Slide 1/43

AI ასისტენტები, აგენტები და No-Code ავტომატიზაცია

ლექცია 2: Make.com, მონაცემთა სტრუქტურები, Webhooks და API

No-Code ავტომატიზაცია, დეტერმინისტული ლოგიკა, REST API ინტეგრაცია და მონაცემთა ნაკადების მართვა

⚙️ Make.com Core

Triggers, Actions, Filters და Multi-branch Routers

📊 Data Mastery

JSON, Arrays, Iterators და Aggregators

⚡ Real-Time Webhooks

მომენტალური გამომწვევები და Polling-ის ჩანაცვლება

🌐 REST API & HTTP

GET/POST მოთხოვნები, Auth Headers და AI Integration

ლექტორი: გიორგი ბასილაია | ხანგრძლივობა: 180 წუთი (3 საათი) | Smart Academy

Slide 2/43

🌉 Recap: AI ასისტენტებიდან ➔ No-Code ავტომატიზაციამდე

წინა შეხვედრა: Prompt Frameworks, Assistants & Local LLMs

პირველ ლექციაზე შევისწავლეთ 2026 წლის ოქტომბრის წამყვანი Prompt Frameworks (RTF, CREATE, CO-STAR, CoT, XML), შევქმენით პერსონალური AI ასისტენტები (Gemini Gems / Claude Projects) და გავუშვით ლოკალური მოდელები (Ollama).

ჩვენ უკვე ვიცით, როგორ მივცეთ AI-ს ზუსტი როლი და ინსტრუქცია. მაგრამ რა ხდება, როცა გვინდა, რომ AI-მ ავტონომიურად იმუშაოს 24/7 და დააკავშიროს ჩვენი აპლიკაციები (Forms, Sheets, Gmail, CRM, Telegram)?

დღეს: No-Code ავტომატიზაცია & APIs

დღეს ნულიდან ვიწყებთ Make.com-ის პრაქტიკულ ვორქშოპს:

  • Make.com Onboarding: რეგისტრაცია, ინტერფეისი და პირველი სცენარის აწყობა
  • ლოგიკა: Triggers, Actions, Webhooks, Filters და Routers
  • მონაცემთა ნაკადები: JSON, Arrays, Iterators და Aggregators
  • API: ვების უნივერსალური ენა ნებისმიერ გარე სერვისთან დასაკავშირებლად

🎯 დღევანდელი მიზანი: დღის ბოლოს გექნებათ სრულად მომუშავე, ავტომატური ბიზნეს სისტემები!

Slide 3/43

📅 დღევანდელი დღის გეგმა (180 წთ)

📌 ნაწილი 1: Make.com Kickoff & Live Build (45 წთ)

  • რა არის Make.com და No-Code არქიტექტურა
  • რეგისტრაცია და ინტერფეისის მიმოხილვა
  • Trigger ➔ Action პრინციპი
  • Live Build 1: Google Forms ➔ Sheets ➔ Gmail
  • Run Once, გააქტიურება და Debugging

🔀 ნაწილი 2: Webhooks, Routers & Data (50 წთ)

  • Webhooks (მომენტალური გამომწვევები)
  • Advanced Routers & Conditional Filters
  • Data Transformation: Text Parser და Regex
  • მონაცემთა სტრუქტურები: Arrays, Iterators და Aggregators
  • Multi-Step CRM & Database არქიტექტურა

☕ შესვენება და Q&A (15 წთ)

  • შუალედური კითხვა-პასუხი და სცენარების შემოწმება
  • დამუხტვა და მომზადება API ინტეგრაციისთვის

🌐 ნაწილი 3: API & HTTP მოდული (45 წთ)

  • რა არის API? პროგრამების უნივერსალური ენა
  • GET მოთხოვნა, სათაურები (Headers) და JSON პასუხი
  • Make.com HTTP მოდული & Data Extraction
  • Live Demo: ვალუტის კურსისა და ამინდის ტრეკერი

🚀 ნაწილი 4: Error Handling & შეჯამება (25 წთ)

  • შეცდომების მართვა (Error Directives: Resume, Ignore, Commit)
  • დავალება 2-ის გაცნობა და AI Coding Assistants ტიზერი ლექცია 3-ისთვის
Slide 4/43

🛠️ Live Build: High-Value ბიზნეს ავტომატიზაცია

რა არის Make.com?

ნაცვლად უბრალო 'ამინდის გაგზავნისა', ჩვენ ვაწყობთ რეალურ ბიზნეს-პროცესს: შემოსული Lead-ების ავტომატური დამუშავება.

🎯 რას შევქმნით დღეს?

ვარიანტი 1: Google Form → Google Sheets → ელფოსტის შეტყობინება

ვარიანტი 2: Google Sheets → Gmail-ის ავტომატიზაცია

შედეგი: სრულად მუშა ავტომატიზაცია, რომელიც დაზოგავს დროს!

გამოყენების მაგალითი 1:

  • ფორმა: ახალი ლიდი (პოტენციური კლიენტი) შემოდის.
  • Sheets: ავტომატურად ემატება.
  • ელფოსტით: გეგზავნებათ შეტყობინება.

გამოყენების მაგალითი 2:

  • Sheets: დავალებების სია.
  • ყოველ დილას 9:00-ზე
  • ელფოსტით: მიიღეთ დღის დავალებები Gmail-ზე.
Slide 5/43

📝 Make.com-ზე რეგისტრაცია

ნაბიჯი 1რეგისტრაცია (5 წთ)

  • გადადით: make.com
  • დააჭირეთ: „Get started free“
  • გამოიყენეთ თქვენი Google ანგარიში (რეკომენდებული).
  • ან დარეგისტრირდით იმეილით.

🆓 უფასო გეგმის შესაძლებლობები

  • 1,000 ოპერაცია/თვეში (საკმარისია დასაწყებად!).
  • ყველა აპლიკაციის ინტეგრაცია.
  • ყველა ძირითადი ფუნქცია.
  • 2 აქტიური სცენარი.

💡 რჩევა

გამოიყენეთ იგივე Gmail ანგარიში, რომელსაც გამოიყენებთ Google Sheets-ისთვის - ასე უფრო მარტივი იქნება ინტეგრაცია!

Slide 6/43

🗺️ Make.com-ის ინტერფეისის მიმოხილვა

ძირითადი ელემენტები

1სცენარები (Scenarios)

თქვენი ავტომატიზაციის სამუშაო პროცესები - ერთი სცენარი = ერთი ავტომატიზაცია.

2მოდულები (Modules)

სცენარის სამშენებლო ბლოკები - თითოეული მოდული არის ერთი მოქმედება (Gmail, Sheets და ა.შ.).

3კავშირები (Connections)

რომელიმე აპლიკაციასთან დაკავშირება (მაგ: თქვენი Gmail ანგარიში).

4მონაცემთა ნაკადი (Data Flow)

რა მონაცემი გადადის მოდულიდან მოდულში.

📊 ვიზუალური ნაკადი

გამომწვევი (Google Form) → მოქმედება 1 (Google Sheets) → მოქმედება 2 (Gmail)

Slide 7/43

🚦 გამომწვევები vs. მოქმედებები

🚀 გამომწვევი (Trigger)

გამომწვევი არის ის მოვლენა, რომელიც იწყებს სცენარს.

ტიპები:

  • მომენტალური (Instant): Webhook-ის საშუალებით
  • დაგეგმილი (Scheduled): დროის მიხედვით
  • პერიოდული შემოწმება (Polling): პერიოდულად ამოწმებს

📌 გამომწვევის მაგალითები

  • 📧 ახალი ელფოსტა Gmail-ში
  • 📄 ახალი ფაილი Google Drive-ში
  • 📝 ფორმის ახალი გამოგზავნა
  • 🕐 ყოველდღე დილის 9 საათზე
  • 💬 ახალი შეტყობინება Slack-ში

⚡ მოქმედება (Action)

მოქმედება არის ის, რასაც აკეთებს სცენარი გამომწვევის შემდეგ.

