Легкий пример автоматизации техподдержки с помощью AI-агента в Simple-Server и n8n

Материал подготовлен командой Simple-Server для администраторов VPS и выделенных серверов. Команды и пути проверяйте на тестовой машине перед production.

Кратко о задаче

Прежде чем переходить к настройке, разберем, что именно нужно автоматизировать.

Цель — построить Telegram-бота, который сможет сам отвечать на вопросы пользователей.

Как будет работать процесс:

1. Пользователь пишет сообщение в Telegram.

2. n8n принимает его через специальный триггер.

3. AI-агент ищет наиболее подходящий ответ в базе знаний.

4. n8n отправляет итоговый ответ пользователю в чат.

Пользователь пишет сообщение в Telegram.

n8n принимает его через специальный триггер.

AI-агент ищет наиболее подходящий ответ в базе знаний.

n8n отправляет итоговый ответ пользователю в чат.

• сократить время на повторяющиеся ответы,

• дать пользователям быстрые, понятные инструкции без ожидания оператора,

• работать 24/7 без участия человека.

сократить время на повторяющиеся ответы,

дать пользователям быстрые, понятные инструкции без ожидания оператора,

работать 24/7 без участия человека.

Шаг 1. Создание AI-агента

В предыдущей статье уже разобрали, как создать сервер с n8n и выгрузить данные с сайта. Для автоматизации техподдержки также зарегистрируйте своего Telegram-бота через BotFather. Это несложный шаг, который подробно описан в другой статье. Вам нужно получить токен бота.

Для работы с агентом мы будем использовать сервис от Simple-Server — AI-агенты. Он умеет использовать самые современные модели от OpenAI, DeepSeek, Google AI и Antropic, а оплачивать их можно с российских карт.

К любому AI-агенту можно подключить базу знаний. Так агент получит доступ к информации и сможет пересказывать ее пользователям. Этим мы и воспользуемся, чтобы имитировать работу технической поддержки.

Чтобы создать нового AI-агента:

1. Перейдите в раздел «AI-агенты» и нажмите «Создать» или «Добавить».

2. Выберите ИИ-модель для агента. После создания агента изменить ее будет невозможно.

3. Выберите тариф, исходя из необходимого количества токенов. Если понадобится, его можно увеличить. Но уменьшить и вернуть деньги не получится.

4. Задайте промпт — инструкцию для агента. В панели уже есть заготовленный пример «Сотрудник поддержки». Он отлично подходит под нашу задачу — используйте его.

5. Проверьте все выбранные параметры, стоимость сервиса и нажмите «Заказать».

Перейдите в раздел «AI-агенты» и нажмите «Создать» или «Добавить».

Выберите ИИ-модель для агента. После создания агента изменить ее будет невозможно.

Выберите тариф, исходя из необходимого количества токенов. Если понадобится, его можно увеличить. Но уменьшить и вернуть деньги не получится.

Задайте промпт — инструкцию для агента. В панели уже есть заготовленный пример «Сотрудник поддержки». Он отлично подходит под нашу задачу — используйте его.

Проверьте все выбранные параметры, стоимость сервиса и нажмите «Заказать».

Подключить базу знаний можно только после создания первого AI-агента.

Шаг 2. Подключение базы знаний

Подробнее о создании базы знаний в документации, а здесь краткое руководство:

1. Перейдите в раздел «AI-агенты» → «Базы знаний».

2. Нажмите «Создать» или «Добавить».

3. Загрузите источник данных. Одновременно можно загрузить не более 100 файлов по 10 МБ каждый. В базу знаний можно загрузить файлы .csv, .htm, .html, .md, .txt, .xml, .htm.

4. Выберите подходящий тариф. После создания его можно увеличить, если потребуется.

5. Задайте имя базы знаний, чтобы было проще ориентироваться в них в панели управления.

6. Нажмите «Заказать».

Перейдите в раздел «AI-агенты» → «Базы знаний».

Нажмите «Создать» или «Добавить».

Загрузите источник данных. Одновременно можно загрузить не более 100 файлов по 10 МБ каждый. В базу знаний можно загрузить файлы .csv, .htm, .html, .md, .txt, .xml, .htm.

Выберите подходящий тариф. После создания его можно увеличить, если потребуется.

Задайте имя базы знаний, чтобы было проще ориентироваться в них в панели управления.

Подождите, пока файлы проиндексируются и будут доступны агентом. Обычно это занимает не более 10 минут.

Привяжите базу знаний к AI-агенту. Для этого:

1. Перейдите в раздел «AI-агенты» и кликните на нужного агента.

2. На вкладке «Управление» нажмите «Изменить» у базы знаний.

3. Выберите нужную базу знаний и сохраните изменения.

Перейдите в раздел «AI-агенты» и кликните на нужного агента.

На вкладке «Управление» нажмите «Изменить» у базы знаний.

Выберите нужную базу знаний и сохраните изменения.

Теперь AI-агент готов отвечать на вопросы по базе знаний. Протестировать ответы можно в режиме «Плэйграунд»:

Шаг 3. Интеграция AI-агента в n8n

О том, как развернуть n8n на своем сервере в Simple-Server и создать первую рабочую область, мы рассказали в другой статье.

Добавьте в рабочую область новый триггер — «On Chat Message». Он пригодится для тестирования AI-агента, пока мы еще не интегрировали Телеграм-бот.

