مقدمه

تولید محتوای توییتر 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.

تولید محتوای توییتر با n8n

ساخت Workflow تولید محتوای توییتر با هوش مصنوعی یک Workflow اتوماسیون توییتر با هوش‌مصنوعی ساده برای تولید محتوای توییتر با n8n است. این Workflow ابتدا توسط کاربر اجرا می‌شود و سپس یک هشتگ را به‌صورت تصادفی انتخاب می‌کند. در ادامه، درخواست تولید متن کوتاه به API هوش مصنوعی ارسال می‌شود. پس از دریافت پاسخ، متن تولیدشده به همراه هشتگ موردنظر استخراج می‌شود و در نهایت، اطلاعات در Airtable ذخیره خواهد شد.

بنابراین، با استفاده از این ساختار می‌توانید فرایند ایده‌پردازی و آماده‌سازی توییت را ساده‌تر کنید. همچنین، می‌توانید همین Workflow را توسعه دهید و آن را به Triggerهای زمان‌بندی‌شده یا سایر سرویس‌های انتشار محتوا متصل کنید.

قبل از شروع

اگر هنوز n8n را نصب نکرده‌اید، پیشنهاد می‌کنیم ابتدا مقاله «آموزش n8n» را مطالعه کنید. در آن مقاله، مراحل نصب با Node.js و Docker، راه‌اندازی اولیه و ساخت اولین Workflow به‌صورت کامل آموزش داده شده است. پس از نصب و راه‌اندازی، به این مقاله بازگردید و مراحل پیاده‌سازی این Workflow را دنبال کنید.

این Workflow چه کاری انجام می‌دهد؟

Workflow تولید محتوای توییتر با n8n برای تولید محتوای کوتاه مناسب توییتر طراحی شده است. در ابتدا، کاربر با استفاده از Manual Trigger اجرای فرایند را آغاز می‌کند. سپس یک Node از نوع Function Item فهرستی از هشتگ‌ها را بررسی کرده و یکی از آن‌ها را به‌صورت تصادفی انتخاب می‌کند.

بعد از آن، Node مربوط به HTTP Request یک درخواست POST به API مربوط به OpenAI ارسال می‌کند. داخل متن درخواست نیز هشتگ انتخاب‌شده قرار می‌گیرد تا مدل هوش مصنوعی یک توییت کوتاه مرتبط با آن تولید کند.

سپس در مرحله بعد، Node مربوط به Set اطلاعات موردنیاز را از پاسخ API استخراج می‌کند. در نهایت، متن توییت و هشتگ در Airtable ذخیره می‌شوند. بنابراین، مسیر کلی Workflow از اجرای دستی تا ذخیره نتیجه کاملاً مشخص است.

کاربردهای این Workflow تولید محتوای توییتر با n8n

این Workflow تولید محتوای توییتر با n8n علاوه بر تولید یک توییت ساده، می‌تواند در سناریوهای مختلف بازاریابی محتوا استفاده شود. برای مثال، می‌توانید از آن برای موارد زیر استفاده کنید:

• تولید ایده‌های کوتاه برای توییتر
• آماده‌سازی محتوای روزانه شبکه‌های اجتماعی
• ایچاد محتوای مرتبط با موضوعات فناوری
• ایجاد بانک توییت برای انتشار در آینده
• تولید محتوای اولیه برای تیم شبکه‌های اجتماعی
• ساخت محتوای تبلیغاتی کوتاه
• تولید متن درباره n8n و اتوماسیون
• ایجاد محتوای اولیه برای بررسی و ویرایش انسانی

علاوه بر این، چون هشتگ در یک بخش جداگانه قرار گرفته است، می‌توانید موضوعات بیشتری به Workflow اضافه کنید. در نتیجه، ساختار فعلی قابلیت توسعه برای پروژه‌های بزرگ‌تر را نیز دارد.

پیش‌نیازهای اجرای Workflow تولید محتوای توییتر با n8n

برای اجرای این Template به چند مورد اصلی نیاز دارید. البته، برخی از این موارد به نسخه n8n و سرویس‌هایی که در آینده به Workflow اضافه می‌کنید بستگی دارند.

n8n: ابتدا باید n8n را نصب و اجرا کرده باشید.

حساب OpenAI: Workflow برای تولید متن از API هوش مصنوعی استفاده می‌کند؛ به همین دلیل باید دسترسی مناسب به API داشته باشید.

