6.000’den Fazla n8n İş Akışını Kazıyarak İnteraktif Önizlemeli Bir Arama Motoru Oluşturmak
Otomasyon platformları, günlük iş akışlarını kolaylaştırmanın ve verimliliği artırmanın anahtarı haline geldi. Bu platformlardan biri olan n8n, kullanıcıların kod yazmadan güçlü otomasyonlar oluşturmasına olanak tanır. Ancak, n8n topluluğu büyüdükçe, binlerce paylaşılan iş akışı arasında doğru olanı bulmak giderek zorlaşıyor. Bu makale, 6.000’den fazla n8n iş akışını kazıyarak, kullanıcıların ihtiyaç duydukları otomasyonları kolayca bulmalarını sağlayan, interaktif önizlemelere sahip bir arama motoru geliştirme sürecini detaylandırmaktadır.
n8n İş Akışlarının Değeri ve Keşif Zorlukları
n8n (node-based workflow automation) açık kaynaklı, genişletilebilir bir otomasyon aracıdır. Kullanıcılar, çeşitli uygulamalar ve API’ler arasında bağlantılar kurarak karmaşık iş akışları oluşturabilirler. Bu esneklik ve açık kaynak doğası, n8n’i geliştiriciler ve teknik kullanıcılar arasında popüler bir seçenek haline getirmiştir.
n8n Nedir ve Neden Önemlidir?
n8n, farklı hizmetleri birbirine bağlayan “düğümler” (nodes) kullanarak otomasyonlar oluşturmaya yarayan bir platformdur. Veri tabanları, API’ler, bulut hizmetleri ve popüler uygulamalar arasında köprü kurarak, tekrarlayan görevleri otomatikleştirir. İş akışları görsel bir arayüzde tasarlanır ve JSON formatında dışa aktarılabilir. Bu yapı, otomasyon süreçlerini şeffaf ve yönetilebilir kılar. n8n’in önemi, sadece teknik kullanıcıların değil, aynı zamanda iş süreçlerini optimize etmek isteyen herkesin otomasyon gücünden faydalanabilmesidir.
Topluluk Kaynakları ve Mevcut Durum
n8n’in aktif bir topluluğu vardır ve bu topluluk, forumlar, GitHub depoları ve resmi n8n kütüphanesi aracılığıyla binlerce iş akışını paylaşmaktadır. Bu iş akışları, e-posta bildirimlerinden karmaşık veri entegrasyonlarına kadar geniş bir yelpazeyi kapsar. Ancak, bu zengin içerik, merkezi ve etkili bir arama veya keşif mekanizması olmaksızın dağınık halde bulunmaktadır. Kullanıcılar genellikle belirli bir ihtiyaca yönelik iş akışını bulmak için saatler harcamak zorunda kalır.
İş Akışı Keşfindeki Engeller
Mevcut durumda, n8n iş akışlarını keşfetmek için genellikle manuel yöntemler kullanılır. Forumlarda arama yapmak, GitHub depolarını taramak veya n8n’in kendi topluluk sayfalarındaki sınırlı filtreleme seçeneklerini kullanmak, aranan spesifik bir otomasyonu bulmayı zorlaştırır. İş akışları genellikle sadece başlık ve kısa bir açıklama ile listelenir, bu da içeriklerini tam olarak anlamadan indirme ve test etme gerekliliğini doğurur. Bu durum, zaman kaybına ve verimsizliğe yol açar.
Veri Kazıma Stratejisi: 6.000+ İş Akışına Ulaşmak
Bu projenin temelini, n8n topluluğundan ve diğer açık kaynak platformlardan binlerce iş akışını sistematik bir şekilde toplamaktır. Bu, dikkatli bir planlama ve doğru araçların seçilmesini gerektirir.
Hedef Belirleme ve Veri Kaynakları
Projenin ana hedefi, mümkün olan en geniş n8n iş akışı veri setini oluşturmaktır. Başlıca veri kaynakları arasında n8n’in resmi topluluk iş akışları kütüphanesi, GitHub Gist’ler, n8n forumları ve ilgili blog gönderileri bulunmaktadır. Her bir kaynaktan, iş akışının JSON içeriği, başlığı, açıklaması, etiketleri, yazar bilgisi ve varsa kullanım örnekleri gibi meta veriler toplanması hedeflenmiştir.
