n8n (נהגה "n-eight-n") הוא כלי אוטומציה בקוד פתוח שמאפשר לחבר מאות שירותים ו-APIs ללא צורך בכתיבת קוד מורכב. בניגוד לכלים כמו Zapier שהם SaaS בלבד, n8n מציע שתי אפשרויות: שימוש ב-Cloud המנוהל שלהם, או Self-Hosting — הפעלת n8n על שרת משלך. Self-Hosting משמעותו אפס עלות לביצועים, שליטה מלאה על הנתונים ואין הגבלת מספר ביצועים.

הכוח של n8n טמון בפשטות המושגית שלו: כל Workflow בנוי מ-Nodes (צמתים) שמחוברים זה לזה. כל Node מקבל נתונים, מעבד אותם, ומעביר את התוצאה ל-Node הבא. הנתונים זורמים בפורמט JSON — כלומר כל Node רואה מערך של Items, ויכול לפעול על כל Item בנפרד. זה הבסיס שמאפשר לעבד אלפי רשומות באוטומציה אחת.

סוגי Triggers — מה מפעיל את ה-Workflow?

כל Workflow מתחיל ב-Trigger Node — הרכיב שמחליט מתי הזרימה תופעל. קיימים שלושה סוגים עיקריים. Webhook Trigger — n8n יוצר URL ייחודי; כשמישהו שולח בקשת HTTP לאותה כתובת, ה-Workflow מתחיל מיידית. זה מושלם לחיבור עם שירותים חיצוניים, טפסי לידים או GitHub Events. Schedule Trigger (Cron) — ה-Workflow מופעל לפי לוח זמנים: כל שעה, כל בוקר ב-7:00, כל ראשון בשבוע. מדויק ואמין, מושלם לדוחות יומיים ועדכוני נתונים. Manual Trigger — הפעלה ידנית לבדיקות ופיתוח.

HTTP Request Node — המחבר האוניברסלי

ה-HTTP Request Node הוא הכלי החזק ביותר ב-n8n. הוא מאפשר לשלוח בקשות GET, POST, PUT, DELETE לכל API שקיים בעולם. אין Node ייעודי ל-Anthropic Claude? אין בעיה — HTTP Request Node מחפה על הכל. הגדרת ה-Node כוללת: Method (GET/POST/...), URL, Headers (כולל Authorization), ו-Body בפורמט JSON. כאשר ה-API מחזיר JSON, n8n מפרסר אותו אוטומטית ומאפשר לגשת לשדות בצורה ישירה ב-Nodes הבאים.

לטיפול בשגיאות, n8n מציע שני מנגנונים מרכזיים. ב-Node Settings תוכל להפעיל "Continue on Fail" — במקרה של שגיאה ה-Workflow ממשיך לבצע את שאר ה-Items. לחיצה ימנית על Node נותנת גישה ל-"Add Error Handler" שמוסיף ענף ייעודי לטיפול בשגיאות — לשם מגיעים Items שנכשלו, ואפשר לרשום אותם ל-Spreadsheet, לשלוח Slack alert או לנסות שוב.

• n8n Cloud — תוכנית חינמית עם 5 workflows פעילים ו-5,000 executions לחודש
• Self-Hosted — ללא הגבלות, מותקן על Docker בדקות
• כל Node מקבל ומחזיר מערך של Items בפורמט JSON
• Expressions מאפשרות לגשת לנתונים מ-Nodes קודמים עם syntax פשוט
• n8n Code Node מאפשר להריץ JavaScript לעיבוד נתונים מורכב

{
  "method": "POST",
  "url": "https://api.anthropic.com/v1/messages",
  "authentication": "genericCredentialType",
  "headers": {
    "x-api-key": "={{ $credentials.anthropicApiKey }}",
    "anthropic-version": "2023-06-01",
    "content-type": "application/json"
  },
  "body": {
    "model": "claude-3-5-sonnet-20241022",
    "max_tokens": 512,
    "system": "Respond in JSON only.",
    "messages": [
      {
        "role": "user",
        "content": "={{ $json.user_message }}"
      }
    ]
  },
  "options": {
    "retry": { "enabled": true, "maxAttempts": 3 }
  }
}

לחבר מודל AI לתוך Workflow זה לא קסם — זה HTTP Request עם JSON. כל מודל AI מוביל חושף REST API שמקבל בקשת POST עם הוראות ומחזיר טקסט. ברגע שמבינים את המבנה הבסיסי, ניתן לחבר כל מודל AI לכל Workflow תוך דקות.

