آموزش N8N؛ ساخت ایجنت‌های هوشمند با N8N، Trinity و Claude Code

در آموزش N8N و اتوماسیون با هوش مصنوعی، با یکی از ابزارهای قدرتمند برای ساخت جریان‌های کاری خودکار آشنا می‌شوید و یاد می‌گیرید چگونه بدون نیاز به کدنویسی یا با حداقل میزان کدنویسی، فرآیندهای مختلف را خودکار کنید و ایجنت‌های هوشمند AI بسازید.

در این دوره از مفاهیم پایه N8N شروع می‌کنیم و به‌صورت مرحله‌به‌مرحله با نحوه کار Nodeها، ساخت Workflow، ایجاد AI Agent، مهندسی پرامپت، پیاده‌سازی حافظه و اتصال ایجنت‌ها به سرویس‌هایی مانند Gmail، Google Calendar، Google Tasks، Perplexity AI و پلتفرم‌های پیام‌رسان آشنا می‌شوید.

همچنین با قابلیت‌های پیشرفته‌ای مانند Code Node، ورودی‌های چندوجهی (Multimodal)، MCP، سیستم‌های حافظه، Vector Embeddings، Semantic Search، Supabase و معماری ایجنت‌های مستقل کار خواهید کرد.

در بخش‌های پیشرفته‌تر دوره، نحوه کار با Claude Code، Skills، Tools، MCP و Trinity نیز بررسی می‌شود تا با معماری نسل جدید Agentها و روش اجرای آن‌ها در محیط‌های واقعی و Production آشنا شوید.

در کنار آموزش مفاهیم، نمونه‌های عملی متعددی نیز ارائه می‌شوند تا بتوانید از N8N برای اتوماسیون فرآیندهای کاری، ساخت دستیارهای هوشمند، اتصال سرویس‌ها و ایجاد سیستم‌های مبتنی بر AI استفاده کنید.

دوره ویدیویی آموزش N8N در قالب 22 بخش آموزشی، با مدت زمان مجموع 2 ساعت ارائه شده است.

دوره آموزش N8N لرن فایلز چه مزایایی دارد؟

با شرکت در دوره آموزش N8N، با ساختار این پلتفرم و نحوه استفاده از آن برای ایجاد Workflowهای خودکار آشنا می‌شوید و یاد می‌گیرید چگونه قابلیت‌های هوش مصنوعی را با فرآیندهای اتوماسیون ترکیب کنید.

در این دوره ابتدا با N8N، Nodeها و قابلیت‌های Chat آشنا می‌شوید و سپس به سراغ موضوعات کاربردی‌تر مانند AI Agent، Prompt Engineering، Memory، اتصال سرویس‌های خارجی، Code Node، Multimodal و MCP می‌رویم.

یکی از بخش‌های مهم آموزش، ساخت ایجنت‌های هوشمند است. یاد می‌گیرید چگونه رفتار Agent را تنظیم کنید، برای آن Prompt مناسب بنویسید، حافظه ایجاد کنید و آن را به ابزارهای مختلف متصل نمایید.

در ادامه نیز با معماری‌های پیشرفته‌تر حافظه و Agentها آشنا می‌شوید و موضوعاتی مانند Context Rot، File-System Based Agents، Skills، Tools، MCP و Version Control بررسی می‌شوند.

در بخش پایانی دوره، سراغ Trinity می‌رویم و نحوه اجرای چند Agent، ارتباط آن‌ها با ابزارها، مدیریت Taskها، Sessionها، Dashboardها و قابلیت‌های مورد نیاز برای استفاده از Agentها در محیط Production را بررسی می‌کنیم.

اگر می‌خواهید N8N را فقط به‌عنوان یک ابزار ساده اتوماسیون یاد نگیرید و با استفاده از آن وارد حوزه AI Automation و ساخت Agentهای هوشمند شوید، این دوره می‌تواند مسیر مناسبی برای شروع باشد.

