n8n ve Claude ile Ücretsiz AI İçerik Dönüştürme Hattı Nasıl Kurulur (Gerçekte Ücretsiz Olan Nedir)

AI içerik dönüştürme hattının otomasyon katmanını, n8n Community Edition'ı kendi sunucunuzda barındırarak ücretsiz hale getirebilirsiniz, ancak Claude destekli bir n8n iş akışının uçtan uca sıfır maliyetli olması garanti edilmez. Bu ayrım önemlidir. n8n, kendi sunucunuzda barındırılan Community Edition sürümünün süresiz olarak ücretsiz kullanılabileceğini belirtirken, Anthropic'in Claude API'si ölçülü (kullanım bazlı) bir geliştirici hizmetidir. Claude web sitesindeki ücretsiz Claude sohbet planı, n8n içindeki API kullanımıyla aynı şey değildir.

11 Eylül 2026 itibarıyla, n8n dokümantasyonu Community Edition'ı, çekirdek özellik setinin neredeyse tamamına sahip ücretsiz, kendi sunucunuzda barındırılan bir sürüm olarak tanımlar. Anthropic'in güncel API fiyatlandırması, Claude Sonnet 5 için girdi başına 1 milyon token'da 2 $ ve çıktı başına 1 milyon token'da 10 $, Claude Haiku 4.5 için ise girdi başına 1 milyon token'da 1 $ ve çıktı başına 1 milyon token'da 5 $ olarak listeler. Fiyatlar ve modeller değişebilir, bu nedenle dağıtıma geçmeden önce bunları doğrulayın. n8n'in Community Edition dokümantasyonuna ve Anthropic'in güncel fiyatlandırma sayfasına bakın.

Dolayısıyla “ücretsiz” kavramının pratik versiyonu şudur: Kendi kontrolünüzdeki altyapıda çalışan ücretsiz n8n yazılımı, artı iş akışınızın ürettiği Claude API kullanımı. Zaten bir altyapınız ve API krediniz varsa, artan maliyetiniz geçici olarak sıfır olabilir. Değilse, en azından model kullanım maliyetini ve muhtemelen barındırma maliyetini bekleyin.

Bu hat ne yapacak?

Aşağıdaki iş akışı, tek bir kaynak öğesini—örneğin bir blog yazısı, bülten taslağı, podcast transkripti, webinar transkripti veya uzun notu—alır ve bunları birkaç yapılandırılmış taslak varlığa dönüştürür. Faydalı bir başlangıç çıktısı şunları içerir:

• Bir LinkedIn tarzı gönderi
• Üç kısa sosyal medya gönderisi
• Bir e-posta konu satırı ve giriş bölümü
• Bir kısa video kancası ve senaryosu
• Beş ana çıkarım
• Kaynak yeterli bilgiyi içermediğinde bir inceleme bayrağı

Hat, kasıtlı olarak önce taslakları üretir. Otomatik yayınlama daha sonra eklenebilir, ancak bir AI iş akışının inceleme olmadan yayınlamasına izin vermeden önce içerik kalitesini, biçimlendirmeyi, kaynak sadakatini ve hedef izinlerini kanıtlamak genellikle daha güvenlidir.

Bu yaklaşım sizin için doğru mu?

Önerilen mimari

İlk sürüm için otonom bir ajanla başlamayın. n8n'in Basic LLM Chain (Temel LLM Zinciri) düğümü, bir istemi bağlı bir dil modeline iletmek için tasarlanmıştır ve bir çıktı ayrıştırıcısı ekleyebilir. Bu, deterministik “kaynak girer, biçimlendirilmiş taslaklar çıkar” iş akışı için yeterlidir. n8n'in Basic LLM Chain dokümantasyonuna bakın.

Temiz bir hat şu şekilde görünür:

Tetikleyici → Girdiyi Doğrula → Kaynağı Normalleştir → Basic LLM Chain → Anthropic Chat Model → Yapılandırılmış Çıktı Ayrıştırıcısı → İnceleme Kapısı → Taslakları Kaydet

Adım 1: n8n Community Edition'ı Kendi Sunucunuzda Barındırın

n8n'in güncel dokümantasyonu, Docker ile kendi sunucunuzda barındırmayı destekler ve Community Edition'ı ücretsiz olarak tanımlar. Docker, n8n örneğini kolayca yeniden üretilebilir hale getirdiği ve iş akışı ile kimlik bilgisi verileri için kalıcı bir birim sağladığı için iyi bir başlangıç noktasıdır.