Claude API — Messages Array ו-System Prompt

ה-Claude API של Anthropic בנוי סביב מבנה Messages — מערך של הודעות שמייצגות את שיחה. כל הודעה כוללת role (user/assistant) ו-content (הטקסט). System Prompt הוא הוראה גלובלית שמגדירה את אופי ה-AI — מה הוא יודע, כיצד יתנהג, באיזו שפה יענה ואיזה פורמט יחזיר. לאוטומציות, System Prompt חשוב מאוד: "ענה רק ב-JSON תמיד, ללא טקסט נוסף" — הוראה פשוטה שמונעת שגיאות parsing בשלבים הבאים.

פרמטר max_tokens שולט בגודל התגובה המקסימלי. לסיווג ומיון — 256 tokens מספיקים. לסיכומים — 512–1024. לכתיבת תוכן ארוך — 4096+. ניהול max_tokens נכון הוא ניהול עלויות: Claude 3.5 Haiku זול פי 10 מ-Sonnet, ולמשימות סיווג פשוטות — Haiku מספיק לחלוטין.

GPT-4o via OpenAI API

OpenAI API דומה במבנה ל-Claude: Messages Array, System Prompt, max_tokens. ההבדל העיקרי הוא ב-Function Calling — OpenAI מאפשר להגדיר פונקציות שה-AI יכול "להחליט" לקרוא להן כשהמשתמש מבקש פעולה. לדוגמה: מוגדרת פונקציה get_weather(city). המשתמש כותב "מה מזג האוויר בתל אביב?". ה-API מחזיר בקשה לקרוא ל-get_weather עם city="Tel Aviv". ה-Workflow מזהה את הקריאה, מפעיל את ה-Weather API האמיתי, ומחזיר את התוצאה ל-GPT להמשך התגובה.

לניהול עלויות בסביבת פרודקשן: השתמש ב-Prompt Caching של Claude (שמירת System Prompt קבוע) כדי להוזיל עלויות עד 90% על בקשות חוזרות. ב-OpenAI, הגדר תמיד Seed לתוצאות עקביות בבדיקות. הוסף Timeout ל-HTTP Request Nodes — Timeout של 30 שניות מונע תקיעת Workflows בגלל API איטי.

// POST https://api.anthropic.com/v1/messages
{
  "model": "claude-3-5-haiku-20241022",
  "max_tokens": 256,
  "system": "You are an email classifier. Always respond with valid JSON only. No additional text.\n\nJSON schema: {\"category\": \"sales|support|billing|spam|internal\", \"urgency\": \"low|medium|high\", \"action\": \"reply|forward|archive|escalate\", \"summary\": \"string max 60 chars\"}",
  "messages": [
    {
      "role": "user",
      "content": "Classify this email:\n\nFrom: {{ $json.from }}\nSubject: {{ $json.subject }}\n\n{{ $json.body_preview }}"
    }
  ]
}

// תגובה מ-Claude:
// {
//   "content": [
//     {
//       "type": "text",
//       "text": "{\"category\": \"support\", \"urgency\": \"high\", \"action\": \"escalate\", \"summary\": \"לקוח מדווח על בעיה טכנית חמורה\"}"
//     }
//   ]
// }
//
// חילוץ בn8n: {{ JSON.parse($json.content[0].text) }}

