Как создать своего ИИ-агента в n8n с памятью: команда «запомни» вместо промпта на пять страниц

Как устроен личный ассистент в Telegram на n8n

Как создать своего ИИ-агента, который помнит твои правила и не превращается в промпт на пять страниц? Алексей Ульянов, автор Telegram-канала Sprut_Ai, ответил на это на NeyroSummit 13 живой системой. Его личный ассистент «Спрут» работает в n8n — сервисе автоматизаций, где сценарий собирается из узлов, — и хранит всё, что знает, в векторной базе Supabase. Общаешься с ним в Telegram: текстом, голосом, присылаешь PDF и фото.

Алексей называет себя гуманитарием: по образованию учитель физкультуры, в ИИ — около года на момент доклада, в n8n — «полгода прям сильно». Поэтому его схема — не архитектура разработчика, а рабочий сценарий, который собирается почти без программирования: кода в нём — готовый SQL-шаблон и одно выражение для развилки, оба есть ниже.

Схема «Спрута», как он показал её на экране:

Узкие агенты — это отдельные сценарии, у каждого своя база знаний по теме: «механик» знает машину, «кинолог» — собаку, «доктор» — прошлые анализы, «тренер» — план тренировок. Главный агент только решает, кому передать вопрос. По словам спикера, таких помощников у «Спрута» около двадцати. Слово «оркестратор» спикер тоже использует: главный «всё ловит» и раздаёт. Чем такие агенты занимаются в жизни, Алексей подробно показал позже, уже на OpenClaw, — это в статье «Примеры ИИ-агентов для жизни». Здесь — про то, на чём держится память.

Почему n8n, а не чат и не модель на своём компьютере? Доводы спикера — его опыт, не сравнение журнала:

Почему длинный промпт ломает агента и что такое «векторный промпт»

Сначала у агента был обычный путь: каждое новое правило дописывалось в системный промпт. Промпт вырос примерно до пяти страниц. По наблюдению Алексея, модель такой текст целиком «не воспринимает»: берёт что-то сверху, что-то снизу, остальное пропускает и начинает лениться. Это его объяснение из практики, а не измерение.

Решение — разбить большой промпт на много маленьких и унести их из промпта в базу. Системный промпт главного агента стал размером примерно в страницу А4, и главное в нём — одно правило: перед каждым ответом зайди в базу инструкций и найди, как отвечать на этот запрос. Сами правила («как обращаться к кинологу», «как мне писать отчёт») лежат в базе отдельными короткими записями. Приём Алексей называет «векторный промпт»: инструкции агента — не в тексте промпта, а в векторной базе. «У меня нету книжек больше дома. У меня вся информация в векторных базах по каждому своему помощнику», — говорит он. Шире о том, как не перегружать контекст агента, — в статье про контекст-инжиниринг.

Векторная база данных хранит рядом с каждым текстом его «смысловой отпечаток» — вектор, набор чисел. Запрос тоже превращается в вектор, и база возвращает записи, близкие по смыслу, даже если слова не совпадают. Пример спикера: спрашиваешь про сладости — находится запись про торт. Поэтому правило не нужно вызывать по точному названию: агент описывает задачу своими словами, база подбирает подходящие инструкции.

Как создать ИИ-агента в n8n: AI Agent, Telegram и Supabase по шагам

Ниже — сборка по бонус-сценарию, который Алексей раздал участникам после эфира: n8n-экспорт агента и SQL для таблиц. Сам сценарий мы не публикуем — в нём личные идентификаторы спикера, — а пересказываем узлы. Установку n8n, проект Supabase и бота спикер не показывал («это всё есть в интернете»), поэтому шаги 1–2 — по документации.

Сначала — схема минимальной сборки, которую стоит запустить первой. Всё остальное (PDF, голос, узкие агенты, Perplexity) добавляется к ней потом.

Названия режимов — по документации узла Supabase Vector Store на 26.10.2026; в твоей версии n8n подписи могут немного отличаться.

Шаг 1. Подними n8n. У спикера n8n стоит на облачном сервере, он платит только за сервер. По его словам, сервер он взял в Google Cloud по стартовому бонусу «300 долларов на 90 дней», а теперь платит. Сейчас n8n — ветка 2.x; на своём сервере его ставят через Docker (документация n8n), а без сервера есть облачный n8n — тариф Starter стоит 20 € в месяц при оплате за год (цены n8n). Версию для своего сервера n8n разрешает использовать для личных и внутренних задач, продавать её как сервис нельзя (лицензия n8n). Проверено 26.10.2026.

