В n8n можно собрать простого ИИ-агента без программирования: пользователь пишет в чат, агент понимает задачу, отвечает, при необходимости использует подключенный инструмент и сохраняет результат в таблицу, CRM или другой сервис.
Короткая версия: создайте workflow, добавьте Chat Trigger, AI Agent, Chat Model, Simple Memory и один безопасный tool. Сначала тестируйте на черновиках, а не на реальных клиентах.
Что мы соберем
В этой инструкции соберем мини-агента для входящих заявок. Он будет отвечать в чате, уточнять недостающие данные и записывать лид в таблицу. Такой сценарий легко адаптировать под поддержку, продажи, внутренние заявки, подбор инструментов или обработку FAQ.
- Вход: пользователь пишет сообщение в Chat Trigger.
- Размышление: AI Agent читает задачу, системную инструкцию и историю диалога.
- Память: Simple Memory хранит контекст текущего диалога.
- Инструмент: Google Sheets, CRM, HTTP Request или другой node записывает результат.
- Выход: агент отвечает пользователю и сообщает, что заявка принята или что нужно уточнить.
Что понадобится
- Аккаунт n8n Cloud или установленный self-hosted n8n.
- Доступ к модели: OpenAI, Anthropic, Google Gemini, Ollama или другой поддерживаемый chat model node.
- Тестовая таблица, CRM или другой сервис, куда можно записывать заявки.
- Понимание одной простой задачи агента: например, собрать имя, контакт и описание запроса.
- Тестовые данные, на которых не страшно ошибиться.
Шаг 1. Создайте новый workflow
Откройте n8n и создайте новый workflow. Назовите его понятно, например “AI lead intake agent”. На первом этапе не подключайте реальные CRM, почту и рабочие таблицы: лучше начать с тестовой таблицы или отдельного sandbox-пространства.
Шаг 2. Добавьте Chat Trigger
Добавьте node Chat Trigger. Он нужен, чтобы агент получал сообщения из встроенного чата n8n. Это удобный способ быстро проверить агента без сайта, Telegram-бота или внешней формы.
- Добавьте Chat Trigger в workflow.
- Оставьте тестовый режим, пока не убедитесь, что логика работает.
- Если будете использовать память, позже подключите Chat Trigger к тому же memory node, что и AI Agent.
Шаг 3. Добавьте AI Agent
Добавьте node AI Agent и соедините его с Chat Trigger. В n8n агент работает как центральный узел: он получает сообщение, обращается к модели, использует память и может вызывать подключенные tools.
Для первого запуска выберите режим, где агент получает запрос из Chat Trigger. Если появляется ошибка, связанная с prompt или памятью, временно задайте prompt вручную в самом AI Agent и проверьте схему по шагам.
Шаг 4. Подключите chat model
AI Agent сам по себе не является моделью. Ему нужно подключить chat model node: например OpenAI Chat Model, Anthropic Chat Model, Google Gemini Chat Model или локальную модель через совместимый node. В node модели укажите credentials и выберите подходящую модель.
- Для быстрого старта используйте облачную модель с хорошим tool calling.
- Для приватных экспериментов можно подключать локальные модели, но качество вызова инструментов нужно тестировать отдельно.
- Если агент должен использовать tools, выбирайте модель, которая уверенно работает со структурированными вызовами.
Шаг 5. Напишите системную инструкцию агента
Системная инструкция определяет поведение агента. Не пишите “будь умным помощником”. Лучше явно указать роль, задачу, какие данные собрать, когда задавать уточняющие вопросы и когда использовать инструмент.
Ты AI-агент для первичной обработки заявок.
Твоя задача: понять запрос пользователя, собрать имя, контакт и суть задачи.
Если данных не хватает, задай короткий уточняющий вопрос.
Не обещай срок, цену или результат без подтверждения менеджера.
Когда имя, контакт и задача собраны, вызови инструмент создания заявки.
