Вышел урок про ИИ-агентов простыми словами. Коротко: чат-бот отвечает, агент делает. Сам ищет, открывает сайты, заполняет таблицы и проверяет результат, круг за кругом, пока не дойдёт до цели. Что разбираю в видео: • из чего состоит агент: модель, инструменты, цель и цикл • как он работает внутри на примере таблицы цен 10 конкурентов • что такое MCP и почему его сравнивают с USB • где агенты уже работают: код, офис, поддержка, личные агенты • когда агент не нужен и хватит обычного сценария • три способа собрать своего: без кода, в n8n и кодом • пять правил безопасности, чтобы агент не наделал дел https://www.youtube.com/@baldfrombrowser

Clay - что это было? Примерно год назад я начал погружение в Clay. Тогда он казался просто must-have инструментом, без которого сложно было делать что-то нормальное в лидгене. Сейчас я задумываюсь, а вообще, что всё это было? Ребята построили коннектор в виде таблицы, куда можно было подключать множество источников данных. Вместо того, чтобы покупать данные напрямую от провайдеров ты мог покупать их через Clay, естественно переплачивая, порой сразу в несколько раз. У Clay был большой плюс – на плане за $350 в месяц ты мог подключать свои собственные дата провайдеры, т.е. тогда тебе не приходилось переплачивать за покупку этих данных у Clay. Этим пользовались почти все, но у Clay был большой минус – на больших объемах данных система начинала жутко тупить, сами таблицы содержали до 50,000 строк, поэтому с ростом лидов система сильно тормозила. Уже тогда в LinkedIn активно бустились посты о том, как здорово можно заменить любой воркфлоу в Clay при помощи n8n и круто сэкономить. Всё так, но n8n отнимал время и для непроверенных воркфлоу строить новую схему было слишком расточительно, именно с точки времени. Финальный выстрел в Clay для лидген агентств совершили Claude Code или Codex. Мало того, что агенты дали доступ к n8n через MCP и мы смогли строить воркфлоу за несколько минут, а не дней. Они ещё благодаря своим подписным моделям дали нам возможность сэкономить несколько сотен долларов в месяц на запросах к ИИ. Возможно, Clay понимал к чему идёт всё дело, и сам сделал первый шаг, когда ввёл оплату за действия в марте 2026, тем самым перекрыв доступ к неограниченному использованию внешних дата-провайдеров. Они оставили Legacy-планы, где можно было использовать внешние источники, и я такой хотел сохранить для нас. Но в июле стало понятно, что уже больше и не надо. Мы перешли практически полностью на Hermes+Codex и используем все те же источники данных, что в Clay раньше, просто напрямую. И вот сейчас, когда потребности закрылись, так интересно посмотреть на Clay как на ушедшую эпоху, и подумать, а что ждёт нас дальше? ✨ #li_outreach #email_outreach

n8n VS code Во 2 полугодии 2026 до сих пор обсуждают насколько нужен n8n , если уже есть готовые и продвинутые AI агенты, которые могут собирать готовые решения. Кто-то говорит что n8n не нужен. В этом 🎞 интервью подробно разобрана практическая сторона этого вопроса, потому что обсуждать можно бесконечно, а есть реальные задачи, под которые на практике подбираются свои инструменты. Ведь код тоже бывает разный. Шпаргалка когда что выбирать: Выбирай Код если: - у вас есть сервер чтобы его развернуть - вам базово неплохо бы понимать код - вам надо где-то хранить ключи (в gitHub не вариант) - не безопасно (нужны доп. библиотеки) - авторизацию и ролевую модель нужно отдельно делать - вероятность багов выше → нужно отлаживать (80% вашего времени и токенов) - возня с БД (и понимать какая для чего нужна) между кодом и n8n есть PaaS платформы типа Railway (у меня там 2 проекта крутится), в целом хорошее решение для чего-то более гибкого Выбирай n8n если: - нужно чтобы все было наглядно - все детерминировано - процесс последовательный (если есть откат — тебе нужен LangGraph / CrewAI) - решение можно воспроизвести 1:1 - можно быстро перенести/поделиться рабочим процессом - есть версионирование - встроенные простые evals в корпоративном секторе важна наблюдаемость (observability), безопасность, воспредводимость, масштабиримость.