n8n автоматизации с AI · Урок 2
Встроенные LLM-ноды n8n
Chat Model (OpenAI, Anthropic, Google), Basic LLM Chain, Question & Answer Chain, Text Classifier, Summarize — когда что использовать против сырого HTTP.
Практическое задание
Что сделать после урока
Постройте workflow: Manual Trigger → Text Classifier (категории support / sales / spam) с подключённым OpenAI Chat Model. На каждый из трёх выходных портов повесьте Set-ноду с меткой категории. Прогоните на трёх тестовых текстах.
Готовый промпт
Шаблон под задачу урока
Скопируйте и адаптируйте под свой контекст. Текст в треугольных скобках — то, что нужно заменить.
Помоги выбрать ноду n8n под задачу AI. Задача: <классификация / суммаризация / Q&A по документам / один вызов LLM> Объём входных данных: <…> Скажи, какую корневую LangChain-ноду брать (Basic LLM Chain / Text Classifier / Question & Answer Chain / Summarize), какой Chat Model подключить и почему, и когда вместо неё нужен сырой HTTP Request.
Типичные ошибки
На чём чаще всего спотыкаются
- Ставят ноду Chat Model отдельно и удивляются, что она «ничего не делает» — это суб-нода, её надо подключить к корневой.
- Делают классификацию через Basic LLM Chain + парсинг текста вместо Text Classifier — теряют гарантию валидной категории.
- Используют обычную ноду Summarize (агрегация) вместо AI-Summarize из LangChain-раздела.