ai-consultant-rag

Готовый сценарий n8n: ИИ-консультант в Telegram, отвечающий из базы знаний (RAG). Не фантазирует - берёт ответ из ваших документов. Принимает голос и текст, квалифицирует обратившегося и отдаёт горячего лида менеджеру со сводкой.

Под любую нишу подходит один и тот же движок - меняется только содержимое базы. Канал общения (Telegram) при желании заменяется на WhatsApp или виджет сайта.

📖 Полный разбор со скриншотами узлов n8n и живым демо чата: delai.agency/avtomatizacii/ai-konsultant-telegram-n8n

Там пошагово: как собирали оба сценария, что ломалось и как чинили, сколько стоит на потоке.

Состав репозитория

workflow.json - бот целиком: приём сообщения из Telegram, ветка для голоса (расшифровка через Whisper), ИИ-агент с памятью и поиском по базе, разбор ответа и передача менеджеру.
kb-ingestion.json - отдельный сценарий загрузки документов в векторное хранилище. Запускается руками: первый раз и при каждом обновлении базы.
.env.example - перечень значений для подстановки (ключ OpenAI, токен бота, chat id менеджера).

Поток данных

Триггер Telegram -> «Печатает...» -> развилка голос/текст
   голос -> скачать файл -> Whisper -> текст ┐
   текст ------------------------------------┤-> объединить -> ИИ-агент
                                                              ├─ модель gpt-4o-mini
                                                              ├─ память по chat id
                                                              └─ поиск по базе delai_kb
                                                                      |
                                          разобрать ответ и метку лида -> «Горячий лид?»
                                              да  -> уведомить менеджера -> ответ клиенту
                                              нет -> ответ клиенту

Перед ответом агент обязательно дёргает поиск по базе, поэтому отвечает строго по вашим данным. Для горячего лида с контактом агент добавляет в конец служебную метку [[LEAD|hot|ниша|задача|контакт]]; код её разбирает, ветка IF шлёт менеджеру сводку, а из текста клиенту метка удаляется.

Почему ответ берётся из базы (RAG)

Сценарий kb-ingestion.json переводит документы в векторный вид под ключом delai_kb, а инструмент бота «Поиск по базе знаний» читает оттуда же. Изменили прайс или условие - поправили документы в Code-ноде, перезапустили загрузку, бот сразу актуален.

⚠️ По умолчанию используется In-Memory Vector Store: удобно для проверки, но хранилище очищается при перезапуске n8n, и оба сценария должны жить в одном экземпляре n8n ради общего ключа delai_kb. На боевом проекте поставьте постоянное хранилище (Pinecone, Qdrant, Supabase) в обоих сценариях.

Таблица замен

Узел / место	Значение	Где взять
credential OpenAI	ключ API	platform.openai.com/api-keys
credential Telegram	токен бота	@BotFather, команда /newbot
«Уведомить менеджера»	`REPLACE_WITH_MANAGER_CHAT_ID`	свой id у @userinfobot
«Документы базы знаний DelAI» (в `kb-ingestion.json`)	текст базы	ваши услуги и условия

Запуск по шагам

Импортируйте в n8n оба файла: Workflows → Import from File (сначала workflow.json, затем kb-ingestion.json).
Создайте credential для OpenAI и для Telegram (токен бота).
Замените REPLACE_WITH_MANAGER_CHAT_ID на свой chat id в ноде «Уведомить менеджера».
Впишите свою базу знаний в Code-ноду «Документы базы знаний DelAI» вместо примера.
Один раз выполните kb-ingestion.json, после чего включите workflow.json.
Отправьте боту /start. Учтите: менеджер должен сам первым написать боту, иначе сводка до него не дойдёт.

Подробный разбор

Статья со скриншотами узлов и живым демо чата: https://delai.agency/avtomatizacii/ai-konsultant-telegram-n8n/

Лицензия

MIT - файл LICENSE.

Сделано в DelAI.