد و تنها برای آغاز دستی فرآیند استفاده می‌شود.

نکات قابل تغییر

در صورت نیاز می‌توانید Manual Trigger را با Triggerهای دیگری مانند موارد زیر جایگزین کنید:

• Webhook
• Schedule Trigger
• فرم آنلاین
• Telegram Trigger
• سایر Triggerهای n8n

دلیل استفاده

استفاده از Manual Trigger در مرحله توسعه بسیار کاربردی است؛ زیرا می‌توانید پس از هر تغییر، Workflow را سریع اجرا و نتیجه را بررسی کنید.

2. Content Parameters (Set)

وظیفه Node

این Node پارامترهای اولیه موردنیاز برای تولید محتوا را تعریف می‌کند. در واقع، اطلاعاتی که در این مرحله قرار می‌دهید، روی محتوای تولیدشده توسط مدل هوش مصنوعی تأثیر مستقیم دارند.

ورودی

اطلاعات اولیه Workflow.

خروجی

• موضوع محتوا
• لحن برند
• مخاطب هدف

تنظیمات مهم

سه مقدار اصلی در این Node تعریف شده‌اند:

• topic
• brand_voice
• target_audience

Topic

موضوعی است که قرار است محتوا درباره آن تولید شود.

Brand Voice

لحن و شخصیت برند را مشخص می‌کند. برای مثال، می‌توانید لحن رسمی، دوستانه، آموزشی یا تخصصی تعریف کنید.

Target Audience

مخاطبان هدف محتوا را مشخص می‌کند. بنابراین، مدل می‌تواند محتوای تولیدشده را متناسب با ویژگی‌های مخاطب تنظیم کند.

نکات قابل تغییر

در این بخش می‌توانید:

• موضوع محتوا را تغییر دهید.
• لحن برند را تغییر دهید.
• مخاطبان هدف را تغییر دهید.
• فیلدهای جدید به اطلاعات ورودی اضافه کنید.

دلیل استفاده

تمام Promptهای اصلی Workflow از این اطلاعات استفاده می‌کنند. به همین دلیل، این Node نقش مهمی در شخصی‌سازی تولید محتوای شبکه‌های اجتماعی با n8n دارد.

3. Generate All Platform Content (Ollama)

وظیفه Node

این Node یکی از اصلی‌ترین بخش‌های Workflow است و وظیفه ارسال Prompt به Ollama و دریافت محتوای تولیدشده را بر عهده دارد.

در این مرحله، اطلاعات دریافت‌شده از Node قبلی به مدل هوش مصنوعی ارسال می‌شود. سپس مدل بر اساس موضوع، لحن برند و مخاطبان هدف، محتوای مناسب برای شبکه‌های اجتماعی مختلف تولید می‌کند.

ورودی

پارامترهای تعریف‌شده در Node قبلی.

خروجی

پاسخ تولیدشده توسط مدل هوش مصنوعی.

تنظیمات مهم

مهم‌ترین تنظیمات این Node شامل موارد زیر است:

• آدرس API محلی Ollama
• مدل llama3:8b
• Temperature برابر 0.7
• تعداد توکن‌های خروجی
• Timeout

نکات قابل تغییر

می‌توانید موارد زیر را تغییر دهید:

• مدل هوش مصنوعی
• Prompt
• Temperature
• تعداد توکن‌های خروجی
• Timeout
• ساختار خروجی

برای مثال، اگر به خروجی‌های خلاقانه‌تر نیاز دارید، می‌توانید Temperature را افزایش دهید. در مقابل، اگر خروجی پایدارتر و قابل پیش‌بینی‌تری می‌خواهید، کاهش آن می‌تواند مفید باشد.

دلیل استفاده

این Node هسته اصلی فرآیند تولید محتوا محسوب می‌شود. بنابراین، کیفیت Prompt و تنظیمات مدل تأثیر مستقیمی بر کیفیت خروجی نهایی دارد.

