Я сам - Python разработчик, и как и многие - грешу тем, что в свободное время пилю очередной "стартап на коленке". Каждый раз когда мне приходила идея по типу "а не создать ли мне какого-то прикольного бота, который будет изменять прическу или одежду по фото", я открывал редактор кода и начинал писать код. Я был сильно скептичен к no-code решениям, и думал, что "круче собирать по старинке". В итоге, тратил большое количество времени на сборку прототипа. Хотя мог бы потратить это время на маркетинг либо здоровый сон и качественный массаж

Как итог - эти проекты отнимали слишком много моего времени. Идеи опережали мои возможности их реализовывать, а мысль о том, что надо снова лезть в код, пилить фичу, тестировать ее, и паралельно еще править кучу багов, отбивало желание возвращаться к проекту вовсе.

Так было до тех пор, пока несколько друзей (в том числе не-программистов), мнение которых для меня авторитетно, практически единовременно не поделились со мной своим опытом работы с nocode платформами. В частности - с n8n.

В этой статье я бы тоже хотел поделиться с вами преимуществами, которые я для себя открыл, а в качестве примера продемонстрировать, как можно легко и быстро, буквально за один вечер собрать телеграм бота с ИИ под капотом. Да еще с возможностью подключения к собственным данным.

За что я полюбил n8n и почему так удобно использовать его для разработки ИИ-агентов?

Если коротко, n8n - это визуальный конструктор для создания автоматизаций. Вот так выглядит его интерфейс:

Концепция платформы проста - есть узлы ("строительные кубики", из которых состоит процесс). Узлы могут быть настроены на получение данных извне, на трансформацию данных, либо же на отправку данных обратно во внешние сервисы (телеграм, Google Sheets и тд). Узлы можно соединять между собой. На базе таких "узлов" и "соединений" и строится весь процесс. Вот еще несколько преимущества, о которых нельзя не упомянуть:

• n8n это 100% открытый код - платформу можно развернуть где угодно (даже в закрытом контуре) и не беспокоиться за конфиденциальность данных;

• n8n из коробки поддерживает 400+ интеграций: Telegram, PostgreSQL, Notion, Slack, HTTP, Google Sheets и т.д.;

• Платформа имеет узлы для подключения практически ко всем крупным ИИ-провайдерам: OpenAI, Antropic, Openrouter, Mistral и тд.

• n8n позволяет быстро собирать ИИ-автоматизации без написания кода, благодаря специальным узлам AI Agent. AI-агенты, чатботы с подключением к векторным базам данных - все это можно собрать буквально за пару вечеров;

Помимо этого n8n приятен тем, что простые вещи собираются без кода, а сложные вещи - можно докрутить кодовыми узлами JavaScript. А практически все интеграции, которые отсутствуют в n8n по умолчанию, можно реализовать за счет узла HTTP.

Для наглядной демонстрации, далее с вами построим телеграм бота с ИИ под капотом. Все запросы, отправленные в телеграм бота, будут обрабатываться языковой моделью OpenAI, а также обогащаться данными из базы знаний, после чего ответы будут возвращаться обратно в телеграм. Дополнительно, наделим бота памятью. Давайте начинать!

Шаг 1. Получение доступа к n8n.

Обычно на этом шаге нужно установливать n8n на свой сервер, что долго и сложно, особенно если вы новичок, поэтому мы пойдем простым путем и создадим аккаунт на сервере, где n8n уже установлен (спасибо вот этим ребятам за такую возможность). Итак, получаем достум к n8n, по шагам:

1. Запустите бота @llm_course_bot командой/start 

2. Кликните кнопку "? Бесплатный доступ к серверу с n8n"

3. Напишите в чат свою почту. Ссылка с доступом будет выслана на эту почту в течение 5-10 минут.

4. На всякий случай проверьте папку "Спам".

5. Если возникнут трудности - пишите в чат поддержки.

Дальше будем считать, что вы уже зашли на сервер по своей персональной ссылке и видите панель n8n с кнопкой Create Workflow.

Шаг 2. Создаем ИИ-агента

Начнём с самого простого - чата с ИИ прямо в интерфейсе n8n. Telegram подключим чуть позже.

1. Нажимаем Create Workflow.

2. На рабочем поле кликаем Add first step….

3. В поиске выбираем AI Agent и сохраняем.

