ИИ-ассистент на n8n: из чего собирается и что реально умеет
Запрос «ии ассистент n8n» почти всегда про одно: нужен помощник, который не просто отвечает текстом, а сам выполняет шаги — читает входящее сообщение, ходит в CRM и таблицы, что-то там делает и отчитывается. n8n для этого подходит: в нём есть узел AI Agent с памятью, инструментами и базой знаний. Ниже — из чего такой ассистент собирается, чем self-hosted отличается от облака и где n8n перестаёт быть удобным.
Чем ИИ-ассистент на n8n отличается от чата с нейросетью
Разница не в качестве ответов, а в том, что происходит после ответа. Модель в браузере отдаёт текст, дальше человек сам открывает CRM и вбивает данные. Ассистент в n8n получает те же слова, но за ними стоят подключённые инструменты: создать сделку, найти клиента, дописать строку в таблицу.
Второе отличие практическое: n8n — визуальный конструктор, а не фреймворк. Схему видно целиком, каждый прогон сохраняется со входами и выходами узлов, и это резко ускоряет разбор «почему он ответил ерунду».
Из каких узлов собирается ассистент
В n8n ассистент — это корневой узел AI Agent, к которому снизу подключаются подузлы. Каждый закрывает свою функцию, и без большинства из них агент выходит бесполезным.
- Триггер. Откуда приходит задача: Telegram Trigger с событием Message для мессенджера, Webhook для формы на сайте, Schedule Trigger для регулярных запусков.
- AI Agent. Получает запрос, решает, какой инструмент вызвать, разбирает результат и повторяет цикл, пока задача не закрыта.
- Chat Model. Подключаемая модель: OpenAI, Anthropic, Google, Ollama с локальной моделью. Меняется одним узлом, остальная схема не трогается.
- Memory. Контекст диалога, чтобы ассистент не здоровался заново на третьем сообщении. Для прода берут Postgres Chat Memory или MongoDB Chat Memory.
- Tools. Готовые узлы интеграций, HTTP-запрос к вашему API или отдельный подворкфлоу как инструмент. У каждого — описание, по которому модель понимает, когда его брать.
- Vector Store. База знаний: регламенты, прайсы, документация. Есть встроенный Simple Vector Store и внешние — они подключаются к агенту тоже как инструмент.
Ловушка первого прототипа: память подключается только к узлам-агентам. У AI-цепочек (chains) памяти нет — они отрабатывают каждый запрос с чистого листа. Если ассистент «забывает» предыдущее сообщение, начинать надо с проверки, агент у вас там или цепочка.
n8n: как создать ИИ-ассистента — порядок сборки
Порядок, который экономит больше всего времени. Собрать всё сразу и потом чинить обходится дороже примерно всегда.
- Опишите одну задачу. Не «ассистент по всем вопросам», а конкретно: квалифицировать заявку, найти статус заказа, свести отчёт за день.
- Поставьте триггер и AI Agent. Ассистент пока только отвечает текстом — уже видно, понимает ли модель ваши формулировки.
- Подключите Chat Model и Memory. Модель под задачу и внешнее хранилище истории, если диалог длиннее одного сообщения.
- Добавьте инструменты по одному. Сначала чтение, потом запись. Каждый проверяется отдельно, иначе непонятно, кто из них сломался.
- Загрузите базу знаний. Регламенты и прайсы в векторное хранилище, чтобы ответы шли по вашим документам, а не по представлениям модели.
- Пропишите границы. Что агент делает сам, что показывает человеку и когда обязан остановиться и позвать оператора.
- Запустите с подстраховкой. Неделю действия дублируются человеку в чат: так вылавливаются формулировки, на которых агент промахивается.
Пока читаете — можно сразу проверить свою задачу. Опишите процесс, и я скажу, решается ли он и во сколько обойдётся.
Какие задачи отдают ассистенту первыми
Хорошая первая задача — частая, однотипная и с источником данных, к которому есть доступ.
| Задача | Инструменты агента | Что меняется |
|---|---|---|
| Разбор входящих заявок | CRM, почта, база клиентов | Заявка квалифицирована и заведена за секунды |
| Ответы по регламентам | Vector Store с документами | Сотрудник не дёргает коллег по типовым вопросам |
| Первая линия поддержки | База знаний, создание тикета | Простое без человека, сложное эскалируется |
| Сводка по данным | Postgres, Google Sheets, API | Приходит сама, без ручной выгрузки |
| Разбор документов | Извлечение из файла, запись в таблицу | Счета и акты в учёте без перепечатки |
Отдельный класс — ассистент внутри Telegram: Telegram Trigger ловит сообщение, агент отрабатывает, узел Telegram отвечает. Как это стыкуется с выгрузкой данных, разобрано в статье про бота данных в телеграме.