Kazıma Araçları ve Yöntemleri
Veri kazıma işlemi için Python ve Scrapy kütüphanesi tercih edildi. Scrapy, web sitelerinden yapılandırılmış verileri çıkarmak için güçlü ve esnek bir çerçeve sunar. Dinamik içerik yükleyen sayfalar için Selenium veya Playwright gibi headless tarayıcı otomasyon araçları da Scrapy ile entegre edilerek kullanıldı. Özellikle GitHub Gist’leri gibi farklı formatlardaki içerikleri işlemek için özel kazıyıcılar (scrapers) geliştirildi.
# Örnek bir Scrapy Spider yapısı
import scrapy
class N8nWorkflowSpider(scrapy.Spider):
name = 'n8n_workflows'
start_urls = ['https://n8n.io/workflows/'] # Örnek URL
def parse(self, response):
# İş akışı kartlarını veya listeleme öğelerini bul
workflow_links = response.css('a.workflow-card::attr(href)').getall()
for link in workflow_links:
yield response.follow(link, self.parse_workflow_detail)
# Sonraki sayfaya geçiş (varsa)
next_page = response.css('a.next-page::attr(href)').get()
if next_page is not None:
yield response.follow(next_page, self.parse)
def parse_workflow_detail(self, response):
# İş akışı detay sayfasından verileri çek
title = response.css('h1::text').get()
description = response.css('div.description::text').get()
# JSON içeriğini çekme mekanizması (genellikle bir script etiketinde veya API çağrısında bulunur)
json_content = response.css('script[type="application/json"]::text').get()
yield {
'title': title,
'description': description,
'json_content': json_content,
'url': response.url,
# Diğer meta veriler...
}Veri Modeli ve Toplanan Bilgiler
Her bir n8n iş akışı için aşağıdaki temel bilgilerin toplanması planlandı:
- ID: Benzersiz bir tanımlayıcı.
- Başlık: İş akışının adı.
- Açıklama: İş akışının ne işe yaradığını anlatan kısa metin.
- JSON İçeriği: İş akışının kendisini tanımlayan tam JSON yapısı. Bu, interaktif önizleme için kritik öneme sahiptir.
- Etiketler/Kategoriler: İş akışının ilgili olduğu konular.
- Yazar: İş akışını oluşturan veya paylaşan kişi/kuruluş.
- Kaynak URL: İş akışının orijinal olarak bulunduğu web sayfası.
- Oluşturulma/Güncellenme Tarihi: Zaman damgaları.
Bu veri modeli, arama motorunun hem genel bilgilere göre hem de iş akışının içindeki düğüm adları, parametreler gibi daha derinlemesine bilgilere göre arama yapmasına olanak tanır.
Hukuki ve Etik Hususlar
Veri kazıma işlemi sırasında hukuki ve etik kurallara riayet etmek büyük önem taşır. Web sitelerinin robots.txt dosyaları incelendi, aşırı istek gönderiminden kaçınıldı ve sunuculara yük bindirmemek için gecikmeler uygulandı. Toplanan veriler sadece arama ve önizleme amaçlı kullanıldı, herhangi bir ticari amaç gütmedi ve kişisel verilerin toplanmasından kaçınıldı. Açık kaynaklı ve paylaşıma açık veriler olmasına rağmen, bu projenin amacı topluluğa hizmet etmek ve mevcut kaynakları daha erişilebilir kılmaktır.
Toplanan Verilerin Depolanması ve Yapılandırılması
Kazınan verilerin etkili bir şekilde depolanması ve sorgulanabilir hale getirilmesi, arama motorunun performansını ve işlevselliğini doğrudan etkiler. Bu aşamada doğru veritabanı ve şema seçimi kritik rol oynar.
Veritabanı Seçimi
Proje için Elasticsearch tercih edildi. Bunun birkaç nedeni bulunmaktadır:
- Tam Metin Arama Yetenekleri: Elasticsearch, metin tabanlı verilerde hızlı ve gelişmiş tam metin arama için optimize edilmiştir. n8n iş akışlarının başlıkları, açıklamaları ve JSON içerikleri gibi metinsel veriler için idealdir.
- JSON Desteği: n8n iş akışları JSON formatında olduğu için, Elasticsearch'ün JSON belgelerini doğal olarak depolaması ve indekslemesi büyük bir avantajdır.
- Ölçeklenebilirlik: Gelecekte daha fazla iş akışı eklendiğinde veya kullanıcı sayısı arttığında kolayca ölçeklenebilir bir yapı sunar.