ტიპები:

  • შექმნა (Create): ახალი ჩანაწერის შექმნა
  • განახლება (Update): არსებულის განახლება
  • წაშლა (Delete): წაშლა
  • ძიება (Search): მოძიება

📌 მოქმედების მაგალითები

  • ➕ სტრიქონის დამატება Google Sheets-ში
  • 📤 ელფოსტის გაგზავნა Gmail-ის საშუალებით
  • 💾 ფაილის შენახვა Dropbox-ში
  • 📊 Notion-ის გვერდის შექმნა
  • 💬 პოსტის გამოქვეყნება Slack-ის არხზე

🔄 ტიპიური სამუშაო პროცესის პატერნი

გამომწვევი (რამე მოხდა) → მოქმედება 1 (შემოწმება) → მოქმედება 2 (დამუშავება) → მოქმედება 3 (შედეგის შენახვა/გაგზავნა)

Slide 8/43

🔨 პირველი სცენარი - ნაბიჯი 1

1ახალი სცენარის შექმნა

  • Make.com-ის Dashboard → „Scenarios“
  • დააჭირეთ: „Create a new scenario“
  • გამოვა ცარიელი სამუშაო სივრცე (canvas).

2პირველი მოდული: Google Forms (გამომწვევი)

  • დააჭირეთ დიდ „+“ ღილაკს.
  • მოძებნეთ: „Google Forms“
  • აირჩიეთ: „Watch Responses“ (პასუხებზე თვალის დევნება).
  • დააჭირეთ „Create a connection“-ს.
  • აირჩიეთ თქვენი Google ანგარიში.
  • მიეცით Make.com-ს ნებართვა.

💡 გამომწვევი (Trigger) vs. მოქმედება (Action)

გამომწვევი: რა იწვევს ავტომატიზაციას (მაგ: ფორმის ახალი პასუხი).

მოქმედება: რა უნდა მოხდეს (მაგ: იმეილის გაგზავნა).

Slide 9/43

🔨 პირველი სცენარი - ნაბიჯი 2

3Google Form-ის არჩევა

  • აირჩიეთ თქვენი ფორმა (ან შექმენით ახალი ტესტირებისთვის).
  • დააჭირეთ „OK“-ს.

4მეორე მოდული: Google Sheets (მოქმედება)

  • მოდულის მარჯვნივ დააჭირეთ „+“-ს.
  • მოძებნეთ: „Google Sheets“
  • აირჩიეთ: „Add a Row“ (რიგის დამატება).
  • კავშირი: გამოიყენეთ იგივე Google ანგარიში.
  • აირჩიეთ:
    • ცხრილი (Spreadsheet)
    • ფურცელი (Sheet)

🎯 მონაცემების ასახვა (Data Mapping)

ახლა უნდა დავუკავშიროთ ფორმის ველები Sheets-ის სვეტებს:

  • სვეტი A → ფორმის ველი 1 (სახელი)
  • სვეტი B → ფორმის ველი 2 (იმეილი)
  • და ა.შ.
Slide 10/43

🔨 პირველი სცენარი - ნაბიჯი 3

5მესამე მოდული: Gmail (შეტყობინება)

  • Sheets-ის მოდულის შემდეგ დააჭირეთ „+“-ს.
  • მოძებნეთ: „Gmail“
  • აირჩიეთ: „Send an Email“ (ელფოსტის გაგზავნა).
  • შეავსეთ:
    • To: თქვენი ელფოსტა (ან ფორმიდან აღებული).
    • Subject: „ფორმის ახალი პასუხია!“
    • Content: გამოიყენეთ ფორმის მონაცემები.

📧 ელფოსტის შიგთავსის მაგალითი

გამარჯობა! მიღებულია ფორმის ახალი პასუხი: სახელი: {{Form Response Name}} ელფოსტა: {{Form Response Email}} შეტყობინება: {{Form Response Message}} -- ავტომატიზებულია Make.com-ის მიერ

💡 რჩევა: გამოიყენეთ მონაცემები ფორმიდან {{ორმაგი ფიგურული ფრჩხილები}}-ის დახმარებით!

Slide 11/43

🧪 ტესტირება და გაშვება

6სცენარის შენახვა

  • ქვედა მარცხენა კუთხეში → „Save“ (შენახვა) ღილაკი.
  • დაარქვით სახელი: „Form to Sheet to Email“.

7ტესტირება

  • ქვედა მარცხენა კუთხეში → დააჭირეთ „Run once“ (ერთხელ გაშვება).
  • გადადით თქვენს Google Form-ზე.
  • შეავსეთ და გაგზავნეთ.
  • დაბრუნდით Make.com-ზე და დაელოდეთ.

✅ წარმატება!

თუ ყველაფერი მუშაობს:

  • ფორმის მონაცემები გადავიდა Google Sheets-ში.
  • მიიღეთ ელფოსტის შეტყობინება.
  • Make.com-ში დაინახავთ ✓ წარმატების ნიშნებს.
Slide 12/43

🚀 სცენარის გააქტიურება

8ავტომატური გაშვების ჩართვა

  • სცენარის ზედა მარჯვენა ნაწილში დააჭირეთ ON/OFF ჩამრთველს.
  • გადართეთ „ON“ მდგომარეობაში.
  • ახლა ავტომატიზაცია მუშაობს 24/7, ავტომატურად!

📊 შესრულების ისტორია (Execution History)

ნახეთ, როგორ მუშაობს თქვენი ავტომატიზაცია:

  • სცენარის გვერდზე → „History“ ველი.
  • აქ ჩანს:
    • რამდენჯერ გაეშვა.
    • წარმატებით დასრულდა თუ შეცდომით.
    • რა მონაცემები დამუშავდა.

🎯 ახლა სცადეთ!

შეავსეთ ფორმა კიდევ ერთხელ და დარწმუნდით, რომ ყველაფერი ავტომატურად მუშაობს!

Slide 13/43

🔧 პრობლემების მოგვარება (Debugging)

❌ პრობლემა 1: სცენარი არ ეშვება

შემოწმება:

  • ON/OFF ჩამრთველი ჩართულია?
  • კავშირები მწვანეა? (და არა წითელი!).
  • მოდულებში ხომ არ არის შეცდომის ნიშნები (წითელი ხატი)?

❌ პრობლემა 2: მონაცემები არ გადადის

შემოწმება:

  • მონაცემების ასახვა (Data Mapping) სწორად არის გაკეთებული?
  • ველების სახელები ემთხვევა?
  • „Run once“ რეჟიმში გაუშვით და შეამოწმეთ თითოეული მოდული.

❌ პრობლემა 3: ელფოსტა არ მოდის

შემოწმება:

  • Gmail-ის კავშირი სწორია?
  • ელფოსტის მისამართი სწორად არის მითითებული?
  • შეამოწმეთ სპამის საქაღალდე!