После триггера добавьте самого агента — найдите в поиске ноду «AI Agent». На этом этапе должно получиться следующее:

Сейчас нужно подключить AI-агента к ноде.

На выводе «Chat Model» выберите «OpenAI Chat Model». AI-агенты в Simple-Server совместимы с OpenAI API, поэтому нет необходимости обращаться к агенту обычными HTTPS-запросами.

Добавьте новый аккаунт в ноде «OpenAI Chat Model»: нажмите на выпадающий список, выберите пункт «Create new credential».

Создайте новый ключ доступа в панели Simple-Server — об этом мы писали в документации по управлению агентами. Полученный ключ вставьте в поле «API Key» в n8n.

В «Base URL» вставьте значение из поля «OpenAI URL» — возьмите его со страницы AI-агента в Simple-Server:

Убедитесь, что данные верны: n8n должен показать на экране зеленую плашку с текстом «Connection tested successfully».

В интерфейсе n8n нажмите на список моделей — появится доступная модель, которую вы выбрали при создании AI-агента. Выберите ее.

Шаг 4. Подключение памяти для сохранения контекста диалога

На схеме видно, что у блока «AI Agent» есть отдельный вход для памяти («Memory»). Это неслучайно. Память нужна, чтобы бот помнил контекст диалога.

Без памяти каждый запрос будет для нейросети «первым». Она не увидит историю чата и не сможет вести связный диалог. Например:

• Пользователь спрашивает: «Как оплатить заказ?»

• Через минуту уточняет: «А если картой?»

Пользователь спрашивает: «Как оплатить заказ?»

Через минуту уточняет: «А если картой?»

Без памяти бот не поймет, к чему относится второе сообщение.

Чтобы не подключать дополнительную базу данных, можно использовать простое хранилище в n8n. Нажмите на «+» под выводом Memory и выберите «Simple Memory». Больше ничего подключать не нужно.

Важно: всё, что сохраняется в памяти, будет пересылаться в API при каждом запросе. То есть объем контекста напрямую влияет на расход токенов. При необходимости ограничьте длину памяти — параметром «Context Window Length» в настройках «Simple Memory». Он задает, сколько последних сообщений из диалога будет сохраняться и использоваться при ответе.

Шаг 5. Проверка работоспособности AI-агента в n8n

Когда всё готово, протестируйте пайплайн. Нажмите клавишу C, чтобы открыть чат в n8n, и задайте вопрос на тему из вашей базы знаний.

Шаг 6. Подключение триггера Telegram и модернизация пайплайна

Добавьте в рабочую область новый триггер. В поиске модулей введите Telegram и выберите внизу списка «On message».

Нажмите «Create new credential», вставьте в поле «Access Token» токен бота, который получили при подготовке окружения.

Теперь нужно перестроить AI-агента, чтобы он получал промпт не из чата n8n, а от пользователя. В ноде агента выберите источник «Define below» и укажите значение:

Далее нужно настроить хранение контекста не по ID сессии n8n, а по ID пользователя Telegram. Перейдите в ноду «Simple Memory». В поле «Session ID» выберите «Define below» и в поле «Key» укажите:

Теперь добавьте ноду для отправки ответа — «Telegram» → «Send a text message».

В «Chat ID» подставьте ID пользователя из триггера — просто перетащите нужное поле слева. В поле «Source for Prompt» выберите «Define below» и в поле «Prompt» укажите:

Готово! Теперь можно проверить работу бота в Telegram.

Если хотите убрать подпись «This message was sent automatically with n8n» в сообщениях, просто выключите переключатель «Append n8n Attribution» в ноде отправки.

Чтобы бот работал сам и не требовал нажатия «Execute workflow» каждый раз, просто переключите тумблер вверху рабочей области в режим «Active».

Обзор основных ошибок и их решения

ERROR: Bad request – please check your parameters / 400 Bad Request: chat not found

В поле Chat ID указан неправильный идентификатор чата или бот не добавлен в канал

Убедитесь, что в поле Chat ID правильно передается ID пользователя / группы

Missing required credential "OpenAI API Key"

У узла OpenAI нет прикрепленного ключа

Создать credential «OpenAI», прописать API-key из панели Simple-Server и задать его в ноде

HTTP 429 Too Many Requests / RateLimitError

Превышена квота API или закончился бесплатный кредит

Пополнить баланс, уменьшить частоту запросов (Wait / Loop Over Items), распределить нагрузку по минутам

AI Agent работает медленно / старые workflow ломаются после обновления 1.76.1

Баг в конкретной версии n8n

Обновиться до последнего патча (>=1.76.2) или временно откатиться на стабильную 1.75.x через Docker tag/npm i n8n@1.75.0

Мы собрали простой, но полезный инструмент — Telegram-бота для поддержки пользователей. Он сам принимает вопросы, понимает их смысл и ищет ответы в базе знаний.

Этот бот легко доработать. Например: добавить новые базы знаний, поддерживать несколько языков, интегрировать с CRM.

Начните с малого — и увидите, как автоматизация экономит время и делает поддержку быстрее и удобнее.

Нужен сервер для практики? Арендуйте VPS/VDS в России — root-доступ, NVMe, DDoS-защита и поддержка 24/7.