TL;DR
Kiedy w n8n budować zwykły workflow, a kiedy sięgać po agenta AI? Prosta reguła: jeśli kroki są znane z góry i się nie zmieniają (faktura → odczytaj dane → zapisz w księgowości), wystarczy workflow. Gdy system ma sam decydować, co zrobić w zależności od kontekstu, potrzebny jest agent z węzłem AI Agent, modelem, pamięcią i zestawem narzędzi - tu akurat najlepiej sprawdza się typ 'Tools Agent'.
Osobny wątek to RAG, czyli podpięcie agenta pod wiedzę firmy: dokumenty dzielone są na fragmenty, zamieniane na embeddingi w vector store i wyszukiwane pod kątem pytania użytkownika, zanim model odpowie. Przy bardziej złożonych scenariuszach dochodzi multi-agent - wyspecjalizowani agenci pod nadzorem supervisora, każdy z własnym zestawem narzędzi.
Najczęstszy błąd, na jaki zwraca uwagę autor: budowanie pełnoprawnego agenta tam, gdzie w zupełności wystarczyłby prosty workflow z jednym wywołaniem LLM - lepiej trzymać się zasady 'mniej narzędzi = lepiej' i zostawić człowieka w pętli przy ryzykownych akcjach.
Jak łączyć n8n z AI: agenci, RAG, chatboty z wiedzą firmy, multi-agent. Najpierw najważniejsza decyzja – kiedy zwykły workflow, a kiedy agent. Z praktyki, po polsku.
Czytaj cały wpis u źródła