💡 ზოგადი Debugging რჩევები

  • გაუშვით „Run once“ და დააკვირდით ნაბიჯ-ნაბიჯ.
  • ისტორიის ველში ნახეთ შეცდომის შეტყობინებები.
  • ნუ შეგეშინდებათ - ყველა შეცდომა სწორდება! 😊
Slide 14/43

🎬 Live Build 1: ელფოსტიდან Sheet-ში

🎯 მიზანი

ყოველი ახალი Gmail-ის მონაცემების ავტომატური ჩაწერა Google Sheets-ში

📋 ნაბიჯები

ნაბიჯი 1: გამომწვევის კონფიგურაცია

  • ➕ დაამატეთ Gmail მოდული → "ელფოსტის მონიტორინგი"
  • 🔗 დააკავშირეთ Gmail ანგარიში
  • ⚙️ კონფიგურაცია: Label = "Inbox", Max results = 10
  • ✅ გამომწვევის ტესტირება - წაიკითხავს უახლეს ელფოსტას

ნაბიჯი 2: Google Sheets მოქმედება

  • ➕ დაამატეთ Google Sheets მოდული → "სტრიქონის დამატება"
  • 🔗 დააკავშირეთ Google ანგარიში
  • 📊 აირჩიეთ ცხრილი და ფურცელი
  • 🗺️ მონაცემების ველების ასახვა:
სვეტი A: {{Gmail.Subject}}
სვეტი B: {{Gmail.From.Email}}
სვეტი C: {{Gmail.Date}}
სვეტი D: {{Gmail.Text}}

ნაბიჯი 3: ტესტირება

  • ▶️ სცენარის ერთხელ გაშვება - ხელით ტესტირება
  • 👁️ შესრულების ისტორიის შემოწმება - დეტალური ლოგი
  • ✅ Google Sheets-ის შემოწმება - ახალი მწკრივი დაემატა
  • 🔄 დაგეგმვის ჩართვა - ყოველ 15 წუთში

💡 შესწავლილი კონცეფციები

  • გამომწვევის კონფიგურაცია და ტესტირება
  • მონაცემების ასახვა ორ მოდულს შორის
  • ცვლადების გამოყენება: {{Module.Field}}
  • შესრულების ისტორიის ანალიზი
  • დაგეგმვის კონფიგურაცია
Slide 15/43

🔔 Webhooks - მომენტალური გამომწვევები

რა არის Webhook?

Webhook - მომენტალური შეტყობინება: „რაღაც მოხდა!"

განსხვავებით პერიოდული შემოწმებისგან (ყოველ 15 წთში შემოწმება), Webhook მაშინვე აგზავნის სიგნალს.

📊 პერიოდული შემოწმება (ნელი)

Make.com ამოწმებს ყოველ 15 წუთში:

  • 09:00 - შემოწმება (არაფერი)
  • 09:15 - შემოწმება (არაფერი)
  • 09:30 - შემოწმება (ახალი ელფოსტა!)

დაყოვნება: 0-15 წუთი

⚡ Webhook გამომწვევი (სწრაფი)

აპლიკაცია აგზავნის სიგნალს მაშინვე:

  • 09:27:43 - ელფოსტა მოვიდა → Webhook!
  • მომენტალურად სცენარი იწყება

დაყოვნება: წამები

💡 ცხოვრებისეული ანალოგია: "კარის ზარი vs ფანჯარაში ყურება"

პერიოდული შემოწმება (Polling): ჰგავს იმას, რომ ყოველ 5 წუთში ფანჯარასთან მიხვიდეთ და გაიხედოთ - მოვიდა თუ არა კურიერი (დამღლელია და დრო იკარგება).
Webhook: ჰგავს კარის ზარს - თქვენ მშვიდად აკეთებთ თქვენს საქმეს. როდესაც კურიერი მოვა, ზარს თითს დააჭერს და თქვენ მაშინვე იგებთ ამას!

🔧 როგორ გამოვიყენოთ Webhook?

კონფიგურაციის ნაბიჯები:

  1. ➕ დაამატეთ "Webhooks" მოდული → "Custom Webhook"
  2. 🔗 Make გამოიტანს Webhook URL-ს (უნიკალური)
  3. 📋 დააკოპირეთ URL
  4. ⚙️ გადადით აპლიკაციაში და ჩასვით Webhook URL
  5. ✅ ტესტი - გააკეთეთ რამე აპლიკაციაში

🎯 Webhook-ის მაგალითები

  • Stripe: გადახდა მიღებულია → მომენტალური ქვითარი
  • Typeform: ფორმა გამოგზავნილია → მაშინვე ელფოსტა
  • GitHub: ახალი commit → Slack შეტყობინება
  • Shopify: ახალი შეკვეთა → CRM-ის განახლება

⚠️ Webhook-ის უსაფრთხოება

  • Webhook URL არის საიდუმლო - არ გააზიაროთ საჯაროდ
  • ვინც იცის URL, მას შეუძლია სცენარის გაშვება
  • გამოიყენეთ Webhook-ის ვალიდაცია როცა შესაძლებელია
Slide 16/43

🔀 Live Build 2: პირობითი ლოგიკა

🎯 მიზანი

ელფოსტის ავტომატური ფილტრაცია და სხვადასხვა მოქმედებები პირობის მიხედვით

🧩 ფილტრები

ფილტრი - პირობა, რომელიც წყვეტს გაგრძელდება თუ არა შესრულება

IF (პირობა არის TRUE) → გაგრძელდება
ELSE → გამოტოვდება (skip)

ფილტრის მაგალითი

  • Gmail → ფილტრი → Google Sheets
  • ფილტრის პირობა: Subject contains "Invoice"
  • შედეგი: მხოლოდ ინვოისები გადის Sheets-ში

🔀 მარშრუტიზატორი

მარშრუტიზატორი - ყოფს ნაკადს მრავალ შტოდ (branches)

მარშრუტიზატორის მაგალითი: ელფოსტის კატეგორიზაცია

სცენარის სტრუქტურა:
Gmail გამომწვევი
  ↓
მარშრუტიზატორი
  ├─ [შტო 1] Subject contains "Urgent" → Slack შეტყობინება
  ├─ [შტო 2] From contains "@client.com" → CRM-ის განახლება
  └─ [შტო 3] Has attachment → Drive-ში შენახვა

თითოეულ შტოს აქვს საკუთარი ფილტრი!

⚠️ შეცდომების დამუშავება

რა ხდება, თუ რამე არ იმუშავა?

  • შეცდომის დამმუშავებელი: დაიჭიროს შეცდომა და გააკეთოს რამე (მაგ: შეტყობინება)
  • იგნორირება: გამოტოვოს და გააგრძელოს
  • ხელახლა ცდა: სცადოს თავიდან N-ჯერ
  • უკან დაბრუნება: დაბრუნება უკან (რთულია)

💡 შესწავლილი კონცეფციები

  • ფილტრები - პირობითი შესრულება
  • მარშრუტიზატორი - მრავალშტოიანი სამუშაო პროცესები
  • მრავალი პირობა და ლოგიკა
  • შეცდომების დამუშავების სტრატეგიები
Slide 17/43

🔗 პოპულარული Integrations

Top 10 ყველაზე გამოყენებადი Apps

1. Google Workspace

Gmail, Sheets, Drive, Calendar, Docs

2. Slack

Send messages, Create channels, Notifications

3. Notion

Create/Update pages, Databases

4. Airtable

Database operations, Records management

5. Trello

Cards, Lists, Boards automation

6. Stripe

Payments, Subscriptions, Invoices

7. Facebook/Meta

Pages, Ads, Lead Forms

8. Typeform

Form responses, Submissions

9. HubSpot

CRM, Contacts, Deals

10. AWS

S3, Lambda, SES, DynamoDB

🎬 Quick Demo: Slack Integration

Scenario: New Stripe payment → Slack notification to #sales channel

Stripe Webhook (Payment Success)
  ↓
Slack Module (Post Message)
  Channel: #sales
  Message: "🎉 New payment: ${{Stripe.Amount}} from {{Stripe.Customer.Email}}"

💡 Integration Tips

  • ყოველთვის იწყებს გარკვეული Trigger-ით (რა იწყებს Scenario-ს?)
  • Test connections დასაწყისში - დარწმუნდი რომ მუშაობს
  • ეძებს Ready-made Templates Make-ის Template Gallery-ში
  • კითხულობს Documentation თითოეული App-ის შესახებ
Slide 18/43

💪 Practice Session

🎯 პრაქტიკული დავალება (20 წთ)

Build: Google Form → AI Summary → Email

Scenario: როცა ვინმე ავსებს Google Form-ს, AI ამოკლებს პასუხებს და გიგზავნის Email-ს

📋 ნაბიჯ-ნაბიჯ ინსტრუქციები

1️⃣ Google Forms Trigger

  • შექმენი მარტივი Google Form (3-4 კითხვა)
  • Make.com: Add Google Forms module → "Watch Responses"
  • Connect და აირჩიე შენი Form

2️⃣ OpenAI Summarization

  • Add OpenAI module → "Create a Completion"
  • Prompt:
Summarize this form submission in 3 bullet points:

Question 1: {{GoogleForms.Question1}}
Answer 1: {{GoogleForms.Answer1}}

Question 2: {{GoogleForms.Question2}}
Answer 2: {{GoogleForms.Answer2}}

...

