Scenariusz #3: Dodaj AI do swoich automatyzacji — Transcript

Naucz się tworzyć automatyzację z AI, która codziennie podsumowuje wydarzenia z kalendarza i wysyła je mailem.

Key Takeaways

  • Automatyzacja z AI może znacząco ułatwić zarządzanie codziennymi wydarzeniami.
  • Make i modele językowe można łatwo integrować, nawet bez zaawansowanej wiedzy programistycznej.
  • Dynamiczne promptowanie pozwala na elastyczne dostosowanie treści generowanych przez AI.
  • Bezpieczeństwo kluczy API jest kluczowe, warto testować rozwiązania na darmowych planach.
  • Formatowanie Markdown do HTML poprawia czytelność i estetykę automatycznie generowanych maili.

Summary

  • Wideo pokazuje, jak połączyć platformę Make z modelem językowym AI, aby stworzyć osobistego asystenta do podsumowania wydarzeń z kalendarza.
  • Scenariusz automatyzuje pobieranie wydarzeń z Google Calendar na następny dzień i generuje z nich podsumowanie.
  • Dane są przetwarzane i formatowane za pomocą modułu Text aggregator, aby były bardziej czytelne dla modelu AI.
  • Używany jest moduł Gemini od Google (lub alternatywne LLM-y) do stworzenia sformatowanego maila z podsumowaniem wydarzeń.
  • Prompt do modelu jest dynamiczny i dostosowuje się do aktualnych wydarzeń w kalendarzu.
  • Wideo tłumaczy, jak bezpiecznie korzystać z kluczy API i testować rozwiązania z darmowymi modelami.
  • Format Markdown generowany przez AI jest konwertowany na HTML, aby mail był czytelny i estetyczny w Gmailu.
  • Cały proces jest uruchamiany według harmonogramu, bez konieczności ręcznego wyzwalania.
  • Autor krok po kroku pokazuje konfigurację modułów i testowanie działania automatyzacji.
  • Wideo ma na celu pokazanie prostoty i intuicyjności łączenia automatyzacji z AI w codziennych zadaniach.