- Fasetleme ve Filtreleme: Etiketlere, yazarlara veya diğer meta verilere göre gelişmiş filtreleme ve fasetleme özellikleri sunar.
Alternatif olarak PostgreSQL gibi ilişkisel veritabanları veya MongoDB gibi NoSQL veritabanları da düşünülebilirdi, ancak tam metin arama ve JSON işleme yetenekleri açısından Elasticsearch daha uygun bulundu.
Şema Tasarımı
Elasticsearch'teki indeks şeması, iş akışlarının verimli bir şekilde depolanmasını ve aranmasını sağlamak için özenle tasarlandı. Her bir n8n iş akışı, Elasticsearch'te bir belge olarak temsil edildi.
{
"id": "unique-workflow-id-123",
"title": "Slack'e Yeni Tweet Bildirimi Gönder",
"description": "Belirli bir hashtag ile yeni tweetleri izler ve Slack kanalına bildirim gönderir.",
"json_content": "{ \"nodes\": [ { \"nodeType\": \"n8n-nodes-base.twitterTrigger\", ... } ], \"connections\": { ... } }",
"tags": ["slack", "twitter", "bildirim", "sosyal medya"],
"author": "John Doe",
"source_url": "https://n8n.io/workflows/example-workflow-123",
"created_at": "2023-01-15T10:00:00Z",
"updated_at": "2023-01-15T10:00:00Z",
"nodes": [
{"name": "Twitter Trigger", "type": "n8n-nodes-base.twitterTrigger"},
{"name": "Slack", "type": "n8n-nodes-base.slack"}
]
}
json_content alanı, iş akışının tam JSON yapısını içerirken, nodes alanı iş akışındaki düğümlerin adlarını ve tiplerini içeren bir dizi olarak indekslendi. Bu, kullanıcıların belirli düğüm tiplerini içeren iş akışlarını aramasına olanak tanır. tags alanı da çok değerli bir filtreleme ve arama kriteri olarak kullanıldı.
Veri Temizliği ve Ön İşleme
Kazınan veriler genellikle ham ve tutarsız olabilir. Bu nedenle, veritabanına aktarılmadan önce kapsamlı bir temizlik ve ön işleme aşaması uygulandı:
- Tekrarlayan Kayıtların Kaldırılması: Aynı iş akışının farklı kaynaklardan birden fazla kez kazınması durumunda benzersiz ID'ler kullanılarak tekrarlar elimine edildi.
- Eksik Verilerin Doldurulması: Başlık veya açıklama gibi kritik alanlarda eksiklikler varsa, mümkünse otomatik olarak dolduruldu veya
N/Aolarak işaretlendi. - Metin Normalizasyonu: Tüm metin alanları (başlık, açıklama, etiketler) küçük harfe dönüştürüldü, noktalama işaretleri temizlendi ve gereksiz boşluklar kaldırıldı.
- JSON Doğrulaması: Her bir
json_contentalanının geçerli bir JSON olup olmadığı kontrol edildi. Geçersiz olanlar düzeltildi veya atlandı. - Etiket Çıkarımı: Bazı iş akışlarının etiketleri otomatik olarak çıkarıldı veya mevcut etiketler standartlaştırıldı.
Bu adımlar, arama sonuçlarının kalitesini ve tutarlılığını önemli ölçüde artırdı.
Arama Motoru Mimarisi ve Geliştirme
Arama motorunun kalbi, kullanıcı sorgularını alıp en alakalı sonuçları hızlı ve verimli bir şekilde döndüren mimaridir. Elasticsearch'in gücünden faydalanarak bu mimari oluşturuldu.
Arama Teknolojisi Seçimi
Daha önce belirtildiği gibi, Elasticsearch bu proje için ana arama motoru olarak seçildi. Gelişmiş tam metin arama, sorgulama dilleri (Query DSL), fasetleme ve sıralama yetenekleri sayesinde karmaşık arama ihtiyaçlarını karşılayabilmektedir. Ayrıca, Elasticsearch'in RESTful API'si, arka uç uygulamasıyla kolay entegrasyon sağlar.
Endeksleme Süreci
Kazınan ve temizlenen her bir n8n iş akışı belgesi, Elasticsearch'e endekslendi. Endeksleme işlemi, veritabanına veri ekleme sürecidir ve Elasticsearch'in bu verileri hızlı arama için optimize etmesini sağlar. Özellikle json_content alanındaki düğüm adları ve tipleri gibi belirli alt alanların da indekslenmesi, daha spesifik aramalar yapılmasına olanak tanıdı. Örneğin, bir kullanıcı "HTTP Request" düğümünü içeren iş akışlarını arayabilir.
