Grundlagen der Automatisierung mit Automate in Localmind
Automate ist die Workflow-Automatisierungsplattform von Localmind. Mit Automate können Sie komplexe Workflows erstellen, die Ihre KI-Agenten nahtlos mit anderen Systemen verbinden. Sie ermöglicht es Ihnen, visuelle Workflows zu erstellen, die verschiedene Dienste, APIs und Ihre Localmind-Agenten miteinander verbinden.
Visuelle Workflows
Erstellen Sie komplexe Automatisierungen durch einfaches Verbinden von Nodes – ohne Code zu schreiben.
KI-Integration
Nutzen Sie Ihre Localmind-Agenten direkt in Ihren Workflows für intelligente Entscheidungen.
Hunderte von Integrationen
Verbinden Sie sich mit über 400+ Apps und Diensten wie Slack, Google Sheets, APIs und mehr.
Self-Hosted Option
Behalten Sie die volle Kontrolle über Ihre Daten mit Self-Hosting-Optionen.
Du bist ein hilfreicher E-Mail-Assistent. Analysiere die folgende E-Mail und erstelle eine professionelle Antwort.Betreff: {{ $json.emailSubject }}Nachricht: {{ $json.emailBody }}Absender: {{ $json.senderEmail }}
Stringifyen bedeutet, Objekte oder andere Datentypen in Strings (Zeichenketten) umzuwandeln. Dies ist wichtig, wenn Sie komplexe Datenstrukturen in Textfelder einfügen oder als Parameter in HTTP-Anfragen verwenden müssen.
JSON.stringify() verwenden
Objekte in JSON-Strings umwandeln:
Copy
// Komplettes Objekt stringifyen{{ JSON.stringify($json) }}// Spezifisches Feld stringifyen{{ JSON.stringify($json.user) }}// Mit Formatierung (schöner lesbar){{ JSON.stringify($json, null, 2) }}// In Set Node verwenden{ "jsonString": "={{ JSON.stringify($json) }}", "userString": "={{ JSON.stringify($json.user) }}"}
// Objekt stringifyenconst dataString = JSON.stringify($input.item.json);// Mit Formatierungconst formattedString = JSON.stringify($input.item.json, null, 2);// Für Loggingconsole.log('Data:', JSON.stringify($input.item.json));return [{ json: { originalData: $input.item.json, stringified: dataString, formatted: formattedString }}];
Arrays stringifyen
Arrays in Strings umwandeln:
Copy
// Array stringifyen{{ JSON.stringify($json.items) }}// Array als komma-separierte Werte{{ $json.items.map(item => item.id).join(',') }}// Array als JSON-String{{ JSON.stringify($json.items.map(item => item.name)) }}
Wann Stringifyen verwenden?
Häufige Anwendungsfälle:
HTTP Request Body
Wenn API nur String erwartet, nicht JSON-Objekt
Logging
Für strukturiertes Logging von Objekten
Datenbank-Speicherung
Wenn Datenbank nur Textfelder unterstützt
E-Mail-Body
Für formatierte JSON-Daten in E-Mails
Webhook-Payload
Wenn Webhook JSON-String erwartet
Debugging
Für bessere Lesbarkeit in Logs
JSON.parse() - Rückwandlung
Strings zurück in Objekte umwandeln:
Copy
// String zurück zu Objekt{{ JSON.parse($json.jsonString) }}// Mit Fehlerbehandlung{{ JSON.parse($json.jsonString || '{}') }}// In Function Nodeconst parsed = JSON.parse($input.item.json.jsonString);const userId = parsed.user.id;
Best Practice: Verwenden Sie JSON.stringify() immer dann, wenn Sie komplexe Datenstrukturen als String übergeben müssen. Für einfache Werte (Strings, Numbers) ist Stringifyen nicht notwendig.
Diese Best Practices basieren auf bewährten Methoden für die Entwicklung professioneller, wartbarer Automate-Workflows. Sie helfen Ihnen, effiziente und zuverlässige Automatisierungen zu erstellen.
Beginnen Sie mit der Problemdefinition, bevor Sie mit der Workflow-Implementierung starten. Dieser Ansatz stellt sicher, dass der Workflow sich an Ihre Anforderungen anpasst, nicht umgekehrt.
1
Geschäftsproblem definieren
Formulieren Sie das zu lösende Problem in klaren, geschäftlichen Begriffen.Beispiel: “Automatische Kategorisierung von Support-E-Mails mit Weiterleitung dringender Anfragen an das Support-Team.”
2
Input und Output spezifizieren
Definieren Sie präzise die erwarteten Eingabedaten und das gewünschte Ausgabeformat.Input: E-Mail mit Betreff, Absender, Inhalt
Output: Kategorisierung (dringend/normal) mit entsprechender Weiterleitung
3
Logische Schritte identifizieren
Zerlegen Sie den Prozess in 3-5 logische Verarbeitungsschritte.
E-Mail empfangen
Mit Agent analysieren
Kategorisierung durchführen
Bei “dringend” → Benachrichtigung senden
4
Node-Auswahl
Wählen Sie die erforderlichen Nodes basierend auf den definierten Schritten aus.
Der Workflow sollte sich an Ihren Use Case anpassen. Beginnen Sie mit einer einfachen Implementierung und iterieren Sie basierend auf den Ergebnissen.
Vor der Implementierung eines neuen Workflows sollten Sie zunächst nach bestehenden Vorlagen und ähnlichen Lösungen suchen. Dies beschleunigt die Entwicklung und reduziert Fehler.
Community-Vorlagen
Durchsuchen Sie die Automate-Vorlagenbibliothek und Community-Beispiele für ähnliche Use Cases.
Use Case Recherche
Recherchieren Sie nach dokumentierten Automatisierungen für vergleichbare Anforderungen.
