Заменил менеджера по продажам скриптом: собираем умного ИИ-агента в Telegram на n8n за вечер

Многим знакома ситуация, когда нужно автоматизировать общение с клиентами в Telegram, но выбор инструментов вгоняет в тоску.

Обычные кнопочные боты слишком глупые для нормального диалога, а No-code платформы вроде Make или Zapier при подключении нейросетей начинают стоить неприличных денег из-за быстрого расхода операций.

Я тоже через это прошел. Жаба душила платить сотни долларов за подписку, а писать и поддерживать своего бота на Python с нуля было просто лень. В итоге я психанул и собрал своего «Джарвиса» на n8n.

Это open-source конструктор, который можно развернуть на любом копеечном VPS за 300 рублей и забыть про тарифы.

Ниже расскажу, как собрать агента, который не просто отвечает шаблонами, а помнит контекст переписки и даже умеет считать, не галлюцинируя с цифрами.

Хоть я и умею писать код, поддерживать самописного бота - то еще удовольствие. Нужно следить за базой данных, библиотеками и логами. В n8n всё работает иначе: это визуальная «паутина» из нод. Ты сразу видишь путь сообщения от пользователя до нейросети и обратно. Если что-то отвалилось, проблемный кубик подсвечивается красным. Для старта мне понадобился только дешевый сервер с Docker, API-ключ от OpenAI и токен бота от @BotFather.

Главная фишка n8n — нативная поддержка LangChain. Это позволяет создавать не просто «говорилку», а полноценного агента. Сердцем системы служит готовая нода AI Agent, к которой я подключил модель GPT-4o-mini — она быстрая и дешевая.

Доступ к API ключи можно взять на vsellm.ru, можно оплатить российской картой и даже дешевле оригинальных цен так как ребята закупают на большие объемы.

Но у «голой» модели есть проблема — память как у рыбки Дори. Она не помнит, о чем вы говорили два сообщения назад. Чтобы это исправить, я подключил ноду Window Buffer Memory и завязал её на Postgres. Теперь бот хранит историю диалога. Если клиент пишет «хочу курс по дизайну», а следующим сообщением спрашивает «сколько он стоит?», агент понимает контекст и называет цену именно этого курса.

Самое интересное начинается, когда понимаешь, что ИИ — гуманитарий. Если спросить его «сколько будет 15% от 4950 рублей», он может просто угадать число. Чтобы агент стал полезным сотрудником, я подключил ему Tools (инструменты).

В моем случае это Google Sheets, но может быть и простой калькулятор. Теперь, когда агент видит в тексте математическую задачу, он не выдумывает ответ, а обращается к инструменту калькулятора, считает и выдает точный результат. Точно так же можно дать ему доступ к Google-поиску или вашей CRM, чтобы он проверял реальные остатки товаров.

Характер бота я задал через системный промпт, объяснив ему, что он — вежливый менеджер Алекс. Этого достаточно, чтобы он перестал вести себя как робот и начал нормально общаться.

В сухом остатке: за один вечер я получил систему, которая живет на моем сервере, не требует ежемесячных платежей за софт и легко масштабируется мышкой. Это идеальное решение для техподдержки первой линии или личного ассистента.

Чтобы вам не пришлось собирать эту схему с нуля по скриншотам, я выгрузил готовый JSON-файл всего сценария. Вам останется только импортировать его одной кнопкой и вставить свои ключи.

👉 Забрать шаблон можно в моем Telegram-канале: https://t.me/datafeeling

Там же иногда пишу про другие неочевидные способы автоматизации рутины без лишнего кода. Заходите!