Слева - узел-триггер, который позволяет общать с ИИ агентом в n8n и быстро тестировать его работу. Под узлом AI Agent вы видите три слота: Chat Model, Memory, Tools - это ключевые составляющие ИИ агента. Начнем с подключения Chat Model.

Chat Model - это "мозг" ИИ агента. Сюда мы подключим языковую модель. Вы можете подключить свою любимую LLM, в статье для простоты используем OpenAI. Итак, кликните "+", напишите в поиске "OpenAI" и выберите соотвествующий узел. Следующим шагом нужно добавить Credentials - это учетные данные для подключения к OpenAI. Для этого в поле Credential to connect with кликните +Create new credential. Вам будет предложено заполнить два поля:

• API Key - ключик от OpenAI

• Base URL - уже установлено по умолчанию.

Если у вас уже есть ключик апи - супер, добавляйте его и нажимайте сохранить. Если нет, то сейчас расскажу как быстро его получить. Для этого используем того же провайдера, который дает доступ к серверу n8n. Он предоставляет единый API к топовым LLM-моделям, таким как GPT-4o, GPT-5, Claude, Gemini и др. Для нас самое главное, что он работает без VPN, принимает оплату в рублях, да еще и цены на токены дает ниже, чем оригинальные провайдеры за счет оптовых закупок. Итак, ближе к делу:

• Заходим на сайт vsellm.ru и кликаем Получить API ключ.

• Выбираем Активировать купон. По промокоду DATAFEELING вам на баланс будет начислено 500р - этого более чем достаточно на первое время.

• Вы получите от бота ключ вида sk-.... Сохраните его в надежное место. Это и есть ваш API ключ.

Возвращаемся в n8n и завершаем процесс подключения языковой модели. В параметр API Key укажите полученный от бота ключик, а в параметр Base URL вставьте https://api.vsellm.ru/. Нажмите "Сохранить". Затем выберите одну из существующих языковых моделей в поле Model.

Готово! Чтобы вернуться на рабочее полотно, кликните "Back to Canvas" в левом верхем углу. То, что у вас сейчас есть - уже минимально рабочая версия агента!

Уже на этом этапе можно кликнуть Open chat и пообщаться с агентом. Но пока что наш агент не помнит ровным счетом ничего - это не очень удобно.

Поэтому давайте пойдем дальше и добавим агенту Память. Кликните "+" и выберите в палитре узлов Simple Memory. По умолчанию в контексте общения будут храниться 5 последних сообщений.

Поздравляю! На этом этапе у вас уже есть рабочий чат-бот с ИИ в n8n, который получает сообщения через узел On Chat Message, отвечает с помощью GPT и помнит историю диалога. Пойдем дальше и подключим его к Телеграм!

Шаг 3. Оборачиваем ИИ-агента в Telegram-бота

Всё, что мы сделали, пока живёт только внутри интерфейса n8n. Добавим к этому Telegram-бота, чтобы агент мог отвечать людям в реальном телеграм чате. Создаём бота в BotFather:

1. Открываем Telegram и заходим в @BotFather.

2. Отправляем команду /newbot.

3. Придумываем отображаемое имя бота и username, оканчивающийся на bot.

4. BotFather возвращает HTTP API token - нам он пригодится чуть позже.

Возвращаемся в n8n:

1. Удаляем ноду Chat Trigger

2. Добавляем новую ноду: жмём + → ищем Telegram → в самом низу выбираем Trigger / On Message.

3. Создаём Credentials: в поле API Token вставляем токен из BotFather.

4. Сохраняем.

Теперь любое новое сообщение вашему боту в Telegram будет запускать этот рабочий процесс. Соединяем Telegram и AI-агента.

Затем следует зайти в узел AI Agent и изменить значение в поле Source for Prompt (User Message) на Define Below, а в поле Prompt (User Message) следует указать {{$json.message.text}}:

Также зайдем в узел Simple Memory, изменим Session ID также на Define Below, а в Key укажем {{$json.message.chat.id}}:

Осталось добавить узел, который будет возвращать сообщение обратно в телеграм. Снова жмём + → ищем Telegram → выбираем Send a text message:

• В поле Chat ID подставляем {{ $('Telegram Trigger').item.json.message.chat.id }}.

