Добавление ноды на canvas

Чтобы продолжить цепочку, нужно вставить новую ноду после существующей или на пустой canvas. Для этого открывают панель выбора нод тремя способами: кнопка Open nodes panel в центре canvas, кнопка Add node на стрелке соединения и + на output-коннекторе любой ноды.

Панель называется What happens next?. В ней сразу видно категории и поле поиска.

Как это работает

• Клик по Open nodes panel или Add node открывает список.
• В поле Search nodes... вводят имя ноды или сервиса (например http, slack, schedule). Список фильтруется по мере ввода.
• Навигация по категориям: AI, Action in an app, Data transformation, Flow, Core, Human review, Add another trigger.
• Клик по названию ноды ставит её на canvas и сразу открывает панель Parameters.
• На пустом canvas можно нажать клавишу Tab — откроется та же панель без клика мышью.

Первая нода любого воркфлоу должна быть триггером (Schedule Trigger, Webhook, Manual и подобные). Обычные ноды-действия в начало ставить нельзя.

Типичные ошибки

• Поставил обычную ноду первой → воркфлоу не из чего стартовать → замени первую ноду на триггер из категории Core или через поиск.
• Ищут ноду по русскому названию → список остаётся пустым → вводи английское имя сервиса в поле Search nodes....
• Целятся мышью в мелкий + на стрелке → промахиваются → нажми Tab прямо на canvas.
• Открывают категорию Add another trigger после уже существующей ноды → добавляют лишний триггер → для обычного шага используй поиск или категории Action in an app и Data transformation.

Универсальный процесс добавления credential

Credential в n8n — это сохранённая «учётка» для подключения к сервису (API-ключ, OAuth-токен, логин/пароль и т.д.). Любая нода, которой нужна авторизация, выбирает credential из общего списка — поэтому добавлять его нужно один раз, а использовать можно из любого количества нод того же типа.

Пошагово

1. В левом меню n8n открой раздел Credentials.

1. Нажми кнопку Add credential (правый верхний угол).

1. В поиске введи название нужного типа credential — например, OpenAI, Header Auth, Postgres, Google — и выбери его из списка.

1. В шапке формы дай credential понятное имя — например, OpenAI школа или Postgres prod. По этому имени ты будешь выбирать его в нодах.

1. Заполни поля формы. Какие именно — зависит от типа: для API-ключевых это обычно одно поле API Key, для Header Auth — Name и Value заголовка, для Postgres — host/port/database/user/password, для OAuth — запуск OAuth-flow по кнопке.

1. Нажми Save. Готово — credential можно подключать к любой ноде, которая поддерживает этот тип.

Типы update'ов в Telegram Trigger: что значит Message, Callback Query, Inline Query

Параметр Updates находится в Telegram Trigger → Parameters → Trigger On. Это выпадающий список с множественным выбором, каждый пункт которого соответствует одному типу события Bot API. По умолчанию включён только Message.

Когда бот получает обновление, n8n передаёт его дальше только если соответствующий тип отмечен. Невключённые типы просто игнорируются.

Зачем это нужно

Без явного выбора типов бот будет реагировать на всё подряд или, наоборот, пропускать нужные события. Например, нажатие inline-кнопки приходит отдельным типом и без галочки Callback Query до ноды не дойдёт.

Как это работает

Каждый выбранный тип добавляет своё поле в $json:

• Message — обычное сообщение в чате. Данные лежат в $json.message.
• Edited Message — исправленное сообщение. Поле $json.edited_message.
• Callback Query — нажатие inline-кнопки. Полезная нагрузка в $json.callback_query.data.
• Inline Query — запрос, когда пользователя упоминают через @ в любом чате.
• Channel Post / Edited Channel Post — посты в канале, где бот является администратором.
• Chosen Inline Result, Shipping Query, Pre Checkout Query, Poll, Poll Answer, My Chat Member, Chat Member — узкие случаи, используются редко.

Типичные ошибки

• Отметили все галочки «на всякий случай» → воркфлоу срабатывает на лишние события → следующие ноды падают на отсутствующих полях $json.
• Ожидают нажатие inline-кнопки, но оставили только Message → Callback Query игнорируется.
• Пытаются прочитать текст отредактированного сообщения через $json.message.text → получают undefined, потому что данные находятся в $json.edited_message.text.

Когда не подходит

Если нужно обрабатывать только сообщения определённого формата или фильтровать по содержимому, используй ноду IF или Filter после триггера, а не отключай типы в Trigger On.

Кнопка ручного запуска для теста

В редакторе workflow внизу canvas есть большая оранжевая кнопка «Execute workflow». Это основной инструмент тестирования: один клик — и весь workflow прогоняется от триггера до конца, прямо в редакторе. На production это никак не влияет — даже если воркфлоу опубликован (Publish), кнопка запускает отдельный тестовый прогон.