در ادامه مسیر یادگیری هوش مصنوعی و اتوماسیون، N8N یکی از ابزارهایی است که امکان اتصال این دو حوزه را به یکدیگر فراهم می‌کند.

اتوماسیون سنتی معمولاً بر اساس Workflowهای از پیش تعریف‌شده عمل می‌کند؛ اما با اضافه شدن هوش مصنوعی می‌توان سیستم‌هایی ایجاد کرد که علاوه بر اجرای فرآیندها، قادر به دریافت اطلاعات، پردازش درخواست‌ها، استفاده از ابزارها و تعامل با کاربران باشند.

به همین دلیل در این دوره علاوه بر آموزش N8N، روی ساخت AI Agent، حافظه، Prompt Engineering و اتصال Agentها به سرویس‌های مختلف نیز تمرکز می‌شود.

چرا دوره آموزش N8N تهیه شده در لرن‌فایلز؟

• در این دوره تلاش شده آموزش N8N به شکل عملی و قابل استفاده در سناریوهای واقعی ارائه شود.
• از مثال‌ها و تمرین‌های Hands-On برای درک بهتر Workflowها و AI Agentها استفاده شده است.
• نحوه ساخت ایجنت‌های هوشمند با N8N به‌صورت مرحله‌به‌مرحله بررسی می‌شود.
• مهارت‌های Prompt Engineering برای هدایت رفتار Agentها آموزش داده می‌شوند.
• نحوه اتصال Agentها به سرویس‌هایی مانند Gmail، Google Calendar، Google Tasks و Perplexity AI بررسی می‌شود.
• قابلیت‌های پیشرفته‌ای مانند Code Node و Multimodal Inputs and Outputs آموزش داده می‌شوند.
• با انواع روش‌های پیاده‌سازی Memory برای AI Agentها آشنا می‌شوید.
• مفاهیمی مانند Vector Embeddings، pgvector و Semantic Search بررسی می‌شوند.
• با MCP و معماری نسل جدید Agentها آشنا می‌شوید.
• در بخش‌های پیشرفته، Claude Code و Trinity نیز مورد بررسی قرار می‌گیرند.
• دوره از مفاهیم پایه شروع می‌شود و به موضوعات پیشرفته‌تر مربوط به Agentها و Production می‌رسد.

آموزش N8N در یک نگاه سریع

پیش از بررسی سرفصل‌های دوره، بهتر است ابتدا با N8N، کاربردهای آن و مهم‌ترین قابلیت‌هایی که در این آموزش بررسی می‌شوند آشنا شویم.

N8N چیست؟

N8N یک پلتفرم متن‌باز برای ساخت و اجرای Workflowهای اتوماسیون است.

با استفاده از N8N می‌توانید سرویس‌ها، APIها و ابزارهای مختلف را به یکدیگر متصل کنید و فرآیندهایی ایجاد کنید که به‌صورت خودکار اجرا شوند.

یکی از ویژگی‌های مهم N8N، ساختار Node-based آن است که امکان طراحی Workflowها را بدون نیاز به کدنویسی یا با میزان کمی کدنویسی فراهم می‌کند.

در این دوره علاوه بر اتوماسیون معمولی، نحوه ترکیب N8N با هوش مصنوعی و ساخت AI Agentهای هوشمند نیز آموزش داده می‌شود.

N8N چه کاربردهایی دارد؟

N8N می‌تواند برای خودکارسازی فرآیندهای مختلف مورد استفاده قرار گیرد. از جمله:

• ساخت Workflowهای خودکار
• اتصال APIها و سرویس‌های مختلف
• اتصال ابزارهای هوش مصنوعی
• ساخت AI Agent
• اتوماسیون ارسال و دریافت ایمیل
• اتصال به Gmail
• اتصال به Google Calendar
• مدیریت Google Tasks
• اتصال به پیام‌رسان‌ها
• استفاده از ابزارهای جستجو مانند Perplexity AI
• پردازش اطلاعات
• ساخت Workflowهای چندمرحله‌ای
• اجرای پردازش‌های موازی
• ساخت سیستم‌های Multimodal
• اتصال به پایگاه‌های داده
• پیاده‌سازی Memory برای Agentها
• ساخت Semantic Search
• استفاده از Vector Embeddings
• ایجاد سیستم‌های مبتنی بر MCP

AI Agent چیست؟

AI Agent سیستمی است که می‌تواند با استفاده از مدل‌های هوش مصنوعی، اطلاعات را پردازش کند، با ابزارهای مختلف تعامل داشته باشد و بر اساس دستورها و شرایط تعریف‌شده، وظایف مشخصی را انجام دهد.