Full Transcript — Download SRT & Markdown

00:07
Speaker A
Umiemy już automatyzować proste zadania i przetwarzać listy danych. Czas dodać do tego odrobinę magii.
00:15
Speaker A
Więc w ostatnim scenariuszu, który chciałbym tutaj pokazać, połączymy Make ze sztuczną inteligencją. Z modelem językowym mamy stworzyć prostego, osobistego asystenta, który każdego ranka lub wieczorem przygotuje nam podsumowanie nadchodzącego dnia na podstawie tego, co mamy w naszym kalendarzu.
00:35
Speaker A
W tym scenariuszu mamy już kilka kroków, nie przejmujcie się, wygląda to z pozoru skomplikowanie, ale tak naprawdę to jest bardzo prosty i intuicyjny flow.
00:45
Speaker A
W dużym skrócie ten scenariusz pobiera wszystkie wydarzenia, które mam zapisane w kalendarzu następnego dnia, a następnie wysyłam sam sobie maila z podsumowaniem wydarzeń dzisiejszych, ponieważ zakładam, że tego maila dostaję o poranku. Więc jak widzicie, mamy tutaj zestawienie wszystkich
01:07
Speaker A
wydarzeń, które są tego dnia. I teraz spróbujemy go ponownie zbudować, pokażę wam, jak to zrobić krok po kroku.
01:16
Speaker A
Nasz trigger będzie teraz inny, nie będzie reagował na zewnętrzne zdarzenie, tylko uruchamiał się według harmonogramu. Ale najpierw musimy pobrać dane, czyli wybieramy Google Calendar i akcję Search Events.
01:31
Speaker A
Mamy już wcześniej połączony nasz kalendarz, wybieramy kalendarz. I teraz ważna rzecz, Make pyta nas, od kiedy ma pobierać wydarzenia z kalendarza i do kiedy.
01:48
Speaker A
W tym celu mam przygotowaną dosyć złożoną formułę, którą jednak poprosiłem, żeby wygenerował mi model językowy.
01:56
Speaker A
Poprosiłem po prostu o przygotowanie takiego na podstawie dokumentacji Make'a. W przypadku tej formuły wygląda ona skomplikowanie, natomiast to, co ona mówi, to żeby wybrał wszystkie wydarzenia następnego dnia.
02:12
Speaker A
Nie pisałem tego sam, jest bardzo dużo materiałów w internecie z dokładną dokumentacją, możecie też posiłkować się modelem językowym, który wpisze wam i wygeneruje poprawną komendę.
02:35
Speaker A
Podobnie mam przygotowaną taką komendę na zakończenie. Proszę też tutaj, w tej formule, aby sprowadził mi tę datę do formatu rok, miesiąc, dzień. Będzie to pomocne, ponieważ później prosimy model językowy, żeby przygotował nam maila i treść naszego podsumowania w czasie, formacie,
03:00
Speaker A
który jest dla nas zjadliwy i który nam odpowiada. Zaznaczamy wszystkie eventy i klikamy Save.
03:09
Speaker A
I znów możemy przetestować, czy nasz moduł poprawnie zbiera dane. Jak widzicie, mam tutaj przygotowane przykładowe wydarzenia w moim kalendarzu, jakiś call, comiesięczny lunch oraz siłownię.
03:27
Speaker A
Sprawdzamy więc, czy poprawnie nasz pierwszy klocek pobiera te dane z Google Kalendarza. Widzimy, że mamy trzy wydarzenia, wszystkie dane się zapisały.
03:40
Speaker A
Nie wygląda to bardzo przyjaźnie, ale bez obaw, zaraz sobie omówimy, jak poprawnie zmapować te dane.
03:47
Speaker A
I teraz dodajemy mózg naszej operacji, czyli chcemy podpiąć moduł Gemini od Google, może to być też OpenAI lub inne popularne LLM-y, po to, żeby LLM otrzymał dane z Google Calendara z właściwym promptem i zwrócił nam odpowiedź, czyli ładnie sformatowany e-mail
04:07
Speaker A
do nas samych. Zanim to jednak nastąpi, dobrze jest zastosować tutaj pomocny model, który obrobi nam ten, jak widzieliście, surowy format danych.
04:21
Speaker A
W tym celu wybieramy coś takiego jak Text aggregator w Make'u. Klikamy więc w moduł Text aggregator.
04:32
Speaker A