Как это работает

1. Нажимаешь Execute workflow внизу canvas.

1. n8n запускает workflow от триггера. Ноды по очереди подсвечиваются: серая → жёлтая (выполняется) → зелёная (готово) или красная (ошибка). Внизу каждой ноды появляется счётчик пришедших на вход элементов.

1. Клик по любой ноде после прогона — видишь её input и output. Это и есть отладка: где данные пропали или пришли не в том виде.

Особый случай: workflow с Chat Trigger

Если в workflow стоит триггер Chat Trigger (встроенный в n8n чат), правила для тестирования другие — Execute workflow появляется не сразу.

• Когда у Chat Trigger ещё нет запиненных данных — внизу canvas вместо Execute workflow стоит кнопка Open chat. Клик открывает встроенный чат-виджет n8n: ты пишешь сообщение, оно идёт в триггер, workflow выполняется от события «новое сообщение в чате». Это и есть основной путь тестирования Chat Trigger.
• Когда данные Chat Trigger запинены (через Pin data в Output триггера) — кнопка Open chat сменяется на привычную Execute workflow. n8n больше не ждёт нового сообщения в чате, а гоняет workflow на запиненных данных. Удобно для отладки downstream-нод без необходимости каждый раз писать в чат.

Логика та же что у обычных триггеров — если есть закреплённый тестовый вход, n8n показывает Execute workflow для запуска на нём; если нет — показывает способ получить реальное событие (для Chat Trigger это Open chat, для Webhook — Test URL и т.д.).

Типичные ошибки

• Нажал кнопку, ничего не происходит → в воркфлоу нет триггера. Добавь триггер (для ручных тестов подойдёт Manual Trigger); если триггеров несколько, запусти нужный кнопкой ▶ на самой ноде.
• Нода красная, дальше ничего не выполнилось → клик по ноде → вкладка с ошибкой. Прогон останавливается на первой упавшей ноде.
• На ноде «0 items» и она не выполнилась → предыдущая нода вернула пустой массив. Это не ошибка, это «нечего обрабатывать». Смотри output предыдущей ноды.

Два режима воркфлоу: Unpublished и Published

В n8n у воркфлоу два состояния. Unpublished — черновик: ты редактируешь и можешь запускать его только вручную через Execute workflow, триггеры молчат. Published — живая версия: триггеры включены, Schedule срабатывает по расписанию, Webhook и Form принимают запросы по Production URL, polling-триггеры (Telegram, Gmail) слушают обновления. Переключает между состояниями кнопка Publish в правом верхнем углу редактора.

Version Name и Describe changes — каждая публикация это новая версия

При нажатии Publish n8n показывает диалог с двумя полями:

• Version Name — обязательное короткое имя версии. Любая строка, по которой ты потом узнаешь эту версию в истории. Хорошие примеры: журнал менеджера добавлен, webhook: новая схема заявки, fix: timezone for cron. Плохие: 123, update, асдф — через неделю ты не поймёшь что в этой версии было.
• Describe changes (опционально) — что именно поменялось с прошлой версии. Это короткий журнал в свободной форме: «добавил Stretch-ветку ai-классификации жалоб», «починил Switch L2 — было kebab-case, стало snake_case». Заполняй обязательно для значимых правок — себе через месяц спасибо скажешь.

Каждая публикация создаёт новую версию workflow. История версий доступна через Versions (рядом с Editor/Executions) — можешь посмотреть какой код был на каждой версии, откатиться на любую из них одной кнопкой Restore. Это и есть встроенный git-подобный version control для воркфлоу.

Sub-Workflow тоже публикуют

Воркфлоу, который вызывается из другого через Execute Workflow Trigger, тоже нужно публиковать. Родитель при вызове берёт последнюю опубликованную версию Sub-WF — если ты внёс правки и не нажал Publish, родитель их не увидит. Управляется той же кнопкой Publish.

Типичные ошибки

• Поправил опубликованный воркфлоу, забыл Publish заново → триггеры исполняют старую версию. После каждой правки — Publish.
• Дёргаешь Production URL у Unpublished воркфлоу → возвращает 404. Либо публикуй, либо открой редактор, нажми Execute workflow и шли на Test URL.
• Хочешь временно остановить воркфлоу → нажми Unpublish. Триггеры замолкают, Production URL перестаёт принимать запросы. Чтобы запустить обратно — снова Publish.

