Автоматизация рабочих процессов ИИ

Думаю, каждый сталкивался с чем-то подобным:

Каждое утро, приходя в офис, вы тратите полчаса на проверку электронной почты, отбор важных писем, а затем отвечаете на них одно за другим.
После получения отзывов клиентов вам приходится вручную их систематизировать и классифицировать, а затем отправлять ответственному лицу.
Социальные сети нужно регулярно обновлять, и каждый раз приходится писать текст, создавать изображения и планировать публикации.

Эти повторяющиеся задачи отнимают много времени, но на самом деле не требуют особых размышлений.

Автоматизация рабочих процессов с помощью ИИ — это именно решение для таких проблем: передать повторяющиеся задачи с чёткими правилами ИИ для автоматического выполнения.

Основная цель автоматизации рабочих процессов:Освободить ваше время от выполнения и использовать его для принятия решений。

Что такое рабочий процесс с ИИ

Рабочий процесс с ИИ объединяет несколько возможностей и инструментов ИИ в автоматизированный процесс.

Проще говоря: когда происходит определённое событие, оно запускает серию действий, а ИИ выполняет между ними понимание, оценку и генерацию.

Концепция автоматизации рабочих процессов

Типичный рабочий процесс состоит из трёх частей:

Компонент	Назначение	Типичные примеры
Триггер	Условие, при котором начинается выполнение	Получение нового письма, наступление запланированного времени, отправка формы кем-либо
Действие	Какую операцию выполнить	Отправка сообщения, сохранение данных, генерация контента
Условие	Обработка разных случаев по-разному	Если письмо срочное, отправьте уведомление; в противном случае подготовьте сводку

Вот конкретный пример:

Триггер: проверять указанный новостной сайт каждые 6 часов.
Действие 1: ИИ получает новостной контент и отбирает материалы, относящиеся к вашей отрасли.
Действие 2: ИИ суммирует релевантные новости в сводку объемом не более 100 символов.
Действие 3: Отправьте сводку в ваш канал Slack.

Это полный рабочий процесс ИИ. После настройки он работает автоматически, без каких-либо действий с вашей стороны.

Рабочий процесс ИИ против традиционной автоматизации

Самое большое различие между рабочими процессами ИИ и традиционной автоматизацией состоит в том, что ИИ может обрабатывать неструктурированное содержимое и выносить суждения.

Пункт сравнения	Традиционная автоматизация	Рабочий процесс ИИ
Обработка содержимого	Может обрабатывать только структурированные данные	Может понимать текст, изображения и речь
Источник правил	Правила должны быть жёстко закодированы людьми	ИИ может выносить суждения на основе содержимого
Гибкость	При любом изменении правил требуется переписывание	Поведение можно изменить, скорректировав промпты
Подходящие сценарии	Простые, повторяющиеся, детерминированные задачи	Сложные задачи, требующие понимания и суждения

Например, после получения письма переслать его Чжан Сану — это традиционная автоматизация с четкими правилами.

После получения письма ИИ оценивает его важность; о важных сразу уведомляют, неважные обобщаются и отправляются еженедельно — это рабочий процесс ИИ, требующий понимания и суждения.

Платформа рабочих процессов n8n

n8n — это инструмент автоматизации рабочих процессов с открытым исходным кодом, который можно развернуть самостоятельно или использовать через облачную версию.

Особенность n8n — полностью визуальная работа, позволяющая создавать сложные рабочие процессы путем перетаскивания.

Адрес открытого исходного кода:https://github.com/n8n-io/n8n

Установка n8n

Попробуйте n8n одной командой через npx (требуется предварительно установленная среда Node.js):

npx n8n

Вы также можете использовать Docker для развертывания и запуска:

# 创建数据持久化卷
docker volume create n8n_data
# 启动 n8n 容器
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

После завершения развертывания откройте http://localhost:5678 в браузере, чтобы увидеть интерфейс n8n.

Если вы не хотите разворачивать его самостоятельно, вы также можете использовать облачную версию n8nhttps://n8n.io/, просто зарегистрируйтесь и используйте ее напрямую.

