Научете как AI инструменти подпомагат маркетинга – от prompt engineering и генериране на съдържание до пазарни проучвания и sentiment analysis. Вижте примери с ChatGPT, Gemini, DeepSeek, Grok и Perplexity за реални кампании.
AI асистент в Telegram с n8n може да помни разговорите ви, да чете и изпраща имейли, да търси информация и да изпълнява задачи вместо вас. В това урокче Мартин Куванджиев, CEO на encorp.ai и n8n Ambassador за България, изгражда опростена версия на Cory – персоналния AI асистент, който Encorp ползва вътрешно. Ще създадете Telegram бот през BotFather, ще го свържете с n8n и OpenAI модел, ще зададете System Prompt и роля и ще връщате отговорите в Telegram. След това Мартин добавя памет за всеки чат, за да не се смесват разговорите, ограничава достъпа до разрешени потребители с IF проверка на Telegram From ID (по-добре от username) и дава на агента Gmail инструменти за търсене, четене и изпращане на имейли. Добавени са и Date & Time tool, Web Search, индикатор „typing…“, форматиране в Telegram-friendly Markdown и отделен Error Workflow, който изпраща Telegram съобщение с името на workflow-а и грешката, когато нещо се счупи. Идеално за n8n автоматизатори, които искат практическа основа за личен или вътрешен AI агент.
AI Agent в Microsoft Copilot може да се направи без програмиране, а Мартин Куванджиев, CEO на encorp.ai, показва целия процес стъпка по стъпка. Заедно изграждате реален бизнес агент „Обработчик на фактури“: качвате фактура в чата, агентът я чете, извлича фирма издател, дата, номер, сума, ДДС, тип и артикули, добавя ги в общ регистър и записва резултата в SharePoint. Видеото обхваща Agent Builder, описване на агента с нормален език, Instructions, Skills, Cloud Files, Knowledge Base, Suggested Prompts, тест с реална фактура, работа с Excel, Copilot Connectors и споделяне на агента с цялата компания с различни права за ползване и редакция. Мартин обяснява подхода, който Encorp често използва: AI създава първата версия, човек я преглежда и след това се добавят бизнес правилата. Той посочва и други агенти по същия модел: procurement, HR, sales, compliance и асистенти за вътрешни политики. Полезно за мениджъри и екипи в Microsoft 365, които искат един споделен агент, ползван по един и същ начин от всички.
AI Customer Support Agent с n8n и RAG може да прочете стотици стари супорт казуси и да подготвя правилните отговори на нови клиентски имейли. В това урокче Мартин Куванджиев, CEO на encorp.ai и n8n Ambassador за България, изгражда точно такъв агент от нулата. Започвайки от демо документ с 300 измислени супорт казуса, той го превръща в knowledge base с embeddings и vector store (PDF файлът става на 425 търсеми елемента) и го дава на AI Agent като инструмент. Ще видите защо цялата база не бива да се слага в System Prompt, как слаб първи промпт кара агента да игнорира vector store-а и как корекцията и по-добрата структура на данните подобряват точността. След това системата се свързва с Gmail: AI classifier определя дали всеки входящ имейл е support или друго, агентът търси в knowledge base-а и създава готов Gmail Draft, така че човекът да остане в процеса. Мартин обяснява и какво би използвал в production – PostgreSQL/pgvector, Supabase или Pinecone. Подходящо за автоматизатори и супорт екипи.
Научете как AI инструменти подпомагат маркетинга – от prompt engineering и генериране на съдържание до пазарни проучвания и sentiment analysis. Вижте примери с ChatGPT, Gemini, DeepSeek, Grok и Perplexity за реални кампании.
AI асистент в Telegram с n8n може да помни разговорите ви, да чете и изпраща имейли, да търси информация и да изпълнява задачи вместо вас. В това урокче Мартин Куванджиев, CEO на encorp.ai и n8n Ambassador за България, изгражда опростена версия на Cory – персоналния AI асистент, който Encorp ползва вътрешно. Ще създадете Telegram бот през BotFather, ще го свържете с n8n и OpenAI модел, ще зададете System Prompt и роля и ще връщате отговорите в Telegram. След това Мартин добавя памет за всеки чат, за да не се смесват разговорите, ограничава достъпа до разрешени потребители с IF проверка на Telegram From ID (по-добре от username) и дава на агента Gmail инструменти за търсене, четене и изпращане на имейли. Добавени са и Date & Time tool, Web Search, индикатор „typing…“, форматиране в Telegram-friendly Markdown и отделен Error Workflow, който изпраща Telegram съобщение с името на workflow-а и грешката, когато нещо се счупи. Идеално за n8n автоматизатори, които искат практическа основа за личен или вътрешен AI агент.
AI Agent в Microsoft Copilot може да се направи без програмиране, а Мартин Куванджиев, CEO на encorp.ai, показва целия процес стъпка по стъпка. Заедно изграждате реален бизнес агент „Обработчик на фактури“: качвате фактура в чата, агентът я чете, извлича фирма издател, дата, номер, сума, ДДС, тип и артикули, добавя ги в общ регистър и записва резултата в SharePoint. Видеото обхваща Agent Builder, описване на агента с нормален език, Instructions, Skills, Cloud Files, Knowledge Base, Suggested Prompts, тест с реална фактура, работа с Excel, Copilot Connectors и споделяне на агента с цялата компания с различни права за ползване и редакция. Мартин обяснява подхода, който Encorp често използва: AI създава първата версия, човек я преглежда и след това се добавят бизнес правилата. Той посочва и други агенти по същия модел: procurement, HR, sales, compliance и асистенти за вътрешни политики. Полезно за мениджъри и екипи в Microsoft 365, които искат един споделен агент, ползван по един и същ начин от всички.
AI Customer Support Agent с n8n и RAG може да прочете стотици стари супорт казуси и да подготвя правилните отговори на нови клиентски имейли. В това урокче Мартин Куванджиев, CEO на encorp.ai и n8n Ambassador за България, изгражда точно такъв агент от нулата. Започвайки от демо документ с 300 измислени супорт казуса, той го превръща в knowledge base с embeddings и vector store (PDF файлът става на 425 търсеми елемента) и го дава на AI Agent като инструмент. Ще видите защо цялата база не бива да се слага в System Prompt, как слаб първи промпт кара агента да игнорира vector store-а и как корекцията и по-добрата структура на данните подобряват точността. След това системата се свързва с Gmail: AI classifier определя дали всеки входящ имейл е support или друго, агентът търси в knowledge base-а и създава готов Gmail Draft, така че човекът да остане в процеса. Мартин обяснява и какво би използвал в production – PostgreSQL/pgvector, Supabase или Pinecone. Подходящо за автоматизатори и супорт екипи.