Arama Sorgulama ve Sıralama Algoritmaları
Arama motoru, kullanıcıların girdiği sorguları işlemek için Elasticsearch'in Query DSL'ini kullanır. Basit anahtar kelime aramalarından, birden fazla alanı hedefleyen karmaşık sorgulara kadar çeşitli arama tipleri desteklenir.
Örnek bir Elasticsearch sorgusu:
{
"query": {
"multi_match": {
"query": "slack bildirim",
"fields": ["title^3", "description^2", "tags^1.5", "json_content"]
}
},
"sort": [
{ "created_at": { "order": "desc" } }
],
"aggs": {
"top_tags": {
"terms": {
"field": "tags.keyword",
"size": 10
}
}
}
}
Yukarıdaki örnekte, "slack bildirim" sorgusu title, description, tags ve json_content alanlarında aranır. ^3 gibi ağırlıklandırmalar, başlıkta geçen terimlerin daha alakalı kabul edilmesini sağlar. Sonuçlar oluşturulma tarihine göre azalan sırada sıralanır ve en popüler etiketler (top_tags) fasetleme için toplanır.
Filtreleme ve Fasetleme Özellikleri
Kullanıcı deneyimini zenginleştirmek için gelişmiş filtreleme ve fasetleme özellikleri eklendi. Kullanıcılar, etiketlere, yazar adlarına veya belirli düğüm tiplerine göre arama sonuçlarını daraltabilirler. Fasetleme, arama sonuçlarında en sık geçen etiketleri veya kategorileri göstererek, kullanıcıların keşfetme sürecini kolaylaştırır. Bu özellikler, Elasticsearch'in aggregations yetenekleri kullanılarak implemente edildi.
İnteraktif Önizlemeler: Kullanıcı Deneyimini Zenginleştirmek
Bir iş akışının JSON içeriğini görmek faydalı olsa da, asıl değeri onu görsel olarak anlamaktır. Bu proje, interaktif önizlemelerle kullanıcı deneyimini bir üst seviyeye taşımaktadır.
Önizleme Mekanizması
n8n iş akışları, genellikle görsel bir tuval üzerinde düğümler ve bağlantılar olarak temsil edilir. Bu nedenle, kazınan JSON içeriğini alıp, n8n'in kendi UI bileşenlerine benzer şekilde görselleştirmek, kullanıcıların iş akışının yapısını ve mantığını hızlıca anlamalarını sağlar. Bu, n8n'in açık kaynaklı frontend bileşenlerinin veya benzer bir grafik kütüphanesinin (örneğin React Flow) kullanılmasıyla başarılabilir. Kullanıcı bir arama sonucuna tıkladığında, iş akışının düğüm yapısı, bağlantıları ve belki de bazı temel parametreleri interaktif bir diyagram olarak gösterilir.
Güvenlik ve İzolasyon Konuları
İş akışlarının JSON içeriği potansiyel olarak hassas bilgiler (örneğin, API anahtarları için yer tutucular) içerebilir. Bu nedenle, önizleme mekanizması tasarlanırken güvenlik ön planda tutuldu. Önizleme sırasında hiçbir gerçek kimlik bilgisi veya hassas veri gösterilmez veya işlenmez. Yalnızca iş akışının yapısal ve mantıksal bileşenleri görselleştirilir. Ayrıca, önizleme ortamı tamamen izole edilmiş bir sandbox içinde çalıştırılarak, kötü niyetli JSON içeriklerinin sistem üzerinde herhangi bir etki yaratması engellenir.
Kullanıcı Arayüzü Entegrasyonu
İnteraktif önizlemeler, arama sonuçları sayfasında veya ayrı bir detay sayfasında bir bileşen olarak entegre edildi. Kullanıcı bir iş akışını seçtiğinde, sağ tarafta veya açılır bir pencerede iş akışının görsel önizlemesi belirir. Bu, kullanıcıların iş akışını indirmeden veya n8n ortamına aktarmadan önce hızlıca değerlendirmelerine olanak tanır, böylece yanlış iş akışları üzerinde zaman kaybetmelerini önler.