Update — обёртка одного события от Telegram

Объект Update приходит от Telegram Bot API каждый раз, когда происходит событие: новое сообщение, редактирование, нажатие кнопки. Внутри всегда лежит поле update_id и ровно одно поле с полезной нагрузкой.

update_id — это последовательный номер события. Каждое новое событие получает следующий номер. Поле нужно только чтобы отслеживать, какие обновления уже обработаны.

Полезная нагрузка может быть разной: message, edited_message, channel_post, callback_query, inline_query и другие. В одном Update присутствует только одно из этих полей.

Как это работает

Самое частое поле — message. Внутри него лежат:

• message_id — уникальный номер сообщения внутри чата
• from — объект User (кто отправил)
• chat — объект Chat (куда сообщение попало)
• date — unix-время
• text, voice, photo, document — в зависимости от типа сообщения

Объект chat содержит:

• id — идентификатор чата
• type — private, group, supergroup или channel
• title, username, first_name — названия и имена

Объект from (User) содержит:

• id — идентификатор пользователя
• is_bot — флаг, бот это или человек
• first_name, username, language_code

В приватном чате chat.id и from.id совпадают. В группе или супергруппе они разные: chat.id — это идентификатор группы, from.id — идентификатор конкретного участника.

Ключ для хранения контекста диалога всегда chat.id. Если использовать from.id, в группе бот начнёт путать пользователей и отвечать не в тот чат.

Поле text существует только у текстовых сообщений. У голосового сообщения его нет — там будет поле voice. Если обратиться к message.text у голосового сообщения, значение будет отсутствовать.

Типичные ошибки

• Перепутал from.id и chat.id — в личке выглядит одинаково, в группе бот отвечает не туда или ведёт себя странно → используй chat.id для ключей памяти.
• Использовал update_id как идентификатор сессии — каждое сообщение даёт новый update_id, память диалога никогда не находит прошлое → бери chat.id.
• Полез в message.text у голосового сообщения — поле отсутствует, выражение возвращает undefined → проверяй тип сообщения перед обращением к text.
• Не учёл chat.type в группе — бот не видит все сообщения из-за privacy mode → либо добавляй @-упоминание, либо отключай privacy mode у BotFather.

Pin Data в n8n: как зафиксировать тестовый вход ноды

Pin Data — это способ «прибить» к ноде заранее заготовленные данные, которые n8n будет подставлять вместо настоящего входа на каждом тестовом запуске. Полезно, когда дёргать реальный источник (внешний воркфлоу, веб-хук, API) на каждое нажатие Execute workflow неудобно или невозможно.

Зачем это нужно

Часто отлаживается не сам триггер, а ноды после него — логика, маппинг, запрос в базу. Чтобы не звать каждый раз источник данных (другой воркфлоу, бот, форму), удобнее один раз получить пример настоящего входа, зафиксировать его на триггере и потом крутить запуски сколько нужно.

Поэтому Pin Data — это инструмент разработчика на этапе сборки, не часть рабочего воркфлоу. В боевом режиме закреплённые данные перестают использоваться: n8n берёт реальный вход.

Как это работает

К любой ноде с выходом можно прикрепить «запинённый» JSON. После этого:

• При запуске воркфлоу через UI (Execute workflow, тестовый прогон) n8n не вызывает саму ноду, а сразу выдаёт следующим нодам зафиксированные данные.
• Pin Data привязана к конкретной ноде, не к workflow целиком — можно запинить триггер и оставить остальные ноды живыми.
• На холсте у запинённой ноды появляется визуальный значок (булавка/иконка), чтобы не забыть, что данные «искусственные».

Удобнее всего пинить триггер: на нём поле выхода — то, что в боевом режиме приходит снаружи (Telegram-апдейт, тело веб-хука, поля Execute Workflow Trigger). Тестовый JSON собирают с теми же ключами, что отдаёт реальный источник.

Типичные ошибки

• Забыли про пин при отладке — в редакторе тестовые прогоны идут по закреплённым данным, а не по реальным, поэтому новый вход «не доходит». Боевому запуску пин не мешает, но перед проверкой на живых данных его лучше снять.
• Структура запинённого JSON не совпадает с реальным — отладка проходит идеально, но в проде ломается на полях, которых не было в тестовом примере; делайте пин из реальной execution, а не «на глаз».
• Запинили середину воркфлоу, забыли — переименовали поле в ноде до пина, а пин остался со старой структурой. Следующие ноды читают «фантомные» данные.
• Pin Data перепутали с переменными среды — пин не передаётся между воркфлоу и не сохраняется при экспорте на другую инсталляцию n8n как «конфиг»; это именно отладочный фиксаж.

Когда не подходит

Pin Data не заменяет настоящие тесты — это удобство в редакторе, не автоматизация. Если нужна повторяемая проверка с разными входами, лучше делать отдельный тестовый workflow или мини-набор тест-кейсов; пин подходит, когда хочется быстро прогнать «один и тот же» сценарий N раз.

