AI.Product ClubБлог Михаила Карпова
← Все материалы
HOW-TOИИ-агенты7 мин чтения

Контент-завод в n8n: от таблицы тем до проверенного черновика

Как собрать первый контент-процесс в n8n: очередь тем, источники, генерация черновика, ручная проверка версии и защита от повторной публикации.

Под «контент-заводом» часто понимают цепочку, которая сама пишет и публикует десятки текстов. Для первого рабочего процесса полезнее другая цель: взять одну тему из очереди, подготовить черновик по источникам и вернуть его редактору с понятным статусом.

Соберём архитектуру такого процесса в n8n. Основной пилот заканчивается проверенным черновиком. Публикацию подключай отдельным этапом, когда можешь связать разрешение редактора с конкретной версией текста.

Состояния контент-процесса: черновик, ревью, согласованная версия и публикация
Авторская схема AI Product Club. Открыть крупнее.

1. Опиши состояния статьи

Используй одну строку на материал и постоянный ID. Например, C-01 обозначает одну статью независимо от числа переделок. Версия меняется при каждом изменении текста.

Статус Значение
queued Тема готова к обработке
drafting Генерация началась
review Черновик ждёт редактора
approved Конкретная версия согласована
published Проверена реальная публичная ссылка
error Нужен разбор ошибки

Не называй материал опубликованным по одному успешному ответу генератора. Генерация, сохранение и публикация — разные события. Статусы нужны, чтобы после сбоя было видно, на каком именно этапе остановилась работа.

2. Подготовь очередь и учебный источник

В Google Sheets создай тестовый лист с колонками id, topic, source_text, status, version, draft, approved_version, published_url, error. Оставь поля согласования и ссылки пустыми до соответствующего события.

id: C-01
status: queued
version: 1
topic: Как проверять черновик отчёта перед отправкой
source_text: Учебный сервис собирает сводку из CSV.
Пользователь проверяет текст и отправляет отчёт вручную.
Время экономии не измеряли. Автоматической отправки нет.

У n8n есть узел Google Sheets для работы со строками. Подключение таблицы подробно разобрано в отдельной инструкции. Для пилота используй тестовый лист, один запуск за раз и одну строку: это делает ошибки наблюдаемыми.

3. Собери цепочку генерации

Порядок узлов: Manual Trigger → Google Sheets: чтение → фильтр queued → обновление drafting → генерация текста → обновление review. Включи в данные, которые передаются между узлами, ID и версию. Не полагайся на номер строки, если редактор может сортировать таблицу.

В узле выбранного ИИ-провайдера настрой доступ отдельно от таблицы. Передай тему и source_text в запрос:

Подготовь черновик короткой практической статьи по теме из входа.
Используй только source_text как источник фактов о продукте.
Структура: задача читателя, 3 шага, проверка результата, ограничения.
Не добавляй функции, цены, статистику и личный опыт.
Если материала недостаточно, напиши, чего не хватает.
В конце перечисли утверждения, которые редактор должен проверить.

Свяжи поля через интерфейс n8n, проверив фактический вход узла. Не вставляй слова source_text и topic как обычный текст вместо значений. Разбор передачи полей есть в статье об узлах n8n.

После генерации сохрани черновик в строку с тем же ID и версией. Если результат пустой или шаг завершился ошибкой, не переводь запись в review. Настрой ветку обработки сбоя или разберите его вручную в пилоте и запиши error.

4. Проверь текст до согласования

На учебном входе редактор должен отклонить фразы «экономит 40% времени» и «сам отправляет отчёт». Их нет в источнике, а вторая прямо ему противоречит. Допустим совет проверить исходные строки перед отправкой — он описывает рабочую процедуру, а не новую функцию сервиса.

В каталоге n8n есть пример разделения исследования, написания и ревью. Он показывает возможную архитектуру, но не является проверенным нами готовым решением. Для первого пилота не обязательно копировать многоступенчатый шаблон: один черновик с ручной проверкой проще диагностировать.

Моя рекомендация: сначала автоматизируй передачу контекста и статусов. Если редактор каждый раз восстанавливает источник и выясняет, какая версия перед ним, увеличение числа генераций только увеличит очередь переделок.

5. Свяжи согласование с версией

Редактор читает draft и записывает approved_version = 1, затем переводит строку в approved. После правки текста увеличь version и сбрось согласование. Перед выпуском процесс должен заново прочитать запись и проверить: статус approved, версии равны, published_url пустой.

Это проектируемая логика процесса, её нужно настроить; один статус не обеспечивает такую проверку автоматически. Ограничь право согласования ответственным редактором. Модель не должна сама заполнять approved_version.

Для более сложного процесса узел Wait умеет приостанавливать выполнение до формы или webhook. Сам факт возобновления ещё не означает одобрение: отдельно проверяй решение, личность согласующего и версию. Для первого пилота проще ручной запуск второго процесса после редактуры.

6. Проверь повтор и сбой до включения расписания

Проверь четыре случая: нормальный источник, пустой источник, отказ редактора и повторный запуск после уже сохранённого результата. Для пустого входа ожидается запрос материалов или error, а не выдуманная статья. Отказ не должен вести к публикации.

Если подключаешь CMS, используй стабильный ID материала для поиска уже созданной записи. Сбой после отправки запроса в CMS может означать, что статья создана, но ответ не дошёл. Сначала проверь CMS, затем решай, повторять ли создание. Проверка одной пустой ссылки в таблице не защищает от такого дубля.

Google Sheets в этом пилоте — удобная очередь для последовательной работы, но не механизм блокировки конкурентных запусков. Перед параллельной обработкой потребуется надёжное хранилище состояния с уникальными ID и защитой от одновременного захвата задания.

Проверка материала: документация сверена 7 октября 2026 года. Приведены схема и учебный вход; workflow в аккаунте n8n не запускался, публикация в CMS по этому сценарию не выполнялась.

Постановку и проверку автоматизаций разбираем на курсе по ИИ-агентам.

Todo: попробуй на своей задачеПрогресс сохраняется в этом браузере.
ПРАКТИКА НА КУРСЕ / AI PRODUCT CLUB

Собери своего ИИ-агента и проверь результат

«AI Agents: от vibe coding к AI-команде»: desktop agents, MCP, skills, evals и harness. Отдельные воркшопы — от подключения инструментов до контроля качества.

7 практических воркшопов · записи · вопросы автору в чате

Посмотреть программу курса ↗

Автор: — практик автоматизации и автор курсов AI Product Club.