Ja zdecydowałem się, żeby pobierać następujące dane, czyli organizator, nazwa wydarzenia, miejsce, opis wydarzenia, szczegóły, start wydarzenia, koniec wydarzenia. W tym celu chcę zmapować znów nasze dane, czyli wybrać zmienne, które zwraca mi pierwszy moduł i przenieść je tutaj. Jak widzicie, Make podpowiada mi,
04:56
Speaker A
jakie mam dostępne zmienne, więc teraz po prostu je wyklikam. Po zmapowaniu klikam Save. To, co teraz zrobiliśmy, jak widzicie, jest to tak naprawdę jeden moduł, jeden klocek, który posiada tę funkcję dodatkową, Text aggregator. Widzicie pewnie, że podświetlone jest to z takim szarym tłem, gdzie Make traktował
05:39
Speaker A
to będzie jako jedną całość. Jest to po prostu transformacja danych na coś bardziej strawnego dla nas.
05:49
Speaker A
I teraz jesteśmy już gotowi, żeby dodać nasz kolejny moduł, czyli Gemini, który przetworzy ten input wedle naszego promptu.
05:59
Speaker A
Klikamy w tym celu kolejny moduł, wybieramy Gemini. I Create a Completion. Make prosi nas o stworzenie połączenia.
06:18
Speaker A
Tak naprawdę połączenie to po prostu podanie klucza API. Ja wklejam tutaj swój klucz API. Pamiętajcie, żeby nigdy nie podawać swojego klucza API.
06:29
Speaker A
Jest to tak jak numer karty kredytowej, więc trzymamy to w sekrecie. Zalecam, żeby testować takie rozwiązania z modelem Gemini, ponieważ jeśli nie podpinacie karty kredytowej, macie tam darmowy set, więc nawet jeśli ten klucz wycieknie, prawdopodobnie nie jest to aż takie ryzyko.
06:52
Speaker A
Więc testujcie z darmowymi kluczami. Klikam Save. Dobrze, nasze połączenie jest gotowe. Teraz musimy wybrać poszczególne parametry naszego modelu.
07:07
Speaker A
W tym celu wybieramy model. Ja proponuję, ponieważ nie jest to task, który wymaga bardzo dużo mocy obliczeniowej, proponuję wybrać model Flash-Lite.
07:20
Speaker A
Jest on świetny do szybkiego przetwarzania tekstu, działa też bardzo szybko. I teraz pora na nasz prompt.
07:28
Speaker A
W tym celu wybieramy rolę User. To jest trochę tak jak w czacie, miejsce na wpisanie swojego prompta.
07:38
Speaker A
Part. Będziemy przekazywać tekst do modelu i tu jest treść naszego prompta, wpisujemy zatem "Podsumuj nadchodzące dziś wydarzenia w punktach" i chcemy dodać naszą zmienną. W tym przypadku jest to tekst.
07:57
Speaker A
Make nam podpowiada, że w poprzednim kroku zaciągnęliśmy wszystkie wydarzenia z naszego Google Calendara, następnie przetworzyliśmy je na bardziej zjadliwą formę i tę treść, ten element przekazujemy też w prompcie. Tak, żeby on był dynamiczny, bo jeśli zmienią się te eventy, no to prompt zostanie
08:18
Speaker A
automatycznie dostosowany do tego. Mamy tu dużo innych możliwości, możemy parametryzować naszego Gemini'a, natomiast to, co mamy, wystarczy.
08:32
Speaker A
I klikamy Save. Co nam się udało do tej pory zrobić? Pobieramy dane z Google Calendar, parsujemy je i przekazujemy do Google Gemini razem z promptem z prośbą o zwrot. Możemy przetestować tę część, jeszcze nie wysyłamy tutaj maila do siebie,
08:54
Speaker A
ale w tym teście prawdopodobnie zobaczymy, czy wszystkie połączenia na tym początkowym etapie działają. Wygląda na to, że scenariusz udał się.
09:08
Speaker A
Mamy tutaj takie możliwości podglądnięcia rezultatów. Testowaliśmy to już, czyli pierwszy element działa, poprawnie zaciągnął nasze eventy z następnego dnia.
09:25
Speaker A
Następnie przeparsował je, to znaczy stworzył na podstawie tych danych bardziej zjadliwą formę. I następnie sprawdzamy, czy Gemini przetworzył te dane i co zwrócił. I tu widzicie w mniej oczywiście przyjaznej formie, ale widzimy rezultat.
09:47
Speaker A
"Oto podsumowanie dzisiejszych wydarzeń zorganizowanych przez Kamil Stanuch." Podałem tutaj maila jako organizatora. Wylistował mi wszystkie moje eventy.
09:57
Speaker A