در N8N می‌توان Agentها را به ابزارهای مختلف متصل کرد تا صرفاً پاسخ متنی تولید نکنند، بلکه بتوانند در Workflowهای واقعی نیز فعالیت کنند.

برای مثال می‌توان یک Agent را به Gmail یا Google Calendar متصل کرد تا در کنار پردازش درخواست کاربر، عملیات موردنظر را در سرویس مربوطه نیز انجام دهد.

Prompt Engineering چیست؟

Prompt Engineering به مجموعه روش‌هایی گفته می‌شود که برای طراحی و نوشتن دستورهای مؤثرتر برای مدل‌های هوش مصنوعی استفاده می‌شوند.

در این دوره یاد می‌گیرید چگونه Promptهای مناسب برای Agentهای خود طراحی کنید و با مشخص‌کردن هدف، رفتار و Context موردنظر، نحوه پاسخ‌گویی AI را بهتر کنترل کنید.

Prompt مناسب می‌تواند نقش مهمی در عملکرد یک AI Agent داشته باشد؛ به همین دلیل مهندسی پرامپت یکی از بخش‌های مهم این دوره است.

Memory در AI Agent چیست؟

یکی از قابلیت‌های مهم برای ساخت Agentهای هوشمند، Memory یا حافظه است.

حافظه به Agent کمک می‌کند اطلاعات مربوط به تعاملات قبلی و Context موردنیاز را در اختیار داشته باشد.

در این دوره علاوه بر مفهوم پایه Memory، معماری‌های پیشرفته‌تر حافظه نیز بررسی می‌شوند و با موضوعاتی مانند Vector Embeddings، Semantic Search و pgvector آشنا خواهید شد.

همچنین نحوه استفاده از Supabase برای ذخیره‌سازی و مدیریت حافظه مقیاس‌پذیر Agentها بررسی می‌شود.

اتصال N8N به ابزارهای مختلف

یکی از قابلیت‌های مهم N8N، امکان اتصال Workflowها و Agentها به سرویس‌های خارجی است.

در این دوره به‌صورت عملی با اتصال N8N به ابزارهایی مانند:

• Gmail
• Google Calendar
• Google Tasks
• Perplexity AI
• پلتفرم‌های پیام‌رسان
• Supabase
• MCP Serverها

آشنا می‌شوید.

این اتصال‌ها امکان ساخت Workflowهایی را فراهم می‌کنند که بتوانند علاوه بر پردازش اطلاعات، با سرویس‌های مختلف نیز تعامل داشته باشند.

Code Node در N8N چیست؟

اگرچه N8N امکان ساخت بسیاری از Workflowها را بدون کدنویسی فراهم می‌کند، اما در برخی سناریوهای پیچیده‌تر ممکن است به منطق سفارشی نیاز داشته باشید.

در این دوره با Code Node آشنا می‌شوید و یاد می‌گیرید چگونه برای پیاده‌سازی منطق‌های پیچیده‌تر و افزایش انعطاف‌پذیری Workflow از آن استفاده کنید.

Multimodal در N8N چیست؟

سیستم‌های هوش مصنوعی فقط به متن محدود نیستند.

در این دوره با مفهوم Multimodal آشنا می‌شوید و نحوه ایجاد Workflowهایی که بتوانند با متن، تصویر و صوت کار کنند را بررسی می‌کنید.