4. Parse Content JSON (Code)

وظیفه Node

پاسخ تولیدشده توسط Ollama ممکن است علاوه بر JSON شامل متن‌های اضافی نیز باشد. به همین دلیل، این Node وظیفه استخراج ساختار JSON معتبر از پاسخ مدل را بر عهده دارد.

ورودی

خروجی Node مربوط به Ollama.

خروجی

داده‌های ساختاریافته و قابل پردازش.

تنظیمات مهم

این Node برای موارد زیر استفاده می‌شود:

• استخراج JSON
• پردازش پاسخ مدل
• مدیریت خطا
• افزودن زمان تولید
• ذخیره موضوع محتوا

نکات قابل تغییر

در صورت نیاز می‌توانید:

• روش استخراج JSON را تغییر دهید.
• اعتبارسنجی بیشتری اضافه کنید.
• فیلدهای جدید ایجاد کنید.
• خطاهای احتمالی را مدیریت کنید.

دلیل استفاده

مدل‌های هوش مصنوعی همیشه خروجی را دقیقاً مطابق ساختار موردنظر تولید نمی‌کنند. بنابراین، این مرحله کمک می‌کند داده‌های خروجی قبل از ورود به مراحل بعدی ساختار مشخصی داشته باشند.

5. Review & Polish (Ollama)

وظیفه Node

پس از تولید اولیه محتوا، این Node وظیفه بازبینی و اصلاح آن را بر عهده دارد.

در این مرحله، محتوای تولیدشده دوباره در اختیار مدل هوش مصنوعی قرار می‌گیرد تا مواردی مانند کیفیت نگارش، هماهنگی با لحن برند و تناسب محتوا با هر شبکه اجتماعی بررسی شود.

ورودی

تمام متن‌های تولیدشده در مرحله قبل.

خروجی

نسخه اصلاح‌شده محتوا.

تنظیمات مهم

مدل هوش مصنوعی موارد زیر را بررسی می‌کند:

• غلط‌های نگارشی
• هماهنگی لحن برند
• مناسب بودن قالب هر شبکه اجتماعی
• کیفیت هشتگ‌ها
• کیفیت کلی محتوا

نکات قابل تغییر

می‌توانید معیارهای بازبینی را متناسب با نیاز خود تغییر دهید. برای مثال، می‌توانید بررسی موارد زیر را نیز اضافه کنید:

• طول محتوا
• کلمات ممنوع
• محتوای تبلیغاتی
• تکراری بودن متن
• هماهنگی با هویت برند
• مناسب بودن محتوا برای مخاطب هدف

همچنین، می‌توانید برای مرحله بازبینی از Temperature پایین‌تری استفاده کنید تا خروجی پایدارتر باشد.

دلیل استفاده

مرحله بازبینی باعث می‌شود کیفیت خروجی قبل از استفاده نهایی افزایش پیدا کند. در نتیجه، Workflow تنها به تولید اولیه متن وابسته نخواهد بود.

6. Final Content Output (Code)

وظیفه Node

این Node خروجی نهایی Workflow را تولید می‌کند. در این مرحله، نتیجه بازبینی دریافت شده و محتوای آماده استفاده در اختیار خروجی قرار می‌گیرد.

ورودی

نتیجه مرحله Review & Polish.

خروجی

نسخه نهایی محتوا همراه با وضعیت بازبینی.

تنظیمات مهم

در صورتی که پاسخ مرحله Review نامعتبر باشد، خروجی اولیه حفظ می‌شود. بنابراین، Workflow می‌تواند حتی در صورت بروز مشکل در مرحله بازبینی نیز یک خروجی قابل استفاده ارائه دهد.

نکات قابل تغییر

می‌توانید موارد زیر را نیز به خروجی اضافه کنید:

• وضعیت تولید
• زمان تولید
• موضوع محتوا
• وضعیت بازبینی
• شناسه محتوا
• اطلاعات مربوط به شبکه اجتماعی

دلیل استفاده

این Node نقطه پایانی فرآیند تولید محتوا است و یک ساختار مشخص برای استفاده از نتیجه نهایی ایجاد می‌کند.