API Key: در Node مربوط به HTTP Request، احراز هویت از طریق Header انجام می‌شود. بنابراین، API Key باید به‌عنوان Credential در n8n تنظیم شود.

حساب Airtable: برای ذخیره خروجی Workflow به یک حساب Airtable نیاز دارید.

Airtable Credential: اطلاعات دسترسی Airtable نیز باید در n8n تنظیم شود.

Base و Table: Workflow به یک Base و جدول برای ذخیره اطلاعات نیاز دارد.

همچنین، توجه داشته باشید که Credentialهای موجود در JSON ارسالی خالی هستند. بنابراین، بعد از Import باید آن‌ها را با اطلاعات حساب خودتان تنظیم کنید.

دانلود Template

فایل JSON این Workflow را از این قسمت دانلود کنید.

رمز فایل: danixai.com

آموزش Import کردن Workflow

1. وارد داشبورد n8n شوید.
2. روی Import from File کلیک کنید.
3. فایل JSON را انتخاب کنید.
4. Workflow ایجاد خواهد شد.
5. Credentialهای موردنیاز را تنظیم کنید.

ساختار Workflow

 این Workflow ساختار نسبتاً ساده ای دارد  و از پنج Node تشکیل شده است. بااین‌حال، هر Node نقش مشخصی در تولید و ذخیره محتوای نهایی دارد.

ساختار کلی به شکل زیر است:

On clicking ‘execute’

↓

FunctionItem

↓

HTTP Request

↓

Set

↓

Airtable

بنابراین، اطلاعات از Trigger شروع شده و پس از انتخاب هشتگ و تولید متن، در نهایت به Airtable منتقل می‌شود. در ادامه، عملکرد هر بخش را دقیق‌تر بررسی می‌کنیم.

آموزش کامل تمام Nodeها

Node اول: On clicking ‘execute’

نوع Node: Manual Trigger

این Node نقطه شروع Workflow است. همان‌طور که از نام آن مشخص است، با کلیک روی گزینه اجرای Workflow، فرایند آغاز می‌شود.

وظیفه Node

 اجرای دستی Workflow.

ورودی:

ورودی خاصی دریافت نمی‌کند.

خروجی:

یک Item برای Node بعدی ایجاد می‌کند.

تنظیمات مهم:

این Node در Workflow تنظیمات خاصی ندارد.

نکات قابل تغییر:

در پروژه واقعی می‌توانید این Trigger را با گزینه‌های دیگری جایگزین کنید. برای مثال، اگر قصد دارید هر روز یک توییت تولید شود، می‌توانید از Schedule Trigger استفاده کنید.

دلیل استفاده:

در Template فعلی هدف اصلی، آزمایش و اجرای دستی فرایند است. بنابراین، کاربر می‌تواند هر زمان که نیاز داشت Workflow را اجرا کند.

Node دوم: FunctionItem

نوع Node: Function Item

این بخش وظیفه انتخاب تصادفی هشتگ را برعهده دارد. در کد Node دو هشتگ #techtwitter و #n8n تعریف شده‌اند.

وظیفه Node:

انتخاب تصادفی یک هشتگ.

ورودی:

Item دریافت‌شده از Manual Trigger.

خروجی:

همان Item به همراه مقدار جدیدی با نام hashtag.

تنظیمات مهم:

فهرست هشتگ‌ها در کد Node قرار دارد.

نکات قابل تغییر:

می‌توانید هشتگ‌های بیشتری به آرایه اضافه کنید. برای مثال، اگر درباره هوش مصنوعی، برنامه‌نویسی و اتوماسیون محتوا تولید می‌کنید، می‌توانید هشتگ‌های مرتبط را نیز اضافه کنید.

دلیل استفاده:

انتخاب تصادفی هشتگ باعث می‌شود همه درخواست‌ها الزاماً از یک هشتگ ثابت استفاده نکنند. در نتیجه، می‌توان تنوع بیشتری در خروجی ایجاد کرد.

Node سوم: HTTP Request

<strong>نوع Node: HTTP Request

این Node بخش اصلی ارتباط Workflow با سرویس هوش مصنوعی است. درخواست از نوع POST ارسال می‌شود و اطلاعات لازم در Body قرار می‌گیرد.

وظیفه Node:

ارسال درخواست تولید متن به API.

ورودی:

هشتگ انتخاب‌شده در Node قبلی.

خروجی:

پاسخ API شامل متن تولیدشده.

تنظیمات مهم:

در Workflow ارسالی، URL مربوط به endpoint قدیمی OpenAI و مدل text-davinci-001 مشخص شده است. همچنین، پارامترهایی مانند temperature، max_tokens و top_p نیز در درخواست قرار گرفته‌اند.