3️⃣ Gmail Notification

  • Add Gmail module → "Send an Email"
  • To: თქვენი email
  • Subject: "New Form Submission Summary"
  • Body: {{OpenAI.choices[].message.content}}

✅ რას ვსწავლობთ?

  • Google Forms integration
  • AI-powered data processing
  • Multi-step workflow building
  • Variables mapping complex data
  • End-to-end automation

🤝 Breakout Rooms

მუშაობა პატარა ჯგუფებში - დაეხმარეთ ერთმანეთს!

დასრულების შემდეგ - გაზიარება და დემონსტრაცია

Slide 19/43

🔄 Data Transformation & Text Parser

რატომ გვჭირდება Data Transformation?

ხშირად მონაცემები მოდის არასასურველ ფორმატში და გჭირდება გარდაქმნა

მაგალითი: Email-ის text → JSON structure → Database

📝 Text Parser Module

🔍 რა შეუძლია Text Parser-ს?

  • Match Pattern: Regular expressions-ით ძებნა
  • Replace: ტექსტის შეცვლა
  • HTML to Text: HTML tags-ის წაშლა
  • Extract Email: email addresses-ის ამოღება
  • Extract Numbers: რიცხვების ამოღება text-იდან

📌 პრაქტიკული მაგალითი

Input:

"Order #12345 - Total: $299.99"

Text Parser → Extract Number:

Order Number: 12345
Amount: 299.99

🛠️ Tools Module - Built-in Functions

📅 Date Format

თარიღების გადაყვანა (DD/MM/YYYY → ISO)

🔡 Text Transform

Uppercase, Lowercase, Capitalize

🔢 Math Operations

ჯამი, გამოკლება, გამრავლება

📊 JSON Parse

JSON string → Data structure

🎬 Live Example: Email Data Extraction

Email Subject: "New Order from john@email.com - $150" ↓ Text Parser (Extract Email) → john@email.com ↓ Text Parser (Extract Number) → 150 ↓ Google Sheets (Add Row) Column A: john@email.com Column B: $150
Slide 20/43

📊 მონაცემთა სტრუქტურები: Arrays, Iterators და Aggregators

🔢 რა არის მასივი (Array)?

მასივი (Array) - სიის ტიპის მონაცემთა სტრუქტურა, რომელიც შეიცავს მრავალ ელემენტს (ობიექტს ან მნიშვნელობას)

მაგალითი: ელფოსტის სია
[
  { "სათაური": "შეხვედრა", "გამომგზავნი": "boss@company.com" },
  { "სათაური": "ინვოისი", "გამომგზავნი": "billing@vendor.com" },
  { "სათაური": "სიახლეები", "გამომგზავნი": "news@site.com" }
]

🔄 იტერატორი (Iterator)

როლი: ყოფს მასივს ცალკეულ ერთეულებად (Bundles) და თითოეულზე სათითაოდ უშვებს მომდევნო მოდულებს.

Gmail (მოაქვს 10 ელფოსტა) → მასივი [10 ერთეული]
  ↓
იტერატორი (Iterator)
  ↓
Google Sheets (ემატება 10 სტრიქონი ცალ-ცალკე)

შედეგი: 10 ინდივიდუალური Bundle ოპერაცია

📈 იტერატორის გამოყენება

  • ელფოსტის პაკეტური დამუშავება
  • მრავალი სტრიქონის დამატება Sheets-ში
  • ფაილების სათითაოდ ატვირთვა ან გარდაქმნა
  • მონაცემთა ბაზის ჩანაწერების დამუშავება

🎯 აგრეგატორი (Aggregator)

როლი: შებრუნებული იტერატორი - აერთიანებს მრავალ ცალკეულ Bundle-ს ერთ ერთიან მასივში (Array).

Search 10 ფაილი Drive-ში (10 ცალკე Bundle)
  ↓
აგრეგატორი (Aggregator)
  ↓
Send Email (1 ელფოსტა ყველა ფაილის ჩამონათვალით)

შედეგი: ოპერაციების რაოდენობის მკვეთრი ეკონომია

📉 აგრეგატორის გამოყენება

  • დღიური შემაჯამებელი ანგარიშები
  • მონაცემების შეგროვება ერთ შეტყობინებად გაგზავნამდე
  • API-ს პაკეტური მოთხოვნები (Batch Request)
  • Make.com-ის Operations limit-ის დაზოგვა
Slide 21/43

🛒 Real-World Use Case: E-commerce Automation

🎯 სცენარი: ავტომატური შეკვეთების დამუშავება

ბიზნეს პრობლემა: E-commerce მაღაზია იღებს შეკვეთებს და სჭირდება:

  • კლიენტის შეტყობინება (confirmation email)
  • ინვენტარის განახლება (Google Sheets)
  • გუნდის ინფორმირება (Slack notification)
  • ინვოისის გენერაცია (PDF)

🏗️ სრული Workflow არქიტექტურა

1. TRIGGER: Shopify Webhook (New Order) ↓ 2. DATA EXTRACTION: • Customer: {{name}}, {{email}} • Order: {{order_id}}, {{total}} • Items: {{line_items}} (Array) ↓ 3. ROUTER (3 Branches): Branch 1: Customer Communication ├─ Gmail Module ├─ Subject: "Order #{{order_id}} Confirmed" └─ Body: Template with order details Branch 2: Inventory Update ├─ ITERATOR (loop through items) ├─ Google Sheets (Search Row by SKU) ├─ Math: Current Stock - Ordered Quantity └─ Google Sheets (Update Stock) Branch 3: Team Notification ├─ FILTER: If total > $500 ├─ Slack Module └─ Message: "🎉 High-value order: ${{total}}" ↓ 4. AGGREGATOR: Combine all items ↓ 5. PDF GENERATOR: Create invoice ↓ 6. FINAL ACTION: Gmail (Send invoice to customer)

💡 რას ვსწავლობთ ამ Use Case-იდან?

  • Webhook-ით რეალურ-დროში რეაგირება
  • Router-ით პარალელური პროცესები
  • Iterator-ით Array-ების დამუშავება
  • Filter-ით პირობითი ლოგიკა
  • Multi-app integration ერთ workflow-ში

📊 შედეგები:

დროის დაზოგვა: 15 წუთი → 30 წამი per order

შეცდომები: 5-10% → 0% (inventory mistakes)

კლიენტის კმაყოფილება: ↑ (instant confirmation)

Slide 22/43

🔀 Advanced Router & Filter Scenarios

🎯 რთული ლოგიკის აგება

📊 Multiple Conditions (AND/OR)

AND: ყველა პირობა უნდა იყოს TRUE

Filter: Subject contains "Urgent" AND Priority = "High" AND Time < 9:00 AM

OR: ერთი პირობა მაინც TRUE

Filter: From = "boss@company.com" OR Subject contains "CRITICAL"

🔁 Nested Routers (Router-ში Router)

Email Trigger ↓ ROUTER 1 (Department) ├─ Branch: Sales │ ↓ │ ROUTER 2 (Priority) │ ├─ High → Slack + CRM │ └─ Normal → CRM only │ ├─ Branch: Support │ → Zendesk Ticket │ └─ Branch: Other → Archive

🧮 Advanced Filter Operators

Operator მაგალითი გამოყენება
Contains Subject contains "invoice" ტექსტის ძებნა
Regex Match Email matches /^\d{3}-\d{4}$/ რთული პატერნები
Greater/Less Amount > 1000 რიცხვითი შედარება
Exists Attachment exists Field-ის არსებობა
Date/Time Date > "2024-01-01" თარიღების შედარება

💡 ცხოვრებისეული ანალოგია: "გზაჯვარედინის ჭკვიანი შუქნიშანი"

Router (მარშრუტიზატორი): ჰგავს ჭკვიან შუქნიშანს ოთხმხრივ გზაჯვარედინზე. როდესაც შემოდის მონაცემების "მანქანა", შუქნიშანი ამოწმებს მის ნომერს (Filter):
• თუ VIP კლიენტია ➔ ანთებს მწვანეს მარჯვნივ (გადადის Sales დეპარტამენტის Slack-ში);
• თუ ტექნიკური ხარვეზია ➔ ანთებს მწვანეს მარცხნივ (იგზავნება Support-ის ბაზაში);
• ყველა დანარჩენი (Fallback) ➔ მიდის პირდაპირ (არქივში).