После создания заявки ответь: "Заявка принята, менеджер свяжется с вами".Шаг 6. Добавьте память
Для диалога из нескольких сообщений добавьте Simple Memory или другой memory node. n8n рекомендует подключать Chat Trigger и AI Agent к одной и той же памяти, чтобы у них был единый источник истории диалога.
Для первого агента достаточно короткой памяти на несколько последних сообщений. Не пытайтесь хранить в памяти всю историю клиента: важные данные лучше записывать в таблицу, CRM или базу.
Шаг 7. Подключите инструмент для записи заявки
Теперь агенту нужен tool. Для простого старта подойдет Google Sheets node с действием append row, Airtable, Notion, CRM node или HTTP Request в ваш backend. Подключите этот node к tool connector AI Agent.
В параметрах tool используйте значения, которые агент должен заполнить сам. В n8n для этого можно использовать выражения вроде $fromAI(), чтобы модель передала имя, контакт и описание задачи в нужные поля.
$fromAI("client_name", "Имя клиента")
$fromAI("client_contact", "Телефон, email или другой контакт")
$fromAI("request_summary", "Краткое описание задачи клиента")Не давайте первому агенту опасные инструменты: удаление данных, отправку массовых писем, изменение сделок в CRM без подтверждения или доступ к платежам. Начните с безопасной записи черновика.
Шаг 8. Проверьте сценарий в чате
Запустите тестовый чат и напишите агенту несколько разных сообщений. Проверяйте не только хороший сценарий, но и неполные, странные и рискованные запросы.
- “Здравствуйте, хочу внедрить AI в поддержку клиентов”.
- “Меня зовут Алексей, напишите мне в Telegram @alex, нужен агент для CRM”.
- “Просто сделайте все сами, доступы потом дам”.
- “Удали старые заявки и создай новую”.
Хороший агент уточняет недостающие данные, не обещает лишнего и вызывает tool только тогда, когда собраны обязательные поля.
Шаг 9. Добавьте проверки и ограничения
Перед реальным запуском добавьте простые guardrails. В no-code агенте они часто важнее “умности” модели, потому что защищают процесс от хаоса.
- Записывайте все заявки сначала в статус “черновик”.
- Добавьте поле “нужна проверка менеджером”.
- Не отправляйте клиенту финальные цены и обещания автоматически.
- Логируйте исходный текст пользователя и итоговое summary агента.
- Ограничьте credentials только теми действиями, которые нужны агенту.
Шаг 10. Активируйте workflow
Когда тесты проходят стабильно, активируйте workflow. Если агент будет работать не только во встроенном чате n8n, подключите нужный вход: форму на сайте, Telegram, webhook, helpdesk или CRM. Но лучше не менять все сразу: сначала убедитесь, что один входной канал работает предсказуемо.
Мини-чеклист перед запуском
- У агента есть ясная роль и одна главная задача.
- Модель подключена и стабильно отвечает.
- Память не смешивает разные диалоги.
- Tool записывает данные в тестовую таблицу или безопасный черновик.
- Агент не выполняет опасные действия без подтверждения человека.
- Есть понятный способ посмотреть логи и ошибки workflow.
Частые вопросы
Можно ли создать ИИ-агента в n8n совсем без кода?
Да, базовый агент собирается через визуальные nodes: Chat Trigger, AI Agent, chat model, memory и tool. Код может понадобиться позже, если нужны сложная логика, нестандартная интеграция или тонкая обработка данных.
Какую модель лучше подключить к AI Agent в n8n?
Для первого агента выбирайте модель, которая хорошо понимает инструкции и уверенно вызывает инструменты. Подойдут современные облачные модели OpenAI, Anthropic или Google. Локальные модели тоже возможны, но их tool calling нужно проверять отдельно.
Нужна ли память для простого агента?
Если агент задает уточняющие вопросы, память нужна. Без нее он может забыть, что пользователь уже сообщил имя, контакт или описание задачи.
Можно ли сразу подключать CRM?
Технически можно, но безопаснее сначала писать заявки в тестовую таблицу или черновик. Когда агент стабильно собирает данные, можно подключать CRM с ограниченными правами.