نحوه شخصی‌سازی Workflow

یکی از مزایای اصلی این Template، انعطاف‌پذیری آن است. بنابراین، می‌توانید تقریباً تمام بخش‌های Workflow را متناسب با نیاز خود تغییر دهید.

برای مثال، می‌توانید Promptهای تولید محتوا را متناسب با برند خود بازنویسی کنید. همچنین، امکان تغییر مدل هوش مصنوعی، تغییر Trigger، دریافت موضوعات از منابع خارجی و اتصال خروجی به سرویس‌های دیگر نیز وجود دارد.

به‌عنوان نمونه، می‌توانید:

• موضوعات را از Google Sheets دریافت کنید.
• اطلاعات را از پایگاه داده بخوانید.
• Trigger دستی را به Schedule Trigger تبدیل کنید.
• Workflow را با Webhook اجرا کنید.
• مدل Ollama را تغییر دهید.
• Temperature را تنظیم کنید.
• تعداد توکن‌های خروجی را تغییر دهید.
• شرایط مختلفی برای هر شبکه اجتماعی تعریف کنید.
• خروجی را در یک پایگاه داده ذخیره کنید.

علاوه بر این، می‌توانید خروجی نهایی را مستقیماً به سرویس‌هایی مانند Telegram، Slack، Discord، Google Sheets، پایگاه‌های داده یا ابزارهای مدیریت شبکه‌های اجتماعی ارسال کنید.

در نتیجه، این Template می‌تواند از یک سیستم ساده تولید محتوا به یک سیستم کامل مدیریت و انتشار محتوای شبکه‌های اجتماعی تبدیل شود.

مزایای استفاده از این Workflow

استفاده از این Workflow مزایای مختلفی دارد. مهم‌ترین آن‌ها عبارت‌اند از:

• کاهش چشمگیر زمان تولید محتوا
• تولید هم‌زمان برای چند شبکه اجتماعی
• استفاده از مدل‌های هوش مصنوعی محلی
• حفظ حریم خصوصی اطلاعات
• قابلیت شخصی‌سازی کامل Promptها
• امکان توسعه آسان Workflow
• کاهش وابستگی به APIهای ابری
• امکان کنترل بهتر فرآیند تولید
• افزایش کیفیت محتوا با مرحله بازبینی

علاوه بر این، ساختار ماژولار n8n باعث می‌شود اضافه کردن قابلیت‌های جدید نسبتاً ساده باشد. بنابراین، در صورت توسعه کسب‌وکار می‌توانید همین Workflow را نیز توسعه دهید.

نکات مهم

برای اینکه بهترین نتیجه را از این Workflow دریافت کنید، چند نکته را در نظر داشته باشید.

1. ابتدا مطمئن شوید Ollama به‌درستی اجرا شده است.
2. سپس بررسی کنید مدل llama3:8b روی سیستم نصب شده باشد.
3. Promptها را متناسب با برند و مخاطب هدف تنظیم کنید.
4. برای هر برند یک لحن مشخص تعریف کنید.
5. مقدار Temperature را متناسب با نوع محتوا تنظیم کنید.
6. در صورت نیاز، مدل دیگری را آزمایش کنید.
7. برای مدل‌های بزرگ‌تر، Timeout مناسب در نظر بگیرید.
8. خروجی JSON را قبل از استفاده اعتبارسنجی کنید.
9. در صورت امکان، محتوای تولیدشده را قبل از انتشار بررسی کنید.
10. در نهایت، عملکرد Workflow را به‌صورت دوره‌ای بررسی و بهینه کنید.

به این ترتیب، احتمال بروز خطا کاهش پیدا می‌کند و کیفیت محتوای تولیدشده نیز در طول زمان بهتر خواهد شد.

خطاهای رایج (Troubleshooting)

مانند هر Workflow دیگری در n8n، ممکن است هنگام اجرای این Template با خطاهایی مواجه شوید. با این حال، بیشتر این مشکلات به تنظیمات Ollama، مدل هوش مصنوعی یا ساختار خروجی مربوط می‌شوند.