این قابلیت می‌تواند امکان ایجاد Agentهایی با ورودی‌ها و خروجی‌های متنوع‌تر را فراهم کند.

MCP چیست؟

MCP یا Model Context Protocol روشی برای ایجاد ارتباط میان Agentها و ابزارهای مختلف است.

در این دوره با نقش MCP در معماری Agentها آشنا می‌شوید و نحوه استفاده از آن برای ایجاد سیستم‌هایی که Agentها، کاربران و ابزارهای مختلف را به یکدیگر متصل می‌کنند بررسی می‌شود.

AI Agentهای پیشرفته و حافظه

در بخش‌های پیشرفته دوره، مفهوم حافظه در Agentها با جزئیات بیشتری بررسی می‌شود.

موضوعاتی مانند معماری‌های مختلف Memory، استفاده از Vector Embeddings، جستجوی معنایی و مدیریت Context مورد بررسی قرار می‌گیرند.

همچنین مفهوم Context Rot در مدل‌های زبانی بزرگ بررسی می‌شود؛ موضوعی که به کاهش عملکرد مدل در شرایطی که حجم Context افزایش پیدا می‌کند مربوط است.

نسل جدید AI Agentها

در ادامه دوره از Workflowهای معمولی فراتر می‌رویم و با مفهوم Autonomous AI Agent آشنا می‌شویم.

در این بخش بررسی می‌شود که چرا Workflowهای سنتی همیشه برای ساخت Agentهای مستقل کافی نیستند و چه تفاوتی میان Workflowهای معمولی و Agentهایی که به Memory، State و اجرای طولانی‌مدت نیاز دارند وجود دارد.

همچنین با File-System Based Agentها آشنا می‌شوید؛ Agentهایی که می‌توانند با فایل‌ها، پوشه‌ها و ابزارهای سیستم تعامل داشته باشند.

Skills، Tools، MCP و Memory

برای ساخت Agentهای پیشرفته، تنها مدل هوش مصنوعی کافی نیست.

در این بخش با اجزایی مانند:

• Skills
• Tools
• MCP Servers
• APIها
• دستورات محلی
• Memory

آشنا می‌شوید و نقش هرکدام را در معماری Agentهای مدرن بررسی می‌کنید.

همچنین اجرای یک Claude Code Agent روی کامپیوتر و نحوه استفاده آن از Skills، Tools و Terminal مورد بررسی قرار می‌گیرد.

چرا اجرای Local Agent برای Production کافی نیست؟

اجرای Agent روی کامپیوتر شخصی می‌تواند برای آزمایش و توسعه مناسب باشد، اما در محیط Production محدودیت‌هایی مانند دسترسی دائمی، امنیت، مقیاس‌پذیری و اجرای مداوم ایجاد می‌کند.

در این بخش با این محدودیت‌ها آشنا می‌شوید و سپس به سراغ معماری‌ها و زیرساخت‌هایی می‌رویم که برای اجرای Agentهای واقعی مورد استفاده قرار می‌گیرند.

Version Control برای AI Agentها

در این دوره اهمیت Version Control برای Agentها نیز بررسی می‌شود.

با نگهداری Agent به‌عنوان یک Repository می‌توان فرآیندهایی مانند توسعه، Rollback، Branching، همکاری تیمی و نگهداری بلندمدت را بهتر مدیریت کرد.

Trinity چیست؟

در بخش پایانی دوره با Trinity و نقش آن در اجرای Agentهای مستقل در محیط‌های ابری آشنا می‌شوید.

Trinity به‌عنوان یک لایه زیرساختی برای اجرای Agentهای Stateful مورد بررسی قرار می‌گیرد و قابلیت‌هایی مانند اجرای چند Agent، مدیریت Taskها، ارتباط Agentها با ابزارها و مدیریت محیط اجرای آن‌ها بررسی می‌شود.

اجرای چند Agent به صورت هماهنگ

در این بخش نحوه اجرای چند Agent در Containerهای ایزوله و هماهنگ‌سازی آن‌ها برای انجام وظایف مختلف بررسی می‌شود.