Self-hosted или n8n Cloud: что выбрать под ассистента
n8n распространяется по модели fair-code: Sustainable Use License. Community-версию разворачивают у себя бесплатно, и она даёт почти весь набор возможностей. Регистрация по email открывает Registered Community — папки, отладка в редакторе, пользовательские данные выполнения. Платные Business и Enterprise активируются лицензионным ключом ради SSO, окружений и проектов.
| Критерий | Self-hosted | n8n Cloud |
|---|---|---|
| Стоимость | Бесплатно плюс сервер от 500 ₽/мес | Starter €20 — 2500 прогонов, Pro €50 — 10 000, Business €667 — 40 000 |
| Прогон | Не считается | Один запуск сценария целиком, независимо от числа шагов |
| Данные | Ваш контур, можно локальная модель | Идут через инфраструктуру n8n |
| Обслуживание | Обновления и бэкапы на вас | На стороне сервиса |
| Долгие вызовы модели | Ограничены железом | Расходуют лимит |
Для ассистентов чаще выбирают self-hosted: вызов модели идёт десятки секунд, и при заметном потоке облачный лимит прогонов кончается быстрее, чем кажется на бумаге. Плюс данные — рядом с n8n на том же сервере можно поднять локальную модель, и тогда переписка вообще никуда не уходит.
Расход на саму модель считается отдельно от n8n и в бюджете обычно перевешивает хостинг. Он зависит не от тарифа, а от того, сколько текста вы подкладываете в каждый запрос.
Где n8n упирается в потолок
n8n хорош до определённой сложности. Границы стоит знать заранее, чтобы не переписывать проект на середине.
- Нагрузка. Один процесс n8n держит ограниченное число одновременных прогонов. Дальше включается режим очереди (EXECUTIONS_MODE=queue) с Redis, Postgres и воркерами — это уже инфраструктура, а не «поставил докер и забыл».
- Ветвистая логика. Когда условий больше двух десятков, схема на канвасе читается хуже, чем тот же алгоритм кодом. Признак — вы не можете объяснить схему коллеге за пять минут.
- Версионирование. Сценарии живут в базе, а не в git. Нужен свой порядок выгрузки и ревью, иначе вчерашняя рабочая версия исчезает без следа.
- Долгие цепочки агента. Чем больше шагов агент делает сам, тем труднее понять, на каком именно он ошибся. Лечится дроблением на подворкфлоу.
Вывод: n8n отлично работает как оркестратор и как быстрый способ довести идею до рабочего состояния. Тяжёлую бизнес-логику лучше вынести в отдельный сервис и вызывать из n8n как инструмент — тогда схема остаётся читаемой, а код тестируется нормально.
Когда ИИ-ассистент на n8n не нужен
Часть задач, под которые просят ассистента, решается дешевле и надёжнее без модели вообще:
- Данные приходят в одном формате. Хватит обычного сценария n8n с правилами: он предсказуем и не стоит денег за каждый запрос.
- Ответ уже есть в готовом отчёте или выгрузке. Ассистент добавит обёртку к тому, что доступно в два клика.
- Поток слишком мал. Десяток обращений в месяц не окупит ни разработку, ни поддержку.
- Процесс не описан и нет ответственного. Ассистент ускорит беспорядок, а не уберёт его.
- Цена ошибки высока — деньги, право, медицина. Тогда агент готовит решение, но подтверждает человек.
И честно про инструмент: n8n — не единственный способ. Если ассистент нужен один, а логика у него сложная, часто быстрее написать его кодом — общий разбор в статье про разработку ИИ-агентов.
Частые вопросы
Можно ли сделать ИИ-ассистента в n8n без программирования?
Простого — да: узел AI Agent, модель, память и пара готовых интеграций собираются мышкой. Но как только появляются нестандартные API, проверки данных и обработка ошибок, сценарий без кода в узлах становится хрупким.
Сколько стоит n8n для ИИ-ассистента?
Community-версия для self-hosted бесплатна, платите только за сервер — от 500 ₽ в месяц. Облако начинается с €20 в месяц за 2500 прогонов, где прогон — один запуск сценария целиком, вне зависимости от количества шагов. Расход на саму модель считается отдельно.
Уходят ли данные наружу?
Зависит от сборки. При self-hosted сам n8n стоит в вашем контуре, и наружу уходит только то, что вы отправляете в модель. Если и модель локальная, данные не покидают сервер вообще — за это платите скоростью и качеством ответов.
Чем n8n отличается от Make и Zapier для этой задачи?
n8n можно развернуть у себя, и в облаке он считает прогоны сценария целиком, а не отдельные шаги: для агента, который делает десяток вызовов за одно обращение, разница в счёте существенная.
Сколько времени занимает сборка?
Ассистент под одну задачу с парой интеграций — 3–7 дней, включая проверку на реальных обращениях. Дольше всего идут не узлы n8n, а доступы к вашим системам и договорённости о том, где агент обязан остановиться.
Как понять, что ассистент отвечает неправильно?
n8n сохраняет каждый прогон целиком: видно, какой запрос пришёл, что решил агент, какой инструмент вызвал и что вернулось. По этим логам и правятся описания инструментов и границы.
Читайте дальше
Соберу ассистента под вашу задачу
Опишите процесс — скажу, ложится ли он на n8n, что понадобится подключить и за какой срок это заработает.
Обсудить задачу