Flowise vs n8n: что выбрать для ИИ-автоматизации и LLM-цепочек

Если вы хотите собрать что-то с моделью без кода, на глаза попадаются две программы: Flowise и n8n. Они похожи внешне, на холсте те же блоки и стрелки, но решают разные задачи. Вопрос «flowise vs n8n» стоит решать по тому, что вы запускаете: диалог с пользователем или фоновый процесс. Ниже показано, как каждый ставится у себя, как к нему подключить модель через OpenAI-совместимый API и сколько это примерно стоит.

Flowise vs n8n: в чём разница

Flowise в документации называет себя открытой платформой для создания ИИ-агентов и LLM-сценариев. У него три визуальных конструктора: Assistant (самый простой способ получить ассистента), Chatflow (чат-боты и одиночные агенты, цепочки с поиском, ранжированием и другими приёмами) и Agentflow (многоагентные системы и сложная оркестрация). Узлы Flowise повторяют компоненты LangChain и LlamaIndex: чат-модели, векторные хранилища, память, агенты. Готовый поток встраивается на сайт виджетом или вызывается по API.

n8n описывает себя как инструмент автоматизации рабочих процессов с лицензией fair-code, в который добавлены ИИ-возможности. Его сильная сторона — запуск: расписание, вебхук, событие в стороннем сервисе. Модель в нём один из шагов, для неё есть узлы AI Agent и Basic LLM Chain.

Грубое правило: если у потока есть собеседник, смотрите на Flowise. Если у потока есть расписание или событие, смотрите на n8n.

Запуск у себя

Обе программы можно использовать в облаке, но вопрос про self-hosting задают чаще всего, поэтому вот минимум.

Flowise требует Node.js (в README проекта указана версия 20.0.0 или новее):

npm install -g flowise
npx flowise start

Интерфейс откроется на http://localhost:3000. Вариант с Docker: в репозитории проекта есть каталог docker, в нём копируете .env.example в .env и запускаете docker compose up -d.

n8n лучше ставить через Docker Compose, это рекомендованный способ в их документации. Быстрая проверка одним контейнером:

docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 \
  -e GENERIC_TIMEZONE="Europe/Moscow" -e TZ="Europe/Moscow" \
  -v n8n_data:/home/node/.n8n n8nio/n8n

Интерфейс на http://localhost:5678. Не забудьте про данные: том n8n_data хранит ваши сценарии и учётные данные. В документации n8n отдельно предупреждено, что самостоятельное развёртывание подразумевает опыт работы с серверами, а ошибки могут привести к потере данных и проблемам безопасности. То же верно для Flowise: если открываете его в интернет, закройте авторизацией и обновляйте.

Подключение модели

Нужен ключ fetch_... из кабинета↗ и адрес https://api.zukko.pro/v1. Формат запросов описан в справочнике chat/completions↗.

Flowise

1. В холсте возьмите узел ChatOpenAI из группы Chat Models.
2. В Connect Credential создайте учётные данные и вставьте fetch_....
3. Откройте Additional Parameters и в поле Base Path укажите https://api.zukko.pro/v1. В документации Flowise этот приём описан для всех совместимых с OpenAI сервисов.
4. В поле Model Name впишите ID, например gpt-6.1-sol.

Для сервисов с OpenAI-совместимым API у Flowise есть и отдельный узел ChatLocalAI, где тоже задаётся Base Path. Если Flowise работает в Docker, а локальная модель на хосте, вместо localhost пригодится host.docker.internal; на Linux в документации предложен адрес шлюза Docker. С нашим шлюзом это не нужно, он доступен из интернета. Подробнее в статье Flowise и Zukko↗.

n8n

Создайте учётные данные OpenAI с ключом fetch_.... Если в вашей версии у них есть поле Base URL, укажите https://api.zukko.pro/v1: тогда узел OpenAI Chat Model будет ходить через шлюз. Если такого поля нет или список моделей не подтягивается, используйте узел HTTP Request: POST на https://api.zukko.pro/v1/chat/completions, заголовок Authorization: Bearer fetch_..., в теле model и messages. Для пользователей OpenRouter переезд сводится к смене адреса, ключа и имён моделей, список шагов есть в статье Переезд с OpenRouter↗, а общий пример для n8n в n8n: автоматизация с Claude и GPT↗.

Два примера

Виджет с ответами по FAQ (Flowise). Chatflow: документы с вопросами и ответами, поиск по ним, чат-модель и память диалога. Результат встраивается на сайт. Нагрузка непредсказуемая: приходят посетители, а не расписание. Здесь важны история диалога и ограничение расхода.

Ночная сводка новостей (n8n). Триггер по расписанию, запрос RSS, цикл по записям, модель делает краткое резюме каждой, итог уходит в Telegram. Нагрузка предсказуема: одно и то же число запросов каждую ночь.

Сколько стоит

Цены на 18 октября 2026, за 1M токенов.

Виджет: 3 000 ответов в месяц, в каждом 3 000 токенов входа (история и найденные фрагменты) и 300 токенов выхода, модель claude-sonnet-5-5 (вход 0.4, выход 2). На ответ: 3 000 × 0.4 + 300 × 2 = 1 200 + 600 = 1 800 микродолларов. На месяц: 1 800 × 3 000 = 5 400 000 микродолларов, то есть $5.40. Это расчёт без кэша, в OpenAI-формате.

Сводка: 200 записей в сутки, по 1 500 токенов входа и 150 токенов выхода, всего 300 000 входных и 30 000 выходных токенов в сутки.

• glm-5.3-flash (0.04 / 0.04): 0.3 × 0.04 + 0.03 × 0.04 = 0.012 + 0.0012 = $0.0132 в сутки, за 30 дней $0.396.
• gpt-6.1-sol (0.27 / 1.32): 0.3 × 0.27 + 0.03 × 1.32 = 0.081 + 0.0396 = $0.1206 в сутки, за 30 дней $3.618.

Хватит ли для краткого пересказа дешёвой модели, покажет проверка на вашем материале. Список моделей и цены: GET https://api.zukko.pro/v1/models. Для автоматического процесса задайте ключу дневной лимит в долларах: если сценарий зациклится, он упрётся в лимит и получит 429, а не сожжёт баланс. Пополнение через СБП (комиссия платёжной страницы 8,5% сверху), криптовалюту или карты MasterCard.

Что выбрать

• Нужен чат на сайте или внутренний ассистент с памятью и базой документов: Flowise.
• Нужно связать сервисы, сработать по событию или по времени: n8n.
• Нужно и то и другое: поставьте оба. Flowise отдаёт готовый поток по API, а n8n вызывает его узлом HTTP Request.
• Ничего не хотите администрировать: берите облачные версии, условия смотрите на сайтах проектов.

Частые вопросы

Flowise и n8n можно использовать бесплатно?

Оба можно развернуть у себя, но вы платите за сервер и за токены модели. Условия лицензий и облачных тарифов смотрите на сайтах проектов, мы их не приводим.

Какая модель нужна для агентов?

Агентам нужен вызов инструментов. Проверьте его на вашей модели одним тестовым сценарием, а затем выбирайте по цене и контексту. Для начала подойдёт claude-sonnet-5-5 или gpt-6.1-sol.

Почему Flowise ругается на модель или ключ?

Чаще всего неверный Base Path: нужен https://api.zukko.pro/v1, с суффиксом. Если приходит 401, ключ введён с пробелом или не fetch_....

Где смотреть расход?

В разделе «Использование» кабинета и через API баланса и истории списаний, ссылки на них есть в документации.