مطالعهبلاگ هوش مصنوعی چراغ
ایجنت‌ها و ابزارهای هوشمند

اتوماسیون n8n و چراغ: از پست سایت تا کانال تلگرام بدون دست

۲۶ مهر ۱۴۰۵۱۰ دقیقه مطالعهتیم چراغ
اتوماسیون با n8n و چراغ

اتوماسیون n8n با هوش مصنوعی چراغ یعنی یک جریان کاری که بدون دست تو اجرا می‌شود: پست تازه‌ی سایت را می‌خواند، با یک مدل چت خلاصه می‌کند، برایش عکس می‌سازد و همان لحظه به کانال تلگرام می‌فرستد. برای این کار دو راه داری: گره‌های عمومی OpenAI در n8n با آدرس پایه‌ی چراغ و یک کلید cq_live_…، یا سرور MCP چراغ با یک آدرس که کلید داخلش است. در این راهنما هر دو روش اتصال، دو جریان نمونه‌ی کامل، مدل‌های پیشنهادی با هزینه‌ی هر اجرا و نکته‌های امنیت کلید را می‌بینی.

n8n چیست و چرا با چراغ جفت خوبی است؟

n8n یک ابزار اتوماسیون متن‌باز است که با آن جریان‌های کاری را به‌صورت گره‌های بصری می‌سازی: یک «شروع‌کننده» (مثلاً پست جدید وردپرس یا ارسال فرم)، چند گره‌ی پردازش و یک یا چند خروجی (تلگرام، ایمیل، گوگل‌شیت). خودت می‌توانی آن را روی سرور خودت نصب کنی یا نسخه‌ی ابری‌اش را بگیری. جای هوش مصنوعی در این زنجیره دقیقاً وسط است: جایی که باید متنی فهمیده، خلاصه، ترجمه یا تولید شود.

چراغ این‌جا سه مزیت دارد. اول، بخش چت API چراغ کاملاً سازگار با OpenAI است؛ یعنی همان گره‌های OpenAI که در n8n هست، با عوض‌کردن آدرس پایه به چراغ وصل می‌شوند و از آن به بعد به همه‌ی مدل‌ها دسترسی داری، نه فقط مدل‌های یک سازنده. دوم، پرداخت تومانی و به ازای مصرف است؛ برای یک جریان که روزی چند بار اجرا می‌شود اشتراک ماهانه‌ی دلاری نمی‌خواهی. سوم، عکس و ویدیو هم پشت همان کلید است، پس یک جریان می‌تواند متن بنویسد و برای همان متن عکس بسازد. اگر با مفهوم API تازه آشنا می‌شوی، اول راهنمای API چراغ برای برنامه‌نویس‌ها را بخوان؛ این مقاله روی n8n تمرکز دارد.

جریان اتصال n8n به API چراغ: جریان کاری تو، API چراغ با یک کلید، همه‌ی مدل‌های چت و عکس
n8n از طریق API چراغ به همه‌ی مدل‌ها می‌رسد

دو راه اتصال n8n به چراغ

راه اول برای همه‌ی جریان‌های معمولی است و راه دوم برای وقتی که از گره‌های «ایجنت» و ابزار در n8n استفاده می‌کنی. هر دو با همان کلید و همان اعتبار کار می‌کنند. کلید را از صفحه‌ی API و MCP حساب چراغت می‌گیری؛ هر حساب یک کلید پیش‌فرض دارد و می‌توانی برای n8n یک کلید جدا بسازی تا مصرفش جدا دیده شود.

راه اول: گره‌ی OpenAI با آدرس پایه‌ی چراغ

  1. در n8n یک Credential از نوع OpenAI بساز.
  2. در کادر API Key کلید چراغ (cq_live_…) را بگذار.
  3. در کادر Base URL به‌جای آدرس OpenAI بنویس: https://cheraq.ai/api/v1
  4. در گره‌ی چت، نام مدل را به شکل «سازنده/نام» وارد کن، مثلاً openai/gpt-6-luna یا anthropic/claude-sonnet-5.5، یا فقط auto بنویس تا چراغ مدل پیشنهادی را انتخاب کند.

همین. گره‌ی چت n8n درخواست را به POST /chat/completions چراغ می‌فرستد و جواب با همان ساختار OpenAI برمی‌گردد. برای ساخت عکس و ویدیو که ساختار متفاوتی دارند، از گره‌ی عمومی HTTP Request استفاده کن: متد POST، آدرس https://cheraq.ai/api/v1/images، سرآیند Authorization: Bearer cq_live_… و بدنه‌ی JSON با model و prompt.