Основные концепции: узлы, соединения, триггеры

Интерфейс n8n состоит из холста и узлов. Вы можете начать пользоваться им, разобравшись в трёх основных концепциях:

Концепция	Функция	Описание
Узел	Выполнение конкретных операций	Например, "отправить письмо", "вызвать OpenAI", "сохранить данные"
Соединение	Соединяйте узлы последовательно	Перетащите от одного узла к другому, чтобы задать порядок выполнения
Триггер	Запустите рабочий процесс	Первый узел каждого рабочего процесса, определяющий "когда запускать"

Основные шаги для создания рабочего процесса:

1. Добавьте узел-триггер на холст (например, "Schedule Trigger" или "Webhook").
2. Добавьте первый узел действия и настройте его параметры.
3. Перетащите линию от триггера, чтобы соединить её с узлом действия.
4. Продолжайте добавлять новые узлы и соединяйте их последовательно.
5. Нажмите "Test", чтобы проверить, нормально ли выполняется поток.
6. Активируйте рабочий процесс, чтобы он запускался автоматически.

Интеграция узлов OpenAI

В n8n есть встроенный узел OpenAI, который может напрямую вызывать модели GPT.

Шаги настройки:

1. Найдите OpenAI в списке узлов и перетащите его на холст.
2. Добавьте свой ключ OpenAI API в настройках узла.
3. Выберите модель для использования (например, gpt-3.5-turbo или gpt-4).
4. Напишите промпт, который может ссылаться на выходные данные предыдущих узлов.

Типичная конфигурация промпта может выглядеть так:

请把下面的邮件内容总结成 3 句话摘要：

{{$json.body}}

摘要：

Здесь {{$json.body}} ссылается на содержимое body из предыдущего узла email.

Практика: автоматическое суммирование писем и отправка уведомлений в Slack.

Давайте построим полный рабочий процесс: после получения письма ИИ суммирует содержимое, а затем отправляет его в Slack.

Этот рабочий процесс требует трёх узлов:

1. Триггер электронной почты: срабатывает при получении нового письма.
2. Узел OpenAI: суммирует содержимое письма в краткое резюме.
3. Узел Slack: отправляет резюме в указанный канал.

Ключевые моменты настройки:

Узел электронной почты: настройте IMAP или используйте триггер электронной почты n8n.
Узел OpenAI: задайте промпт, чтобы суммировать это письмо не более чем в 100 символах, а входные данные должны ссылаться на тело письма.
Узел Slack: настройте Slack Bot Token, выберите канал, а содержимое сообщения должно ссылаться на вывод OpenAI.

Соедините эти три узла, протестируйте и активируйте после успешного прохождения теста, и рабочий процесс будет запускаться автоматически.

Библиотека узлов n8n очень богата и поддерживает сотни сервисов, таких как Gmail, Notion, Airtable, Google Sheets и т. д. Уделите время изучению библиотеки узлов, и вы найдёте множество сценариев, которые можно автоматизировать.

Make (ранее Integromat)

Make — ещё одна популярная платформа автоматизации рабочих процессов, ранее называлась Integromat, переименована в Make в 2021 году.

По сравнению с n8n, Make больше ориентирована на бизнес-пользователей, имеет более отполированный интерфейс и более мощные платные функции.

Сравнение Make и n8n

Пункт сравнения	n8n	Make
Открытый исходный код	Да, можно развернуть на собственном сервере	Нет, чистый SaaS
Бесплатная версия	При самостоятельном размещении полностью бесплатно	Да, с ограниченными функциями
Интерфейс	Более технический	Более удобный и отполированный
Количество узлов	Сотни	Тысячи
Корпоративные функции	Требуется платная версия	Всеобъемлющий
Кривая обучения	Довольно крутая	Относительно пологая

Короче говоря: если вам нужен полный контроль и у вас есть технические навыки, выбирайте n8n; если вам нужна простота использования и корпоративная поддержка, выбирайте Make.

Использование модулей ИИ

В Make есть несколько встроенных модулей, связанных с ИИ:

Модуль OpenAI: вызывает такие модели, как GPT, DALL-E, Whisper.

Модуль Make AI: собственные ИИ-возможности Make для интеллектуальной обработки данных.

Другие AI-инструменты: поддерживает Anthropic Claude, Google AI, Midjourney и т. д.

Процесс использования AI в Make:

1. Найдите OpenAI или нужный вам AI-инструмент в библиотеке модулей.
2. Перетащите его на холст сценария.
3. Настройте API-ключи и параметры.
4. Передайте данные из предыдущих модулей в AI-модуль.
5. Передайте вывод AI в последующие модули.

