В домашней AI-лаборатории собрал на n8n автоматизированный процесс поиска вакансий, который связывает внешние источники данных, оркестрацию сценариев, локальный inference через Ollama и публикацию готового результата в виде HTML-страницы.
Моя роль: самостоятельно спроектировал и настроил workflow — от подключения источников до финальной публикации. Локальная модель здесь используется не для демонстрационного чата, а как рабочая часть автоматизированного пайплайна.
Реальный workflow в редакторе n8n
n8n запускает сбор вручную или по расписанию, собирает вакансии с нескольких площадок, передаёт их локальной LLM через Ollama для оценки соответствия заданным критериям, отфильтровывает и ранжирует результат — итог публикуется как обновляемая HTML-страница.
Схема процесса: источники → n8n + локальная LLM → публикация
Одной HTML-страницы оказалось мало, и агрегатор вырос в отдельное веб-приложение — «Радар вакансий»: таблица вакансий с фильтрами и настройкой колонок, дашборд рынка, целевые работодатели и сбор по кнопке «Искать сейчас». n8n остался роботом, который собирает данные, а оценку LLM заменил отбор по правилам — без зависимости от модели.
Таблица вакансий с фильтрами
Настройки таблицы: видимость, порядок и закрепление колонок
Дашборд: вакансии, зарплаты, востребованные навыки
- Собран и отлажен рабочий сценарий в n8n, соединяющий внешние источники, локальный inference через Ollama и автоматическую публикацию HTML-страницы.
- Прототип стал основой для регулярной автоматизации — сервиса «Радар вакансий».
- Практика показала, как локальная LLM может быть встроена в реальный рабочий пайплайн, а не только использоваться как чат-ассистент.