לעסק קטן בישראל שבוחר בין n8n ל-Make, הכלי הנכון לסוכני AI שזוכרים לקוחות, מסמכים והחלטות קודמות הוא n8n, והאינטגרציה החדשה שלו עם Cognee היא מה שהופך את הזיכרון הזה למעשי. Make מתאים לתהליכים ליניאריים של "אם זה אז זה"; n8n הוא הבחירה כשהתרחיש דורש סוכן LLM עם מצב ששורד בין שיחות.
בפוסט חדש בבלוג של n8n, Veljko Kovac מ-Cognee מסביר למה כל קריאה ל-LLM מתחילה מאפס ואיך לפתור את זה. זיכרון קצר-טווח מחזיק את השיחה הפעילה; זיכרון ארוך-טווח יושב במאגר חיצוני - vector DB, graph או שילוב - שהסוכן כותב אליו ושואב ממנו לפני כל קריאה. כך צ'אטבוט חד-פעמי הופך לסוכן שזוכר העדפות לקוח, פניות קודמות ותוצאות.
מה זה משנה לעסק קטן בישראל
קונקרטית: בוט תמיכה של קליניקה מפסיק לשאול את המטופל את מספר התיק בפעם החמישית, סוכן מכירות של סטודיו זוכר שלקוחה מעדיפה שיעורי ערב, ופייפליין של משרד עורכי דין יודע אילו סעיפי חוזה כבר נפסלו ברבעון הקודם. אפשר לחבר את Cognee כצומת של "מוח ארגוני" משותף שכל workflow שואל ממנו - דפוס שמתלבש טבעית מעל פייפליין לניתוח מכרזים שבניתי, שבו כל מכרז חדש נהנה מהלקחים של מאה הקודמים. העלות צנועה: מופע קטן של Postgres או Qdrant פלוס קריאות embedding, בדרך כלל רק כמה עשרות שקלים בחודש (a few dollars).
למה זה חשוב: זיכרון הוא ההבדל בין סוכן הדגמה לסוכן שמחזיר את ההשקעה בשבוע השני - תכננו את שכבת האחסון מהיום הראשון, לא אחרי ההשקה.
מקור: n8n Blog