💡 Best Practices - Routers & Filters

  • Default Branch: Router-ს ყოველთვის ჰქონდეს "fallback" route
  • Test Each Branch: ცალ-ცალკე ტესტირება
  • Name Your Branches: "High Priority", "Low Priority", etc.
  • Use Variables: პირობებში გამოიყენე {{variables}}
Slide 23/43

🤖 AI Prompt Engineering for Make.com

როგორ ავაშენოთ იდეალური Prompts?

📋 Prompt Structure Template

1. Role: "You are a professional email assistant." 2. Task: "Summarize the following email." 3. Context: "This email is from a customer inquiry." 4. Format: "Respond in 3 bullet points." 5. Input: {{Email.Body}}

🎯 Prompt Engineering Examples

❌ ცუდი Prompt

"Summarize this email: {{Email.Text}}"

პრობლემა: არაკონკრეტული, არ არის ფორმატი

✅ კარგი Prompt

"You are a customer service assistant. Summarize this customer email in exactly 3 bullet points: - Main request - Urgency level - Required action Email: {{Email.Text}} Format: Bullet points only, max 20 words each."

🛠️ Advanced Prompting Techniques

1️⃣ Few-Shot Learning

"Example 1: Input: 'Bug in login page' Output: {'type': 'bug', 'priority': 'high'} Example 2: Input: 'Feature request for dark mode' Output: {'type': 'feature', 'priority': 'medium'} Now classify: {{Input}}"

2️⃣ JSON Output

"Extract data and return ONLY valid JSON: { 'name': '', 'email': '', 'request_type': '' } Text: {{Email.Body}}"

🎬 Live Demo: Smart Email Categorization

Scenario: Incoming emails → AI classification → Route to correct department

Prompt: "Classify this email into ONE category: Sales, Support, Billing, Other. Return ONLY the category name, nothing else. Email Subject: {{Subject}} Email Body: {{Body}}" Output → Router (based on AI response)

⚠️ Token & Cost Management

  • Limit Input: {{substring(Email.Body; 0; 500)}} - პირველი 500 სიმბოლო
  • Max Tokens: Set 100-200 for simple tasks
  • Model Choice: GPT-4.5 simple tasks-ისთვის, GPT-5.4 complex-ისთვის
  • Cache Results: Data Store-ში შენახვა ხშირი queries-ისთვის
Slide 24/43

🎯 Multi-Step CRM & Database Integration

🎬 სრული მაგალითი: Lead-იდან Customer-მდე & Database Storage

ბიზნეს მიზანი: ავტომატური Lead Management სრული lifecycle-ით და საიმედო მონაცემთა ბაზით

🏗️ 5-ფაზიანი Workflow არქიტექტურა

1. LEAD CAPTURE: Typeform Webhook → Text Parser (Extract Phone/Email) → HubSpot Search
2. AI QUALIFICATION: OpenAI Module (Score 1-10) → Filter (Score >= 7)
3. ASSIGNMENT: Router (Industry/Territory) → Assign Sales Rep → Calendar Task
4. NOTIFICATIONS: Welcome Email (Gmail) → Slack Alert (#sales) → Google Sheets Row
5. PRODUCTION STORAGE: SQL/PostgreSQL Insert → Aggregator (Daily Report)

✅ გამოყენებული ტექნიკები

  • Webhook Instant Trigger & Text Parsing
  • AI-powered Qualification (OpenAI)
  • Multi-branch Router & Dynamic Mapping
  • Production Database Storage (SQL / Airtable)

🗄️ მონაცემთა შენახვა: Google Sheets vs Database

მახასიათებელი Google Sheets Database (SQL / Supabase)
მოცულობა < 10,000 სტრიქონი მილიონობით ჩანაწერი
სიჩქარე ნელი დიდ მოცულობაზე ულტრა-სწრაფი (ინდექსირებული)
მოთხოვნები შეზღუდული ფილტრები სრული SQL & კომპლექსური queries
უსაფრთხოება მარტივი გაზიარება Role-based permissions & SSL
საუკეთესო როლი Quick reports & MVPs Enterprise & Production systems

⚠️ Security & Best Practices

  • Read-Only User: შექმენით შეზღუდული უფლებების მომხმარებელი Make-ისთვის
  • Never Expose Credentials: არასდროს გააზიაროთ API გასაღებები და DB პაროლები
  • Rate Limits & Backups: აკონტროლეთ ოპერაციები და გააკეთეთ რეზერვირება
Slide 25/43

🎯 Hands-On: Build Your Own Automation

💪 დამოუკიდებელი პრაქტიკა (25 წთ)

მიზანი: აააშენე scenario შენი ბიზნეს პრობლემის გადასაჭრელად

📋 Exercise Instructions

ნაბიჯი 1: აირჩიე Use Case (5 წთ)

აირჩიე ერთ-ერთი შემდეგიდან ან იფიქრე შენი იდეა:

Option A: Email Manager

  • Gmail → Filter important
  • → Slack notification
  • → Save to Sheets

Option B: Content Publisher

  • Google Sheets (blog ideas)
  • → OpenAI (generate post)
  • → Save to Notion

Option C: Social Scheduler

  • Airtable (content calendar)
  • → Schedule check daily
  • → Post to Twitter/LinkedIn

Option D: Customer Feedback

  • Typeform (feedback form)
  • → AI sentiment analysis
  • → Route by sentiment

ნაბიჯი 2: დაგეგმე Workflow (5 წთ)

დახაზე (ფურცელზე ან Make-ში) შენი scenario structure:

  • 🚦 Trigger - რა იწყებს?
  • 🔄 Processing - რა ხდება data-სთან?
  • 🔀 Logic - აქვს თუ არა conditions/filters?
  • 💾 Storage/Output - სად ინახება შედეგი?
  • 📢 Notifications - ვინ უნდა იცოდეს?

ნაბიჯი 3: აააშენე Make-ში (12 წთ)

  1. ➕ Add Trigger module
  2. 🔗 Configure connections
  3. ➕ Add Action modules one by one
  4. 🗺️ Map data between modules
  5. ⚙️ Add Filters if needed
  6. ▶️ Test each module
  7. ✅ Run full scenario

ნაბიჯი 4: Test & Debug (3 წთ)

  • 👁️ Check Execution History
  • 🐛 Fix any errors
  • ✅ Verify output
  • 🔄 Turn ON if working

✅ Success Checklist

შენმა scenario-მ უნდა:

  • ☑️ იქონიოს მინიმუმ 3 modules
  • ☑️ გამოიყენოს Data Mapping
  • ☑️ ჰქონდეს მინიმუმ 1 Filter ან Router (optional)
  • ☑️ წარმატებით გაეშვას Test-ზე
  • ☑️ ასრულებდეს რეალურ ბიზნეს მიზანს

🎁 Bonus Challenges (+ქულები)

  • +5 ქულა: AI Module გამოყენება (OpenAI)
  • +5 ქულა: Webhook Trigger
  • +5 ქულა: Iterator ან Aggregator
  • +10 ქულა: 5+ modules complex workflow

💡 დახმარების საჭიროა?