1. عدم اتصال به Ollama

علت

مهم‌ترین دلیل این خطا اجرا نشدن سرویس Ollama یا اشتباه بودن آدرس API است.

راه‌حل

ابتدا سرویس Ollama را اجرا کنید. سپس آدرس API و پورت 11434 را بررسی کنید.

همچنین، مطمئن شوید n8n می‌تواند به سیستم یا سروری که Ollama روی آن اجرا شده است دسترسی داشته باشد.

2. خطای Parse JSON

علت

گاهی اوقات مدل هوش مصنوعی به‌جای JSON معتبر، توضیحات اضافی یا ساختار نامعتبر تولید می‌کند.

راه‌حل

ابتدا Prompt را دقیق‌تر تنظیم کنید. سپس از مدل بخواهید تنها JSON معتبر برگرداند.

علاوه بر این، می‌توانید در Node مربوط به Code، اعتبارسنجی و مدیریت خطای بیشتری اضافه کنید.

3. Timeout

علت

اگر مدل بزرگ باشد یا سیستم منابع سخت‌افزاری کافی نداشته باشد، تولید پاسخ ممکن است زمان زیادی طول بکشد.

راه‌حل

در ابتدا Timeout را افزایش دهید. سپس در صورت ادامه مشکل، مدل سبک‌تری را آزمایش کنید.

همچنین، بررسی کنید سیستم RAM و GPU کافی برای اجرای مدل انتخاب‌شده داشته باشد.

4. کیفیت پایین محتوا

علت

کیفیت پایین خروجی معمولاً به Prompt ضعیف یا اطلاعات ناکافی درباره مخاطب و برند مربوط می‌شود.

راه‌حل

ابتدا موضوع و مخاطب هدف را دقیق‌تر مشخص کنید. سپس لحن برند و دستورالعمل‌های تولید محتوا را به Prompt اضافه کنید.

علاوه بر این، می‌توانید مرحله Review & Polish را دقیق‌تر تنظیم کنید تا خروجی قبل از استفاده نهایی بازبینی شود.

5. مصرف زیاد منابع سیستم

علت

مدل‌های بزرگ‌تر برای اجرا به RAM، CPU یا GPU بیشتری نیاز دارند. بنابراین، اجرای آن‌ها روی سیستم‌های ضعیف ممکن است باعث کندی یا مصرف بالای منابع شود.

راه‌حل

در این شرایط، می‌توانید از مدل کوچک‌تر استفاده کنید. همچنین، در صورت امکان منابع سخت‌افزاری سیستم را افزایش دهید.

در نتیجه، انتخاب مدل مناسب باید بر اساس توان سخت‌افزاری و کیفیت خروجی موردنیاز انجام شود.

جمع‌بندی

محتوای شبکه‌های اجتماعی با n8n و Ollama یکی از نمونه‌های کاربردی اتوماسیون مبتنی بر هوش مصنوعی است که می‌تواند فرآیند تولید محتوا را ساده‌تر و سریع‌تر کند. این Workflow با دریافت موضوع، لحن برند و مخاطبان هدف، محتوای متناسب برای چند شبکه اجتماعی تولید می‌کند و سپس آن را از نظر کیفیت، نگارش و هماهنگی با استانداردهای هر پلتفرم بازبینی خواهد کرد.

از طرف دیگر، استفاده از Ollama به‌عنوان موتور اجرای مدل‌های هوش مصنوعی محلی باعث می‌شود بتوانید مدل را در محیط داخلی خود اجرا کنید. بنابراین، در مقایسه با بسیاری از سرویس‌های ابری، کنترل بیشتری روی داده‌های ورودی خواهید داشت.

علاوه بر این، ساختار ماژولار n8n امکان توسعه آسان Workflow را فراهم می‌کند. به همین دلیل، می‌توانید در آینده قابلیت‌هایی مانند دریافت موضوع از Google Sheets، ذخیره محتوا در پایگاه داده، تأیید انسانی، تولید تصویر و انتشار خودکار را نیز به آن اضافه کنید.

