Нейросети в n8n: автоматизация с LLM без кода

Чтобы использовать нейросети в n8n, достаточно одного credential типа OpenAI API: укажите в нём Base URL https://api.hubris.pw/v1 и API-ключ Hubris — и все AI-ноды n8n получат доступ к сотням языковых моделей с оплатой в рублях. Писать код не нужно: модель задаётся строкой, а логика автоматизации собирается из готовых нод.

Что понадобится для подключения

n8n — платформа автоматизации, в которой сценарий (workflow) собирается из нод: триггер принимает событие, дальше данные проходят через цепочку обработчиков. Любая нода с поддержкой OpenAI-совместимого API умеет работать через Hubris. Перед настройкой подготовьте четыре вещи:

1. n8n — собственная установка (self-hosted) или облачный n8n Cloud, подойдёт любой вариант.
2. Аккаунт Hubris — регистрация на hubris.pw по коду из письма, пароль не нужен.
3. API-ключ — создаётся в личном кабинете, раздел «Ключи». Ключ формата sk-gw-... показывается один раз — сохраните его сразу.
4. Баланс — пополняется в разделе «Биллинг»: СБП, банковская карта или счёт для юридических лиц.

Если вы ещё не отправляли запросы к API Hubris, начните с быстрого старта — первый запрос занимает около пяти минут.

Как настроить credentials в n8n

В n8n доступ к внешним сервисам настраивается не в самой ноде, а в общих Credentials: создаёте один раз — используете во всех сценариях.

1. Откройте раздел Credentials в боковом меню.
2. Нажмите Add Credential и выберите тип OpenAI API.
3. Заполните поля:

Поле	Значение
API Key	ваш ключ Hubris (sk-gw-...)
Base URL	https://api.hubris.pw/v1
Organization ID	оставьте пустым

4. Дайте credential понятное имя, например «Hubris», и сохраните.

Теперь этот credential доступен в нодах OpenAI Chat Model (для AI Agent и цепочек), OpenAI (действие Message a model) и в HTTP Request, если нужен полный контроль над запросом. В поле Model укажите идентификатор модели из каталога — например, openai/gpt-4o-mini. Пошаговый разбор каждой ноды — в инструкции по подключению n8n.

Если нода не показывает список моделей, проверьте, что Base URL заканчивается на /v1. Идентификатор модели в любом случае можно ввести вручную — ручной режим работает даже без подгрузки списка.

Сценарий-пример: входящее сообщение → LLM → ответ и таблица

Соберём типовую автоматизацию поддержки: клиент пишет сообщение, модель определяет категорию обращения и готовит ответ, результат уходит клиенту и фиксируется в таблице.

1. Триггер. Нода Webhook (или Telegram Trigger, Email Trigger) принимает входящее сообщение.
2. Обработка. Нода HTTP Request отправляет текст в модель. Параметры: Method — POST, URL — https://api.hubris.pw/v1/chat/completions, Authentication — Header Auth с заголовком Authorization: Bearer sk-gw-.... Чтобы дальше работать с результатом как с данными, попросим модель вернуть строгий JSON через response_format:

{
  "model": "openai/gpt-4o-mini",
  "messages": [
    {
      "role": "system",
      "content": "Определи категорию обращения клиента и составь вежливый ответ. Верни JSON."
    },
    { "role": "user", "content": "{{ $json.body.message }}" }
  ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "ticket",
      "schema": {
        "type": "object",
        "properties": {
          "category": { "type": "string", "enum": ["оплата", "техника", "другое"] },
          "reply": { "type": "string" }
        },
        "required": ["category", "reply"],
        "additionalProperties": false
      }
    }
  }
}

3. Ответ клиенту. Нода Telegram (или Send Email) отправляет поле reply из ответа модели.
4. Учёт. Нода Google Sheets с действием Append Row дописывает строку в таблицу: дата, категория, исходное сообщение, ответ модели.

В простых случаях вместо HTTP Request достаточно ноды OpenAI → Message a model с тем же credential — без ручного JSON. А если хочется довести сценарий до полноценного диалогового помощника с памятью и историей, посмотрите разбор чат-бота на нашем API.

Как выбрать модель для автоматизаций

Автоматизация в n8n — это обычно серия однотипных коротких запросов: классифицировать, извлечь данные, перевести, суммаризировать. Здесь важнее цена и скорость ответа, чем максимальная глубина рассуждений. Цены указаны в рублях за 1 млн токенов (вход / выход) и актуальны на июнь 2026 года:

Модель	Цена, ₽ за 1 млн токенов	Когда уместна
openai/gpt-4o-mini	15,92 / 63,66	универсальный недорогой выбор, есть структурированный вывод
google/gemini-2.5-flash	31,83 / 265,27	мультимодальные сценарии: картинки + текст
anthropic/claude-haiku-4.5	106,11 / 530,53	быстрая классификация и извлечение данных
anthropic/claude-sonnet-4.5	318,32 / 1 591,59	многошаговые агенты с вызовом инструментов

Для тяжёлых агентных сценариев — когда модель сама ходит по инструментам («найди компанию в письме → проверь её в CRM → собери ответ») — берите модели уровня Claude Sonnet: они заметно стабильнее держат многошаговую логику. Полный список с фильтрами по цене и возможностям — в каталоге моделей.

Для черновой отладки сценария подойдут и модели с пометкой :free из каталога: токены по ним не списываются, но есть ограничения по скорости и доступности, поэтому в боевых автоматизациях надёжнее обычные модели.

Советы по надёжности сценариев

• Заведите отдельный ключ под n8n. В разделе «Ключи» создайте ключ с дневным лимитом расходов: если автоматизация зациклится, лимит остановит списания.
• Поднимите тайм-аут AI-нод. Запросы с длинным контекстом или рассуждающими моделями могут идти несколько минут — стандартного значения иногда не хватает.
• Просите строгий JSON. response_format с JSON-схемой избавляет последующие ноды от хрупкого разбора свободного текста.
• Обрабатывайте ошибки биллинга. Ответ 402 insufficient_balance означает, что баланс закончился, — пополните его в разделе «Биллинг»; 429 daily_limit_exceeded — сработал суточный лимит ключа.
• Проверяйте расходы. После первых прогонов посмотрите в личном кабинете, во сколько обходится один запуск сценария, и только потом включайте автоматизацию на полный поток.

Частые вопросы

Нужен ли собственный сервер, чтобы использовать LLM в n8n?

Нет. Hubris работает и с n8n Cloud, и с собственной установкой — настройка credentials одинаковая. Свой сервер даёт больше контроля над данными, но для старта достаточно облачного варианта.

Почему нода OpenAI не показывает список моделей?

Чаще всего Base URL указан без /v1 на конце или в ключ попал лишний пробел. Проверьте значения в credential. Идентификатор модели всегда можно ввести вручную — ручной режим работает даже без подгрузки списка.

Сколько стоит один прогон сценария?

Зависит от модели и объёма текста. Классификация короткого обращения — это сотни токенов: на openai/gpt-4o-mini такой запрос обходится в доли копейки (цены актуальны на июнь 2026 года). Точные расходы по каждому запросу видны в личном кабинете.

Можно ли использовать разные модели в одном сценарии?

Да. Credential один, а модель задаётся в каждой ноде отдельно: недорогая — для классификации, более сильная — для генерации ответа клиенту. Это стандартный способ снизить стоимость автоматизации без потери качества.