نکات قابل تغییر:

مهم‌ترین نکته این بخش، قدیمی بودن endpoint و مدل موجود در Template است. بنابراین، بسته به نسخه API مورد استفاده، ممکن است لازم باشد URL، مدل و ساختار درخواست را به API جدید OpenAI تغییر دهید.

دلیل استفاده:

این Node باعث می‌شود n8n بتواند بدون نیاز به Node اختصاصی، مستقیماً با API هوش مصنوعی ارتباط برقرار کند.

Node چهارم: Set

نوع Node: Set

پس از دریافت پاسخ API، اطلاعات موردنیاز باید مرتب و ساده شوند. Node مربوط به Set دقیقاً همین وظیفه را انجام می‌دهد.

وظیفه Node:

استخراج و آماده‌سازی اطلاعات خروجی.

ورودی:

پاسخ Node مربوط به HTTP Request.

خروجی:

دو مقدار با نام‌های Hashtag و Content.

تنظیمات مهم:

مقدار Hashtag از Node مربوط به FunctionItem خوانده می‌شود. همچنین، مقدار Content از choices[0].text در پاسخ API استخراج می‌شود.

نکات قابل تغییر:

اگر ساختار پاسخ API تغییر کند، Expression مربوط به Content نیز باید تغییر کند. بنابراین، هنگام استفاده از API جدید باید ساختار JSON خروجی را بررسی کنید.

دلیل استفاده:

این Node اطلاعات اضافی پاسخ API را حذف کرده و فقط داده‌های موردنیاز برای ذخیره‌سازی را نگه می‌دارد.

Node پنجم: Airtable

نوع Node: Airtable

این Node آخرین مرحله Workflow است و وظیفه ذخیره خروجی تولیدشده را بر عهده دارد.

وظیفه Node:

اضافه کردن یک رکورد جدید به Airtable.

ورودی:

مقدار Hashtag و Content از Node قبلی.

خروجی:

نتیجه عملیات ذخیره‌سازی در Airtable.

تنظیمات مهم:

عملیات روی حالت append قرار دارد. همچنین، جدول مشخص‌شده main است.

نکات قابل تغییر:

می‌توانید نام جدول، Base و Credential مربوط به Airtable را تغییر دهید. علاوه بر این، می‌توانید ستون‌های بیشتری برای تاریخ، موضوع، وضعیت انتشار یا نام کمپین ایجاد کنید.

دلیل استفاده:

Airtable نقش یک پایگاه داده ساده برای نگهداری توییت‌های تولیدشده را دارد. در نتیجه، می‌توانید محتوای تولیدشده را بعداً بررسی و مدیریت کنید.

OpenAI در این Workflow چه نقشی دارد؟

OpenAI در این Template تولید محتوای توییتر با n8n وظیفه تولید متن را بر عهده دارد. Workflow هشتگ انتخاب‌شده را در Prompt قرار می‌دهد و سپس از مدل هوش مصنوعی می‌خواهد یک توییت کوتاه تولید کند.

در نسخه فعلی Template، درخواست با endpoint مربوط به مدل‌های قدیمی OpenAI ارسال می‌شود. بنابراین، اگر API موردنظر دیگر از این endpoint یا مدل پشتیبانی نکند، باید بخش HTTP Request را به ساختار API جدید تغییر دهید.

بااین‌حال، منطق Workflow تغییر نمی‌کند. یعنی همچنان هشتگ انتخاب می‌شود، درخواست ارسال می‌شود، پاسخ استخراج می‌شود و سپس نتیجه در Airtable قرار می‌گیرد.

Airtable در این Workflow چه کاربردی دارد؟

Airtable یک سرویس برای مدیریت داده‌ها در قالب جدول است. در این Workflow، از Airtable به‌عنوان محل ذخیره‌سازی توییت‌های تولیدشده استفاده می‌شود.

در نتیجه، هر بار که Workflow تولید محتوای توییتر با n8n اجرا شود، یک رکورد جدید شامل هشتگ و محتوای تولیدشده در جدول قرار می‌گیرد. این ساختار می‌تواند برای ایجاد یک بانک محتوایی بسیار کاربردی باشد.

علاوه بر این، می‌توانید ستون‌های دیگری مانند تاریخ تولید، وضعیت تأیید، زمان انتشار و موضوع محتوا را نیز به جدول اضافه کنید. بنابراین، Airtable می‌تواند از یک محل ذخیره ساده به یک سیستم مدیریت محتوای کوچک تبدیل شود.