Uygulamanın Geliştirilmesi ve Kullanıcı Arayüzü (UI)
Arama motorunun son kullanıcıya sunulması için modern bir web uygulaması geliştirildi. Bu uygulama, kullanıcıların kolayca arama yapmasını, sonuçları filtrelemesini ve iş akışlarını önizlemesini sağlar.
Teknoloji Yığını
Uygulamanın geliştirilmesi için aşağıdaki teknoloji yığını kullanıldı:
- Frontend: React.js, hızlı ve etkileşimli kullanıcı arayüzleri oluşturmak için tercih edildi. Durum yönetimi için React Context API veya Redux gibi çözümler kullanılabilir.
- Backend: Node.js ve Express.js, hafif ve hızlı bir API sunucusu oluşturmak için kullanıldı. Bu katman, frontend'den gelen arama isteklerini Elasticsearch'e iletir ve sonuçları işleyerek frontend'e geri gönderir.
- Veritabanı/Arama Motoru: Elasticsearch (daha önce bahsedildiği gibi).
Bu yığın, hem geliştirme hızı hem de uygulamanın ölçeklenebilirliği açısından dengeli bir çözüm sunar.
API Tasarımı
Backend API'si, RESTful prensiplere uygun olarak tasarlandı. Ana API uç noktaları şunları içerir:
GET /api/workflows: İş akışlarını aramak ve filtrelemek için. Sorgu parametreleri (q,tags,authorvb.) ile birlikte kullanılır.GET /api/workflows/:id: Belirli bir iş akışının detaylarını (tam JSON içeriği dahil) almak için.GET /api/tags: Mevcut etiketlerin listesini almak için (fasetleme ve otomatik tamamlama için).
API, kimlik doğrulama veya yetkilendirme gerektirmez, çünkü tüm veriler halka açık kaynaklardan toplanmıştır.
Kullanıcı Arayüzü Tasarımı ve Bileşenleri
Kullanıcı arayüzü, temiz, sezgisel ve kullanımı kolay olacak şekilde tasarlandı. Ana bileşenler şunlardır:
- Arama Çubuğu: Anahtar kelime aramaları için.
- Filtreleme ve Fasetleme Paneli: Etiketlere, yazar adlarına veya düğüm tiplerine göre sonuçları daraltmak için.
- Sonuç Listesi: Her bir iş akışının başlığı, kısa açıklaması ve temel meta verilerini içeren kartlar veya listeleme öğeleri.
- İş Akışı Detay ve Önizleme Modalı/Paneli: Seçilen iş akışının tam açıklamasını, JSON içeriğini ve interaktif görsel önizlemesini gösterir.
- Sayfalandırma: Büyük sonuç kümelerini yönetmek için.
Tasarım, responsive (duyarlı) bir yaklaşımla mobil ve masaüstü cihazlarda sorunsuz bir deneyim sunmayı hedeflemektedir.
Karşılaşılan Zorluklar ve Çözümler
Böylesine kapsamlı bir projede çeşitli teknik ve operasyonel zorluklarla karşılaşmak kaçınılmazdır. Bu zorlukların üstesinden gelmek, projenin başarısı için kritik öneme sahiptir.
Dinamik İçerik ve Anti-Bot Mekanizmaları
Bazı n8n iş akışları, JavaScript ile dinamik olarak yüklenen sayfalarda bulunuyordu. Bu durum, geleneksel HTML kazıyıcılarının bu içeriğe erişmesini engelledi. Çözüm olarak, Scrapy ile entegre edilen headless tarayıcılar (Puppeteer veya Playwright) kullanıldı. Bu araçlar, sayfayı bir tarayıcı gibi render ederek, JavaScript tarafından oluşturulan içeriğe erişmeyi ve kazımayı mümkün kıldı. Ayrıca, bazı sitelerin anti-bot mekanizmaları (CAPTCHA, IP engelleme) ile karşılaşılması durumunda, IP rotasyonu ve kullanıcı aracısı (user-agent) spoofing gibi teknikler uygulandı.
Veri Tutarlılığı ve Güncelleme Stratejileri
Kazınan 6.000'den fazla iş akışının zamanla güncelliğini yitirmesi veya yeni iş akışlarının eklenmesi muhtemeldir. Bu nedenle, veri tutarlılığını sağlamak ve güncel kalmak için bir güncelleme stratejisi geliştirildi. Belirli aralıklarla (örneğin, haftalık veya aylık) tüm kaynakların yeniden taranması ve yeni veya güncellenmiş iş akışlarının tespit edilip veritabanına eklenmesi/güncellenmesi için otomatik bir süreç kuruldu. Bu, cron işleri veya zamanlanmış bulut fonksiyonları aracılığıyla gerçekleştirilebilir.