راه دوم: سرور MCP چراغ

اگر در n8n از گره‌های ایجنت استفاده می‌کنی که «ابزار» می‌گیرند، چراغ را به‌عنوان یک سرور MCP معرفی کن. n8n، مثل ابزارهایی که فقط آدرس می‌گیرند، آدرس با کلید داخلش را می‌خواهد: https://cheraq.ai/api/mcp/cq_live_…. از آن به بعد ایجنت خودش ابزارهای chat، generate_image، generate_video، get_job، list_models و get_balance را می‌شناسد و بر اساس دستور تو صدا می‌زند. درباره‌ی خود پروتکل و بقیه‌ی کلاینت‌ها، MCP چیست را بخوان.

روش کجا به کار می‌آید چه چیزی لازم دارد عکس و ویدیو
گره‌ی OpenAI + Base URL چراغ جریان‌های مشخص و قابل پیش‌بینی: خلاصه، دسته‌بندی، پیش‌نویس کلید + آدرس https://cheraq.ai/api/v1 با گره‌ی HTTP Request و پیگیری /jobs
سرور MCP چراغ گره‌های ایجنت که خودشان تصمیم می‌گیرند کدام ابزار را صدا بزنند آدرس با کلید: /api/mcp/cq_live_… ابزارهای generate_image و generate_video آماده است
گره‌ی HTTP Request خام هر مسیر API، کنترل کامل روی بدنه‌ی درخواست کلید در سرآیند Bearer همه‌ی مسیرها: /images، /videos، /jobs، /assets
جریان MCP چراغ: ایجنت n8n، سرور MCP چراغ و ابزارهای چت، عکس و ویدیو
سرور MCP چراغ برای گره‌های ایجنت n8n

جریان نمونه‌ی اول: پست جدید وردپرس تا کانال تلگرام

این جریان سه کار را پشت هم انجام می‌دهد: خلاصه‌ی پست، ساخت عکس برای همان خلاصه، و ارسال به کانال. برای هر مرحله گره‌ی خودش را می‌چینی:

  1. شروع‌کننده: پست جدید وردپرس. گره‌ی WordPress یا یک Webhook که با انتشار هر پست صدا زده می‌شود. خروجی: عنوان، لینک و متن پست.
  2. خلاصه با چت. گره‌ی OpenAI با آدرس پایه‌ی چراغ. پیام سیستمی: «تو ادمین کانال تلگرام این سایت هستی. متن را در ۳ جمله‌ی فارسی خلاصه کن و یک جمله‌ی دعوت به خواندن بنویس.» مدل: openai/gpt-6-luna برای کار روزانه، یا Gemini 3.8 Flash اگر پست‌ها بلندند.
  3. پرامپت عکس. همان گره یا یک گره‌ی دوم با مدل اقتصادی: «برای این خلاصه یک پرامپت انگلیسی کوتاه برای عکس کاور بنویس، بدون متن داخل تصویر.»
  4. ساخت عکس. گره‌ی HTTP Request به POST https://cheraq.ai/api/v1/images با بدنه‌ی {"model": "auto", "prompt": "…", "aspect_ratio": "16:9"}؛ به‌جای auto شناسه‌ی دقیق مدل دلخواهت (مثلاً GPT Image 2.5 Flare) را از GET /models بردار. جواب یک «کار» با id و status: queued است.
  5. انتظار و پیگیری. یک گره‌ی Wait سه‌ثانیه‌ای و بعد GET https://cheraq.ai/api/v1/jobs/<id>؛ تا وقتی status به done نرسیده، حلقه را تکرار کن. لینک فایل در assets[].url است. ساخت عکس چند ثانیه تا یک دقیقه طول می‌کشد.
  6. ارسال به تلگرام. گره‌ی Telegram با عملیات Send Photo: عکس از همان لینک، کپشن همان خلاصه به‌علاوه‌ی لینک پست.

یک نکته‌ی عملی: مرحله‌ی سوم را حذف نکن. مدل‌های عکس با پرامپت انگلیسیِ کوتاه و توصیفی بهتر کار می‌کنند و یک مدل چت اقتصادی این ترجمه را با کمتر از یک‌دهم اعتبار انجام می‌دهد. اگر دوست داری پرامپت‌هایت را خودت بهتر بنویسی، راهنمای نوشتن پرامپت برای عکس را ببین.

هزینه‌ی هر اجرا

قیمت‌ها تا ۲۶ مهر ۱۴۰۵ و به اعتبار؛ هر اعتبار با نرخ امروز حدود ۲٬۶۰۰ تومان است و قیمت به‌روز هر مدل در مدل‌ها و قیمت‌ها هست.