نحوه شخصی‌سازی Workflow تولید محتوای توییتر با n8n

تغییر Prompt

Prompt مهم‌ترین بخش مربوط به تولید محتوا است. در Node مربوط به HTTP Request، متن درخواست مشخص می‌کند که مدل چه نوع توییتی تولید کند.

برای مثال، می‌توانید Prompt را طوری تغییر دهید که متن رسمی، تبلیغاتی، آموزشی یا خبری تولید شود. همچنین می‌توانید محدودیت طول، زبان، سبک نوشتار و موضوع را نیز مشخص کنید.

تغییر هشتگ‌ها

هشتگ‌ها در Node مربوط به FunctionItem تعریف شده‌اند. بنابراین، برای اضافه کردن هشتگ جدید کافی است آن را به آرایه مربوطه اضافه کنید.

در نتیجه، می‌توانید برای هر حوزه مجموعه‌ای از هشتگ‌های مرتبط داشته باشید.

تغییر مدل AI

مدل هوش مصنوعی در درخواست HTTP مشخص شده است. بنابراین، برای استفاده از مدل جدید باید پارامتر مدل و در صورت نیاز ساختار API را تغییر دهید.

همچنین، بهتر است قبل از تغییر مدل، ساختار ورودی و خروجی API را بررسی کنید؛ زیرا مسیر استخراج متن در Node Set نیز ممکن است نیاز به اصلاح داشته باشد.

تغییر Trigger

در نسخه فعلی، Workflow به‌صورت دستی اجرا می‌شود. بااین‌حال، می‌توانید آن را به یک Trigger زمان‌بندی‌شده متصل کنید.

برای مثال، می‌توانید Workflow را طوری تنظیم کنید که هر روز در یک ساعت مشخص اجرا شود. در نتیجه، تولید محتوای روزانه بدون اجرای دستی انجام خواهد شد.

تغییر اطلاعات Airtable

در Node Airtable می‌توانید جدول، Base و فیلدهای مقصد را تغییر دهید. بنابراین، امکان ذخیره اطلاعات بیشتر نیز وجود دارد.

برای مثال، می‌توانید ستون‌هایی مانند Content، Hashtag، Status و CreatedAt ایجاد کنید.

مزایای استفاده از این Workflow

این Workflow با وجود ساختار ساده، چند مزیت مهم دارد:

1. کاهش زمان تولید محتوا: بخش تولید متن به‌صورت خودکار انجام می‌شود.
2. کاهش کارهای تکراری: انتخاب هشتگ و انتقال نتیجه به Airtable دستی نیست.
3. قابلیت توسعه: می‌توانید Nodeهای بیشتری به Workflow اضافه کنید.
4. ذخیره‌سازی منظم: تمام خروجی‌ها در Airtable قابل نگهداری هستند.
5. تنوع محتوا: انتخاب تصادفی هشتگ می‌تواند موضوعات خروجی را متنوع‌تر کند.
6. قابلیت زمان‌بندی: Manual Trigger را می‌توان با Trigger زمان‌بندی‌شده جایگزین کرد.
7. اتصال به سرویس‌های دیگر: n8n امکان اتصال Workflow به سرویس‌های متعدد را فراهم می‌کند.
8. قابلیت کنترل محتوا: می‌توانید قبل از انتشار، خروجی‌ها را در Airtable بررسی کنید.

نکات مهم

بررسی Credentialها

Credentialهای موجود در فایل JSON خالی هستند. بنابراین، پس از Import باید Credentialهای OpenAI و Airtable را با اطلاعات حساب خودتان تنظیم کنید.

بررسی API

از آنجا که Template از endpoint و مدل قدیمی استفاده می‌کند، قبل از اجرا حتماً سازگاری API را بررسی کنید. در غیر این صورت، ممکن است HTTP Request با خطا مواجه شود.

محدودیت طول توییت

در Prompt، تولید متن کمتر از 100 کاراکتر درخواست شده است. بنابراین، اگر قصد دارید محتوای طولانی‌تری تولید کنید، باید Prompt را تغییر دهید.

بررسی ساختار خروجی

Node Set انتظار دارد متن در مسیر choices[0].text قرار داشته باشد. بنابراین، در صورت تغییر API باید این Expression نیز بررسی شود.

