Khóa học Generative AI thực chiến
Dành cho CxO, Giám Đốc, chủ doanh nghiệp

CHƯƠNG TRÌNH ĐÀO TẠO, Tin tức

Khóa đào tạo N8N Workflow Automation

I. Tổng quan

  • Đối tượng: Lập trình viên chuyên nghiệp muốn đưa N8N vào bộ công cụ hằng ngày, thay cho cron, Airflow hay các script lịch chạy tự viết.
  • Mô hình triển khai gọn nhẹ trên máy chủ doanh nghiệp bằng Docker Compose, chỉ hai dịch vụ N8N và Qdrant — giảm chi phí hạ tầng và công sức vận hành so với mô hình nhiều thành phần.
  • Dự án xuyên suốt 2 ngày: xây chatbot Telegram tra tài liệu nội bộ (RAG — chatbot trả lời dựa trên tài liệu nội bộ), tích hợp backend học viên. Bao gồm xác minh chữ ký HMAC, AI Agent (tự quyết định gọi công cụ phù hợp), cảnh báo lỗi qua Telegram và triển khai tự động bằng GitHub Actions.

II. Thời lượng và phương pháp đào tạo

  • Tổ chức liên tiếp 02 ngày, tổng 12 giờ; mỗi ngày 6 giờ, 2 lần giải lao 15 phút.
  • Phân bổ: 30% lý thuyết kèm demo, 60% thực hành tại chỗ, 10% thảo luận và tổng kết.
  • Giảng viên demo trên bộ công cụ thật (Docker, N8N, Qdrant, Git, bot Telegram); học viên cấu hình song song theo repo mẫu, không học lý thuyết suông.
  • Hình thành thói quen làm việc theo chuỗi Plan – Code – Review – Deploy.

III. Đối tượng tham gia và điều kiện tiên quyết

  • Đối tượng: lập trình viên backend và fullstack, tech lead, DevOps/SRE muốn đưa N8N vào công việc. Khóa không phù hợp với người chưa có nền tảng lập trình.
  • Kỹ năng yêu cầu: quen làm việc với REST API, Webhook, JWT; thành thạo JavaScript hiện đại (ES6+).
  • Máy trạm cài sẵn Docker Desktop, Git và trình soạn thảo mã (khuyến nghị VS Code); RAM 16GB cho trải nghiệm mượt, 8GB là tối thiểu.
  • Tài khoản cần chuẩn bị: (1) OpenAI hoặc Anthropic — nạp tối thiểu 5 USD, bài lab RAG tiêu tốn khoảng 0,10–0,30 USD mỗi học viên; (2) Telegram để tạo bot qua BotFather; (3) GitHub để chạy CI/CD.
  • Mạng doanh nghiệp cần mở truy cập đến docker.io, api.openai.com, api.anthropic.com, ngrok.com, api.telegram.org — phối hợp với bộ phận IT kiểm tra trước 3 ngày.

IV. Mục tiêu khóa học

  • Vận hành được N8N trên máy chủ doanh nghiệp (dựng N8N và Qdrant bằng Docker Compose). Biết cấu hình khóa mã hóa, địa chỉ Webhook và tách ba môi trường: phát triển – thử nghiệm – vận hành.
  • Viết Code node bằng JavaScript hiện đại: xử lý mảng và đối tượng, gọi API bất đồng bộ, nạp thư viện ngoài khi cần.
  • Gọi HTTP Request theo các chuẩn xác thực phổ biến (OAuth2, Bearer, HMAC) và xác minh Webhook đến an toàn bằng HMAC hoặc JWT.
  • Tích hợp backend nội bộ qua REST hoặc GraphQL; kết nối Postgres an toàn bằng truy vấn có tham số để chặn SQL injection.
  • Triển khai AI Agent với Tools, Memory và Structured Output; dựng hệ thống trả lời dựa trên tài liệu nội bộ (RAG) bằng LangChain nodes và Qdrant.
  • Đưa workflow vào quản lý phiên bản dưới dạng JSON và tự động triển khai qua N8N Public API bằng GitHub Actions.
  • Kiểm thử và giám sát vận hành: ghim dữ liệu mẫu, bắt lỗi qua Error Trigger và đẩy cảnh báo về Telegram.

V. Lộ trình nội dung 2 ngày

Ngày 1 — Nền tảng vận hành và tích hợp

  • Phần 1 — Vị trí N8N trong bộ công cụ developer: so sánh với cron, Airflow, Temporal; giới thiệu dự án xuyên suốt.
  • Phần 2 — Cài đặt N8N và Qdrant qua Docker Compose: cấu hình biến môi trường cốt lõi và mô hình 3 môi trường dev/stg/prod.
  • Phần 3 — Code node và Expressions: xử lý dữ liệu bằng JavaScript (ES6+) ngay trong workflow.
  • Phần 4 — HTTP Request và bảo mật Webhook: xác thực chuẩn, xác minh chữ ký HMAC và JWT, xử lý lỗi và mã chống trùng.
  • Phần 5 — Tích hợp backend nội bộ: gọi REST hoặc GraphQL; kết nối Postgres an toàn bằng truy vấn có tham số; xử lý lô lớn.

Ngày 2 — AI Agent, RAG, CI/CD và dự án thực chiến

  • Phần 6 — AI Agent với Tools và Structured Output: chatbot tự quyết định gọi công cụ phù hợp, trả về JSON đúng cấu trúc.
  • Phần 7 — RAG bằng LangChain nodes và Qdrant: nạp tài liệu nội bộ, tra cứu theo ngữ nghĩa, sinh câu trả lời có căn cứ.
  • Phần 8 — Quản lý phiên bản và CI/CD: xuất workflow sang JSON, lưu Git, tự động triển khai qua GitHub Actions.
  • Phần 9 — Kiểm thử workflow và giám sát: ghim dữ liệu test, bắt lỗi qua Error Trigger và cảnh báo về Telegram.
  • Phần 10 — Dự án thực chiến: xây chatbot Telegram RAG end-to-end tích hợp backend, đầy đủ xác minh bảo mật, CI/CD và xử lý lỗi.

VI. Kết quả đầu ra

  • Triển khai được dự án RAG chatbot Telegram tích hợp backend học viên, chạy thông suốt từ đầu đến cuối trên hạ tầng tự chủ.
  • Bàn giao repo Git chuẩn hóa gồm docker-compose, workflow JSON, GitHub Actions và README — sẵn sàng triển khai nội bộ.
  • Sở hữu bộ mẫu cấu hình thực chiến: xác minh Webhook HMAC, AI Agent với Tools, RAG qua LangChain nodes, Error Workflow qua Telegram, CI/CD qua Public API.
  • Áp dụng quy trình Plan – Code – Review – Deploy chuẩn hóa cho đội phát triển.
  • Được cung cấp lộ trình học nâng cao và tài liệu chính thức của N8N, Qdrant và Anthropic.

 

Hệ thống Đào Tạo Trí Tuệ Nhân Tạo là đơn vị hàng đầu, uy tín trong đào tạo N8N ứng dụng vào doanh nghiệp. Đặc biệt cho đội ngũ lập trình viên, CNTT.