مرحله مدل پیشنهادی ≈ اعتبار در هر اجرا گزینه‌ی گران‌تر
خلاصه‌ی پست (حدود ۱۰۰ کلمه جواب، ورودی ۱٬۰۰۰ کلمه) GPT-6 Luna کمتر از ۰٫۱۵ Claude Sonnet 5.5، حدود ۲٫۶ به ازای هر ۱٬۰۰۰ کلمه‌ی جواب
نوشتن پرامپت عکس GPT-6 Luna یا DeepSeek V4.1 Flash کمتر از ۰٫۱ لازم نیست
ساخت عکس کاور GPT Image 2.5 Flare حدود ۷٫۸ Nano Banana 2 حدود ۱۶؛ Recraft 4.1 Flash حدود ۱٫۴ برای بنر ساده
جمع هر پست حدود ۸ اعتبار (حدود ۲۱ هزار تومان)

با ۳۰ پست در ماه یعنی حدود ۲۴۰ اعتبار. اگر عکس را به Recraft 4.1 Flash بسپاری، جمع هر اجرا به زیر ۲ اعتبار می‌رسد. کار ناموفق هزینه ندارد: اگر ساخت عکس خطا بدهد و کار با status: failed برگردد، اعتباری کم نمی‌شود.

جریان نمونه‌ی دوم: فرم سایت، پاسخ پیش‌نویس، تأیید انسانی

این جریان جواب نمی‌فرستد، پیش‌نویس می‌سازد. مشتری فرم تماس سایت را پر می‌کند، مدل اقتصادی یک پاسخ پیشنهادی می‌نویسد، و تو در تلگرام با یک دکمه تأیید یا رد می‌کنی. همان اصل «هیچ کاری بدون اجازه» که در پلاگین وردپرس چراغ هست، این‌جا با دست خودت پیاده می‌شود.

  1. شروع‌کننده: Webhook فرم سایت (فرم‌سازهای وردپرس معمولاً خودشان گزینه‌ی Webhook دارند). خروجی: نام، شماره، متن سؤال.
  2. دسته‌بندی: گره‌ی OpenAI با چراغ، مدل Qwen3.8 27B یا GPT-6 Luna، response_format: json_object روشن. پیام سیستمی: «سؤال را در یکی از دسته‌های قیمت، ارسال، پشتیبانی فنی، همکاری قرار بده و فوریت را از ۱ تا ۳ بده. فقط JSON.»
  3. پیش‌نویس پاسخ: همان گره با پیام سیستمی که اطلاعات ثابت کسب‌وکارت را دارد (ساعت کاری، شرایط ارسال، لینک صفحه‌های مهم). مدل: GPT-6 Luna؛ برای لحن حساس‌تر، Claude Sonnet 5.5.
  4. تأیید در تلگرام: گره‌ی Telegram پیش‌نویس را با دو دکمه‌ی «بفرست» و «ویرایش» به تو می‌فرستد. n8n گره‌ی انتظار برای پاسخ انسانی دارد؛ تا دکمه را نزنی، جریان ادامه پیدا نمی‌کند.
  5. ارسال نهایی: بعد از تأیید، ایمیل یا پیامک به مشتری با همان متن؛ یک ردیف هم در گوگل‌شیت یا CRM ثبت کن.

هزینه‌ی این جریان ناچیز است: دو نوبت چت کوتاه با مدل اقتصادی، در مجموع زیر ۰٫۳ اعتبار برای هر فرم. آن‌چه می‌خری وقت است: به‌جای نوشتن از صفر، فقط می‌خوانی و تأیید می‌کنی. فرق این الگو با یک چت‌بات خودکار را در چت‌بات، ایجنت یا API توضیح داده‌ایم: چت‌بات خودش جواب می‌دهد، این جریان کار را آماده می‌کند و تصمیم را به تو می‌سپارد.

قاعده‌ی مدل در اتوماسیون: هر مرحله‌ای که خروجی‌اش را کسی نمی‌خواند (دسته‌بندی، استخراج، پرامپت‌سازی) با مدل اقتصادی؛ فقط متنی که به دست مشتری می‌رسد، اگر لازم شد، با مدل استاندارد. در جریانی که روزی ده‌ها بار اجرا می‌شود، همین یک قاعده هزینه را چند برابر کم می‌کند. مقایسه‌ی مدل‌های اقتصادی را در DeepSeek و Qwen ببین.