مدیریت هشتگ‌ها

اگر تعداد هشتگ‌ها زیاد شود، بهتر است آن‌ها را از یک منبع خارجی مانند Airtable یا Google Sheets دریافت کنید. به این ترتیب، برای تغییر هشتگ‌ها لازم نیست کد Node را ویرایش کنید.

انتشار مستقیم

این Workflow فقط محتوا را تولید و ذخیره می‌کند. بنابراین، در نسخه فعلی، توییت مستقیماً در توییتر منتشر نمی‌شود. برای انتشار خودکار باید مرحله دیگری به Workflow اضافه شود.

بررسی محتوای تولیدشده

حتی با وجود استفاده از هوش مصنوعی، بهتر است محتوای تولیدشده قبل از انتشار بررسی شود. زیرا ممکن است متن نیاز به اصلاح، بررسی اطلاعات یا تغییر لحن داشته باشد.

مدیریت تعداد درخواست‌ها

اگر Workflow را زمان‌بندی کنید و تعداد اجرای آن افزایش پیدا کند، مصرف API نیز افزایش خواهد یافت. بنابراین، بهتر است تعداد اجراها و هزینه سرویس مورد استفاده را کنترل کنید.

خطاهای رایج (Troubleshooting)

خطای احراز هویت OpenAI

علت: API Key به‌درستی تنظیم نشده یا Credential مربوط به HTTP Request ناقص است.

راه‌حل: Credential مربوط به Header Authentication را بررسی کنید و مطمئن شوید کلید API معتبر است.

خطای مربوط به Endpoint

علت: Workflow از endpoint و مدل قدیمی OpenAI استفاده می‌کند که ممکن است دیگر در دسترس نباشد.

راه‌حل: URL، مدل و ساختار درخواست HTTP را مطابق API مورد استفاده خودتان به‌روزرسانی کنید.

خطای استخراج متن در Set

علت: ساختار پاسخ API با Expression موجود در Set مطابقت ندارد.

راه‌حل: خروجی HTTP Request را بررسی کنید و مسیر صحیح متن را در مقدار Content قرار دهید.

ذخیره نشدن اطلاعات در Airtable

علت: Credential، Base، Table یا دسترسی Airtable به‌درستی تنظیم نشده است.

راه‌حل: ابتدا Credential Airtable را بررسی کنید. سپس مطمئن شوید جدول main وجود دارد و حساب متصل‌شده اجازه ایجاد رکورد دارد.

تولید نشدن توییت مناسب

علت: Prompt بسیار ساده است یا دستورالعمل کافی برای مدل ارائه نمی‌کند.

راه‌حل: Prompt را دقیق‌تر کنید و زبان، موضوع، لحن، طول متن و نوع مخاطب را مشخص کنید.

انتخاب نشدن هشتگ

علت: کد FunctionItem یا ساختار آرایه هشتگ‌ها تغییر کرده است.

راه‌حل: بررسی کنید آرایه Hashtags حداقل یک مقدار معتبر داشته باشد و کد Node بدون خطای JavaScript اجرا شود.

چگونه این Workflow را حرفه‌ای‌تر کنیم؟

ساختار فعلی برای شروع مناسب است؛ بااین‌حال، می‌توان آن را به یک سیستم کامل تولید و انتشار محتوا تبدیل کرد. برای مثال، ابتدا می‌توانید به‌جای Manual Trigger از Schedule Trigger استفاده کنید.

سپس می‌توانید موضوعات مختلف را از Airtable دریافت کنید. بعد از آن، موضوع و هشتگ به مدل هوش مصنوعی ارسال شود و متن تولیدشده دوباره توسط یک مرحله بررسی کیفیت ارزیابی شود.

 مرحله بعد نیز می‌توان وضعیت محتوا را در Airtable ثبت کرد. برای مثال، وضعیت‌های «تولید شده»، «تأیید شده» و «منتشر شده» می‌توانند مدیریت فرایند را ساده‌تر کنند.

در نهایت، می‌توانید یک مرحله انتشار به Workflow اضافه کنید. به این ترتیب، فرایند از انتخاب موضوع تا تولید، ذخیره، بررسی و انتشار محتوا به‌صورت یکپارچه انجام خواهد شد.

جمع‌بندی

با این آموزش، ساختار یک Workflow برای تولید محتوای توییتر با n8n را بررسی کردیم. این Workflow با استفاده از چند Node ساده، فرایند تولید محتوای کوتاه را خودکار می‌کند. ابتدا Manual Trigger اجرای فرایند را آغاز می‌کند و سپس FunctionItem یک هشتگ را به‌صورت تصادفی انتخاب می‌کند.