Три типа нод в n8n

Любая нода в n8n относится к одному из трёх типов: триггер, действие или sub-нода. Разница — в том, как нода включается в воркфлоу и какую роль играет в его исполнении. Понимание этой таксономии экономит время при сборке: сразу видно, что куда подключать.

1. Триггер — стартовая нода воркфлоу

Триггер запускает воркфлоу. У него нет входа слева, только выход справа. В воркфлоу триггер всегда первый и обычно один (исключения — несколько триггеров под разные источники запуска).

Примеры: Manual Trigger (запуск кнопкой Execute), Schedule Trigger (по расписанию), Webhook (по HTTP-запросу извне), Execute Workflow Trigger (запуск из другого воркфлоу), Telegram Trigger (новое сообщение в боте).

2. Действие — основная рабочая нода

Действие — нода, которая что-то делает с данными: запрашивает API, читает БД, трансформирует JSON, отправляет сообщение. У неё есть вход слева и выход справа. Действий в воркфлоу обычно много, они выстраиваются в цепочку после триггера.

Примеры: HTTP Request, Postgres, Set, Code, IF, Merge, Telegram (отправить сообщение), OpenAI (вызвать модель). Сюда же относятся AI-родители: AI Agent, Qdrant Vector Store, Embeddings-родительский режим — это действия, к которым подключаются sub-ноды снизу.

3. Sub-нода — поставщик ресурса для родителя

Sub-нода не стоит в основной цепочке. Она подключается к специальному кружку на нижней стороне родительской ноды (обычно AI-родитель) и поставляет ему ресурс: модель, эмбеддинги, инструмент, память.

Примеры: Chat Model OpenAI для AI Agent, Embeddings Cohere для Qdrant Vector Store, Postgres Chat Memory для AI Agent, любая нода в режиме «as Tool».

Детали про sub-ноды — в отдельной шпаргалке «Что такое sub-нода в n8n и как её заменить».

Три ноды — одна модель, три разных задачи

В n8n запрос к языковой модели можно отправить тремя классами нод: нативная нода вендора (OpenAI, Anthropic, Google Gemini — пункт «Message a Model»), Basic LLM Chain и AI Agent. У всех трёх под капотом — вызов LLM, но устроены они по-разному и решают разные задачи. Выбор не на вкус: для одного кейса подходит одна, для другого — другая.

Когда что выбирать

• Нативная нода вендора — когда нужен один простой вызов к конкретной модели и больше ничего: классификатор текста, переписать одно сообщение, извлечь сущности по промпту. Минимум абстракций, максимум контроля над параметрами вендорского API (например, response_format у OpenAI). Память истории придётся собирать руками — нода её не ведёт.
• Basic LLM Chain — когда нужен один вызов, но с возможностью менять модели и/или вытаскивать структурированный вывод через парсер. Типичный кейс: «сгенерируй JSON по схеме». Сегодня модель OpenAI, завтра — Gemini, ноду переключать не надо, меняешь только sub-ноду Chat Model.
• AI Agent — когда модели нужны инструменты (поиск в БД, вызов API, доступ к Sub-Workflow) или память диалога между сообщениями пользователя. Бот, который помнит разговор, ассистент с инструментами, агент с RAG — это AI Agent. Бот, который отвечает на каждый вопрос отдельно, без памяти и инструментов, обходится Basic LLM Chain.

Типичные ошибки

• Поставил AI Agent, потому что «звучит модно», без инструментов и памяти → переплачиваешь токенами на служебный ReAct-промпт, получаешь то же, что дал бы Basic LLM Chain. Без tools — Chain.
• Взял нативную ноду OpenAI ради «структурированного JSON» → парсера у нативной ноды нет, ответ парсишь сам в следующей Code-ноде. Если нужен валидированный JSON по схеме — Basic LLM Chain с Output Parser sub-нодой.
• Подключил Chat Memory к Basic LLM Chain и ждёшь, что бот «запомнит» предыдущее сообщение → Basic LLM Chain не ведёт диалог, он делает один запрос за вызов. Для памяти диалога нужен AI Agent.
• Сменил вендора в нативной ноде → надо переписывать всю ноду заново (поля разные у OpenAI и Anthropic). В Basic LLM Chain / AI Agent — меняется только sub-нода Chat Model, остальное остаётся.

Один URL вместо ключей всех провайдеров

LiteLLM-прокси — это единый шлюз, который принимает запросы в формате OpenAI и пересылает их к разным платным моделям: OpenAI, Anthropic, DeepSeek, Cohere и другим. Студент работает только с одним адресом и одним набором настроек.