კითხვები და პრობლემები - მოდი chat-ში ან აწიე ხელი! 🙋‍♂️

Slide 26/43

☕ შესვენება (15 წუთი) და Q&A

⏸️ დროა დავისვენოთ და გავიაზროთ ნასწავლი მასალა!

ნაწილი 1 დასრულებულია: Make.com Core, Webhooks და მონაცემთა ტრანსფორმაცია

✅ რა გავიარეთ I ნაწილში?

  • Triggers vs Actions: მოვლენებზე რეაგირება და სცენარის გაშვება
  • Instant Webhooks: მონაცემების მყისიერი მიღება Polling-ის გარეშე
  • Routers & Filters: პირობითი განშტოებები და ოპერაციების ეკონომია
  • Data Transformation: Text Parser, Regex და ფორმატირება
  • Arrays, Iterators & Aggregators: მასივების დაშლა და გაერთიანება
  • Debugging: Execution History და მონაცემთა ინსპექცია

💬 კითხვა-პასუხი და მომზადება II ნაწილისთვის

  • შეკითხვები Make.com-ის მოდულებსა და მონაცემთა ნაკადებზე
  • საკუთარი სცენარების გაზიარება და განხილვა
  • შესვენების შემდეგ: REST API-ების სამყარო!
  • ვისწავლით როგორ დავუკავშირდეთ ნებისმიერ გლობალურ სერვისს Make.com-ის HTTP მოდულით

⏱️ ტაიმერი: 15:00 წუთი | დალიეთ ყავა, გაანიავეთ ოთახი ☕

Slide 27/43

რა არის API? 🤔

API = Application Programming Interface

API არის „ენა", რომლითაც სხვადასხვა პროგრამა ერთმანეთს ესაუბრება

💡 ცხოვრებისეული ანალოგია: "რესტორნის ოფიციანტი"

კლიენტი (თქვენ): სხედხართ მაგიდასთან და სამზარეულოში შესვლა არ გჭირდებათ.
მენიუ (API დოკუმენტაცია): ჩამონათვალი, თუ რისი მოთხოვნა შეგიძლიათ.
ოფიციანტი (API Request): იღებს თქვენს შეკვეთას, გადასცემს მზარეულს (სერვერს) და უკან მოაქვს მზა კერძი (მონაცემების პასუხი/JSON)!

რესტორანში

  • მენიუ - რა შეგიძლია შეუკვეთო
  • ოფიციანტი - გადმოსცემს შენს შეკვეთას
  • სამზარეულო - ამზადებს საკვებს
  • შედეგი - იღებ თეფშს

API-ში

  • დოკუმენტაცია - რა შეგიძლია მოითხოვო
  • API მოთხოვნა - გაგზავნი მოთხოვნას
  • სერვერი - ამუშავებს მოთხოვნას
  • პასუხი - იღებ მონაცემებს

მთავარი იდეა

API საშუალებას გვაძლევს „შევუკვეთოთ" მონაცემები ან ფუნქციონალობა სხვა პროგრამებსა და სერვისებს, ისევე როგორც რესტორნის მენიუდან ვუკვეთავთ საჭმელს.

Slide 28/43

როგორ „საუბრობენ" პროგრამები ერთმანეთთან? 💬

🌐 ინტერნეტში კომუნიკაცია

1️⃣ შენი პროგრამა (კლიენტი)

აგზავნის მოთხოვნას ინტერნეტით

⬇️

2️⃣ API-ს მისამართი (Endpoint)

მაგალითი: https://api.weather.com/current

ეს არის კონკრეტული „მისამართი" სადაც ელოდება სერვერი

⬇️

3️⃣ სერვერი პასუხობს

აბრუნებს მონაცემებს JSON ფორმატში

🔍 მაგალითი - ამინდის მოთხოვნა

მოთხოვნა: „მომეცი ამინდი თბილისისთვის"

GET https://api.weather.com/current?city=Tbilisi

პასუხი:

{ "temperature": 25, "condition": "მზიანი", "humidity": 45 }
Slide 29/43

GET მოთხოვნა - მონაცემების მოთხოვნა 📥

GET მოთხოვნის კონცეფცია

GET არის ყველაზე გავრცელებული მოთხოვნის ტიპი - მისი გამოყენებით ვითხოვთ მონაცემებს

🔑 GET მოთხოვნის კომპონენტები

კომპონენტი აღწერა მაგალითი
საბაზისო URL API-ის საბაზისო მისამართი https://api.example.com
მისამართი (Endpoint) კონკრეტული რესურსი /weather
პარამეტრები (Parameters) დამატებითი ინფორმაცია ?city=Tbilisi&units=metric
API გასაღები (API Key) ავთენტიფიკაცია &key=abc123...

🎯 სრული მაგალითი

https://api.weather.com/v1/current?city=Tbilisi&units=metric&key=abc123xyz

საბაზისო URL: api.weather.com

ვერსია: v1

მისამართი: /current

City: Tbilisi

Units: metric

API გასაღები: abc123xyz

Slide 30/43

პასუხის სტრუქტურა - რას გვიბრუნებს API 📤

JSON ფორმატი - მონაცემთა სტრუქტურა

API-ები ჩვეულებრივ აბრუნებენ მონაცემებს JSON (JavaScript Object Notation) ფორმატში

📊 JSON პასუხის მაგალითი

{ "location": { "city": "Tbilisi", "country": "Georgia" }, "current": { "temperature": 25, "condition": "sunny", "humidity": 45, "wind_speed": 12 }, "forecast": [ { "day": "Monday", "high": 27, "low": 18 }, { "day": "Tuesday", "high": 26, "low": 17 } ] }

🔍 JSON-ის სტრუქტურა

ობიექტები (Objects)

ფიგურულ ფრჩხილებში: { }

Key-value წყვილები

"city": "Tbilisi"

მასივები (Arrays)

კვადრატულ ფრჩხილებში: [ ]

სიები და კოლექციები

["Monday", "Tuesday"]
Slide 31/43

Make.com HTTP მოდული 🔧

HTTP მოდული - უნივერსალური API კონექტორი

HTTP მოდული საშუალებას გვაძლევს დავუკავშირდეთ ნებისმიერ API-ს, რომელიც არ არის Make.com-ის ბიბლიოთეკაში

🎯 როდის გამოვიყენოთ HTTP მოდული?

1️⃣ მორგებული API

თქვენი კომპანიის შიდა API

2️⃣ საჯარო API

უფასო საჯარო API-ები (ამინდი, ვალუტა, სიახლეები)

3️⃣ არ არის ჩაშენებული მოდული

როცა Make.com-ს არ აქვს მზა მოდული

⚙️ HTTP მოდულის კონფიგურაცია

ველი აღწერა მაგალითი
URL API-ს სრული მისამართი https://api.exchangerate.com/latest
მეთოდი მოთხოვნის ტიპი GET, POST, PUT, DELETE
სათაურები დამატებითი მეტამონაცემები Authorization, Content-Type
მოთხოვნის სტრიქონი URL პარამეტრები base=USD&symbols=EUR,GBP
Slide 32/43

HTTP მოთხოვნის ტიპები 📋

🔤 ძირითადი მოთხოვნის მეთოდები

GET - მონაცემების მოთხოვნა 📥

გამოყენება: მონაცემების წაკითხვა, არ ცვლის არაფერს სერვერზე

მაგალითი: ამინდის ინფორმაციის მიღება, მომხმარებლის პროფილის ნახვა

GET https://api.example.com/users/123

POST - მონაცემების გაგზავნა 📤

გამოყენება: ახალი მონაცემების შექმნა

მაგალითი: ახალი მომხმარებლის რეგისტრაცია, კომენტარის დამატება

POST https://api.example.com/users Body: { "name": "Giorgi", "email": "giorgi@example.com" }

PUT - განახლება 🔄

გამოყენება: არსებული მონაცემების განახლება

მაგალითი: პროფილის რედაქტირება

DELETE - წაშლა 🗑️

გამოყენება: მონაცემების წაშლა

მაგალითი: ანგარიშის გაუქმება

⚠️ მნიშვნელოვანი

ჩვენ ძირითადად GET-ს გამოვიყენებთ მონაცემების შეგროვებისთვის, რადგან უსაფრთხოა და არაფერს არ ცვლის სერვერზე. POST, PUT, DELETE უფრო რთულია და საჭიროებს სპეციალურ ნებართვებს.