Шаг 2. Создай бота и закрой его для чужих. Бот создаётся в Telegram через @BotFather, токен вставляется в учётные данные n8n. Сразу после триггера поставь проверку отправителя — в бонус-сценарии её нет, и об этом подробнее ниже. В узле Telegram Trigger для этого есть готовая опция Restrict to User IDs — впиши туда свой числовой id (документация узла, проверено 26.10.2026).

Шаг 3. Заведи векторные таблицы в Supabase. В бонусе их две: prompt — инструкции агента, text — загруженные документы. Спикер советует просто вставить SQL в SQL-редактор Supabase, а название таблицы поменять через нейросеть. Вот шаблон для таблицы инструкций — стандартный для векторной базы на Postgres (расширение pgvector), по бонус-файлу спикера:

-- включить векторы в базе
create extension if not exists vector;

-- таблица инструкций агента
create table prompt (
  id bigserial primary key,
  content text,          -- сама инструкция
  metadata jsonb,        -- служебные поля
  embedding vector(1536) -- вектор; 1536 — размер эмбеддингов OpenAI
);

-- поиск по смыслу: n8n вызывает эту функцию
create or replace function match_prompt (
  query_embedding vector(1536),
  match_count int default null,
  filter jsonb default '{}'
) returns table (id bigint, content text, metadata jsonb, similarity float)
language plpgsql
as $$
begin
  return query
  select prompt.id, prompt.content, prompt.metadata,
         1 - (prompt.embedding <=> query_embedding) as similarity
  from prompt
  where prompt.metadata @> filter
  order by prompt.embedding <=> query_embedding
  limit match_count;
end;
$$;

Для документов — тот же код с заменой prompt на text (таблица text, функция match_text). Размер вектора в таблице должен совпадать с моделью эмбеддингов в n8n: 1536 — у text-embedding-3-small. Тот же шаблон, только с таблицей documents и функцией match_documents, есть в документации Supabase; в узле n8n имя функции указывается в опции Query Name. Бесплатный тариф Supabase на 26.10.2026 — 500 МБ базы на проект, а проект без активности неделю ставится на паузу (цены Supabase): для агента, который пишет каждый день, это не страшно, но после отпуска проект придётся запустить снова. И включи защиту строк (RLS) на новых таблицах: таблица без неё, по документации Supabase, доступна на чтение и запись любой роли с правами (RLS).

Шаг 4. Разведи входы. После триггера Telegram узел Switch делит сообщения на три ветки: PDF, текст, голос. Голос скачивается и расшифровывается узлом OpenAI, PDF режется на куски и пишется в таблицу text — бот отвечает «Записал PDF в базу».

Шаг 5. Поставь развилку «запомни». Второй Switch смотрит, есть ли в тексте слово «запомни». Есть — сообщение не идёт в агента, а записывается в таблицу prompt (узел Supabase Vector Store в режиме записи, с узлом эмбеддингов OpenAI), и бот отвечает «Записал инструкцию в базу». Нет — сообщение уходит агенту. Подробнее — в следующем разделе.

Шаг 6. Собери агента. Узел n8n AI Agent с моделью OpenAI, короткой памятью разговора (Simple Memory — последние 50 сообщений) и инструментами:

• prompt — база инструкций, узел Supabase Vector Store в режиме «как инструмент», с описанием «обращайся при каждом запросе»;
• text — база документов, так же;
• поиск в интернете через Perplexity;
• узкие агенты — отдельные сценарии n8n, подключённые как инструменты (в бонусе — «бизнес-тренер» и «кинолог», у каждого описание, когда его звать).

Шаг 7. Отправь ответ кусками. Telegram не принимает слишком длинные сообщения, поэтому в бонусе перед отправкой стоит узел Code: он режет ответ на части по 4000 знаков и экранирует разметку. Для первой проверки он не нужен — короткие ответы уйдут и так; когда понадобится, попроси нейросеть написать такой узел под свой сценарий. Лимит Telegram — 4096 знаков на сообщение (Bot API, проверено 26.10.2026), поэтому 4000 — с запасом.

Системный промпт агента в бонусе — несколько строк на английском. Вот он по-русски, с одной добавкой редакции: в оригинале последняя строка оборвана на полуслове, мы её дописали.

Ты — личный помощник.