Отличительная особенность Make — AI-ассистент промптов: вы можете описать желаемое на естественном языке, и он сгенерирует промпты за вас.

Практические примеры

Давайте создадим рабочий процесс «автоматической генерации контента для социальных сетей» с помощью Make:

1. Триггер: запланированный триггер на 9 утра каждый понедельник.
2. Модуль Google Sheets: читает заранее подготовленную информацию об обновлениях продуктов и активности.
3. Модуль OpenAI: генерирует текст для Weibo, LinkedIn и Twitter на основе содержимого электронной таблицы.
4. Модуль Airtable: сохраняет сгенерированный текст в таблицу для проверки.
5. Модуль Slack: уведомляет вас: «Контент на эту неделю сгенерирован, проверьте его в Airtable».

После настройки всего потока он автоматически запускается каждый понедельник. Вам нужно только проверять и дорабатывать контент, а не писать текст с нуля.

Автоматизация с помощью ИИ в Zapier

Zapier — пионер автоматизации рабочих процессов, основанный в 2011 году.

Zapier отличается наибольшим количеством подключаемых приложений (более 6000) и простотой использования.

Основы Zapier

Zapier называет рабочие процессы Zaps. Шаги создания Zap:

1. Выберите приложение-триггер и событие-триггер (например, «Gmail получает новое письмо»).
2. Подключите свою учётную запись и настройте условия срабатывания триггера.
3. Выберите первое приложение для действия и событие действия (например, «OpenAI генерирует текст»).
4. Настройте параметры действия, используя данные из триггера.
5. Вы можете продолжать добавлять другие действия.
6. Протестируйте и включите Zap.

Интерфейс Zapier упрощён по сравнению с n8n и Make; каждый шаг представлен в виде формы, не нужно ничего перетаскивать или соединять.

Функция AI Actions

Zapier представил специальную функцию AI Actions, которая позволяет описать желаемое на естественном языке, и она автоматически настраивает весь Zap.

Например, вы вводите:

当我收到带有"发票"标签的邮件时，把附件保存到 Google Drive，
然后用 AI 提取金额和日期，记录到 Airtable，
最后给我发一条 Slack 通知。

Zapier AI автоматически определяет необходимые шаги и настраивает каждый узел за вас.

Вы также можете использовать AI для помощи в написании промптов. Например, при вызове GPT вы говорите "Помогите мне написать промпт для краткого изложения этого письма", и AI создаёт профессиональный шаблон промпта.

Подходящие сценарии

Zapier лучше всего подходит для этих сценариев:

Сценарий	Почему стоит выбрать Zapier
Подключение нишевых приложений	Zapier поддерживает 6000+ приложений, многие из которых отсутствуют у других
Персональная простая автоматизация	Простейший интерфейс, самый быстрый в освоении
Нетехнические пользователи	Технический бэкграунд не требуется
Быстрая валидация прототипа	Создайте рабочий процесс за минуты

Совет по выбору инструмента:Новички начинают с Zapier, используют n8n для более глубокого контроля, выбирают Make для корпоративных нужд.На самом деле, основная идея всех трёх инструментов одинакова. Как только вы освоите один, переключиться на другой легко.

Пользовательские GPT и Claude Projects

Помимо использования инструментов рабочих процессов для соединения нескольких сервисов, вы также можете создавать специализированных ИИ-ассистентов для выполнения конкретных задач.

GPT от OpenAI и Claude Projects от Anthropic — оба являются такими инструментами.

Создайте собственного ИИ-ассистента

На примере OpenAI GPTs: шаги по созданию пользовательского ассистента:

1. Перейдите на официальный сайт ChatGPT и нажмите "Explore" → "Create a GPT".
2. На вкладке "Create" опишите ассистента, которого хотите, на естественном языке.
Например: "Вы — образцовый редактор технической документации, отвечающий за объяснение сложных технических концепций простым и понятным способом, подходящим для начинающих."
3. На вкладке "Configure" настройте более подробные параметры.
4. Добавьте файлы базы знаний (необязательно).
5. Настройте функции (такие как поиск в интернете, интерпретатор кода).
6. Протестируйте, скорректируйте и наконец опубликуйте.