محدودیت‌ها، امنیت کلید و سرور داخلی

  • ۱۲۰ درخواست در دقیقه برای هر کلید. برای اتوماسیون معمولی خیلی زیاد است، ولی اگر جریانی روی صد محصول هم‌زمان حلقه می‌زند، در n8n بین تکرارها یک Wait کوتاه بگذار یا با گزینه‌ی Batch چندتا چندتا بفرست. حلقه‌ی پیگیری /jobs هم درخواست حساب می‌شود؛ هر ۳ ثانیه کافی است.
  • کلید را در Credential نگه دار، نه در متن گره. n8n مقدار Credential را رمزگذاری می‌کند و در خروجی‌ها نشان نمی‌دهد؛ کلیدی که در بدنه‌ی یک گره تایپ شود، در لاگ‌ها و خروجی‌های اشتراک‌گذاری‌شده دیده می‌شود.
  • برای n8n یک کلید جدا بساز. در صفحه‌ی API مصرف هر کلید جدا دیده می‌شود؛ اگر جریانی اشتباه زیاد اجرا شد، همان یک کلید را باطل می‌کنی و بقیه‌ی کارهایت سر جایش می‌ماند. کلید پیش‌فرض را هم می‌شود هر وقت خواستی عوض کرد.
  • آدرس MCP با کلید را منتشر نکن. در روش دوم کلید داخل آدرس است؛ جریانی را که این آدرس در آن هست، به‌صورت عمومی به اشتراک نگذار و قبل از خروجی‌گرفتن از جریان، آدرس را پاک کن.
  • اعتبار را در جریان چک کن. یک گره‌ی HTTP Request به GET /me موجودی حساب را برمی‌گرداند؛ اگر زیر حد مشخصی بود، به تلگرام خودت پیام بده. اعتبار خریداری‌شده منقضی نمی‌شود، پس یک شارژ بزرگ‌تر برای ماه‌ها کافی است.
  • سرور ایرانی یا شبکه‌ی داخلی: اگر n8n روی هاستی است که به cheraq.ai (پشت کلودفلر) وصل نمی‌شود، همان مسیرها را روی direct.cheraq.ai صدا بزن: https://direct.cheraq.ai/api/v1 برای API و همان مسیر /api/mcp برای MCP.

چند جریان دیگر که با همین دو الگو ساخته می‌شوند

  • توضیح محصول ووکامرس: محصول جدید → متن فروش از مشخصات واقعی با GPT-6.1 Sol یا Gemini 3.8 Flash → پیش‌نویس در وردپرس، منتشر نشده تا خودت ببینی.
  • کامنت‌های اینستاگرام یا تلگرام: پیام جدید → دسته‌بندی با مدل اقتصادی → پیشنهاد پاسخ → تأیید انسانی.
  • گزارش هفتگی: هر جمعه داده‌ی فروش از گوگل‌شیت → خلاصه‌ی تحلیلی با Gemini 3.1 Pro → ارسال به گروه مدیران.
  • ویدیوی کوتاه برای استوری: عکس محصول → POST /videos با Grok Imagine Video 1.5 (حدود ۲٫۴ اعتبار هر ثانیه) → پیگیری /jobs → ارسال به کانال.

اگر سایتت وردپرسی است و نمی‌خواهی جریان بسازی، بخش زیادی از همین کارها (مقاله‌ی تازه، متن محصول، چت پشتیبانی) را پلاگین وردپرس چراغ بدون هیچ تنظیمی و با تأیید خودت انجام می‌دهد. n8n برای وقتی است که زنجیره‌ی خودت را می‌خواهی: چند سرویس، چند شرط، چند خروجی.

سؤال‌های رایج

آیا n8n گره‌ی مخصوص چراغ دارد؟

نه، و لازم هم نیست. گره‌های عمومی OpenAI با آدرس پایه‌ی https://cheraq.ai/api/v1، گره‌ی HTTP Request و اتصال MCP برای همه‌ی کارها کافی است.

کدام مدل برای اتوماسیون n8n مناسب‌تر است؟

برای کارهای تکراری و پشت‌صحنه GPT-6 Luna، DeepSeek V4.1 Flash یا Qwen3.8 27B؛ برای متن بلند Gemini 3.8 Flash؛ برای متنی که مشتری می‌خواند و لحن مهم است Claude Sonnet 5.5. اگر مطمئن نیستی auto بنویس.

ساخت عکس در n8n چرا جواب فوری نمی‌دهد؟

ساخت عکس و ویدیو کار زمان‌بر است و API یک شناسه‌ی کار برمی‌گرداند. با گره‌ی Wait و GET /jobs/<id> هر چند ثانیه وضعیت را بپرس تا done شود؛ لینک فایل در پاسخ است.

اگر یک اجرا خطا بدهد اعتبارم کم می‌شود؟

نه. کار ناموفق در چراغ هزینه ندارد؛ فقط برای درخواست‌هایی که با موفقیت تمام می‌شوند اعتبار کم می‌شود.

n8n روی سرور ایرانی به چراغ وصل نمی‌شود، چه کنم؟

آدرس پایه را به https://direct.cheraq.ai/api/v1 عوض کن. همه‌ی مسیرها و همان کلید روی این آدرس هم کار می‌کنند.

مسیرها، نمونه‌ی درخواست‌ها و بخش MCP را در مستندات ببین و اولین جریانت را امروز بساز.

مستندات API چراغ