• в поле Text - ответ агента: {{ $json.output }}

По умолчанию n8n при отправке сообщения в телеграм добавляет подпись "Отправлено с помощью n8n". Чтобы ее убрать, кликнитe Add Field и выключите параметр Append n8n Attribution:

Активируем workflow:

Теперь вы можете запустить телеграм бота и пообщаться с ним:

Правда, пока что наш ИИ-агент мало чем отличается от обычно ChatGPT, за исключением того, чтобы "живет" в телеграм. На следующем финальном шаге мы дадим агенту доступ к нашим данным.

Шаг 4. Даём агенту доступ к базе данных

Превратим нашего бота в ИИ-бухгалтера личных расходов. Чтобы это сделать, нам понадобиться создать базу данных, где будут храниться эти самые расходы, а также подключить нашего агента к этим знаниям. Агент научится отвечать на вопросы вроде «Сколько я потратил за последнюю неделю?» или «Покажи траты по категории "Еда" за декабрь». В качестве базы для хранения данных используем Supabase.

Supabase - это как PostgreSQL, но в облаке и с удобным интерфейсом. Для нас важно, что с Supabase можно быстро создать таблицу прямо в браузере, есть бесплатный тариф для экспериментов, а также то, что n8n с Supabase имеет встроенную интеграцию.

Итак, теперь по шагам:

1. Переходим на supabase.com и регистрируемся.

2. Создаём новый проект - вам предложат выбрать регион и задать пароль для БД (сохраните его).

3. После создания проекта переходим в раздел SQL Editor (в левом меню).

4. Вставляем следующий SQL-код, который создаст таблицу и добавит тестовые данные:

-- Создаём таблицу для учёта расходов
CREATE TABLE transactions (
  id BIGSERIAL PRIMARY KEY,
  amount FLOAT8 NOT NULL,
  category TEXT NOT NULL,
  date DATE NOT NULL
);

-- Добавляем тестовые записи
INSERT INTO transactions (amount, category, date) VALUES
  (450, 'Еда', '2025-11-28'),
  (1200, 'Транспорт', '2025-11-29'),
  (300, 'Еда', '2025-12-01'),
  (850, 'Развлечения', '2025-12-02'),
  (2500, 'Аренда', '2025-12-01');

5. Жмём Run (или Ctrl+Enter) — запрос выполнится, и вы увидите сообщение об успешном создании таблицы.

Теперь переходим в Table Editor (в левом меню) и выбираем таблицу transactions — вы увидите созданные тестовые записи.

Подключаем ИИ агента к Supabase внутри n8n

Возвращаемся в n8n. Сейчас добавим Supabase как инструмент, которым сможет пользоваться наш AI-агент.

1. Заходим в узел AI Agent.

2. Для этого у AI Agent, в слоте Tools, кликаем + → в поиске вводим Supabase → выбираем узел Supabase Tool.

Теперь в узле Supabase Tool нужно настроить Credentials для подключения к вашему проекту Supabase:

1. В поле Credential to connect with кликните +Create new credential.

2. Вам понадобятся:

   • Host - URL вашего проекта (выглядит как https://xxxxxx.supabase.co). Найти его можно в настройках проекта: Project Settings → Data API → Project URL.

   • Service Role Secret - это API-ключ с полными правами. Находится в Project Settings → API Keys → Legacy anon, service_role API keys → service_role secret (нажмите «Reveal» и скопируйте).

Вставляем Host и Service Role Secret в соответствующие поля в n8n, жмём Save.

Теперь настраиваем сам узел Supabase Tool:

1. В поле Operation выбираем Get (получение данных из таблицы).

2. В поле Table указываем название таблицы - transactions.

3. В поле Description (описание инструмента) пишем то, что поможет агенту понять, когда использовать этот tool. Например:

   Используй этот инструмент, когда нужно получить информацию о тратах пользователя. 
   Таблица transactions содержит поля: amount (сумма), category (категория), date (дата).
   Ты можешь фильтровать данные дате.
   

4. Добавляем одно условие фильтрации - по дате. Для этого кликаем Add condition и заполняем: name →date, в поле value указываем выражение {{ $fromAI('conditions0_Value', ``, 'string') }}, чтобы позволить агенту заполнять значение автоматически.

Жмём Back to Canvas.

Тестируем ИИ-бухгалтера

Активируем workflow, открываем чат с ботом в Telegram и тестируем:

Агент сам понимает, что нужно обратиться к базе данных, формирует запрос через Supabase Tool, получает данные и возвращает нам осмысленный ответ на естественном языке. Благодаря памяти, агент помнит предыдущие сообщения и может отвечать на уточняющие вопросы.