همچنین با Trinity MCP آشنا می‌شوید که به‌عنوان یک لایه ارتباطی میان Agentها، کاربران، Logها، Taskها و ابزارهای خارجی عمل می‌کند.

قابلیت‌های Production در Trinity

برای استفاده از Agentها در محیط واقعی، موضوعاتی مانند امنیت، زمان‌بندی، Governance و Observability اهمیت زیادی دارند.

در این بخش قابلیت‌هایی مانند:

• Sandboxing
• Guardrails
• Scheduling
• Audit Trails
• Credential Management
• Logs
• Agent Containers
• Execution Timeline

بررسی می‌شوند.

چه کسانی می‌توانند از N8N استفاده کنند؟

این دوره برای گروه‌های مختلفی مناسب است، از جمله:

• کارآفرینان و صاحبان کسب‌وکار که می‌خواهند فرآیندهای کاری خود را خودکار کنند.
• فریلنسرها و مشاوران که قصد دارند راهکارهای اتوماسیون مبتنی بر N8N برای مشتریان ایجاد کنند.
• توسعه‌دهندگان No-code و Low-code که می‌خواهند وارد حوزه AI Automation شوند.
• متخصصان فناوری که به اتصال ابزارهای هوش مصنوعی و سرویس‌های مختلف علاقه‌مند هستند.
• سازندگان محصولات دیجیتال که می‌خواهند ابزارهای مبتنی بر AI ایجاد کنند.
• تیم‌های پشتیبانی و مارکتینگ که قصد دارند فرآیندهای کاری خود را با AI و Automation بهینه کنند.
• افرادی که می‌خواهند ساخت AI Agent و اتوماسیون با N8N را یاد بگیرند.

برای شروع این دوره نیز به دانش تخصصی برنامه‌نویسی نیاز ندارید.

آموزش N8N در زمان کمتر و با تمرین‌های عملی بیشتر!

پس از آشنایی با N8N، Workflow و AI Agentها، حالا نوبت به بررسی سرفصل‌های دوره و مباحثی رسیده است که در طول آموزش با آن‌ها کار خواهیم کرد.

سرفصل های دوره ویدیویی آموزش N8N

سرفصل‌های زیر نمای کلی مباحث دوره را نشان می‌دهند و ممکن است هر بخش شامل چندین ویدیوی آموزشی و موضوعات زیرمجموعه باشد.

بخش اول: مقدمه و آشنایی با N8N

• Introduction to the Course
• معرفی مسیر دوره
• آشنایی با اتوماسیون
• What N8N Is?
• N8N چیست؟
• اتوماسیون No-code و Low-code
• Workflow در N8N
• N8N Nodes and Chat Functionality
• آشنایی با Nodeها
• قابلیت Chat در N8N

بخش دوم: مسیر ساخت AI Agent

• AI Agent Parameters
• پارامترهای AI Agent
• تنظیم رفتار و شخصیت Agent
• Agents Nature Explanation
• مفهوم Agent هوشمند
• انواع Agent
• Mastering Prompts
• Prompt Engineering
• طراحی Promptهای مؤثر
• AI Agent Memory
• مفهوم Memory
• How to Add Memory to AI Agent
• اضافه کردن حافظه به AI Agent

بخش سوم: ساخت و اتصال AI Agent

• Building AI Agents
• ساخت AI Agent
• اتصال Agent به پیام‌رسان‌ها
• اتصال Chat به Google Calendar
• اتصال Chat به Gmail
• تنظیم Agent مطابق نیاز
• اتصال به Perplexity AI
• ارسال ایمیل با AI Agent
• Intermediary Messages
• اتصال به Google Tasks
• ساخت Multiple Workflows
• طراحی Workflowهای ماژولار

بخش چهارم: مفاهیم پیشرفته Agent

• Additional Key Concepts for Agents Creation
• مفاهیم پیشرفته ساخت Agent
• Code Node
• پیاده‌سازی منطق سفارشی
• Multimodal Inputs and Outputs
• کار با متن، تصویر و صوت
• MCP
• آشنایی با MCP
• Orchestration و هماهنگ‌سازی Agentها