در نتیجه، اگر به دنبال ساخت یک سیستم تولید محتوای هوشمند، قابل توسعه و قابل شخصی‌سازی هستید، این Workflow می‌تواند نقطه شروع مناسبی برای پیاده‌سازی اتوماسیون تولید محتوای شبکه‌های اجتماعی باشد.

سوالات متداول

1. آیا برای اجرای این Workflow باید از OpenAI استفاده کنم؟

خیر. این Template از Ollama و مدل‌های هوش مصنوعی محلی استفاده می‌کند. بنابراین، برای تولید محتوای اصلی Workflow نیازی به استفاده از OpenAI ندارید.

2. آیا می‌توان مدل دیگری به‌جای Llama3 استفاده کرد؟

بله. در صورتی که مدل موردنظر با Ollama سازگار باشد، می‌توانید آن را جایگزین llama3:8b کنید.

با این حال، بهتر است قبل از تغییر مدل، کیفیت خروجی، میزان مصرف منابع و سرعت تولید آن را بررسی کنید.

3. آیا امکان افزودن شبکه اجتماعی جدید وجود دارد؟

بله. برای این کار می‌توانید Prompt و ساختار خروجی را تغییر دهید و در صورت نیاز Nodeهای جدید به Workflow اضافه کنید.

به این ترتیب، می‌توانید ساختار Workflow را برای شبکه‌های اجتماعی بیشتری توسعه دهید.

4. آیا این Workflow به اینترنت نیاز دارد؟

اگر Ollama به‌صورت محلی اجرا شود، برای تولید محتوای اصلی نیازی به سرویس ابری ندارید. با این حال، بسته به نحوه نصب n8n و سرویس‌های جانبی، ممکن است برخی بخش‌های Workflow به اتصال اینترنت نیاز داشته باشند.

بنابراین، بهتر است وابستگی‌های هر Node را پیش از استفاده بررسی کنید.

5. آیا می‌توان خروجی را مستقیماً منتشر کرد؟

بله. می‌توانید پس از Node مربوط به خروجی نهایی، Nodeهای مربوط به سرویس‌های انتشار را اضافه کنید.

برای مثال، می‌توانید محتوا را به سرویس‌های مدیریت شبکه‌های اجتماعی، Telegram، Slack یا سایر پلتفرم‌های دارای API ارسال کنید.

در نتیجه، Workflow می‌تواند علاوه بر تولید محتوا، فرآیند انتشار را نیز تا حد زیادی خودکار کند.

6. چگونه کیفیت محتوای تولیدشده را افزایش دهیم؟

بهترین روش، بهینه‌سازی Prompt و ارائه اطلاعات دقیق‌تر به مدل است. برای مثال، موضوع، مخاطب هدف، لحن برند، هدف محتوا و قالب موردنظر هر شبکه اجتماعی را به‌صورت واضح مشخص کنید.

علاوه بر این، استفاده از مرحله Review & Polish می‌تواند کیفیت خروجی را افزایش دهد؛ زیرا محتوا پیش از استفاده نهایی دوباره بررسی می‌شود.

در نتیجه، با بررسی مداوم خروجی‌ها و اصلاح Promptها می‌توانید کیفیت تولید محتوای شبکه‌های اجتماعی با n8n را به‌مرور افزایش دهید.

7. آیا می‌توان قبل از انتشار، محتوا را تأیید کرد؟

بله. می‌توانید یک مرحله تأیید انسانی بین تولید محتوا و انتشار قرار دهید.

برای مثال، محتوای تولیدشده ابتدا به Telegram یا Slack ارسال شود و پس از تأیید مدیر، فرآیند انتشار ادامه پیدا کند.

به این ترتیب، کنترل انسانی همچنان حفظ می‌شود و احتمال انتشار محتوای نامناسب کاهش پیدا می‌کند.

GIT