Vorteile:
Schnellere Entwicklung durch Wiederverwendung bewährter Patterns
Entdeckung neuer Nodes und Implementierungsansätze
Kopieren Sie den cURL-Befehl aus der offiziellen API-Dokumentation.
2
In Postman validieren
Importieren Sie den Request in Postman und testen Sie ihn mit realen Parametern.
3
Funktionalität verifizieren
Stellen Sie sicher, dass der Request mit Ihrem spezifischen Use Case funktioniert.
4
Nach Automate übertragen
Übertragen Sie den validierten Request nach Automate.
Postman ist ein wertvolles Tool für die API-Entwicklung und wird von professionellen Entwicklern häufig verwendet. Es erleichtert das Testen und Debugging von API-Requests erheblich.
Die meisten Workflows können mit einer überschaubaren Anzahl von Nodes implementiert werden. Konzentrieren Sie sich zunächst auf diese Kern-Nodes:Datenbereinigung und Transformation:
Merge: Spalten hinzufügen oder Datensätze kombinieren
Code: Komplexe Transformationen, die mit Standard-Nodes nicht möglich sind
IF: Bedingte Verarbeitungslogik implementieren
KI-Verarbeitung:
Localmind Agent: Für die meisten KI-basierten Aufgaben
Typischer Workflow-Pattern:
Copy
HTTP Request → Set (Datenbereinigung) → Filter (Validierung) → Agent (Analyse) → Set (Output-Formatierung) → Datenbank-Insert
Für Code-Nodes können Sie KI-Assistenten verwenden, um Code basierend auf Input-Datenstruktur und gewünschtem Output zu generieren. Dies beschleunigt die Entwicklung komplexer Transformationen.
Das Pinnen von Node-Outputs ermöglicht es, nachgelagerte Nodes zu testen, ohne den gesamten Workflow erneut auszuführen. Dies spart Zeit und reduziert Kosten bei API-Calls und KI-Verarbeitung.
1
Workflow initial ausführen
Führen Sie den Workflow einmal vollständig aus, um echte Daten zu generieren.
2
Outputs pinnen
Klicken Sie auf das Pin-Icon bei jedem Node-Output, den Sie für Tests wiederverwenden möchten.
3
Gepinnte Daten anpassen
Bearbeiten Sie gepinnte Daten, um verschiedene Test-Szenarien zu simulieren, einschließlich Edge Cases.
4
Downstream-Nodes testen
Testen Sie nachgelagerte Nodes mit gepinnten Daten, ohne erneute API-Calls oder KI-Verarbeitung.
Kostenoptimierung: Ein einzelner Agent-Node-Test ohne Pinning kann mehr als $0.10 kosten. Bei wiederholten Tests summieren sich diese Kosten erheblich. Pinnen Sie Outputs immer für Testzwecke.
Komplexe Workflows sollten in wiederverwendbare Sub-Workflows aufgeteilt werden. Dies verbessert die Wartbarkeit, Testbarkeit und Wiederverwendbarkeit.Empfohlene Struktur:
Haupt-Workflows enthalten maximal 4-6 Nodes
Häufig verwendete Funktionalität wird in Sub-Workflows abstrahiert
Sub-Workflows fungieren als wiederverwendbare Komponenten
Organisationsstruktur:
1
Components-Ordner anlegen
Erstellen Sie einen dedizierten Ordner für wiederverwendbare Komponenten.
2
Sub-Workflows entwickeln
Entwickeln Sie Sub-Workflows für häufige Aufgaben:
Datenbereinigung und Validierung
Error Handling und Retry-Logik
Benachrichtigungen und Alerting
3
In Haupt-Workflows integrieren
Referenzieren Sie Sub-Workflows in Ihren Haupt-Workflows.
Vorteile:
Isolierte Fehlerbehebung: Fehler können schnell auf einen spezifischen Sub-Workflow eingegrenzt werden
Wiederverwendbarkeit: Komponenten können in verschiedenen Workflows verwendet werden
Bessere Übersichtlichkeit: Haupt-Workflows bleiben übersichtlich und nachvollziehbar
Ein robustes Error-Logging-System ermöglicht proaktive Fehlererkennung und schnelle Problemlösung. Implementieren Sie Logging, das alle relevanten Informationen erfasst.Erforderliche Logging-Informationen:
Fehlermeldung und Fehlertyp
Fehlerstelle (Node-Name, Execution-ID)
Input-Daten, die den Fehler verursacht haben
Zeitstempel und Workflow-Kontext
Retry-Versuche und deren Ergebnisse
Erfolgreiche Executions sollten ebenfalls geloggt werden. Dies ermöglicht die Erstellung von Berichten über Workflow-Performance und hilft bei der Identifizierung von Trends.
Unkontrollierte KI-Kosten können zu unerwarteten Ausgaben führen. Implementieren Sie ein System zur Überwachung und Kontrolle von KI-bezogenen Kosten.Zu überwachende Metriken:
Token-Verbrauch
Überwachen Sie den Token-Verbrauch pro Execution und identifizieren Sie Optimierungspotenziale.
Kosten pro Execution
Berechnen Sie die Kosten pro Workflow-Ausführung für Budgetplanung und Kostentransparenz.
Ausgabenlimits
Implementieren Sie tägliche und monatliche Ausgabenlimits, um unerwartete Kosten zu vermeiden.
Performance-Metriken
Überwachen Sie Model-Performance und Response-Qualität zur kontinuierlichen Optimierung.
Kostentransparenz: Unerwartete Kosten können das Vertrauen in Automatisierungen beeinträchtigen. Implementieren Sie von Anfang an ein transparentes Kosten-Tracking und kommunizieren Sie Kostenstrukturen klar.