Możemy więc uznać, że ta część działa. No ale teraz chcielibyśmy to jeszcze połączyć z naszym mailem, to znaczy, żeby taka wiadomość trafiała na naszą skrzynkę albo wieczorem, albo następnego dnia rano. Jak to zrobić?
10:12
Speaker A
I tu znów mała wskazówka. Zanim jeszcze użyjemy modułu Gmail, możemy zamienić ten format, w którym zwraca nam model językowy. Jest to tak zwany Markdown.
10:25
Speaker A
Jest to format tekstowy, który możemy zamienić na HTML, który lepiej jest interpretowany przez Gmaila.
10:33
Speaker A
Jak widzicie tutaj, mamy na przykład zaznaczenie w formie dwóch gwiazdek przed i dwóch gwiazdek po.
10:42
Speaker A
To jest pogrubienie. On w takim razie już na tym etapie spróbuje nam zamienić to na bardzo strawny HTML, który zrobi nam ten e-mail bardziej zjadliwym.
10:56
Speaker A
Nie będziemy musieli się już bawić w to, żeby dzielić poszczególne linie, tylko dostaniemy gotowy format.
11:03
Speaker A
Jak to zrobić? Make pomyślał o tym i mamy tutaj taki moduł jak Markdown to HTML.
11:12
Speaker A
Make pyta nas, co w takim razie ma być inputem, wsadem do tego modułu, tym razem wybieramy rezultat, czyli to, co zwrócił nam poprzedni moduł. W tym przypadku jest to po prostu odpowiedź modelu językowego. Zawsze Make pokazuje nam tutaj
11:31
Speaker A
podpowiedź, czyli rezultat naszego testu. Jest to bardzo intuicyjne, ponieważ nie operujemy już tylko zmiennymi, tylko czymś, co jest bardziej dla nas, ludzi, zjadliwe.
11:43
Speaker A
Klikamy Result. I klikamy Save. I teraz, gdy m
12:00
Speaker A
Tym razem jako odbiorcę, wybieramy samych siebie, ponieważ nie operujemy już żadnymi zmiennymi w postaci różnych adresów e-mail. Jeśli chodzi o temat maila, ja wybrałem sobie "Podsumowanie nadchodzących spotkań i wydarzeń dzisiaj." W treści maila z kolei prosimy, żeby wkleił nam
12:23
Speaker A
po prostu rezultat poprzedniego modułu, który zamieniał Markdown na HTML. Czyli treścią będzie po prostu ten przygotowany już przez poprzedni moduł HTML.
12:34
Speaker A
I klikamy Save. Mamy przygotowany cały nasz moduł i testujemy. W tym celu klikam Run Once.
12:46
Speaker A
Scenariusz się wykonał, każdy z kroków możemy też prześledzić. I sprawdzimy teraz, czy otrzymaliśmy maila. To znaczy, czy ja otrzymałem maila od samego siebie.
13:03
Speaker A
Widzimy w skrzynce, że jest nasz e-mail, czyli podsumowanie dzisiejszych wydarzeń zorganizowanych przez Kamil Stanuch, czyli mnie. Mamy pierwsze wydarzenie, mamy drugie, trzecie. W przypadku trzeciego miejsca było podane miejsce, czyli siłownia.
13:19
Speaker A
W przypadku pozostałych dwóch nie było miejsca, więc on po prostu tych miejsc nie wskazał.
13:25
Speaker A
I teraz, co dalej? W przypadku takiego modułu chcielibyśmy ustawić pewnie jakiś konkretny dzień czy godzinę, w którym ma się on odpalić.
13:39
Speaker A
Chcemy, żeby ten scenariusz uruchamiał się automatycznie, na przykład codziennie o 7:00 rano albo wieczorem.
13:45
Speaker A
W tym celu klikamy to pole Scheduling i tu możemy wybrać, czy chcemy, żeby to było w interwałach.
13:52
Speaker A
Nie chcemy raczej interwałów. Chcemy, żeby wykonane to było po prostu raz dziennie albo na przykład codziennie.
13:59
Speaker A
Klikamy Everyday i możemy wybrać godzinę. Ja może chcę w tym przypadku, żeby dostawać tego maila na przykład o godzinie 23:59, tak żebym rano mógł sobie go przeczytać o 7:00 rano. Ustawiam więc godzinę 23.
14:18
Speaker A
Klikam Zapisz i aktywuję mój scenariusz. Klikam Scenarios. I widzimy, że mój scenariusz już działa.
14:41
Speaker A
Pozostałe scenariusze mam na razie wyłączone. W każdej chwili go mogę uruchomić, klikając On/Off i podejrzeć, kiedy ten scenariusz się wykona.