Процесс создания Claude Projects аналогичен; вы работаете в разделе Projects на официальном сайте Claude.

Загрузка базы знаний

Большое преимущество пользовательских ИИ-ассистентов — возможность загрузить собственную базу знаний.

Поддерживаемые форматы файлов обычно включают:

Формат	Описание
PDF	Наиболее часто используется, подходит для документов, отчётов, книг
TXT	Обычный текст, простой и универсальный
DOCX	Документы Word
CSV	Табличные данные
JSON	Структурированные данные

После загрузки ИИ будет отвечать на вопросы на основе этих знаний.

Например, вы можете загрузить документы о продуктах компании, руководства по обслуживанию клиентов и исторические кейсы, чтобы создать «внутреннего помощника по знаниям», которому сотрудники смогут напрямую задавать вопросы.

Или загрузите все написанные вами статьи, чтобы создать «помощника по стилю письма», который будет подражать вашему стилю при написании нового контента.

Настройка инструкций

Инструкции — это основа пользовательского ассистента; они определяют роль ИИ, его поведение и формат вывода.

Хорошая инструкция обычно включает:

Определение роли: кто вы и что делаете.
Правила поведения: что следует делать, а чего делать не следует.
Формат вывода: как выглядит структура ответа.
Ограничения: какие табу и предостережения существуют.

Приведите пример инструкции:

你是 example 的技术文档助手。

你的任务是把复杂的技术概念解释得通俗易懂，适合初学者。

回答时请遵循这些规则：
1. 先用一句话简单解释是什么
2. 然后用生活中的例子类比
3. 最后给出一个最简单的代码示例
4. 如果有重要的注意事项，用加粗标出

不要使用太深的术语，必要术语要解释。
保持语气友好、鼓励，像老师在教学生。

Чем конкретнее инструкция, тем стабильнее поведение ИИ.

Вебхуки и триггеры

Вебхук — очень важная концепция в автоматизации рабочих процессов; он позволяет внешним системам запускать ваш рабочий процесс в реальном времени.

Как работают вебхуки

Проще говоря, Webhook — это «URL-адрес обратного вызова».

Традиционный способ — «polling»: ваша система через определённые интервалы спрашивает внешнюю систему: «Есть новые данные?» — это неэффективно.

Webhook — это «push»: когда во внешней системе появляются новые данные, она сама отправляет HTTP-запрос, чтобы уведомить вас.

Процесс работы Webhook:

1. Вы создаёте триггер Webhook в n8n/Make/Zapier и получаете URL.
2. Настройте этот URL во внешней системе (например, GitHub, Stripe, вашем сайте).
3. Когда во внешней системе происходит событие (например, кто-то коммитит код, кто-то совершает платёж), она отправляет данные на этот URL.
4. Ваш workflow получает данные и запускается на выполнение.

Webhooks работают в реальном времени; они могут запустить workflow в течение миллисекунд после события.

Автоматизация, управляемая событиями

Webhooks делают возможной автоматизацию, управляемую событиями.

Распространённые источники событий Webhook:

Источник событий	Типичные события	Пример использования
GitHub	Кто-то коммитит код, кто-то открывает Issue	Автоматически отвечать с помощью ИИ при получении Issue
Stripe	Кто-то совершает платёж, подписка истекает	Отправлять благодарственное письмо при получении платежа
Typeform	Кто-то отправляет форму	После отправки формы ИИ анализирует содержимое и назначает
Shopify	Новые заказы, оповещения о запасах	Автоматически создавать заказы на доставку для новых заказов
Ваш сайт	Регистрация пользователей, сообщения	Приветственное письмо при регистрации нового пользователя

Мы будем использовать Python, чтобы реализовать простой поток приёма вебхуков + обработки ИИ:

Примеры

# ============================================
# Простой сервер вебхуков + поток обработки ИИ
# Используйте Flask для приёма вебхуков и вызова OpenAI для обработки
# ============================================

from flask import Flask, request, jsonify
import openai
import json

# Инициализация приложения Flask
app = Flask(__name__)

# Настройте OpenAI (замените на ваш API-ключ)
openai.api_key = "sk-your-api-key-here"

def process_with_ai(content: str) -> str:
"""
Использовать ИИ для обработки полученного контента
Здесь мы делаем простую «классификацию контента + резюме»
"""
prompt = f"""
Пожалуйста, проанализируйте следующий контент и выполните два действия:
1. Классификация: определите, является ли это «problem», «suggestion» или «thanks»
2. Резюме: кратко изложите основное содержание одним предложением