Slide 33/43

სათაურები და პარამეტრები 🔑

📨 სათაურები - დამატებითი ინფორმაცია

Headers არის metadata, რომელიც request-თან ერთად იგზავნება და აძლევს სერვერს დამატებით ინფორმაციას

სათაურის ტიპი აღწერა მაგალითი
ავტორიზაცია API გასაღები ან ტოკენი Bearer abc123xyz...
შიგთავსის ტიპი მონაცემთა ფორმატი application/json
მისაღები სასურველი პასუხის ფორმატი application/json
User-Agent კლიენტის იდენტიფიკაცია Make.com/1.0

🔍 Query Parameters

Parameters - URL-ში დამატებითი პარამეტრები

https://api.example.com/search?q=AI&language=ka&limit=10&sort=date

? - პარამეტრების დასაწყისი

& - პარამეტრების გამიჯვნა

q=AI - search query

language=ka - ენა (ქართული)

limit=10 - მაქსიმუმ 10 შედეგი

Slide 34/43

🎯 Live დემო 1: ვალუტის კურსის ტრეკერი

პროექტი: ვალუტის კურსის მონიტორინგი

ავაწყობთ ავტომატიზაციას, რომელიც ყოველდღიურად ამოწმებს USD-ის კურსს და აგზავნის ელფოსტით

📋 ნაბიჯები

1️⃣ API-ს არჩევა

API: ExchangeRate-API.com (უფასო, არ საჭიროებს რეგისტრაციას)

მისამართი: https://api.exchangerate-api.com/v4/latest/USD

2️⃣ Make.com-ის სცენარის კონფიგურაცია

  • გამომწვევი: დაგეგმვა (ყოველდღე დილის 9:00 საათზე)
  • მოდული 1: HTTP - მოთხოვნის გაკეთება (GET)
  • მოდული 2: ტექსტის პარსერი - JSON პასუხის გარჩევა
  • მოდული 3: Gmail - ელფოსტის გაგზავნა

3️⃣ HTTP მოდულის კონფიგურაცია

URL: https://api.exchangerate-api.com/v4/latest/USD
მეთოდი: GET
სათაურები: არ საჭიროებს (საჯარო API)

4️⃣ პასუხის მაგალითი

{ "base": "USD", "date": "2025-12-13", "rates": { "EUR": 0.92, "GBP": 0.79, "GEL": 2.85, "RUB": 95.50 } }
Slide 35/43

📊 Data Extraction და Formatting

🔍 Response-დან მონაცემების ამოღება

Make.com-ში Data Mapping

HTTP module-ის response ავტომატურად parse-დება და ხელმისაწვდომია როგორც variables

Response Structure

Data: - base: "USD" - date: "2025-12-13" - rates: - EUR: 0.92 - GBP: 0.79 - GEL: 2.85

მონაცემების მიმართვა

{{data.base}} → USD

{{data.date}} → 2025-12-13

{{data.rates.GEL}} → 2.85

{{data.rates.EUR}} → 0.92

📧 Email Template-ის შექმნა

Subject: USD Currency Rates - {{data.date}} Body: გამარჯობა! დღევანდელი კურსები ({{data.date}}): 💵 1 USD = {{data.rates.GEL}} GEL 💶 1 USD = {{data.rates.EUR}} EUR 💷 1 USD = {{data.rates.GBP}} GBP 💴 1 USD = {{data.rates.RUB}} RUB ----- Powered by Make.com 🤖

🎯 შედეგი

ყოველდღიურად 09:00 საათზე ავტომატურად მიიღებთ Email-ს ვალუტის კურსებით!

Slide 36/43

🎯 Live Demo 2: Weather Notifications

პროექტი: ამინდის ავტომატური შეტყობინებები

ავაწყობთ სისტემას, რომელიც ამოწმებს ამინდს და აგზავნის Telegram შეტყობინებას თუ წვიმაა მოსალოდნელი

🌤️ OpenWeather API Setup

1️⃣ API Key-ის მიღება

  1. გადადით openweathermap.org
  2. შექმენით უფასო ანგარიში
  3. მიიღეთ API key (უფასო tier: 1000 requests/day)

2️⃣ API Request Configuration

Base URL: https://api.openweathermap.org/data/2.5/weather
Parameters: q=Tbilisi
appid=YOUR_API_KEY
units=metric
სრული URL: ...weather?q=Tbilisi&appid=abc123&units=metric

3️⃣ Response მაგალითი

{ "weather": [ { "main": "Rain", "description": "light rain" } ], "main": { "temp": 18.5, "feels_like": 17.2, "humidity": 75 }, "wind": { "speed": 3.5 } }
Slide 37/43

🔀 Conditional Notifications

⚙️ Make.com Scenario Structure

Workflow-ის სქემა

  1. Schedule Trigger - ყოველდღე 07:00 AM
  2. HTTP Request - ამინდის API-დან მონაცემები
  3. Router - პირობითი განშტოება
  4. Telegram Message - შეტყობინება

🔍 Filter Configuration

Route 1: წვიმა 🌧️

Condition:

{{weather[].main}} = "Rain"

Message:

⚠️ წვიმაა მოსალოდნელი! ტემპერატურა: {{temp}}°C ტენიანობა: {{humidity}}% 📍 ქოლგა აიღე! ☂️

Route 2: მზიანი ☀️

Condition:

{{weather[].main}} = "Clear"

Message:

☀️ მზიანი ამინდია! ტემპერატურა: {{temp}}°C კარგი დღე გქონდეს! 😊

💡 Smart Features

  • შეგიძლია დაამატო დამატებითი პირობები (ტემპერატურა, ქარი, ტენიანობა)
  • გააგზავნო სხვადასხვა შეტყობინებები სხვადასხვა ამინდზე
  • დაამატო emojis საუკეთესო UX-ისთვის
  • გააგზავნო მხოლოდ დილით, სამუშაო დღეებში
Slide 38/43

💪 Practice: Weather API + AI Summary

🎯 დავალება (25 წუთი)

შექმენით automation: Weather API → AI Summary → Telegram

📋 მოთხოვნები

Part 1: Weather Data

  1. გამოიყენეთ OpenWeather API
  2. მიიღეთ ამინდი თბილისისთვის
  3. ამოიღეთ:
    • ტემპერატურა
    • ამინდის აღწერა
    • ტენიანობა
    • ქარის სიჩქარე

Part 2: AI Processing

  1. გამოიყენეთ OpenAI/Claude
  2. Prompt: „ამინდის მონაცემების საფუძველზე დაწერე მოკლე რეკომენდაცია (რა ტანსაცმელი შეარჩიო, ქოლგა გჭირდება, etc.)"
  3. პასუხი უნდა იყოს ქართულად
  4. 2-3 წინადადება

Part 3: Telegram Notification

Message Template:

🌤️ თბილისის ამინდი {{weather_description}} 🌡️ ტემპერატურა: {{temp}}°C 💧 ტენიანობა: {{humidity}}% 💨 ქარი: {{wind_speed}} მ/წმ 🤖 AI რეკომენდაცია: {{ai_recommendation}}