Главное правило — база инструкций:
1. Первым действием на каждое сообщение вызови инструмент prompt и передай ему текст пользователя как есть.
2. Найденные инструкции применяй дословно.
3. Если инструкций не нашлось или поиск вернул ошибку — так и скажи: «Инструкций по этому вопросу у меня нет», и ответь по общим знаниям.

Инструменты:
- prompt — база инструкций, искать при каждом запросе;
- text — база документов пользователя;
- поиск в интернете — для свежих фактов.

Текущая дата и время: [выражение n8n с текущей датой]

Как собрать ветку «запомни»: запись в Supabase и поиск по смыслу

Ветка «запомни» — сердце метода. В бонус-сценарии она устроена просто: узел Switch проверяет текст регулярным выражением — есть ли отдельное слово «запомни», — и при совпадении отправляет сообщение в запись, а не агенту. Запись — узел Supabase Vector Store в режиме вставки: n8n делает вектор через эмбеддинги OpenAI и кладёт строку в таблицу prompt. Со следующего сообщения агент должен находить это правило поиском по смыслу — «должен», потому что вызывать ли инструмент, решает модель по его названию и описанию. Это и нужно проверить.

Выражение для Switch (режим Expression, два выхода). В бонусе после слова «запомни» допускались только пробел, запятая, точка, «!» и «?» — и фраза «Запомни: …» с двоеточием уходила агенту, а не в базу. Мы проверили и поправили: теперь слово отделяется любым знаком, не буквой и не цифрой. В поле n8n выражение стоит внутри двойных фигурных скобок, как любое выражение:

typeof $json["text"] === "string" && /(?:^|[^а-яёa-z0-9])запомни(?:[^а-яёa-z0-9]|$)/i.test($json["text"]) ? 0 : 1

Выход 0 — запись в базу, выход 1 — агент. Слово ловится в любом месте фразы: «Запомни: отчёты присылай списком», «запомни, меня зовут Алексей» и «кинологу задавай вопросы так, запомни» уйдут в запись, а «я запомнил» — к агенту. Проверено редакцией в JavaScript, 26.10.2026.

В эфире у Алексея ветка умнее, чем в бонусе. По его словам, правило из «запомни» сначала переписывает отдельный агент — делает из реплики понятную инструкцию с заголовком — и проверяет базу на противоречия с уже записанным. В ответ приходит что-то вроде «инструкция добавлена: как обращаться к агенту-садовнику по вопросам о поливе». В бонус-версии этого шага нет: в базу уходит фраза как есть. Если хочешь, как в эфире, поставь перед записью узел с моделью и таким промптом:

Пользователь написал команду «запомни»: [реплика].

Сделай из неё одну инструкцию для базы правил ИИ-агента:
- первая строка — заголовок: о чём правило и когда его применять (по нему инструкцию будут искать по смыслу);
- дальше 1–3 предложения: что именно делать;
- без слова «запомни», без приветствий и пояснений.

Если в реплике нет правила (просто вопрос или болтовня) — ответь одним словом: НЕТ.

После модели поставь узел If: ответ «НЕТ» — бот пишет «правила не нашёл, ничего не записал», любой другой ответ — уходит на запись в prompt.

Правило устарело — удали его строку в таблице prompt (Table Editor в Supabase) и отправь исправленное правило заново через «запомни»: так n8n посчитает для него новый вектор. Если просто поправить текст в таблице, вектор останется от старой формулировки. А если старое не удалить, поиск вернёт агенту и старое, и новое. В эфире эту работу делала проверка на противоречия.

Заголовок в первой строке — не украшение. Поиск идёт по смыслу запроса, и инструкция находится тем надёжнее, чем ближе её текст к тому, как ты потом спросишь. А явное «что делать» помогает модели правило применить: в эфире сырая реплика «запомни, меня зовут Алексей» нашлась, но агент так и не понял, что это ответ на вопрос.

Проверка за пять минут

Перед тем как наполнять базу, проверь, что механизм вообще работает. Именно это место сбоило в эфире (о сбое — ниже):

1. Напиши боту: «Запомни: отчёты присылай списком из трёх пунктов».
2. Открой таблицу prompt в Supabase: строка с этим текстом и непустым embedding должна появиться.
3. Напиши: «Пришли отчёт за сегодня». Сообщение «запомни» в агента не попадало, поэтому в его памяти разговора этого правила нет: если оно применится, значит, пришло из базы.
4. В n8n открой это выполнение (Executions) и посмотри, вызвал ли агент инструмент prompt и что тот вернул.
5. Ответ пришёл списком из трёх пунктов — работает. Нет — смотри, где пропало правило: не записалось (шаг 2), не нашлось (шаг 4) или нашлось, но не применилось — как в эфире. В последнем случае перепиши инструкцию яснее и проверь, что в системном промпте стоит «применяй найденное дословно».