Содержание:
{content}

Пожалуйста, верните в формате JSON, как показано ниже:
{{
"category": "problem/suggestion/thanks",
"summary": "содержание резюме"
}}
"""

response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "Вы — ассистент example по анализу контента."},
{"role": "user", "content": prompt}
],
temperature=0.7
)

return response.choices[0].message.content

@app.route("/webhook", methods=["POST"])
def webhook_handler():
"""
Конечная точка для приёма вебхука
Внешняя система отправляет POST-запрос на этот URL
"""
# Получить данные запроса
data = request.get_json()

print(f"Получены данные вебхука: {data}")

# Извлеките нужное содержимое (скорректируйте имена полей в зависимости от фактической ситуации)
# Здесь мы предполагаем, что входящие данные имеют поле "content"
content = data.get("content", "")

if not content:
return jsonify({"status": "error", "message": "Отсутствует поле content"}), 400

# Используйте ИИ для обработки content
try:
ai_result = process_with_ai(content)
print(f"Результат обработки ИИ: {ai_result}")

# Разобрать JSON, возвращённый ИИ
parsed_result = json.loads(ai_result)

# Здесь вы можете сохранить результат в базу данных, отправить уведомления и т.д.
# Для демонстрации мы просто выводим его на печать
category = parsed_result.get("category", "Неизвестно")
summary = parsed_result.get("summary", "")

print(f"Категория: {category}")
print(f"Сводка: {summary}")

# Вернуть успешный ответ
return jsonify({
"status": "success",
"category": category,
"summary": summary
})

except Exception as e:
print(f"Ошибка обработки: {e}")
return jsonify({"status": "error", "message": str(e)}), 500

@app.route("/test", methods=["GET"])
def test_page():
"""
Простая тестовая страница для удобного тестирования Webhook
"""
return """
<html>
<body>
<h1>Тестирование Webhook</h1>
<form action="/webhook" method="post">
<textarea name="content" placeholder="Введите тестовое содержимое"></textarea>
<br>
<button type="submit">Отправить</button>
</form>
</body>
</html>
"""

if __name__ == "__main__":
print("Сервер вебхуков запущен по адресу http://localhost:5000")
print("Адрес вебхука: http://localhost:5000/webhook")
print("Тестовая страница: http://localhost:5000/test")
app.run(port=5000, debug=True)

После запуска этого сервера вы можете открыть http://localhost:5000/test в браузере для тестирования или использовать curl, чтобы отправить тестовый запрос:

Примеры

# Отправить тестовый запрос вебхука
curl -X POST http://localhost:5000/webhook \
-H "Content-Type: application/json" \
-d '{
"content": "Учебные материалы example написаны действительно хорошо! Было бы ещё лучше, если бы было больше практических примеров рабочих процессов с ИИ."
}'

Если всё работает нормально, вы увидите категорию и сводку, возвращённые ИИ.

При использовании вебхуков в продакшене не забудьте добавить механизм проверки — например, проверку подписей, IP-адресов источников и использование API-ключей. Иначе любой сможет отправлять запросы на ваш вебхук, что может привести к проблемам безопасности.

Коллекция практических проектов

В этом разделе мы предлагаем три полноценные практические идеи проектов, и вы можете напрямую применять эти шаблоны.

Автоматическое создание ежедневных новостных сводок

Цель: автоматически собирать отраслевые новости каждое утро, фильтровать и суммировать их с помощью ИИ и отправлять на вашу электронную почту или в Slack.

Необходимые инструменты: n8n/Make/Zapier, RSS-каналы, OpenAI, электронная почта/Slack.

Этапы рабочего процесса:

1. Триггер по расписанию: запуск каждое утро в 8 утра.
2. Узел RSS: читать RSS нескольких отраслевых медиа, за которыми вы следите.
3. Узел дедупликации: отфильтровать повторяющиеся новости.
4. Узел OpenAI: читать новости по одной и определять, относятся ли они к вашей отрасли.
5. Узел OpenAI: суммировать релевантные новости в дайджест.
6. Узел OpenAI: собрать все дайджесты в одно письмо, добавив заголовок и вступление.
7. Узел Email: отправить его в ваш почтовый ящик.

