В начале 2023 года, когда весь мир сошёл с ума по ChatGPT, я смотрел на это со стороны и думал: «Здорово, но как это применить в моём бизнесе?» Переписываться с ботом в веб-интерфейсе — это развлечение, а не рабочий инструмент.
Потом я увидел, что в n8n появилась нода OpenAI. Подключил — и понял, что возможности безграничны. Мой первый AI-проект был скромным: бот для Telegram, который отвечал на вопросы подписчиков про автоматизацию.
Что такое AI-агент и зачем он нужен
AI-агент — это автоматизированная система, которая использует языковую модель для выполнения задач: ответов на вопросы, анализа данных, генерации контента.
Чем отличается от простого чат-бота:
- Обычный чат-бот: отвечает по шаблону
- AI-агент: понимает естественный язык, рассуждает, адаптируется к контексту
Архитектура AI-агента в n8n
Базовый компонент:
[Триггер] → [OpenAI] → [Ответ пользователю]
Продвинутый агент с памятью:
[Триггер] → [Получить историю чата] → [Сформировать промпт] → [OpenAI] → [Сохранить ответ]
Шаг 1: Базовая настройка OpenAI в n8n
Создание API-ключа:
- Идём на platform.openai.com
- Создаём новый API ключ
- Копируем ключ (начинается с sk-)
Шаг 2: Создание AI-ассистента для Telegram
Сценарий: бот отвечает на вопросы про автоматизацию бизнеса.
Workflow:
- Telegram Trigger — получение сообщения
- Code — подготовка контекста
- OpenAI — генерация ответа (Model: gpt-4o)
- Telegram — отправка ответа
Шаг 3: Добавляем память (контекст разговора)
Проблема базового решения: бот не помнит предыдущие сообщения. Решение — хранение истории в PostgreSQL.
Шаг 4: RAG — агент с базой знаний
Чтобы бот отвечал на основе МОЕЙ информации, а не общих знаний, использую RAG (Retrieval-Augmented Generation).
Оптимизация затрат на OpenAI
Текущие расходы: $30-50 в месяц на всех трёх агентов с ~5000 сообщений.
Как оптимизирую:
- GPT-4o-mini для 80% задач
- Кэширование частых вопросов
- Ограничение длины контекста