• Prompt Engineering לאוטומציות: תמיד בקש JSON, תמיד הגדר Schema ברור
• System Prompt Caching ב-Claude חוסך עד 90% מעלות Token קלט
• Gemini Flash 2.0 — האופציה הזולה ביותר לסיווג בנפח גדול
• Fallback Strategy: אם Claude נכשל → נסה OpenAI → אם נכשל → שמור לתור ידני
• תמיד בדוק את ה-usage field בתגובה כדי לנטר Token Consumption

אוטומציה ללא נתונים מאורגנים היא כמו מכונה ללא חומר גלם. ברוב הפרויקטים, הנתונים חיים בכמה מקומות במקביל: Google Sheets לדוחות וצוות שאינו טכני, Airtable לנתונים מבוניים עם views ו-relations, Notion לניהול ידע ומשימות. האתגר הוא לגרום לכולם לדבר זה עם זה — וכאן האוטומציה נכנסת לתמונה.

Google Sheets כ-Database לאוטומציות

Google Sheets הוא לא רק Spreadsheet — עבור צוותים קטנים הוא יכול לשמש כ-Database פשוט ויעיל. ב-n8n ובMake.com יש Nodes ייעודיים ל-Sheets שמאפשרים קריאה, כתיבה ועדכון שורות. שיטת העבודה הנפוצה: שמור Row ID (מספר שורה) ב-Workflow כדי לעדכן שורה ספציפית בלי לסרוק את כל ה-Sheet. עדיף להוסיף עמודת ID ייחודי (לדוגמה Email או UUID) ולחפש לפיה במקום לפי מספר שורה שמשתנה.

Airtable מוסיף שכבת יכולות מעבר ל-Sheets: Records עם ID קבוע שלא משתנה, Relations בין Tables, Formula Fields שמחשבים ערכים אוטומטית, ו-Views שמציגים את אותם הנתונים בצורות שונות. ה-Airtable API RESTful מאפשר Upsert (עדכון אם קיים, הוספה אם חדש) — Pattern קריטי לאוטומציות שרצות שוב ושוב על אותו Dataset.

Notion לניהול ידע ומשימות

Notion API מאפשר ליצור Pages חדשות, לעדכן Properties של Database Records, ולהוסיף Blocks (תוכן) לתוך Pages קיימות. שימוש נפוץ: כל פגישה חדשה ב-CRM → Notion Page אוטומטית עם תבנית Meeting Notes + Properties כמו Company, Owner, Stage. לאחר הפגישה, AI מסכם את הנוטס ומוסיף Summary Block לאותה Page אוטומטית.

// שלב 1: חפש לפי Email
// GET https://api.airtable.com/v0/{baseId}/{tableId}
// Query: filterByFormula=({Email}="{{ $json.email }}")

// שלב 2 (IF Node): האם נמצאה שורה?
// IF records.length > 0 → Update
// ELSE → Create

// Update Record:
// PATCH https://api.airtable.com/v0/{baseId}/{tableId}/{recordId}
{
  "fields": {
    "Last Contact": "{{ $now }}",
    "Lead Score": "{{ $json.new_score }}",
    "Stage": "{{ $json.stage }}",
    "AI Summary": "{{ $json.ai_summary }}"
  }
}

// Create Record:
// POST https://api.airtable.com/v0/{baseId}/{tableId}
{
  "fields": {
    "Name": "{{ $json.name }}",
    "Email": "{{ $json.email }}",
    "Lead Score": "{{ $json.score }}",
    "Created": "{{ $now }}",
    "Source": "{{ $json.utm_source }}"
  }
}

• Google Sheets לוקח 1–2 שניות לכל פעולה — לא מתאים לאוטומציות Real-Time תדירות
• Airtable Record ID קבוע — תמיד שמור אותו אחרי יצירה לעדכונים עתידיים
• Notion API מגביל 3 בקשות לשנייה לכל Integration Token
• שינוי Date Formats: n8n Code Node עם moment.js, או Set Node עם expression
• לנתונים ביעילות גבוהה — שקול Supabase (PostgreSQL) במקום Sheets/Airtable