Za matematiku imam mali Python „asistent”

Ja sam osmak iz Podgorice i najviše volim dvije stvari: košarku poslije škole i Python prije nje. Prije sam gubio po sat vremena tražeći izvore za domaći, a sad sam to okrenuo u svoju malu mašinu za učenje.

Sve je počelo kad sam napravio jednostavan Python skript koji svake nedjelje uveče pročita moj raspored iz .csv fajla i napravi „plan napada“: koje zadatke imam, koje izvore da otvorim i koliko mi vremena treba. Skript mi pošalje poruku na telefon: „Ponedjeljak — istorija (Balkan u XX vijeku), biologija (ćelija), matematika (linearne jednačine).“

Za istoriju sam dodao još jedan trik: Python uzme ključne riječi iz mog plana, otvori nekoliko pouzdanih sajtova i skine tekst u lokalni folder. Potom prođe kroz tekst, izdvoji datume, imena i pojmove i napravi kratke fusnote. Nije varanje, jer sve provjerim i dopišem svojim riječima, ali mi štedi pola sata praznog skrolovanja.

Najviše sam ponosan na n8n scenario koji sam sklopio. Trigger je zakazan svakog dana u 18:00. Prvi čvor uzme teme iz mog Google kalendara (pišem „Mat: lineare“, „Bio: ćelija“). Drugi čvor pošalje HTTP zahtjev ka pretrazi i vrati top 3 relevantna izvora. Treći čvor pošalje tekst AI servisu da napravi kratki sažetak i listu pojmova. Četvrti čvor mi sve spakuje u Markdown i pošalje na Telegram kao „brzi brif“. Ako imam kontrolni, dodam još čvor koji generiše kviz sa deset pitanja i tačnim rješenjima za provjeru.

Za matematiku imam mali Python „asistent”: unesem zadatak za linearne jednačine i on mi pokaže korake rješavanja, ne samo rezultat. Naučio sam da koristim sympy da vidim gdje sam pogriješio. Profesorica me često pita kako sam „odjednom prosvijetlio“, a ja joj pokažem između redova — najbitnije je razumjeti put, ne samo doći do X.

U biologiji sam spojio Python sa crtežima. Uzmem tekst o ćeliji, skript izvuče ključne rečenice i napravi checklist: membrana, citoplazma, jedro, mitohondrije. Onda ja precrtam skicu i pored svakog dijela dopišem tačno ono što je na listi. Tako pamtim brže nego da samo čitam.

Za jezike sam napravio „kartice”. Python pročita lektiru u .pdf, izvuče pasuse sa glavnim motivima i napravi CSV sa pojmom, objašnjenjem i pitanjem. N8n ga ubaci u Google Sheets, a onda imam kviz koji vrtim na telefonu dok čekam autobus.

Najveći upgrade je bio „hitni mod”: kad profesor nenadano najavi kratku provjeru, pokrenem posebni n8n tok. On za 5 minuta skupi sažetak iz dva izvora, napravi tri primjera zadataka i pošalje mi „one-pager“. Nije savršeno, ali za brzo ponavljanje je zlato.

Naravno, postavio sam i granice. Ne kopiram tuđe rečenice, ne šaljem odgovore koje nisam razumio i uvijek navodim izvor. Ako AI pogriješi, ispravljam. Naučio sam da brzina bez tačnosti nema smisla.

Roditelji su primijetili da sam mirniji pred kontrolni, a ja imam više vremena za košarku. Profesor informatike me zamolio da pokažem razredu kako sam sve spojio. Planiram da napravim mini radionicu: „Kako da vam Python i n8n skrate put do znanja, a ne do varanja.“

Kad saberem, Python mi nije samo „olakšao domaći“. Naučio me je da razbijem problem na korake, da automatizujem rutinu i da ostavim glavu slobodnu za ono najteže — razumjeti ideju. A to, iskreno, vrijedi više od bilo koje petice.

___

Я: Эй, брат, нужен совет. Когда писать скрипт на Python, а когда лучше собрать автоматизацию без кода в n8n?

Друг: Общее правило: если задача логически или вычислительно тяжёлая — лучше Python. Если просто склеиваешь сервисы и перегоняешь данные из точки A в B, с триггерами и уведомлениями — n8n.