Школа поднимает прокси, чтобы все студенты ходили через общий счёт. Школа платит провайдерам по одному договору и видит расход токенов каждого студента по отдельности. Студенту не нужно заводить личные billing-аккаунты и следить за лимитами.

OpenAI-совместимый интерфейс позволяет использовать прокси в n8n и SDK без изменений кода. Ноды и библиотеки отправляют запросы на школьный адрес, а не напрямую на api.openai.com.

Как это работает

В n8n credential OpenAi account указывает Base URL школьного прокси. Все запросы к моделям DeepSeek, Claude и остальным идут через этот credential. Модель указывается в параметре model как обычно.

Прокси не хранит модели у себя. Он только маршрутизирует запросы к внешним API и возвращает ответы. Поэтому он не заменяет self-hosted решения вроде Ollama.

Прямой ключ провайдера нужен только в двух случаях: когда требуется Assistants API или когда нужны параметры, которые прокси ещё не поддерживает. В остальных задачах весь трафик идёт через OpenAi account.

Типичные ошибки

• Считаешь OpenAi account отдельной моделью → запрос уходит не туда → выбирай имя модели из списка, который даёт школа.
• Меняешь значение model на имя из документации провайдера → модель не находится → уточняй у школы, какое имя доступно через прокси.
• Пытаешься вызвать Assistants API через прокси → запрос падает → используй прямой ключ OpenAI.
• Думаешь, что личный ключ запрещён → можно использовать, но по умолчанию весь учебный трафик должен идти через OpenAi account.
• Путаешь прокси с self-hosted моделью → ждёшь, что модели работают без интернета → LiteLLM только пересылает запросы к платным API.

Два эндпоинта к одним моделям

У OpenAI два разных эндпоинта для одних и тех же моделей: /v1/chat/completions и /v1/responses. Оба принимают запросы к gpt-4o и другим моделям, но формат запроса и ответа у них несовместим.

Chat Completions — старый и до сих пор поддерживаемый путь. Responses API — новый интерфейс, который OpenAI рекомендует для агентских сценариев.

Ключевое отличие не в модели, а в том, как ты передаёшь данные и хранишь контекст.

Как это работает

Chat Completions принимает массив messages. В ответе модель возвращает одно сообщение в choices[0].message. Всю историю разговора клиент должен хранить и отправлять заново при каждом запросе.

Responses API использует параметр input — это может быть строка или массив typed items. Поле instructions вынесено отдельно от сообщений. В ответе приходит массив typed output items (message, reasoning, function_call и другие).

Responses поддерживает stateful-цепочки через previous_response_id: OpenAI хранит предыдущие сообщения на своей стороне. Токены предыдущих запросов при этом всё равно учитываются при биллинге.

В Responses встроены инструменты Web Search, File Search и Code Interpreter — их можно включить без написания собственных функций.

В n8n-ноде OpenAI Chat Model есть переключатель Use Responses API, который меняет эндпоинт запроса. Через школьный прокси LiteLLM результат зависит от ноды, к которой подключена модель: AI Agent отвечает в обоих положениях, но с включённым переключателем n8n записывает в выполнение только оценку расхода — tokenUsageEstimate, где токены ответа модели всегда 0; Text Classifier с включённым переключателем падает на каждом элементе. С выключенным переключателем запрос идёт на /v1/chat/completions, и в выполнении виден настоящий расход — блок tokenUsage. Поэтому в задачах школы переключатель выключают всегда.

Это именно разные эндпоинты: формат Chat Completions, отправленный на /v1/responses, не сработает, и наоборот.

Типичные ошибки

• Оставили Use Responses API включённым при работе через школьный LiteLLM-прокси → у AI Agent в выполнении нет настоящего расхода токенов, только оценка с нулём на ответе, а Text Classifier падает на каждом элементе → выключи переключатель.
• Перенесли готовый воркфлоу с прямого OpenAI на прокси и не тронули тоггл → часть нод падает, у остальных пропадает настоящий расход токенов → проверь состояние переключателя в каждой OpenAI-ноде.
• Передали в запрос к /v1/chat/completions поля input, instructions или previous_response_id → ошибка валидации или поля просто игнорируются → используй только массив messages и храни историю на стороне клиента.
• Решили, что Responses API нужен только для новых моделей → gpt-4o доступен по обоим эндпоинтам, разница только в формате → не путай выбор эндпоинта с выбором модели.

Что такое expression

В n8n expression — это маленький кусочек кода в фигурных скобках, который динамически подставляет значение в поле ноды. Записывается так:

{{ <выражение> }}

В поле интерфейса = перед выражением писать не нужно: поле в режиме Expression уже трактует содержимое как выражение, а знак = n8n сам добавляет в файле воркфлоу (JSON) как маркер. Если напечатать = самому, он попадёт в результат текстом (например, сообщение начнётся с «=🚨»). Если поле осталось в режиме Fixed, {{ ... }} запишется как обычный текст.