بخش پنجم: حافظه پیشرفته AI Agent

• Understanding Memory for AI Agents
• اهمیت Memory در Agentها
• AI Agent Memory – Part 1
• معماری‌های پیشرفته حافظه
• AI Agent Memory – Part 2
• طراحی و پیاده‌سازی Memory
• Context Rot in LLMs
• بررسی Context Rot
• عملکرد LLMها در Contextهای بزرگ

بخش ششم: نسل جدید AI Agentها

• Building the Next Generation of AI Agents
• Autonomous AI Agents
• تفاوت Agent و Workflow
• Why Traditional Workflows Are Not Enough
• محدودیت Workflowهای سنتی
• Memory و State در Agentها
• How File-System Based AI Agents Work
• File-System Based Agentها
• مدیریت فایل‌ها و پوشه‌ها
• استفاده از Command Line

بخش هفتم: Skills، Tools، MCP و Memory

• Skills
• Tools
• MCP Servers
• APIs
• Local Commands
• Memory
• اجرای Claude Code Agent روی کامپیوتر
• استفاده از Terminal
• استفاده از Skills و Tools
• Version Control
• مدیریت Agent به‌عنوان Repository

بخش هشتم: Agentهای Production

• محدودیت Local Agentها
• Security
• Scalability
• Availability
• Continuous Execution
• Version Control
• Rollback
• Branching
• Collaboration
• Maintainability

بخش نهم: آشنایی با Trinity

• What Trinity Is and Why It Matters
• معرفی Trinity
• زیرساخت اجرای Stateful Agentها
• Cloud Environments
• Running Multiple Agents as a Coordinated Fleet
• اجرای چند Agent
• Containerهای ایزوله
• هماهنگ‌سازی Agentها

بخش دهم: Trinity MCP

• Trinity MCP
• ارتباط Agentها، کاربران و ابزارها
• مدیریت Logs
• مدیریت Tasks
• اتصال ابزارهای خارجی
• Trinity Interface
• Agent Architecture
• Dashboard
• Agent Containers
• GitHub Repositories
• Execution Timeline
• Logs

بخش یازدهم: ایجاد و Deploy کردن Agent

• Creating and Deploying an Agent to Trinity
• ایجاد Agent
• Deploy کردن Agent
• Abilities Marketplace
• Trinity Connect
• Trinity Onboard
• Agent Configuration
• Agent Deployment

بخش دوازدهم: مدیریت Agentها و قابلیت‌های Production

• Tasks
• Chat
• Sessions
• Playbooks
• Dashboards
• Schedules
• Sync Workflows
• Security
• Scheduling
• Governance
• Observability
• Sandboxing
• Guardrails
• Audit Trails
• Credential Management

آنچه در آموزش N8N یاد می‌گیریم

در پایان این دوره، مهارت‌های مختلفی برای طراحی و پیاده‌سازی اتوماسیون‌های مبتنی بر هوش مصنوعی به دست خواهید آورد، از جمله:

• درک اصول بنیادی Workflowهای اتوماسیون در N8N
• ساخت AI Agentهای هوشمند با N8N
• استفاده از سیستم Node-based برای اتصال ابزارها و APIها
• پیاده‌سازی Memory برای ایجاد مکالمات زمینه‌محور
• استفاده از Prompt Engineering در Workflowها
• اتصال Agentها به Gmail، Google Calendar و Google Tasks
• خودکارسازی ارسال ایمیل با AI
• اتصال N8N به ابزارهای جستجوی لحظه‌ای مانند Perplexity AI
• شخصی‌سازی Agentها بر اساس اهداف و نیازهای مختلف
• استفاده از Code Node برای منطق‌های پیچیده‌تر
• ساخت Workflowهای Multimodal با متن، تصویر و صوت
• ایجاد چند Workflow و استفاده از پردازش موازی
• آشنایی با MCP و Orchestration
• شناخت معماری‌های مختلف Memory
• پیاده‌سازی Chat History و Vector Embeddings
• ساخت Semantic Search با pgvector
• کار با OpenAI Embeddings
• استفاده از Supabase برای ذخیره‌سازی حافظه
• ایجاد Edge Function برای عملیات Vector
• یکپارچه‌سازی Memory با AI Agent
• استفاده از Vibe Coding با Cursor IDE و MCP Serverها
• عیب‌یابی Vector Search در Production
• آشنایی با Claude Code Agent
• آشنایی با Skills و Tools
• استفاده از File-System Based Agentها
• آشنایی با Trinity
• اجرای چند Agent به‌صورت هماهنگ
• مدیریت Task، Session، Playbook و Dashboard
• آشنایی با قابلیت‌های امنیتی و مدیریتی محیط Production

جمع‌بندی دوره و ادامه مسیر شما…

در این دوره با N8N و قابلیت‌های آن برای اتوماسیون و ساخت سیستم‌های هوشمند آشنا شدید و یاد گرفتید چگونه Workflowهای مختلف را ایجاد و مدیریت کنید.

از مفاهیم پایه Node و Workflow گرفته تا ساخت AI Agent، Prompt Engineering، Memory، اتصال سرویس‌های خارجی و قابلیت‌های پیشرفته مانند Code Node، Multimodal و MCP، مجموعه‌ای از مهارت‌های مهم N8N را بررسی کردید.

در بخش‌های پیشرفته‌تر نیز با Vector Embeddings، Semantic Search، Supabase، Claude Code، Skills، Tools و File-System Based Agentها آشنا شدید.

در نهایت، با Trinity و مفاهیم مربوط به اجرای Agentها در محیط‌های واقعی، مدیریت چند Agent، امنیت، Scheduling، Governance و Observability آشنا شدید.

پس از پایان دوره می‌توانید با توجه به نیاز خود، استفاده از N8N را در پروژه‌های شخصی و کاری ادامه دهید و با ترکیب Automation و AI، Workflowها و Agentهای کاربردی ایجاد کنید.

ویژگی‌های دوره آموزش N8N

• آموزش ویدیویی N8N
• آموزش اتوماسیون No-code و Low-code
• آموزش ساخت AI Agent
• آموزش Prompt Engineering
• آموزش Memory در AI Agent
• آموزش اتصال N8N به سرویس‌های مختلف
• آموزش Gmail Integration
• آموزش Google Calendar Integration
• آموزش Google Tasks
• آموزش Perplexity AI
• آموزش Code Node
• آموزش Multimodal
• آموزش MCP
• آموزش معماری‌های پیشرفته Agent
• آموزش Vector Embeddings
• آموزش Semantic Search
• آموزش pgvector
• آموزش Supabase
• آشنایی با Claude Code
• آشنایی با Skills و Tools
• آشنایی با File-System Based Agents
• آموزش Trinity
• بررسی Agentهای Production
• دسترسی از طریق موبایل و تلویزیون
• Closed Captions
• گواهی پایان دوره

راهنمای دریافت دوره آموزش N8N

پس از تهیه دوره آموزش N8N، محتوای آموزشی از طریق پنل کاربری لرن فایلز در اختیار شما قرار می‌گیرد.

می‌توانید ویدئوهای دوره را در زمان مناسب خود مشاهده کرده و هم‌زمان با مدرس، مثال‌ها و Workflowهای مختلف را بررسی و اجرا کنید.

با توجه به ساختار دوره، می‌توانید ابتدا مباحث پایه N8N را یاد بگیرید و سپس به بخش‌های تخصصی‌تر مانند AI Agent، Memory، MCP، Claude Code و Trinity مراجعه کنید.

با یادگیری این مباحث، مسیر شما از اتوماسیون Workflowهای ساده شروع شده و به سمت طراحی و پیاده‌سازی سیستم‌های هوشمند و Agent-based حرکت خواهد کرد.