1 - Общие настройки

2 - настройки записи.

3 - управление (оч важно)

4 - остальные настройки (опционально)

Чтобы сохранить относительную безопасность данных и как следует сэкономить на облачных решениях, настоятельно рекомендую сразу разворачивать все инструменты на своих или арендованных серверах.

Задача

Поднимаем n8n (визуальный конструктор для автоматизаций) быстро и около-бесплатно.

Инструменты:

1. Gmail
2. GitHub
3. Railway.app

Шаг 0. Google аккаунт и GitHub

Google аккаунт нам понадобится для удобной регистрации и аутентификации во всех остальных сервисах, в том числе Railway.
GitHub = must have для интеграторов и автоматизаторов.

Шаг 1. Railway

Сервера для зумеров с лавандовым недокофе.
Все максимально просто, понятно и в одну кнопку. Идеальный сетап для "попробовать" Недокофе не пью, но сам активно использую Railway.

1. Переходим на Railway.app и логинимся через GitHub.
Радуемся бесплатным TRIAL 5$ 🎉
2. Не так сильно радуемся. Все равно придется закинуть еще 5$ если не было активности в GitHub и аккаунт совсем свежий.

3. Соглашаемся с условиями и обязуемся не делать ничего предосудительного.
4. Кликаем link и жмем там DEPLOY->DEPLOY
5. Ждем 5-10 минут и убеждаемся, что все установилось как надо.
6. Переходим в блок с самим n8n -> Variables
7. Прописываем вот такую строчку N8N_COMMUNITY_PACKAGES_ALLOW_TOOL_USAGE и выставляем в ней true. Жмем DEPLOY
Она нам понадобится в будущем (в первую очередь для MCP), и лучше это сделать сразу чтобы не возвращаться к вопросу.

8. Там же, в разделе Deployments забираем ссылку. Это и есть наша сборка n8n.

Шаг 2. N8N

1. Регистриуем свои учетные данные. Как следует сохраняем!
2. Идем в Settings-> Community Nodes-> Install и устанавливаем ноду
   n8n-nodes-mcp

Поздравляшки! 🎉
Мы готовы делать базовые автоматизации.

Легенда:
было бы неплохо генерировать изображения с прогнозируемым результатом.
Актуально для SMMщиков, контент-заводов, оформления регулярных публикаций в личном блоге. Круто помогает при заготовке изображений для генерации видео.
Отлично автоматизируется no- и lowcode инструментами.

Задача:
быстро и недорого натренировать модель на наших фотках.

Инструменты:
1. Фотки
2. https://replicate.com/
3. https://huggingface.co/

Стоимость:
Тренировка модели - 3-5$
Генерация изображений - 0.05 - 0.1$ (fal-ai/flux-lora, например)

Шаг 1. Материал для тренировки

Понадобятся 20-25 фото одного и того-же объекта в хорошем качестве.

Дело отлично пойдет, если будет нормальное освещение и человек на фото покажет чуть больше эмоций, чем национальный poker face.

Шаг 2. Hugging Face

Фактически это коллекция-агрегатор готовых современных предварительно обученных Deep Learning моделей. Супер помогает, когда надо что-то эдакое, но кодером ты не уродился.

1. Создаем аккаунт
2. Создаем новую модель, сохраняем ее path

3. Создаем новый Access Token. Сохраняем.

Шаг 3. Replicate

Платформа для запуска и настройки моделей искусственного интеллекта с помощью API, упрощающая интеграцию AI в проекты. Много всяких полезностей в одном месте.

1. Создаем аккаунт GitHub
2. Логинимся в Replicate с помощью GitHub
3. Закидываем на аккаунт 5$ (должно хватить на 20-25 фото)
4. Идем по ссылке и заполняем форму
- Destination - создаем новую модель (можно не сохранять, она нужна только для тренировки)
- input_images - добавляем архив со своими фото
- trigger_word - ВАЖНО! Будем при генерациииспользовать его для вывода модели Я обычно называю ником или именем того, кто на фото.
- steps - рекомендую установить значение "2000"
- hf_repo_id - path к модели Hugging Face из шага 2.2
- hf_token - access token Huggung face из шага 2.3

Больше никакие поля не трогаем!

5. Жмем Create Training и идем пить кофе (15-30 минут)

Шаг 4. Генерация фото

Обученная и натернированная модель живет в Hugging Face (path из шага 2.2) Уже с ней можно генерировать фото по обычному промту.

Сделай мне фото [[trigger_word]] на Елисейских полях

Генерировать можно здесь, например (должны были остаться $ на балансе для тестов)

Чтобы заработало, подставьте в hf_lora path на свою модель в hugging face.