Resmi Docker rehberi bir n8n_data birimi oluşturur, 5678 portunu açar, saat dilimiyle ilgili ortam değişkenlerini ayarlar ve kalıcı veri dizinini bağlar. n8n 2.x için dokümantasyon, N8N_RUNNERS_ENABLED değişkeninin kullanımdan kaldırıldığını ve artık ayarlanmasına gerek olmadığını belirtir. Bir eğitimden eski bir komutu kopyalamak yerine, n8n'in Docker kurulum rehberindeki güncel komutu kullanın.

Yerel bir kanıt kavramı (proof of concept) için http://localhost:5678 adresini açmak yeterlidir. İnternete açık bir üretim örneği için, yerel portu doğrudan herkese açık olarak açmayın. HTTPS, kimlik doğrulama, yedeklemeler ve ters vekil sunucu yapılandırması için n8n'in barındırma ve güvenlik yönergelerini izleyin.

Bu adımı kullanın: Kendi Docker sunucunuzu bakımlı tutmakta rahatsanız. Bir sunucuyu yamalamak, güvence altına almak, yedeklemek ve izlemek istemiyorsanız, n8n Cloud daha kolaydır, ancak burada açıklanan kalıcı olarak ücretsiz seçenek değildir.

Adım 2: İş Akışının Nasıl Başlayacağını Seçin

Başka bir uygulamanın içeriği n8n'ye talep üzerine göndermesi gerektiğinde bir Webhook kullanın. n8n'nin sabit bir zamanda veya aralıkta içeriği kontrol etmesi gerektiğinde bir Schedule Trigger (Zamanlanmış Tetikleyici) kullanın.

n8n'in Webhook düğümü, ayrı test ve üretim URL'leri sağlar. Test URL'si geliştirme için tasarlanmıştır; üretim URL'si, iş akışı yayınlandığında kaydedilir. Webhook düğümü ayrıca Basic auth, Header auth ve JWT auth dahil olmak üzere kimlik doğrulama seçeneklerini destekler. n8n'in Webhook dokümantasyonuna bakın.

Zamanlanmış dönüştürme için, n8n'in Schedule Trigger düğümü sabit zamanlarda veya aralıklarda çalışır ve n8n, zamanlanmış tetikleme için iş akışının kaydedilmesi ve yayınlanması gerektiğini belirtir. n8n'in Schedule Trigger dokümantasyonuna bakın.

Örnek: CMS'iniz bir editör makaleyi onayladıktan sonra bir webhook'u çağırabiliyorsa, webhook'u kullanın. Onaylanmış kaynak içeriği bir klasörde tutuyorsanız ve her hafta içi sabahı bir toplu işlem istiyorsanız, bir zamanlama daha basit olabilir.

Adım 3: Tek Bir Temiz Girdi Sözleşmesi Tanımlayın

Her kaynağın farklı bir şekilde gelmesine izin vermeyin. Claude'u çağırmadan önce girdileri tek bir iç yapıya normalleştirin. Pratik bir JSON yükü şöyledir:

{
  "source_id": "post-2026-0911-001",
  "title": "Orijinal makale başlığı",
  "source_text": "Tam onaylanmış kaynak metni...",
  "source_url": "https://example.com/original",
  "audience": "ABD'li küçük işletme sahipleri",
  "brand_voice": "net, pratik, abartısız",
  "outputs": [
    "linkedin_post",
    "short_posts",
    "email_intro",
    "video_script"
  ]
}

Mümkün olduğunda gerçek kaynak metnini iletin. Tek başına bir URL, doğrulanmış kaynak içeriğiyle aynı değildir. Bir sayfayı getirmek ve ayrıştırmak başka bir başarısızlık noktası ekler ve isteme gezinme, çerez, reklam veya alakasız metinlerin girmesine neden olabilir.

Ayrıca talimatları kaynak materyalden ayrı tutun. Üçüncü taraf sayfaları, e-postaları veya yüklenen belgeleri alıyorsanız, içeriklerini iş akışı komutları olarak değil, güvenilmeyen veriler olarak ele alın. Anthropic'in güvenlik yönergeleri, dolaylı istem enjeksiyonunu, modelin okuduğu içeriğe gömülü kötü niyetli talimatlar olarak açıkça tanımlar. Anthropic'in istem enjeksiyonunu azaltma yönergelerine bakın.

Adım 4: Model Çağrısından Önce Doğrulayın ve Normalleştirin

Token harcamadan önce kötü girdiyi reddedin. En azından source_id, title ve source_text alanlarının var olduğunu ve source_text alanının boş olmadığını kontrol edin. Açık biçimlendirme gürültüsünü normalleştirin, ancak Claude'un ihtiyaç duyabileceği gerçekleri, alıntıları, URL'leri, başlıkları ve diğer kaynak detaylarını koruyun.

