n8n как no-code ядро системы
Вся оркестрация, бизнес-логика, маршрутизация запросов и управление состояниями — на n8n. Это дало возможность строить сложные ветвления и пайплайны без классической разработки и быстро итерироваться.
← Все кейсы
// КЕЙС — EdTech · Комьюнити · AI-обучение
AI-ассистент с RAG для образовательного комьюнити
От простого прокси для ChatGPT до полноценного IT-продукта с векторной базой знаний. Telegram-бот для AI Creators Club на 1 350+ участников.
AI Creators Club (собственное комьюнити)
EdTech · Комьюнити · AI-обучение
В работе с 2024 · текущая версия v2.2
AI-архитектор · Prompt Engineer · Разработчик
// ВИДЕО
Разбор на видео
// ПРОБЛЕМА
С чем пришёл клиент
AI Creators Club — моё комьюнити на 1 350+ участников, где накопился огромный пласт уникальных материалов: уроки, статьи, гайды, разборы кейсов, полезные диалоги. Вся эта ценность быстро терялась в потоке сообщений. Новички задавали одни и те же вопросы по кругу, а опытные участники тратили время на поиск уже существующих ответов. Первая версия бота была простым прокси для ChatGPT — она ничего не знала про клуб и не могла дать контекстный ответ. Нужно было превратить бота из игрушки в полноценный IT-продукт, который живёт вместе с комьюнити.
// ЗАДАЧА
Что нужно было сделать
Построить RAG-ассистента, который опирается на реальные материалы клуба: централизованная, легкодоступная база знаний; AI, дающий точные ответы именно на основе этой базы, а не общих знаний LLM; несколько независимых режимов под разные задачи — обучение и креатив; полная автоматизация обновления базы, чтобы новые уроки подхватывались без ручной работы.
// РЕШЕНИЕ
Как это работает
Автоматизированный ETL-пайплайн для базы знаний
База живёт сама. n8n «слушает» специальную папку в Google Drive. При добавлении любого документа (Google Doc с уроком, PDF, текст) запускается цепочка: структурирование в унифицированный Q&A-формат → семантический чанкинг → векторизация через OpenAI embeddings → загрузка в Supabase. Я добавляю новый урок — через минуту бот уже знает его.
RAG-архитектура на Supabase + pgvector
Векторное хранилище на pgvector ищет по смыслу, а не по ключевым словам. При запросе пользователя система сначала находит релевантные фрагменты в базе клуба, передаёт их в LLM как контекст — и только тогда генерируется ответ. Это снимает галлюцинации и привязывает знания к реальному контенту клуба.
Мультирежимность через state management
Supabase хранит состояние каждого пользователя — какой режим выбран. n8n по этому состоянию маршрутизирует запрос. Добавление нового режима = новая ветка в n8n, без переписывания системы.
Режим «Наставник»: точные ответы по базе клуба
Полноценный RAG-агент. Пользователь задаёт вопрос — бот ищет релевантные куски в клубной базе, формулирует ответ на их основе и только в крайнем случае обращается к общим знаниям LLM. Ответы точные и контекстные.
Режим «Генератор идей»: быстрый брейншторм
Лёгкий режим без обращения к базе — работает напрямую с LLM. Поддерживает голосовой ввод: пользователь надиктовывает идею на ходу, бот её распознаёт и помогает развить.
Гибкий доступ к моделям через OpenRouter
Все запросы к LLM идут через OpenRouter — можно переключаться между моделями (GPT-4o mini, GPT-5 nano, Claude, открытые модели) без изменения кода. Под разные режимы и бюджеты.
// ИНТЕРФЕЙСЫ И ВОРКФЛОУ
Как выглядит изнутри
// СТЕК
Технологии
n8nSupabase (PostgreSQL)pgvectorLangChainOpenRouterGPT-4o miniGoogle Drive APITelegram Bot API
// РЕЗУЛЬТАТЫ
Что получил клиент
1 350+
Участников клуба в комьюнити
24/7
Доступ к базе знаний через бота
2 режима
Наставник и Генератор идей
Auto-ETL
База обновляется из Google Drive
// ЭВОЛЮЦИЯ ПРОДУКТА
Как развивался проект
Продукт живой — я развиваю его итерациями. Вот основные вехи.
- v1.0
Простой прокси для ChatGPT. Отвечал на общие вопросы, но ничего не знал про клуб — ценности для комьюнити почти не было.
- v2.0
Полная переработка архитектуры. Внешняя память, подключение Supabase + pgvector, первая версия RAG-пайплайна, режимы Наставника и Генератора идей.
- v2.2
Текущая версия. Автоматизирован ETL из Google Drive, улучшен чанкинг, оптимизирован state management, стабилизирована работа с голосовым вводом.
// ЧЕСТНО
Плюсы и минусы решения
AI-автоматизация — мощный инструмент, но не серебряная пуля. Рассказываю, где она реально работает, а где требует компромиссов.
Что получает бизнес
- Ответы точные и контекстные — бот знает именно клубные материалы
- База знаний обновляется автоматически через Google Drive
- Архитектура масштабируется: новый режим = новая ветка в n8n
- Снижена нагрузка на комьюнити-менеджеров
- Поддержка голосового ввода в режиме идей
- Гибкая смена LLM через OpenRouter без переписывания системы
Где нужен компромисс
- Качество RAG зависит от качества исходных материалов — мусор на входе даёт мусор на выходе
- Чанкинг требует тюнинга под специфику контента (размер, overlap)
- Стоимость векторизации растёт вместе с базой — нужен контроль расходов
- Галлюцинации возможны, если релевантных чанков в базе нет
// ЧТО ДАЛЬШЕ
Планы развития
Проект не заморожен — вот что в работе и ближайших планах.
Миграция на GPT-5 nano
Планирую протестировать и перевести бота на GPT-5 nano — оценим качество ответов, скорость и стоимость относительно текущей GPT-4o mini.
Новый режим «Психологическая поддержка»
Отдельный pipeline с собственной базой знаний и настроенным тоном общения. Фокус — поддержка креаторов в моментах выгорания и сложных периодов.
Интеграция в групповые чаты клуба
Сейчас бот работает в личке. Следующий шаг — дать ему отвечать в открытых обсуждениях клуба: автоматически отвечать на повторяющиеся вопросы, подтягивать материалы из базы в контекст дискуссий.
Развитие до обучающей платформы
Конечная цель — превратить бота в полноценную AI-обучающую платформу для новичков. Персонализированные траектории, проверка заданий, подбор материалов под уровень.