Внутри {{ }} пишется JavaScript-выражение. Самое частое — чтение значения из другой ноды.

Зачем нужны expressions

Каждое поле в параметрах ноды может быть либо фиксированным значением (например, URL https://api.example.com), либо expression'ом — формулой, которая считается на лету в момент исполнения ноды. Expressions нужны, когда значение зависит от данных, пришедших из предыдущей ноды.

Как читать значения из других нод

Базовая формула: {{ $('<имя_ноды>').item.json.<поле> }}

Разбор по частям:

• $('<имя_ноды>') — обращение к ноде по имени (то, что написано на холсте под нодой). Имя — в одинарных кавычках, точно как на холсте.
• .item — текущий элемент, который обрабатывается. У большинства нод элементов несколько (массив), item берёт тот, что соответствует текущей итерации.
• .json — содержимое поля json элемента (там лежат все данные, которые нода вернула).
• .<поле> — конкретное поле внутри json. Если поле вложенное — пишется через точку: .config.embedding_model.

Пошагово — как вставить expression в поле

1. Наведи курсор на поле и переключи Fixed → Expression в правом верхнем углу поля (или просто начни вводить {{ — поле само перейдёт в режим expression).
2. В появившемся окне (expression builder) — слева список нод воркфлоу, можно кликать по полям и они вставятся в формулу.
3. Справа — preview: видно, какое значение получится прямо сейчас. Если красным — формула или путь к полю некорректные.
4. Закрой окно, поле остаётся в режиме expression (синий фон + иконка fx).

Типичные ошибки

• Имя ноды не совпадает. В формуле $('Get Config') имя должно точно совпадать с подписью ноды на холсте. Если переименовал ноду — старые expressions, ссылающиеся на неё, сломаются.
• Путь к полю не существует. .item.json.embedding_dimensions упадёт с undefined, если у элемента такого поля нет. Проверка — посмотри preview в expression builder, он сразу показывает значение или ошибку.
• Поле осталось в режиме Fixed. Самая частая ошибка — описана в callout выше.
• Кавычки внутри {{ }}. Внутри expression строки оборачиваются одинарными кавычками: {{ 'Hello ' + $json.name }}; двойные тоже работают. Поля с кириллицей и пробелами читаются как $json["Имя"].

Когда expression не нужен

Иногда поле должно быть фиксированным. Например, метод HTTP-запроса (GET / POST) или имя коллекции, которое одинаково для всего воркфлоу — нет смысла читать его динамически. Простое правило: если значение меняется от итерации к итерации или зависит от пришедших данных — нужен expression; если значение постоянное — оставляй фиксированным.

Перетаскивание полей из Input panel

Когда нужно подставить значение из предыдущей ноды в параметр текущей, не пиши выражение вручную. Открой ноду двойным кликом. Слева откроется Input panel с деревом полей предыдущей ноды. Справа — node parameters.

Раскрой нужное поле в Input panel и перетащи его мышкой в parameter's field. n8n сам сформирует выражение и переключит поле из режима Fixed в Expression.

Как это работает

Input panel показывает данные из OUTPUT предыдущей ноды. Данные приходят в виде дерева: каждое поле можно раскрыть до примитива.

После drop в parameter's field появляется выражение в двойных фигурных скобках. n8n поддерживает два формата:

• $json.<field> — когда данные идут напрямую из предыдущей ноды по главной ветке;
• $('<NodeName>').item.json.<field> — когда нужно явно указать имя ноды-источника.

n8n сам определяет нужный item через item linking. Ручной поиск соответствия не требуется.

Поле автоматически окрашивается и переключается в режим Expression. Альтернатива — открыть expressions editor и написать то же выражение вручную. Результат идентичен.

Вложенные поля раскрываются через точку: $json.body.city.

Типичные ошибки

• Перетащил объект-обёртку вместо примитива → в поле уходит [object Object] → раскрой дерево до листа.
• Дропнул в соседнее поле параметра (Text вместо Chat ID) → нода работает не на тех данных → визуально проверь куда легло выражение.
• Переименовал ноду уже после drag-and-drop → expression $('старое имя') сломался → верни старое имя или перепиши выражение вручную.
• Впечатал статичное значение через drag вместо обычного текста → лишнее выражение там где значение не меняется → для констант просто впечатывай текст.
• Тащишь из ноды через ветку которая не выполнялась → expression вернёт undefined → проверь что нужная ветка реально дошла до текущей ноды.

