Чем ИИ-агент отличается от чат-бота, как собрать первого агента в n8n за несколько часов и почему вся настоящая работа сосредоточена в системном промпте.
Принтер сообщает о низком уровне чернил, и в IT-отдел уходит стандартное уведомление. Это не ИИ-агент, это обычная автоматизация. ИИ-агент появляется, когда системе нужно принять решение — например, посмотреть, кто на этом принтере печатал чаще всех за неделю, и написать именно ему.
Агент, чат-бот и просто автоматизация
ИИ-агент — программа, в которую встроена языковая модель для решения конкретной повторяемой задачи. Чат-бот без ИИ работает по заранее написанному дереву «вопрос — ответ». Видит ключевое слово — выдаёт заготовку, смысла он не понимает. Агент понимает. Он классифицирует нестандартные запросы, резюмирует, вытаскивает структурированные данные из хаотичного текста.
Отсюда рабочее правило. Если задача алгоритмизируется без понимания текста, ИИ не нужен, хватит обычной автоматизации. Агент нужен там, где в цепочке есть точка, требующая понимания — маршрутизация заявок, проверка полноты анкет, фильтрация потока новостей, первичный разбор писем, автоматические сводки.
Как устроен агент в n8n
n8n — открытая платформа кубиковой автоматизации без кода. Разворачивается на своём сервере за 1000–2000 рублей в месяц, сам n8n при этом бесплатен. Облачная версия стоит 24 доллара в месяц, пробный период недавно расширили до 180 дней.
Любой процесс собирается из трёх частей. Триггер — то, что запускает цепочку. Сообщение в Телеграме, письмо, расписание, вебхук, новая строка в таблице. Обработка — узел с языковой моделью и системным промптом. Выход — сообщение, запись в базу, файл, действие в другой системе через API. Каркас Телеграм-бота с агентом начинающий собирает за три-четыре часа. Вся настоящая работа сосредоточена в системном промпте, который дорабатывается неделями. Удобная деталь — n8n генерирует код рабочего процесса, и этот код можно скопировать в языковую модель с вопросом «как исправить ошибку».
[Место под скриншот — слайд «13.4 Архитектура workflow», презентация /edu/speaker/walkthrough]
Агент дорабатывается итерациями
Учебная задача из моей практики. Агент маршрутизирует 15 заявок техподдержки между двумя специалистами — безопасником по доступам и связистом. Почти всё распределяется правильно, но заявка «нет доступа к почте с мобильного» стабильно уходит безопаснику. Модель цепляется за слова «нет доступа», хотя это задача настройки почтового клиента. В системный промпт дописывается одно правило, и ошибка исчезает. Другого механизма доработки нет. Запускаете на реальных кейсах с известным правильным ответом, смотрите ошибки, дописываете правила, повторяете. Именно поэтому агента нельзя выпускать в эксплуатацию без прогона на реальных примерах.
[Место под скриншот — слайд «5.10 Маршрутизация заявок», презентация /edu/speaker/walkthrough]
Что уже работает у людей
Агент проверки заявок в приёмную комиссию — принимает PDF, проверяет наличие ФИО, телефона и вуза. Собран за 15 минут. Агрегатор новостей об ИИ — собирает с Хабра, Реддита и китайских источников, новости от самих разработчиков идут напрямую, остальное фильтрует ДипСик по заданным критериям, дважды в сутки три новости приходят в Телеграм, повторы отсекаются проверкой по базе. Мониторинг вакансий — агент ходит по открытому API ХедХантера каждые несколько часов, складывает новое в таблицу и присылает уведомление. Бесплатно и без сложного кода.
Возможности n8n расширяются узлами сообщества — они ставятся в один клик и добавляют поддержку Яндекса, ВКонтакте и десятков других сервисов. Помните только, что это сторонний код, безопасность которого никто не гарантирует, поэтому источник узла проверяйте до установки. Из аналогов самой платформы назову Make и российский Nodule.
Для жёсткого российского контура есть Яндекс AI Studio — конструктор агентов без кода, готовые MCP-коннекторы к Битрикс24, дообучение моделей. Сам интерфейс бесплатный, сервер под агента обходится порядка ста рублей в день.
С чего начать
Возьмите один повторяемый процесс, где сотрудник читает текст и принимает типовое решение. Соберите каркас, прогоните на двух десятках реальных кейсов, доработайте промпт. Через пару недель у вас будет работающий агент и, что важнее, понимание механики. Практикум по n8n и агентам входит в корпоративное обучение по ИИ.