Важное замечание

Мы добавили только один узел на чтение данных (Get Rows). Можно также добавить узел на запись (Insert Row), чтобы бот мог фиксировать новые траты прямо из чата. Также можно добавить более сложные условия для отбора данных и использовать продвинутую память (например, Redis или Postgres). Но в рамках статьи не будем усложнять.

Что дальше?

Мы рассмотрели небольшой, но наглядный пример того, что можно собирать в n8n. Сам я тоже начинал с этого примера, почему и решил им поделиться. Затем я начал углубляться: изучал большое количество материалов и роликов, потратил на курсы больше 100к рублей. Приходилось собирать знания по кусочкам: где-то было больше теории, где-то ее недоставало, но зато была практика. Со временем, n8n мне так полюбился, что как только возникает новая идея - я сразу иду и создаю workflow. Со временем, накопилось большое количество кейсов и собственного понимания инструмента, и мы с коллегой (ИТ-предпринимателем) решили систематизировать все накопленные знания и упаковать их в курс на Stepik.

Что говорят о нас выпускники?

Курс существует уже более 4-х месяцев. За это время его прошли почти 1000 учеников. Приятно наблюдать за результатами студентов, и особенно видеть проекты, которые они создают в финале (о кейсах еще обязательно расскажу в отдельной серии публикаций). А пока - хочу поделиться некоторыми отзывами:

Алена: "Мне очень понравился курс, тем что он с начинается с самых основ. Это важно особенно для тех, кто не очень близко знаком именно с программированием. Все рассказывается очень подробно."

Вадим: "Я изучил множество курсов по n8n, но именно этот поразил объёмом тем, количеством практических кейсов и интеграций с разными сервисами — от простых бытовых задач до сложных AI‑сценариев."

ibbvs: "Отличный курс, если хочешь разобраться в n8n и автоматизации по-человечески! Я прошёл кучу курсов, но тут реально другой уровень — без воды, с живой поддержкой и кучей практики."

Владислав: "По сути, с n8n и знаниями из курса вы сможете за пару часов в кофейне собрать прототип сервиса, на который команде разработчиков понадобилось бы несколько дней."

Чему Вы научитесь на курсе?

• Освобождать 10+ часов в неделю, избавившись от рутины. Вы сможете настраивать с помощью n8n системы, которые сами забирает данные, заполняют скучные таблицы, обрабатывают документы и даже публикуют контент. Вы спите - автоматизация на n8n работает.

• Создавать «умных» ИИ-сотрудников, знающих ваш бизнес. Научитесь делать не просто "глупых" чат-ботов, а полноценных ИИ агентов (RAG). Они будут читать ваши инструкции и базы знаний (Supabase), чтобы отвечать клиентам или писать посты именно в вашем стиле (MCP).

• Заставите свои приложения работать сообща (без программирования). Свяжете CRM, Google таблицы, почту, системы документооборота и мессенджеры в единый организм. Данные будут передаваться между ними автоматически, исключая человеческие ошибки.

• Научитесь добывать любую актуальную информацию из интернета. Вместо ручного копирования вы создадите AI агентов, которые сами мониторят сайты конкурентов, собирают новости или цены и складывают их в удобный отчет (Tavily, Firecrawl).

• Освоите профессиональный стек инструментов. Мы разберем мощные решения (Airtable, Supabase, Qdrant, Redis), которые используют профи. Вы поймете, как заменять ими дорогие корпоративные сервисы.

• Получите первые навыки для профессии «Архитектор ИИ-агентов». Поймете, как продавать автоматизацию бизнесу: научитесь оценивать сроки, стоимость проектов и аргументировать цену заказчикам (этот навык сейчас стоит дорого).

• Соберете свою личную автоматизацию или даже целый «Контент-завод». К финалу курса у вас будет набор готовых, работающих сценариев, которые останутся с вами навсегда.

В завершении статьи, приглашаю вас в наше уютное комьюнити. Это пространство, где участники делятся схемами автоматизаций, кейсами из бизнеса, ищут исполнителей на заказы по n8n, а также просто помогают друг другу.

Спасибо, что дочитали до конца! Если есть вопросы - пишите в комментариях или мне в личку @stas_gi.

Удачи в разработке и пускай все ваши идеи как можно скорее выдут в прод! ?