Performans Optimizasyonu
Hem veri kazıma aşamasında hem de arama motoru uygulamasında performans optimizasyonu önemli bir konuydu.
- Kazıma Performansı: Scrapy'nin paralel kazıma yetenekleri kullanıldı, aynı anda birden fazla isteğin işlenmesi sağlandı. Ayrıca, gereksiz kaynakların (resimler, CSS dosyaları) indirilmesinden kaçınıldı.
- Arama Performansı: Elasticsearch'in indeksleme stratejileri optimize edildi. Doğru mapping (eşleme) ve analizörlerin kullanılması, sorgu performansını artırdı. Sorguların karmaşıklığı azaltıldı ve sık kullanılan sorgular için önbellekleme mekanizmaları düşünüldü.
- Uygulama Performansı: Frontend tarafında, React'in sanal DOM'u ve bileşenlerin optimize edilmiş render edilmesiyle kullanıcı arayüzü hızlı tutuldu. Backend API'sinde ise, veritabanı sorguları optimize edildi ve yanıt sürelerini azaltmak için hafif bir yapı kullanıldı.
Sonuç
Bu proje, 6.000'den fazla n8n iş akışını kazıyarak ve interaktif önizlemelere sahip bir arama motoru geliştirerek, n8n topluluğu için önemli bir değer yaratmıştır. Dağınık haldeki otomasyon kaynaklarını merkezi ve aranabilir bir platformda bir araya getirmek, kullanıcıların ihtiyaç duydukları iş akışlarını çok daha hızlı ve verimli bir şekilde bulmalarını sağlamıştır. Veri kazıma, depolama, arama motoru mimarisi ve kullanıcı arayüzü geliştirme süreçlerinde karşılaşılan zorluklar, modern web teknolojileri ve dikkatli mühendislik yaklaşımlarıyla aşılmıştır. Bu arama motoru, n8n kullanıcılarının otomasyon potansiyelini tam olarak kullanmalarına yardımcı olacak güçlü bir araçtır ve otomasyon ekosistemindeki bilgi erişilebilirliğini artırma yolunda önemli bir adımdır.
SSS (Sık Sorulan Sorular)
1. Neden böyle bir projeye ihtiyaç duyuldu?
n8n topluluğu büyüdükçe, paylaşılan iş akışlarının sayısı binlere ulaştı. Ancak, bu iş akışlarını etkili bir şekilde aramak ve keşfetmek için merkezi ve gelişmiş bir araç bulunmuyordu. Bu proje, kullanıcıların aradıkları otomasyonları kolayca bulmalarını sağlayarak zaman kaybını önlemeyi ve verimliliği artırmayı hedefledi.
2. Veriler nereden toplandı?
Veriler, n8n'in resmi topluluk iş akışları kütüphanesi, GitHub Gist'ler, n8n forumları ve ilgili blog gönderileri gibi halka açık çeşitli kaynaklardan kazınmıştır.
3. Bu arama motoru herkesin kullanımına açık mı?
Evet, bu projenin amacı n8n topluluğuna hizmet etmektir. Geliştirilen arama motoru genellikle herkese açık bir web uygulaması olarak sunulur ve kullanıcıların herhangi bir kısıtlama olmaksızın iş akışlarını aramasına ve önizlemesine olanak tanır.
4. İş akışları ne sıklıkla güncelleniyor?
Veri tutarlılığını sağlamak ve yeni iş akışlarını dahil etmek için düzenli güncelleme süreçleri planlanmıştır. Genellikle haftalık veya aylık periyotlarla tüm veri kaynakları yeniden taranarak yeni veya güncellenmiş iş akışları tespit edilip veritabanına yansıtılır.
5. Projenin gelecekteki planları nelerdir?
Gelecekteki planlar arasında, kullanıcıların kendi iş akışlarını yüklemesine izin vermek, iş akışları için derecelendirme ve yorum sistemleri eklemek, daha gelişmiş yapay zeka destekli arama ve öneri algoritmaları entegre etmek ve daha fazla veri kaynağını (örneğin, özel n8n kurulumlarından paylaşılan iş akışları) dahil etmek yer alabilir.