Fixed и Expression — два режима любого поля ноды в n8n

Каждое поле в Parameters любой ноды работает в одном из двух режимов. В режиме Fixed значение отправляется ровно так, как ты его написал. В режиме Expression значение пересчитывается на каждом item по JavaScript-формуле внутри {{ }}.

Переключатель Fixed | Expression находится справа от поля. Слева — кнопка Focus parameter и три точки с пунктом Reset Value. Никакой шестерёнки и пункта Add Expression в n8n v2 уже нет.

Как это работает

Режим Fixed — значение статично. Ты пишешь текст, число или выбираешь опцию из списка, и нода отправит именно это.

Режим Expression — значение динамическое. n8n показывает знак = слева от поля, оранжевую подсветку, блок Result и Item, а также кнопку Edit Expression. Формула выполняется заново для каждого входящего item.

Переключить режим можно двумя способами:

• кликнуть Expression в radiogroup справа от поля;
• перетащить поле из панели Input прямо в целевое поле параметра — n8n сам включит Expression и подставит {{ $json.field }} или {{ $('Имя ноды').item.json.field }}.

Переключатель есть в текстовых полях, выпадающих списках и в resource locator (там он появляется третьим табом).

Выбирай Expression, когда значение зависит от данных или времени. Оставляй Fixed, когда значение всегда одинаковое.

Типичные ошибки

• Написал {{ $json.name }} в режиме Fixed → n8n отправит литеральную строку со скобками → переключи справа на Expression или перетащи поле из Input заново.
• Переключил Expression → Fixed в resource locator → выбранный объект исчез → вернись в Expression и подставь id формулой или заново выбери из From list в Fixed.
• Ищешь шестерёнку слева по старым инструкциям → её нет в n8n v2 → используй radiogroup Fixed | Expression справа от поля.
• Перетащил поле из Input, но режим не сменился → отпустил над зоной Drag input fields here соседнего параметра → отпускай строго над нужным полем.
• Написал формулу без знака = → n8n считает её текстом → кликни Expression справа, тогда = появится автоматически.

Запрос к LLM — массив сообщений с ролями

Любой запрос к LLM — это массив объектов, а не один текст. Каждое сообщение в массиве имеет поле role и поле content. Модель смотрит на весь массив сразу и решает, что ответить дальше.

Роль определяет, кто «говорит» в сообщении. От роли зависит, как модель интерпретирует текст внутри content.

Как это работает

• system — задаёт характер, правила и формат ответа. Обычно одно сообщение в начале массива.
• user — реплики человека. Добавляются по мере того, как пользователь пишет новые сообщения.
• assistant — предыдущие ответы самой модели. Их возвращают в массив, чтобы модель помнила контекст.

Модель всегда отвечает новым сообщением с role: "assistant". Если историю не передать, модель видит только последнее user-сообщение и отвечает «с чистого листа».

Типичные ошибки

• Не передавать предыдущие ответы модели обратно как assistant → модель забывает диалог → каждый раз начинай с полного контекста.
• Сложить инструкции и вопрос в одно user-сообщение, забыв про system → правила теряются или выполняются хуже.
• Подменять system на «представь, что ты...» внутри user → модель хуже соблюдает правила, чем когда они заданы в system.
• Класть свои тексты в assistant как «направление» модели → перебор приводит к копированию стиля вместо рассуждения.

Две формы обращения — разница только в источнике

В n8n у одной и той же ноды есть две формы прочитать поле из данных воркфлоу:

{{ $json.business_idea }}
{{ $('Form Trigger').item.json.business_idea }}

Обе достают одно и то же значение, но смотрят в разные места:

• $json — это выход ноды, которая стоит прямо перед текущей. Короткая форма для «возьми поле из предыдущей ноды».
• $('Имя ноды') — это обращение к любой ноде воркфлоу по имени, в том числе к той, что стоит на 2-3-5 шагов раньше.

Когда писать какую

Правило простое:

• Хочешь взять данные у предыдущей ноды (стрелка идёт прямо в текущую) — пиши $json.поле.
• Хочешь дотянуться до ноды глубже по цепочке (между ней и текущей есть промежуточные ноды) — пиши $('Имя ноды').item.json.поле.

Почему короткая форма вообще существует

$json — это просто синоним для $input.item.json, то есть «текущий обрабатываемый элемент входа». А вход текущей ноды формируется из выхода предыдущей. Поэтому $json.поле и $('Предыдущая нода').item.json.поле всегда дают одно и то же значение — пока стрелка идёт напрямую.

$('Имя ноды') нужна там, где короткая форма не справится: между источником и текущей нодой есть промежуточные шаги, которые этого поля уже не передают (например, OpenAI вернул только текст ответа, и поле формы Email к моменту Send Message живёт только в выходе Form Trigger).