14:53
Speaker A
I jak widzicie, to działa. Każdego ranka, zanim jeszcze zacznę pracę, będę otrzymywał takie podsumowanie prosto na maila. Na ile użyteczne jest wysyłanie sobie maila z podsumowaniem, kiedy mogę przejrzeć swój kalendarz?
15:08
Speaker A
Jest to oczywiście dyskusyjne. Tutaj chcemy pokazać wam pewne możliwości. Chciałem zaprezentować też, jakie są opcje w Make i jak to zrobić.
15:19
Speaker A
Natomiast wasza wyobraźnia i case'y biznesowe mogą być zupełnie inne, być może personalny mini asystent wysyłający podsumowanie nie jest najlepszą alokacją zasobów, ale na pewno możemy zrobić podobnego agenta. Przepraszam, może nie nazywajmy tego jeszcze agentem, a prostym asystentem dla całej organizacji. Możemy dopasować kalendarze,
15:45
Speaker A
możemy dopasować użytkowników. Tak naprawdę ogranicza was tylko kreatywność. Na pewno nie zawsze trzeba budować bardzo skomplikowanego agenta.
15:57
Speaker A
Wystarczy czasem prosty workflow, który wykorzystuje modele językowe. Podsumujmy, w ciągu tej lekcji przeszliśmy krótką, ale dosyć ciekawą drogę. Zobaczyliście, jak za pomocą cyfrowych klocków zbudować trzy użyteczne automatyzacje, które rozwiązują realne, codzienne problemy.
16:16
Speaker A
Nauczyliście się, czym jest trigger i akcja, jak wpleść również sztuczną inteligencję i model językowy w nasz flow.
16:24
Speaker A
Bariera wejścia do automatyzacji na pewno się obniżyła. Nie potrzebujecie zespołu aż tylu deweloperów, aby zbudować swoje automatyzacje.
16:36
Speaker A
Potrzebujecie pomysłu i narzędzia, które pozwala łączyć kropki, a to wierzę, że już macie. I oczywiście pamiętajcie, to jest dopiero wierzchołek góry lodowej. Make.com pozwala na budowanie znacznie bardziej skomplikowanych systemów.
16:50
Speaker A
Możecie dodawać warunki logiczne, tak zwane routery, które działają jak, jeśli wydarzy się X, zrób Y, a jeśli nie, zrób Z.
16:59
Speaker A
Możecie łączyć się z dowolnymi aplikacjami za pomocą bardziej zaawansowanych, tak zwanych webhooków, albo zapisywać dane do innych baz danych.
17:08
Speaker A
Możliwości są praktycznie nieograniczone. Ale chcę, żebyście wyszli z tej lekcji z jednym potężnym przekonaniem i żeby wasz dzisiejszy manifest dnia brzmiał, że już nigdy więcej nie mówcie: "zrobię to ręcznie".
17:25
Speaker A
Zanim poświęcicie czas na powtarzalną, nudną pracę, zadajcie sobie pytanie, czy mogę to zautomatyzować? Teraz wiecie, że w większości przypadków odpowiedź brzmi - tak.
17:36
Speaker A
Nie zawsze cały proces jest możliwy do automatyzacji, ale nawet fragment tego procesu, jeśli uda się zautomatyzować, to jest to duża oszczędność czasu.
17:47
Speaker A
Ja dziękuję wam dzisiaj bardzo za uwagę. Czas zacząć automatyzować.
Topics:automatyzacjasztuczna inteligencjaMakeGoogle Calendarmodel językowyGeminiOpenAIpromptmail automatycznyMarkdown

Frequently Asked Questions

Jakie narzędzia są używane do automatyzacji w tym wideo?

Wideo pokazuje użycie platformy Make do automatyzacji oraz modeli językowych takich jak Google Gemini lub OpenAI do generowania podsumowań wydarzeń.

Jak działa pobieranie wydarzeń z kalendarza w tym scenariuszu?

Scenariusz pobiera wydarzenia z Google Calendar na następny dzień za pomocą akcji Search Events i specjalnej formuły generowanej przez model językowy, która określa zakres dat.

Jak zapewnić bezpieczeństwo kluczy API podczas testowania?

Autor zaleca korzystanie z darmowych kluczy API, które nie wymagają podpinania karty kredytowej, oraz nigdy nie udostępniać swojego klucza publicznie, traktując go jak numer karty kredytowej.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

Or transcribe another YouTube video here →