Какую модель и температуру ставить исполнителю

Главному агенту в такой схеме не нужно быть умным. Его работа — сходить в базу, достать инструкцию и сделать по ней. Алексей формулирует так: агент «не должен быть умный, он должен быть тупой. Тупой, но исполнительный». Он взял GPT-4.1 mini: дешёвая, с контекстом около миллиона токенов, — и снизил температуру до 0,1–0,2, чтобы модель меньше придумывала своего. В бонус-сценарии стоит 0,2.

Что ещё умеет такой ассистент: таймеры, база неудач, заметки голосом

Память-инструкции — основа. На ней Алексей нарастил то, что делает агента «ассистентом», а не чат-ботом:

• Агент пишет первым. По таймеру утром присылает события дня и погоду, вечером спрашивает, всё ли прошло по плану и почему нет. Ещё есть еженедельное напоминание проверить штрафы и ежемесячное — сдать отчёт ИП. Тренер тоже пишет сам: по таймеру собирает данные о тренировках, анализирует их и обновляет план. Раньше спикер связал его с «доктором», чтобы тренер учитывал противопоказания.
• База неудач. Всё, что не выполнено, агент записывает в отдельную таблицу. Потом можно спросить «какие основные причины неудач» — и получить сводку: не хватило времени, ждал чужого действия, технические помехи.
• Память разговоров. Диалоги тоже ложатся в базу, поэтому работает вопрос «о чём мы говорили 18 ноября?» — агент находит, что обсуждали в тот день.
• Мысли голосом в Obsidian. «Запиши мысль» — и голосовое превращается в markdown-заметку, которая через Google Drive попадает в папку волта Obsidian на компьютере. Спикер синхронизирует только одну папку, остальной волт закрыт. Довод простой: мысль приходит на ходу, а «пока я бы дошёл до дома, я бы эту мысль забыл».

Чего Алексей не сделал — агента-юриста. Чтобы законы работали в векторной базе, их нужно аккуратно резать на куски с контекстом, учитывать подзаконные акты, и это, по его словам, слишком трудоёмко. Хороший ориентир: векторная память хорошо держит короткие самостоятельные записи — правила, заметки, факты, — а длинные связные документы требуют отдельной работы с нарезкой.

Если хочется того же, но без сценария из узлов, — продолжение пути спикера: постоянный агент на OpenClaw и команда агентов на Hermes.

Где метод сбоил и как не открыть бота всем

Доклад был живым, и сбои в нём — полезная часть. В конце Алексей показывал бонус-агента: написал «запомни — меня зовут Алексей», затем спросил «как меня зовут?». Агент переспросил, как к нему обращаться. В выполнении сценария было видно, что поиск по базе инструкцию вернул — «запомни, меня зовут Алексей», — но агент её не применил. «Не знаю, почему он его не взял, странно очень», — сказал спикер. Раньше в эфире главный агент дважды отдал вопрос для финансиста бизнес-тренеру, а PDF не записался в базу документов. Ещё одну причину сбоев спикер назвал сам: часть инструкций он вырезал, и агент иногда отправляет в базу пустой запрос. Систему он, по его словам, постоянно допиливает.

Что из этого следует для твоей сборки — выводы редакции, не спикера:

• Проверяй цепочку по шагам, как в «проверке за пять минут»: запись в таблицу, вызов инструмента, применение. Сбой может быть в любом из трёх мест, и угадать его по ответу бота нельзя. В эфире сломалось последнее звено — найденное не применилось.
• Пиши инструкции как правила, а не как реплики. «Запомни, меня зовут Алексей» — это факт в форме разговора, модель может не понять, что с ним делать. «Обращайся ко мне по имени Алексей; на вопрос „как меня зовут“ отвечай „Алексей“» — инструкция, которую сложно не применить. Для этого и нужен шаг переписывания перед записью.
• Не жди идеала от маленькой модели. Дешёвый исполнитель иногда не вызывает инструмент, хотя промпт велит. Если это повторяется, проверь описание инструмента и первую строку промпта, потом — модель посильнее.

С чего начать сегодня

Вопросы и ответы