Типичные ошибки

• Написал $json.Email в ноде после OpenAI. OpenAI возвращает output, а не Email. Решение — обратиться по имени: $('Form Trigger').item.json['Email'].
• Имя ноды в $('...') не совпадает с подписью на canvas. В expression имя — буквально то, что написано под нодой на canvas. Переименовал ноду — все старые expressions, ссылавшиеся на её прежнее имя, сломаются.
• Забыл .item после имени ноды. Полная форма — $('Имя').item.json.поле. Без .item обращаешься не к данным, а к самой ноде как объекту — поле не найдётся.

Запустить одну ноду, не дёргая весь workflow

Execute step — это кнопка внутри панели ноды (открывается двойным кликом по ноде). По смыслу — младший брат большой кнопки Execute workflow внизу холста: та запускает весь воркфлоу с начала, эта — только текущую ноду. Удобно, когда настраиваешь параметры и хочешь сразу видеть, что отдаёт нода, не перезапуская всю цепочку.

Как это работает

Когда ты жмёшь Execute step, n8n берёт уже существующие данные на входе ноды (output предыдущей ноды из последнего прогона) и прогоняет через эту ноду. Сама нода выполняется реально: HTTP-запрос уходит, запись в базу пишется, письмо отправляется. Это не «сухой прогон», а полноценное выполнение — только одного шага.

Типичный сценарий: запустил весь воркфлоу один раз (Execute workflow), увидел что нода HTTP Request отдаёт не то, поправил поле URL, нажал Execute step — увидел новый результат за секунду. Предыдущие ноды повторно не выполнялись.

Типичные ошибки

• Жать Execute step на ноде, у которой ещё не было входных данных → «No input data», нода не запустится. Сначала прогони весь воркфлоу через Execute workflow или хотя бы триггер вручную, чтобы у каждой ноды появился output.
• Использовать Execute step для проверки изменений в предыдущих нодах → текущая нода работает со старым output, изменения не подхватятся. Если поправил предыдущую ноду — перезапусти её, а потом уже текущую.
• Тестировать ноду с побочным эффектом (запись в БД, отправка письма) на проде → каждый клик создаёт реальную запись. Использовать тестовый credential или временно подменять параметры на безопасные.

Telegram: куда отвечать — в chat.id или from.id

В объекте Message от Telegram Trigger приходят два разных идентификатора: message.chat.id и message.from.id. Они совпадают только в личных чатах, а в группах и каналах ведут себя по-разному. От правильного выбора зависит, получит ли бот ответ и сохранится ли контекст разговора.

chat.id — это идентификатор места, куда отправлено сообщение. from.id — идентификатор человека, который его написал. В поле Chat ID любой ноды отправки Telegram всегда подставляется chat.id. from.id используют для проверки прав, ведения логов и хранения сессий по пользователю.

В приватном чате значения совпадают. В группе или супергруппе chat.id один на всех, а from.id у каждого участника свой. В каналах поле from обычно пустое, вместо него приходит sender_chat.

Как это работает

• message.chat.id — целевой чат для ответа. В группах и каналах отрицательный: у супергрупп и каналов — с префиксом -100, у обычной группы — просто со знаком минус.
• message.from.id — отправитель. Положительное число, одинаковое для пользователя во всех чатах.
• При отправке сообщения боту в группе chat.id указывает на группу, from.id — на конкретного участника.
• Ключ памяти AI Agent (Session ID = Define below) выбирай по задаче: chat.id — одна история на весь чат (в группе — общая для всех участников), from.id — своя история у каждого человека, и в группе, и в личке. В личном чате оба ключа дают одно и то же.
• Бот не может начать диалог первым: попытка отправить по from.id из группы выдаст Forbidden: bot can't initiate conversation with a user.

Типичные ошибки

• В Chat ID ноды Send Message подставлен {{ $json.message.from.id }} → в личке работает, в группе бот молчит или падает с Forbidden: bot can't initiate conversation with a user → замени на chat.id.
• Ключ памяти бота в группе — chat.id, а бот отвечает каждому участнику про его дела → история общая на всех, и бот приписывает одному человеку то, что рассказал другой → ключ памяти — from.id. Общий контекст группы (бот ведёт один разговор со всеми) — наоборот, chat.id.
• В БД хранят chat.id как идентификатор пользователя → при повторном сообщении из группы пользователь не находится → используй from.id для идентификации человека, chat.id — только для адреса чата.
• Сохраняют отрицательный chat.id группы как id пользователя → логика авторизации ломается, потому что у личных чатов минусов быть не может → разделяй: минус = группа/канал, плюс = пользователь.