Faydalı bir ön işleme aşaması şunları yapabilir:

• Baş ve sondaki boşlukları temizleyin
• Tekrarlanan boş satırları tutarlı bir biçime dönüştürün
• Varsayılan hedef kitle ve ses değerlerini ayarlayın
• Minimum faydalı uzunluğun altındaki kaynak metnini reddedin
• Tekrarları önlemek için kararlı bir source_id oluşturun
• İstenen çıktı türlerini kaydedin

Gerçekten gerekmediği sürece normal bir makaleyi birçok model çağrısına bölmeyin. Birden fazla çağrı, orkestrasyon karmaşıklığını artırır ve tutarsız bir tona neden olabilir. Büyük kaynak materyaller için, girdiyi kazara kesmek yerine bilinçli olarak özetlemeyi veya parçalamayı düşünün.

Adım 5: Claude'u Doğru Bağlayın—Ve Maliyeti Anlayın

n8n, bir API anahtarı kullanan bir Anthropic Chat Model düğümü ve Anthropic kimlik bilgileri sağlar. n8n'in kimlik bilgisi dokümantasyonu, kullanıcıların Anthropic Console'da bir anahtar oluşturmasını ve bunu iş akışı metnine sabit kodlamak yerine n8n kimlik bilgilerine kaydetmesini yönlendirir. n8n'in Anthropic kimlik bilgisi dokümantasyonuna ve n8n'in Anthropic Chat Model dokümantasyonuna bakın.

Bu hat için, Anthropic Chat Model'i bir Basic LLM Chain'e bağlayın. Pratik bir model seçimi, kalite ve maliyet hedefinize bağlıdır:

Yukarıdaki fiyatlar Anthropic'in güncel fiyatlandırma sayfasından alınmıştır ve değişebilir. Ayrıca eski eğitimlerden eski model kimliklerini kopyalamaktan kaçının. Modeller periyodik olarak kullanımdan kaldırıldığı ve emekliye ayrıldığı için Anthropic bir model kullanımdan kaldırma sayfası tutar. Bir model adını sabit kodlamadan önce Anthropic'in model kullanımdan kaldırma dokümantasyonunu kontrol edin.

Adım 6: Kaynak Sadakatini Koruyan Tek Bir İstem Kullanın

İstem, dönüşüm sınırını açıkça belirtmelidir: Claude kaynağı yeniden çerçeveleyebilir ve sıkıştırabilir, ancak mevcut olmayan gerçekleri uydurmamalıdır. Anthropic'in güncel istem mühendisliği yönergeleri, karmaşık girdiler için net talimatlar ve yapılandırılmış etiketler önerir. Anthropic'in istem mühendisliği en iyi uygulamaları dokümantasyonuna bakın.

Pratik bir sistem mesajı şöyledir:

Siz bir içerik dönüştürme editörüsünüz.
Yalnızca sağlanan kaynak tarafından desteklenen gerçek iddiaları kullanın.
İstatistik, alıntı, müşteri sonuçları, tarihler veya ürün yetenekleri uydurmayın.
Biçim ve tonu uyararken orijinal anlamı koruyun.
Bir çıktı, kaynakta bulunmayan bir bilgi gerektiriyorsa, needs_review değerini true olarak ayarlayın
ve eksik bilgiyi review_notes içinde açıklayın.
Yalnızca istenen yapılandırılmış alanları döndürün.

Ardından, kullanıcı mesajını n8n ifadelerinden oluşturun:

<source>
<title>{ $json.title }</title>
<text>{ $json.source_text }</text>
<source_url>{ $json.source_url }</source_url>
</source>

<requirements>
Hedef Kitle: { $json.audience }
Ses: { $json.brand_voice }
Yalnızca istenen formatları oluşturun: { JSON.stringify($json.outputs) }
</requirements>

Örnek: Kaynak, bir ürünün Mayıs ayında piyasaya sürüldüğünü söylüyor ancak asla müşteri sayıları vermiyorsa, Claude piyasaya sürme gerçeğini daha kısa bir gönderiye dönüştürebilir, ancak gönderiyi daha güçlü göstermek için “10.000 müşteri” eklememelidir.

Adım 7: Nesir Metni Ayrıştırmak Yerine Yapılandırılmış Çıktıyı Zorlayın

Serbest biçimli metni yönlendirmek zordur. Claude, bir çalıştırmadan diğerine değişen başlıklar döndürürse, sonraki düğümler kırılgan hale gelir. n8n'in Structured Output Parser (Yapılandırılmış Çıktı Ayrıştırıcısı) düğümü, bir JSON Şemasına dayalı alanları döndürebilir ve Basic LLM Chain belirli bir çıktı biçimi gerektirebilir. n8n'in Structured Output Parser dokümantasyonuna bakın.

