Для малого бизнеса в России, выбирающего между n8n и Make, ответ такой: n8n выигрывает, когда нужны ИИ-агенты, помнящие клиентов, документы и прошлые решения, а свежая связка n8n + Cognee делает такую память рабочей на практике. Make подходит для линейных сценариев "если это - то то"; n8n - правильный инструмент, когда в процессе нужен LLM-агент с состоянием, которое переживает перезапуск сессии.
В новой статье в блоге n8n Велько Ковач из Cognee объясняет, почему каждый вызов LLM стартует с нуля и как это починить. Короткая память держит текущую сессию; долговременная живет во внешнем хранилище, куда агент пишет и откуда читает перед каждым вызовом - векторная база, граф или гибрид. В сумме это превращает одноразовых чат-ботов в агентов, которые помнят предпочтения клиента, прошлые обращения и их исход.
Что это меняет для малого бизнеса
Конкретно: бот поддержки перестает в пятый раз спрашивать номер заказа, продажник помнит, что этому клиенту цифры нужны в евро, пайплайн по документам знает, какие пункты договора уже не прошли проверку в прошлом квартале. Cognee удобно подключить как общий узел "мозг компании" и дергать его из любых воркфлоу - схема естественно ложится поверх пайплайна анализа тендеров, который я собрал, где каждая новая закупка выигрывает от уроков предыдущей сотни. По деньгам скромно: небольшой инстанс Postgres или Qdrant плюс вызовы эмбеддингов, обычно примерно до 300 руб. (несколько долларов) в месяц на объемах малого бизнеса.
Почему это важно: Память - это то, что отличает демо-агента от того, который реально отрабатывает себя на второй неделе; слой хранения планируйте с первого дня, а не после запуска.
Источник: n8n Blog