Пример промпта:

请阅读下面这篇新闻的标题和摘要，判断它是否与"AI 技术应用"相关。

只需要回答"是"或"否"，不要解释。

新闻标题：{{$json.title}}
新闻摘要：{{$json.summary}}

Автоматическая публикация контента в социальных сетях

Цель: автоматически генерировать тексты для нескольких платформ социальных сетей на основе обновлений продукта и планировать публикации после проверки.

Необходимые инструменты: Make/Zapier, Airtable, OpenAI, Buffer/Hootsuite.

Этапы рабочего процесса:

1. Триггер Airtable: срабатывает при добавлении записи «обновление продукта» в Airtable.
2. Узел OpenAI: создайте текст для Weibo на основе обновления продукта (живой стиль).
3. Узел OpenAI: создайте текст для LinkedIn на основе обновления продукта (профессиональный стиль).
4. Узел OpenAI: создайте текст для Twitter на основе обновления продукта (лаконичный стиль).
5. Узел Airtable: запишите тексты для трёх платформ в таблицу «Ожидает проверки».
6. Узел Slack: уведомляет вас о появлении нового контента, ожидающего проверки.
7. (После ручной проверки) Узел Buffer: запланируйте публикации для каждой платформы.

Этот рабочий процесс автоматизирован, но сохраняет контроль в виде проверки человеком — в конце концов, социальные сети напрямую обращены к клиентам, поэтому финальная проверка всё ещё необходима.

Автоматическая классификация отзывов клиентов

Цель: После получения отзыва клиента ИИ автоматически классифицирует его, анализирует тональность и назначает ответственного сотрудника.

Необходимые инструменты: n8n, Typeform/инструмент для форм, OpenAI, Airtable, Slack.

Этапы рабочего процесса:

1. Webhook Trigger: Срабатывает, когда клиент отправляет отзыв на сайте.
2. Узел OpenAI: Анализирует тональность отзыва (положительная/нейтральная/отрицательная).
3. Узел OpenAI: Классифицирует тип отзыва (Ошибка/Запрос функции/Проблема использования/Благодарность).
4. Узел OpenAI: Извлекает ключевые слова и приоритет.
5. Узел Airtable: Сохраняет всю информацию в базу данных отзывов.
6. Условная ветка: Если это негативный отзыв с высоким приоритетом, переходим к срочной ветке; в противном случае — к обычной ветке.
7. Узел Slack: Уведомляет технического руководителя о срочных отзывах, а службу поддержки — об обычных отзывах.
8. Узел OpenAI: Генерирует вежливый автоматический ответ с благодарностью клиенту за отзыв.

9. Узел Email: Отправляет автоматический ответ клиенту.

Этот рабочий процесс позволяет клиентам получать ответ сразу, а команде — быстро реагировать на важные внутренние вопросы.

Принцип проектирования рабочих процессов:Сначала автоматизируйте механические задачи, такие как «сбор, организация и распространение», а «суждение, принятие решений и творчество» оставьте людям.Не пытайтесь переложить все решения на ИИ; лучше всего работает сотрудничество человека и машины.

Сводное сравнение трёх инструментов

Мы провели всестороннее сравнение трёх популярных инструментов — n8n, Make и Zapier, — чтобы помочь вам выбрать:

Пункт сравнения	n8n	Make	Zapier
Открытый исходный код	Да	нет	нет
Самостоятельное размещение	Поддерживается	Не поддерживается	Не поддерживается
Бесплатный план	Полностью бесплатно при самостоятельном хостинге	Бесплатная версия ограничивает количество операций	Бесплатная версия ограничивает количество Zaps
Количество подключённых приложений	Сотни	Тысячи	6000+
Стиль интерфейса	Визуальный холст	Отполированный холст	Пошаговые формы
Кривая обучения	Средняя	Относительно низкий	Самый низкий
Корпоративные функции	Требуется платная версия	Комплексность	Комплексность
Технический барьер	Немного выше (при самостоятельном хостинге)	Низкая	Самый низкий
Целевая аудитория	Разработчики, технические команды	Малые и средние предприятия, команды	Частные пользователи, новички

Другие расширения