Я: Дай примеры, чтобы не промахнуться.

Друг: По порядку.

1. Математика / решение задач — Python, потому что нужен пошаговый расчёт (например, sympy).

2. Скачать статьи с пары сайтов и отправить краткий итог в Telegram — n8n: HTTP Request → AI-резюме → Telegram node.

3. Чистка и объединение CSV-файлов — Python (pandas), так как есть правила, исключения и валидации.

4. Ежедневный напоминатель “что учить сегодня” из Google Calendar — n8n: Google Calendar → Formatter → Telegram/Email.

5. Отслеживание новой литературы (RSS/YouTube/блог) — n8n с RSS-узлом + фильтр + отправка.

6. Специальный парсер для “кривого” PDF/HTML — Python, потому что придётся писать кастомный парсер.

Я: А если нужен быстрый прототип к завтрашнему дню?

Друг: n8n. За 30–60 минут соберёшь триггер, 2–3 узла — и будет MVP. Python лучше, когда понимаешь, что эту логику будешь долго использовать и расширять.

Я: А если мне нужна проверка данных перед записью в Sheets?

Друг: Сделай гибрид. n8n собирает входные данные, вызывает твой маленький Python-эндпоинт (Flask/FastAPI) для проверки и нормализации, затем обратно в n8n — для записи в Sheets и отправки уведомления.

Я: Как понять, что задача “слишком большая” для n8n?

Друг: Если начинаешь строить лабиринты из 30+ узлов с кучей IF-веток и сложных регэкспов — это знак вынести логику в Python. Оставь n8n как оркестратор.

Я: А надёжность? n8n не “падает”?

Друг: n8n стабильный, но думай о лимитах API и повторных попытках. Включай error branch и retry on fail. Для длинных потоков используй queues и batch. В Python надёжность контролируешь сам: try/except, логи, тесты.

Я: Версии и командная работа?

Друг: Python: git-репозиторий, requirements.txt или pyproject.toml, виртуальное окружение. n8n: экспорт потока в JSON и хранение в git; документируй узлы и пиши описания.

Я: Где лучше делать AI-резюме — в Python или в n8n?

Друг: Если нужно “отправил текст → получил краткое резюме” — n8n. Если хочешь пост-обработку: удаление дублей, построение глоссария, ранжирование источников — Python.

Я: Что насчёт школьных чтений и быстрой подготовки?

Друг: n8n для рутины: RSS/Google Search → взять топ-2–3 источника → AI-резюме → отправка в Telegram. Если нужно выделить мотивы, персонажей, ключевые цитаты и сопоставить их с вопросами — Python.

Я: Файловый менеджмент? Переименования, сортировка по дате, автоархивирование?

Друг: Небольшие объёмы и простые правила — n8n + Drive/Dropbox узлы. Сложные правила с регулярками и метаданными — Python-скрипт.

Я: А производительность?

Друг: Если гоняешь тысячи строк в минуту — Python эффективнее. n8n хорош для “человеческого темпа” и интеграций.

Я: Безопасность и приватность?

Друг: Чувствительные файлы обрабатывай локально в Python. n8n — ок для публичных API и школьных потоков без личных данных. Всегда проверяй, что отправляешь в AI.

Я: Можно сначала на n8n, а потом тяжёлое перенести в Python?

Друг: Идеальный путь. Начни с n8n, чтобы подтвердить ценность процесса. Когда логика созреет — вынеси часть в Python-сервис и замени узел одним HTTP-вызовом.

Я: Есть мини-чеклист для выбора?

Друг: Конечно:

• Только “склеиваешь” сервисы? → n8n.

• Много вычислений, парсинга и особых правил? → Python.

• Нужен прототип сегодня? → n8n.

• Нужна долгосрочная, тестируемая логика? → Python.

• Лучше вместе? → n8n оркестрирует, Python считает.

Я: Понял. Делаю n8n для напоминаний и резюме, а Python — для CSV и математики.

Друг: Так и надо. И ещё: чем больше документируешь, тем меньше боли завтра. Короткие заметки в узлах n8n и docstring’и в Python — спасение.

Я: Спасибо, мастер. Угощаю буреком после контрольной!

Друг: Договорились. А потом делаем мастер-класс в классе: “n8n + Python для учеников — без списывания, с пониманием.”