n8n: как создать ИИ-ассистента из нод — и когда это лишняя работа

«n8n: как создать ИИ-ассистента, который сам ходит в CRM и таблицы?» — такой запрос обычно появляется после первых опытов с ChatGPT, когда простого чата уже мало. Отвечаю по существу: в n8n агент собирается из блоков-нод за один-два вечера, без классического программирования, но с обязательным пониманием логики процессов. Если вбить в поиск «n8n ИИ-агенты», выдача будет полна восторженных видеоуроков — ниже то, о чём они умалчивают.

Пример из практики: для сервиса по ремонту техники мы собрали агента, который принимает заявку в Telegram, уточняет модель и симптом, пишет строку в Google Sheets и ставит задачу мастеру. Сборка — два вечера. Отладка краевых случаев — ещё неделя. Эта пропорция типична.

Как устроен ИИ-агент внутри n8n

Всё строится вокруг ноды AI Agent. Ей задают три вещи: модель (OpenAI, DeepSeek, локальная через Ollama — подойдёт любая с API), системный промпт и инструменты — другие ноды, которые агент вызывает сам: HTTP-запрос, поиск по базе, письмо, запись в таблицу. Отдельно подключается память, чтобы агент помнил ход диалога.

Принципиальное отличие от жёсткого сценария «если — то»: агент сам решает, какой инструмент использовать. Вы описываете инструменты словами, модель выбирает. В этом и сила, и источник большинства багов.

n8n: как создать ИИ-ассистента за три шага

Шаг 1. Триггер и модель

Создайте workflow и добавьте триггер — источник сообщений: Telegram, вебхук с сайта, входящее письмо. Затем поставьте ноду AI Agent и подключите модель через API-ключ. Приём по бюджету: на отладке используйте дешёвую модель, на боевом запуске — ту, что строже держит инструкции.

Шаг 2. Промпт и инструменты

Пропишите роль, запреты и формат ответов. Каждому инструменту дайте короткое описание на русском: «ищет клиента по телефону», «создаёт заявку». Чем конкретнее описание, тем реже агент промахивается с выбором. Как проектировать такие инструкции — разобрано в статье про промпт и архитектуру ИИ-агента.

Шаг 3. Память и отладка

Подключите ноду памяти хотя бы на 10 последних сообщений, иначе агент будет переспрашивать имя каждые два сообщения. Дальше — прогон 30–50 реальных диалогов: именно так вылавливаются случаи вида «клиент прислал голосовое» или «написал три сообщения подряд».

Во что обходится своя сборка

Софт почти бесплатен: self-hosted версия ставится на VPS за 500–1000 ₽ в месяц, облачная — дороже, от двух-трёх тысяч. Токены модели при небольшом потоке диалогов укладываются в 1–3 тысячи ₽ в месяц. Дорогая часть сметы на создание ИИ-агента (n8n, хостинг, токены — это мелочи) — ваше время. Как создать ИИ-агента в n8n, вы поймёте за вечер, а вот довести его до стабильной работы — 20–40 часов с учётом отладки, и их стоит честно закладывать в расчёт.

Платформа для создания ИИ-агентов: n8n или готовый сервис

n8n — конструктор автоматизаций общего назначения, а не платформа ИИ-агентов в чистом виде: каналы, CRM и передачу диалога менеджеру придётся собирать самому. Сравнение по-честному:

Вывод простой: смотрите на типовость задачи. Если она стандартная — отвечать клиентам, квалифицировать и передавать горячих менеджеру, — быстрее взять готовое решение: например, в «Нейропродажнике» агент запускается за 15 минут по шаблону, а Telegram, WhatsApp, Авито, ВКонтакте и виджет на сайт уже встроены, есть тестовый чат перед запуском. n8n оставьте для нестандартной логики, которую шаблоны не покрывают. Пошаговый план запуска в компании — в статье о внедрении ИИ-агентов в бизнес.

Пять ошибок, которые вижу чаще всего

1. Десять инструментов сразу. Агент путается в выборе; начинайте с одного-двух и расширяйте.
2. Промпт на английском для русскоязычных клиентов — ответы выходят с канцелярским акцентом.
3. Нет лимита на итерации: агент зацикливается на вызове инструмента и сжигает токены за ночь.
4. Отладка на себе. Владелец пишет боту вежливо и по делу, клиенты — нет; тестируйте на посторонних людях.
5. Нет плана Б: если модель недоступна, диалог должен уходить живому менеджеру, а не висеть без ответа.