Şöyle bir şema kullanın:

{
  "type": "object",
  "properties": {
    "linkedin_post": { "type": "string" },
    "short_posts": {
      "type": "array",
      "items": { "type": "string" },
      "minItems": 3,
      "maxItems": 3
    },
    "email_subject": { "type": "string" },
    "email_intro": { "type": "string" },
    "video_hook": { "type": "string" },
    "video_script": { "type": "string" },
    "key_takeaways": {
      "type": "array",
      "items": { "type": "string" }
    },
    "needs_review": { "type": "boolean" },
    "review_notes": {
      "type": "array",
      "items": { "type": "string" }
    }
  },
  "required": [
    "linkedin_post",
    "short_posts",
    "email_subject",
    "email_intro",
    "video_hook",
    "video_script",
    "key_takeaways",
    "needs_review",
    "review_notes"
  ],
  "additionalProperties": false
}

Anthropic Chat Model entegrasyonunu kullanmak yerine, n8n'in HTTP Request düğümüyle Claude Messages API'sini doğrudan çağırmayı seçerseniz, Anthropic ayrıca desteklenen modellerde output_config.format aracılığıyla yerel yapılandırılmış çıktıları da destekler. Anthropic'in Yapılandırılmış Çıktılar dokümantasyonuna ve Claude Messages API referansına bakın.

Adım 8: Taslakları Kaydedin, İnceleyin, Ardından Yayınlamayı Otomatikleştirin

İlk üretim sürümü için, oluşturulan alanları doğrudan herkese açık kanallara göndermek yerine bir inceleme konumunda saklayın. Yaygın hedefler arasında bir veritabanı, Google Drive, Google Sheets, Notion, bir CMS taslağı veya dahili bir inceleme mesajı bulunur.

needs_review alanını kesin bir kapı olarak kullanın. Harici bir mesaj gönderen veya bir üretim sistemini değiştiren her şey için bir insan inceleme adımı da düşünün. n8n şu anda, bir inceleyicinin seçili eylemleri onaylayabileceği veya reddedebileceği AI araç çağrıları için insan döngüsünde (human-in-the-loop) onayı destekler. n8n'in insan döngüsünde dokümantasyonuna bakın.

Önerilen dağıtım:

1. 1. Hafta: Yalnızca taslakları oluşturun.
2. 2. Hafta: Çıktıları kaynakla karşılaştırın ve istem/şema hatalarını düzeltin.
3. 3. Hafta: Onaylanmış taslakların otomatik olarak hedef taslak klasörlerine taşınmasına izin verin.
4. Yalnızca iş akışı kararlı hale geldikten sonra: Düşük riskli formatlar için otomatik yayınlamayı düşünün.

Somut Bir Uçtan Uca n8n İş Akışı

Basit bir webhook tabanlı sürüm için, bu düğümleri sırasıyla oluşturun:

Zamanlanmış bir hattı tercih ederseniz, Webhook'u bir Schedule Trigger ile değiştirin ve onaylanmış, işlenmemiş öğeleri alan bir kaynak düğümü ekleyin.

Aynı Kaynağı İki Kez Dönüştürmekten Nasıl Kaçınılır?

Her öğeye değişmez bir source_id ekleyin ve işlenen kimlikleri saklayın. Claude çalışmadan önce, bu kimliğin daha önce başarıyla tamamlanıp tamamlanmadığını kontrol edin. Bu temel bir idempotens (aynı işlemi tekrar etme) durumudur: Aynı tetikleyiciyi tekrarlamak, yeni bir sürüm açıkça istemediğiniz sürece yinelenen taslaklar oluşturmamalıdır.

Revizyonlar için source_id + source_revision gibi bileşik bir anahtar kullanın. Bu, bir makalenin 2. sürümünün, 1. sürümle aynı kaynakmış gibi davranmadan yeni taslaklar oluşturmasını sağlar.

Claude API Maliyetini Nasıl Azaltırsınız?

Model seçimi tek kaldıraç değildir. En büyük önlenebilir maliyet genellikle gereksiz metin göndermek veya gereksiz yere uzun çıktılar üretmektir.

