N8N-Prompts

Kurze Sammlung gebrauchsfertiger Prompts und Prompt-Vorlagen für n8n-Workflows (z. B. OpenAI-, HTTP- oder Custom-LLM-Nodes). Ziel ist es, wiederverwendbare, getestete Prompts für häufige Automatisierungs‑ und Textverarbeitungsaufgaben bereitzustellen.

Inhalt

• /prompts — nach Kategorie geordnete Prompt-Dateien (z. B. email, summarize, translate, extract)
• /examples — n8n-Beispiele bzw. minimal Workflows, die Prompts verwenden
• README.md — Überblick & Quick-Start

Warum dieses Repo?

• Schnell einsatzfähige Prompt-Vorlagen für gängige Use-Cases
• Konsistente Struktur für einfache Integration in n8n-Workflows
• Community-getriebene Verbesserungen und Anpassungen

Quick Start

1. Prompt auswählen (z. B. prompts/email/summarize-en.md).
2. Prompt in einen n8n-Node einfügen:
   • Bei Verwendung des OpenAI-/LLM-Nodes: setze das Prompt-Feld auf die ausgewählte Vorlage, ersetze Variablen mit Expressions wie {{ $json["body"] }}.
   • Bei Verwendung eines HTTP-Request-Nodes: sende den Prompt im Request-Body an die LLM-API.
3. Testen — bei Bedarf prompt-tunen.

Beispiel (OpenAI-/LLM-Node-Konfiguration, Pseudobeispiel):

Model: gpt-4o
Input: Du bist ein präziser Assistent. Fasse den folgenden Text zusammen:
{{ $json["text"] }}

Max tokens: 300
Temperature: 0.2

Beispiel-Prompt (Summarize — Deutsch):

Du bist ein präziser Assistent. Fasse den folgenden Text in maximal 5 Sätzen zusammen. Gib die Zusammenfassung in gut lesbarem Deutsch aus und liste optional 3 wichtige Stichpunkte.
Text:
{{input_text}}

Kategorien (Vorschlag)

• summarize — Zusammenfassungen von Texten/Meetings
• extract — Extraktion strukturierter Daten (z. B. JSON) aus Freitext
• translate — Übersetzungen mit Kontext und Stilvorgaben
• email — Formulierung oder Zusammenfassung von E-Mails
• code — Code-Refactorings, Erklärungen, Tests

Beitrag (How to contribute)

1. Fork the repo.
2. Erstelle einen Feature-Branch (z. B. add/summarize-de).
3. Lege deine Prompt-Datei unter einer geeigneten Kategorie an: prompts//.md
   • Dateiname: lower-case, words-separated-by-dashes.md
   • Dateiformat: Markdown mit einer kurzen Beschreibung, Beispiel-Input und Output-Constraints
4. Öffne einen Pull Request mit einer kurzen Beschreibung und Beispiel-Outputs/Tests.

Beispiel-Datei-Struktur:

prompts/
  summarize/
    meeting-summary-de.md
examples/
  workflows/
    summarize-demo.json

Best Practices für Prompts

• Explizit sein: gewünschte Form (Kurz, Stichpunkte, JSON-Schema)
• Kontext liefern: relevante Metadaten (Sprache, Ton, Format)
• Temperatur niedrig halten (0–0.3) für deterministische Ergebnisse
• Wenn strukturierter Output nötig ist, JSON-Schema als Anweisung beifügen

Lizenz

MIT — siehe LICENSE

Kontakt

Issues & PRs sind willkommen. Für Rückfragen: @stife (GitHub).