Кейс: Telegram AI-ассистент на n8n

ЗадачаПосетители не получают быстрых ответов вне рабочего времени. Менеджеры тратят часы на типовые вопросы вместо продаж.

Моя работаРазработал Telegram-бота на n8n с LangChain-агентом, RAG-поиском по базе знаний, классификацией темы и интеллектуальной маршрутизацией.

Технологииn8n 2.27.3, GigaChat, Supabase (pgvector), Ollama, Telegram Bot API, Docker

Результат24/7 поддержка, <5 сек на ответ, 0 галлюцинаций, семантический кэш экономит до 60% токенов

Бизнес-проблема

У специалиста или небольшой компании нет возможности держать менеджера онлайн 24/7. Клиенты приходят с вопросами в Telegram в нерабочее время и не получают ответа. Типовые вопросы (цена, сроки, технологии) отнимают часы у продавца.

Потеря клиентов: посетитель не дождался ответа и ушёл к конкуренту
Рутина: продавец отвечает на одни и те же вопросы по 10 раз в день
Без базы знаний: ответы разрознены, нет единого источника истины
Нет аналитики: непонятно, какие темы чаще всего интересуют клиентов

Цель решения

Создать Telegram-бота, который:

Принимает вопросы в свободной форме на естественном языке
Классифицирует тему: автоматизация, веб-проекты, консультация, продажи
Ищет ответ в базе знаний через RAG (векторный поиск)
Отвечает со ссылкой на источник — без галлюцинаций
Передаёт сложные запросы менеджеру в Telegram
Кэширует повторяющиеся вопросы для экономии токенов

Архитектура

[Telegram] → IN_Telegram_Trigger ↓ IN_Normalize_And_Classify (Code) ↓ { chatInput, filter_topic, sessionId } ├── /start → приветствие ├── automation → RAG (база знаний по n8n) ├── project → RAG (портфолио) ├── consultation → RAG (услуги) ├── sales → уведомление менеджеру └── без темы → RAG (общий поиск) ↓ CORE_RAG_Agent (LangChain + GigaChat) ├── контекст из Supabase (pgvector) └── семантический кэш (проверка перед LLM) ↓ OUT_Format_Response (Code) ↓ OUT_Reply_Telegram

Инфраструктура: Self-hosted n8n, Supabase (pgvector), GigaChat API, Ollama (all-minilm для эмбеддингов), Telegram Bot API, Docker / Dokploy.

Как это работает

Приём сообщения — Telegram Trigger ловит входящее сообщение. Извлекается текст, chat ID, информация о чате.

Классификация — Code-нода определяет тему по ключевым словам: автоматизация, веб-проекты, консультация, продажи. Если тема не распознана — используется общий поиск.

Поиск по базе знаний — LangChain-агент получает контекст из Supabase (pgvector). Эмбеддинги считаются локально через Ollama — приватность и скорость.

Генерация ответа — GigaChat формирует ответ на основе контекста. Строгий системный промпт запрещает выдумывать факты. Ответ содержит ссылку на источник.

Кэширование — семантический кэш проверяет, задавался ли похожий вопрос ранее. Если да — ответ отдаётся без вызова LLM. Экономия до 60% токенов.

Обратная связь — инлайн-кнопки 👍/👎 под каждым ответом. Оценки сохраняются для анализа качества.

Детали реализации

Классификация по темам

Code-нода анализирует текст по ключевым словам. 4 темы: automation, project, consultation, sales + общий поиск. Без вызова LLM — мгновенно.

RAG с pgvector

Векторный поиск по документации, кейсам и FAQ. Эмбеддинги считаются на стороне через Ollama — полный контроль над данными.

Zero-Hallucination

Жёсткий системный промпт: если ответа нет в базе — бот честно говорит об этом и предлагает связаться с менеджером.

Семантический кэш

Перед вызовом GigaChat проверяется кэш. Повторные вопросы получают ответ за <1 сек без затрат токенов.

Результат

24/7

Доступность консультаций

< 5 сек

Скорость ответа

−60%

Экономия токенов (кэш)

Галлюцинаций

Ценность для бизнеса

Рост конверсии: клиент получает ответ мгновенно, в любое время суток
Разгрузка менеджеров: типовые вопросы закрывает бот, продажи занимаются сложными лидами
Единая база знаний: все ответы основаны на актуальных материалах, исключён человеческий фактор
Аналитика: в NocoDB пишется каждый диалог — видно, какие темы волнуют клиентов

Где ещё применимо

Сервисные компании — приём заявок через бота с классификацией
E-commerce — консультации по товарам, статус заказа
EdTech — FAQ по курсам, запись на пробный урок
HR — первичный скрининг кандидатов, ответы на типовые вопросы
Медицина — запись на приём, напоминания, результаты анализов

Попробовать в деле

Бот работает на self-hosted инфраструктуре. Напишите ему в Telegram — он ответит на вопросы про автоматизацию, веб-разработку и услуги.

JSON-экспорт workflow: telegram-bot-workflow.json

Написать боту