• Model çağrısından önce gezinme, standart metin ve alakasız HTML'yi kaldırın.
• Yalnızca gerçekten ihtiyaç duyduğunuz formatları isteyin.
• İstemde mantıklı çıktı uzunluğu kısıtlamaları belirleyin.
• Kalite yeterli olduğunda basit, yüksek hacimli dönüşümler için Haiku 4.5'i kullanın.
• Kaynak daha fazla nüans veya daha güçlü formatlar arası uyarlama gerektirdiğinde Sonnet 5'i kullanın.
• Kısa, kararlı talimatlarla temsil edebiliyorsanız, her çağrıda aynı uzun marka rehberini göndermeyin.
• Kısa bir iş akışının ucuz olduğunu varsaymak yerine token kullanımını ve maliyeti ölçün.

Anthropic ayrıca uygun iş yükleri için istem önbelleğe alma ve toplu işlem sunar, ancak bu özelliklerin kendi gereksinimleri ve fiyatlandırmaları vardır. Tekrarlanan bağlam veya acil olmayan yüksek hacimli işlem, ek karmaşıklığı haklı çıkarmadıkça bunları ilk iş akışına eklemeyin.

Yayınlamadan Önce Test Edilmesi Gereken Üç Başarısızlık Modu

1. Halüsinasyon Gören Gerçekler

İş akışına kasıtlı olarak bir istatistiği atlayan bir kaynak besleyin. Beklenen davranış, çıktının bir tane uydurmamasıdır. Eğer uydurursa, kaynak sadakati talimatlarını ve inceleme kapısını güçlendirin.

2. Bozuk Yapılandırılmış Çıktı

Her zorunlu alanı, boş dizileri, alışılmadık derecede uzun kaynak metnini ve özel karakterleri test edin. Bir hat, yalnızca tek bir çekici demo çıktısı doğru göründüğü için güvenilir değildir.

3. Yinelenen Çalıştırmalar

Aynı source_id değerini iki kez gönderin. İkinci çalıştırma durmalı, mevcut kaydı güncellemeli veya tasarımınıza göre kasıtlı olarak bir revizyon oluşturmalıdır—sessizce her taslağı kopyalamamalıdır.

Bunun İçin Bir AI Agent'a İhtiyacınız Var mı?

Genellikle hayır. Bir AI Agent, modelin hangi araçları çağıracağına karar vermesi veya açık uçlu bir hedefe dayalı farklı eylemler alması gerektiğinde faydalıdır. İçerik dönüştürme normalde öngörülebilir bir dönüşümdür, bu nedenle bir zincir incelemek, test etmek ve kontrol etmek daha kolaydır.

Yalnızca araştırma araçlarını dinamik olarak seçme, bir taslağın hangi hedefe gideceğine karar verme veya eksik bilgi için bir insana sorma gibi somut bir ihtiyacınız olduğunda bir ajana geçin. O zaman bile, iş akışı iyi test edilene kadar geri döndürülemez yayınlama eylemlerini açık incelemenin arkasında tutun.

Son Kurulum Kontrol Listesi

• n8n yazılım katmanının ücretsiz kalmasını istiyorsanız n8n Community Edition'ı kendi sunucunuzda barındırın.
• Claude API kullanımını kalıcı olarak ücretsiz olarak tanımlamayın.
• Talep üzerine işlem için bir Webhook veya zamanlanmış toplu işlemler için Schedule Trigger kullanın.
• Her kaynağı tek bir girdi sözleşmesine normalleştirin.
• Yalnızca bir URL değil, kaynak metnini iletin.
• Anthropic API anahtarını n8n kimlik bilgilerine kaydedin.
• Aktif bir Claude modeli kullanın ve kullanımdan kaldırma sayfasını periyodik olarak kontrol edin.
• Öngörülebilir dönüştürme için bir Basic LLM Chain kullanın.
• Bir yapılandırılmış çıktı şeması gerektirin.
• Şemaya needs_review ve inceleme notlarını ekleyin.
• Kararlı bir kaynak kimliği ile tekrarları önleyin.
• Otomatik yayınlamayı etkinleştirmeden önce taslakları kaydedin.
• Halüsinasyonları, hatalı girdileri, yinelenen tetikleyicileri ve başarısızlık yollarını test edin.
• Token kullanımını ve harici hizmet maliyetlerini izleyin.

En iyi ilk sürüm kasıtlı olarak sıkıcıdır: tek bir temiz girdi, tek bir kontrollü Claude çağrısı, tek bir doğrulanmış JSON yanıtı ve tek bir taslak hedefi. Bu mimari hata ayıklaması kolay ve işletmesi ucuzdur. Gerçek kaynak materyaller üzerinde güvenilir bir şekilde çalışmaya başladığında, çekirdek hattı yeniden kurmadan daha fazla kanal, zamanlama, insan onayları, analitik veya yayınlama entegrasyonları ekleyebilirsiniz.