🎓 სწავლის მიზნები

  • API-დან მონაცემების მიღება
  • Data mapping და transformation
  • AI integration workflow-ში
  • Multi-step automation
Slide 39/43

🌐 Popular Free APIs

უფასო Public APIs - პრაქტიკისთვის

ეს APIs იდეალურია სასწავლო მიზნებისთვის და პროტოტიპების შესაქმნელად

კატეგორია API აღწერა API Key
Weather OpenWeatherMap ამინდის მონაცემები ✅ საჭიროა (უფასო)
Currency ExchangeRate-API ვალუტის კურსები ❌ არ საჭიროებს
Quotes Quotable შთაგონების quotes ❌ არ საჭიროებს
News NewsAPI სიახლეები მთელი მსოფლიოდან ✅ საჭიროა (უფასო)
Images Unsplash უფასო სტოკ ფოტოები ✅ საჭიროა
Fun Random User ფიქტიური user data ❌ არ საჭიროებს
Translation LibreTranslate თარგმანი ❌ არ საჭიროებს
Cat Facts Cat Facts API კატების შესახებ ფაქტები ❌ არ საჭიროებს

🔗 სასარგებლო რესურსი

API მონაცემთა ბაზა: https://github.com/public-apis/public-apis

2000+ უფასო API - ყველა კატეგორიაში!

Slide 40/43

🔧 Error Handling

API Error-ების ტიპები

API calls ყოველთვის არ არის წარმატებული - უნდა ვემზადოთ შეცდომებისთვის

📋 HTTP Status Codes

Code მნიშვნელობა რა გააკეთოს
200 ✅ Success ყველაფერი კარგად არის
400 ⚠️ Bad Request შეამოწმეთ parameters
401 🔒 Unauthorized შეამოწმეთ API key
403 🚫 Forbidden არ გაქვთ წვდომა
404 ❓ Not Found შეამოწმეთ URL
429 🛑 Too Many Requests Rate limit გადალახა
500 💥 Server Error სცადეთ თავიდან მოგვიანებით

🛡️ Make.com Error Handling

Error Handler Module

  1. დააჭირეთ wrench icon-ს module-ზე
  2. აირჩიეთ „Add error handler route"
  3. დაამატეთ fallback action:
    • Log error
    • Send notification
    • Retry logic

Retry Strategy

Auto Retry Settings:

  • Max attempts: 3
  • Interval: 60 seconds
  • Exponential backoff

გამოიყენეთ rate limit ან server error-ების შემთხვევაში

Slide 41/43

📝 შეჯამება და მთავარი დასკვნები

რა ვისწავლეთ დღეს?

  • ✅ API კონცეფცია - როგორ „საუბრობენ" პროგრამები ერთმანეთთან
  • ✅ GET requests - მონაცემების მოთხოვნა external sources-დან
  • ✅ JSON response structure - მონაცემების ამოღება და parsing
  • ✅ Make.com HTTP Module - universal API connector
  • ✅ Live Demos - Currency და Weather APIs
  • ✅ AI APIs integration - OpenAI, Claude workflows-ში
  • ✅ Best Practices - rate limits, errors, costs, security

🎯 პრაქტიკული უნარები

ახლა შეგიძლიათ:

  • დაუკავშირდეთ ნებისმიერ Public API-ს
  • მოიპოვოთ real-time data (weather, currency, news)
  • ინტეგრირდეთ AI APIs workflows-ში
  • შექმნათ data collection automations
  • მართოთ API errors და rate limits

შემდეგი ნაბიჯები:

  • გამოსცადეთ სხვადასხვა Free APIs
  • შექმენით personal dashboards
  • კომბინირება - Multiple APIs + AI
  • პროექტები real business use cases-ისთვის
Slide 42/43

📚 დავალება 2: API Workflow და მონაცემთა შეგროვება

🎯 პრაქტიკული დავალება: API მონაცემების შეგროვება და დამუშავება

სულ: 10 ქულა | ⏱️ 60-75 წუთი

მიზანი: ააგეთ რეალური Make.com ავტომატიზაცია, რომელიც უკავშირდება Public API-ს HTTP მოდულით, ამუშავებს მონაცემებს და აგზავნის შედეგს ან ინახავს ცხრილში.

📋 დავალების 3 ძირითადი კომპონენტი

1️⃣ API ინტეგრაცია (4 ქულა)

Make.com HTTP Module + Public API (OpenWeather, ExchangeRate, CoinGecko, NewsAPI). სწორი URL, Headers ან Query Params.

2️⃣ Data Parsing & ფილტრი (3 ქულა)

JSON პასუხის დამუშავება, საჭირო ველების ამოღება და მინიმუმ 1 Filter ან Router პირობითი ლოგიკისთვის.

3️⃣ შენახვა / შეტყობინება (3 ქულა)

Google Sheets-ში ჩაწერა ან Telegram/Email შეტყობინება. (ბონუსი: OpenAI / Claude შეჯამება)

💡 3 არჩევითი სცენარი

  • ვარიანტი A (ვალუტა): ExchangeRate API → ფილტრი (თუ კურსი შეიცვალა) → Telegram შეტყობინება
  • ვარიანტი B (ამინდი): OpenWeather API → წვიმის ან ტემპერატურის შემოწმება → დილის Email გაფრთხილება
  • ვარიანტი C (კრიპტო/სიახლეები): CoinGecko / NewsAPI → AI შეჯამება → Google Sheets ცხრილში შენახვა

📦 ჩასაბარებელი მასალა (Deliverables)

  • 1. Make.com Blueprint: სცენარის ექსპორტირებული .json ფაილი
  • 2. Execution History Screenshot: გაშვებული და წარმატებით დასრულებული სცენარის სქრინშოტი
  • 3. საბოლოო შედეგის Screenshot: მიღებული Email/Telegram შეტყობინება ან შევსებული Google Sheet
  • დეტალური ინსტრუქცია: იხილეთ homework-2.html
Slide 43/43

🚀 AI Coding Assistants და მზადება ლექცია 3-ისთვის

🤖 AI Coding Assistants: Google Antigravity

  • არ იცით პროგრამირება? არაა პრობლემა!
  • Google Antigravity საშუალებას გაძლევთ დაწეროთ მარტივი Python სკრიპტები და Regex ფილტრები No-code პლატფორმებისთვის (Make.com, n8n).
  • საკმარისია უბრალოდ აღწეროთ რა გსურთ ქართულად ან ინგლისურად (Prompting კოდისთვის).
  • სწრაფი API ტესტირება, cURL მოთხოვნების გარდაქმნა და მონაცემთა გაწმენდა.

🕸️ Modern AI Scraping (Firecrawl & Jina AI)

ტრადიციული სკრაპინგი (HTML-ის ხელით გარჩევა) მოძველდა. 2026 წელს ვიყენებთ AI-ზე დაფუძნებულ სკრაპერებს:

  • Firecrawl & Jina AI: ავტომატურად პოულობენ ვებსაიტზე საჭირო მონაცემებს.
  • აბრუნებენ სუფთა Markdown ან JSON ფორმატს, რაც იდეალურია LLM-ებისთვის.
  • სრულფასოვანი ინტეგრაცია ავტომატური კვლევისა და Lead Generation-ისთვის.

🔮 რას ვისწავლით ლექცია 3-ში?

  • ⚡ Advanced Make.com & n8n: რთული ავტონომიური პაიპლაინები
  • 🧠 AI აგენტების არქიტექტურა: Tool Calling, Function Calling და Reasoning
  • 🗄️ Vector Databases & RAG: საკუთარი დოკუმენტების AI ანალიზი
  • 🤖 Multi-Agent Workflows: როცა რამდენიმე AI აგენტი ერთმანეთთან თანამშრომლობს