در مرحله بعد، HTTP Request درخواست تولید محتوا را به API هوش مصنوعی ارسال می‌کند. سپس Node مربوط به Set اطلاعات موردنیاز را از پاسخ دریافت کرده و برای ذخیره‌سازی آماده می‌کند. در نهایت نیز Airtable متن تولیدشده و هشتگ مربوط به آن را ذخیره می‌کند.

اگرچه Template فعلی ساختار ساده‌ای دارد، اما قابلیت توسعه زیادی دارد. برای مثال، می‌توان Trigger زمان‌بندی‌شده، موضوعات مختلف، بررسی کیفیت محتوا و حتی سیستم انتشار خودکار را به آن اضافه کرد.

بااین‌حال، هنگام استفاده از این Template باید به قدیمی بودن endpoint و مدل OpenAI موجود در فایل توجه داشته باشید. بنابراین، ممکن است برای اجرای آن در محیط‌های جدید لازم باشد Node مربوط به HTTP Request را به API فعلی سرویس هوش مصنوعی تغییر دهید.

سوالات متداول

آیا این Workflow توییت را مستقیماً منتشر می‌کند؟

خیر. Workflow موجود فقط متن توییت را تولید کرده و سپس آن را در Airtable ذخیره می‌کند. بنابراین، برای انتشار مستقیم، باید یک مرحله یا سرویس انتشار به Workflow اضافه شود.

آیا می‌توان هشتگ‌های بیشتری اضافه کرد؟

 هشتگ‌های بیشتری نیز قابل اضافه‌کردن هستند. این موارد در FunctionItem داخل یک آرایه قرار گرفته‌اند؛ بنابراین، می‌توانید تعداد هشتگ‌ها را افزایش دهید یا حتی در آینده آن‌ها را از Airtable دریافت کنید.

می‌توان تولید توییت را زمان‌بندی کرد؟

در نسخه فعلی از Manual Trigger استفاده شده است. برای اجرای خودکار Workflow، می‌توانید آن را با Schedule Trigger جایگزین کنید تا فرایند در زمان مشخص اجرا شود.

چرا HTTP Request این Workflow ممکن است اجرا نشود؟

 یکی از دلایل اصلی، استفاده از endpoint و مدل قدیمی OpenAI در Template است. تنظیم نبودن API Key یا Credential نیز می‌تواند باعث بروز خطا شود. بنابراین، ابتدا Credential و سپس URL و ساختار API را بررسی کنید.

آیا می‌توان خروجی را به‌جای Airtable در Google Sheets ذخیره کرد؟

برای این کار، کافی است Node Airtable را حذف کرده و یک Node مربوط به Google Sheets به Workflow اضافه کنید. سپس فیلدهای Hashtag و Content را به ستون‌های مناسب Sheet منتقل کنید.

می‌توان زبان توییت را تغییر داد؟

تغییر زبان توییت نیز امکان‌پذیر است. کافی است Prompt مربوط به HTTP Request را ویرایش کنید. برای مثال، می‌توانید مشخص کنید که متن باید به زبان فارسی، انگلیسی یا هر زبان دیگری تولید شود.

آیا می‌توان طول توییت را تغییر داد؟

 طول توییت را نیز می‌توان متناسب با نیاز تغییر داد. در Prompt فعلی، محدودیت کمتر از 100 کاراکتر مشخص شده است؛ بنابراین، می‌توانید این مقدار و همچنین پارامترهای مرتبط با تولید متن را تغییر دهید.

آیا می‌توان موضوع توییت را نیز به‌صورت تصادفی انتخاب کرد؟

انتخاب تصادفی موضوع نیز امکان‌پذیر است. می‌توانید آرایه‌ای از موضوعات ایجاد کرده و مشابه انتخاب هشتگ، یک موضوع را به‌صورت تصادفی انتخاب کنید. سپس موضوع انتخاب‌شده را همراه با هشتگ به مدل هوش مصنوعی ارسال کنید.

آیا این Workflow برای تولید محتوای روزانه مناسب است؟

برای تولید محتوای روزانه، این ساختار گزینه مناسبی برای شروع محسوب می‌شود؛ زیرا می‌توان Trigger دستی را با زمان‌بندی جایگزین کرد. بااین‌حال، برای استفاده حرفه‌ای بهتر است کنترل کیفیت، مدیریت موضوعات و وضعیت انتشار نیز به Workflow اضافه شود.

 

GIT