Готовые шаблоны

Шаблон здесь — это готовый воркфлоу целиком: ноды, провода и часть настроек, которые можно за два клика положить себе и править дальше как свой собственный. Таких шаблонов десять, и все они собраны вокруг чата.

Все десять импортируются и запускаются на бесплатном тарифе: ни один шаблон не требует платной ступени, не использует свои ключи к моделям и не содержит нод, недоступных на free. Ограничения тарифа остаются прежними — всего воркфлоу пять, опубликован одновременно один, и опубликовать импортированного бота на бесплатном тарифе можно только в публичный чат; Telegram, вебхук и расписание живут на платном.

Полная таблица — «Лимиты тарифов».

Три способа получить готовый граф

Импорт — это обычное создание воркфлоу, поэтому он подчиняется тем же ограничениям: квота на число воркфлоу и allow-список нод тарифа проверяются на сервере. Если квота исчерпана, импорт откажет ровно так же, как отказала бы кнопка «создать».

Что придётся донастроить

Модель не задана ни в одном шаблоне

Во всех девяти шаблонах, где есть нода LLM, её конфигурация пустая. Это сделано намеренно: доступный список моделей зависит от тарифа и от того, какие ключи подключены, так что зашитая в шаблон модель у части читателей просто не существовала бы, и импорт падал бы ещё до редактора.

Ни на проверке, ни на запуске это не всплывает. У поля «Модель» есть значение по умолчанию — первая модель каталога, — поэтому импортированный шаблон стартует именно на ней, а проверка графа (Проверить) молчит и отчёт остаётся пустым. Выбрать модель самому всё равно стоит — не потому, что иначе будет ошибка, а потому, что дефолт каталога может оказаться не тем, что нужно этому воркфлоу: другая цена, другое качество, другой язык. Занимает это десять секунд: открыть ноду LLM и выбрать модель из каталога. Как открывается окно настроек — в «Настройке ноды».

REPLACE_WITH_YOUR_KB_ID в двух шаблонах

В rag-kb и support-rag-agent у ноды База знаний поле kb_id заполнено литералом REPLACE_WITH_YOUR_KB_ID. Поле не пустое, поэтому валидатор считает источник знаний указанным и тоже молчит.

И запуск не падает — это хуже, чем падение. Поиск честно отвечает, что база не найдена: контекстом вниз по графу уезжает строка вида Knowledge base 'REPLACE_WITH_YOUR_KB_ID' not found. В rag-kb она видна прямо в ответе. В support-rag-agent её увидит только модель: агент получит эту строку вместо документов и ответит по ней — вежливо, уверенно и мимо. При этом ран считается успешным и полностью тарифицируется.

Лечение: создать базу знаний (см. «Базы знаний и RAG») и выбрать её в ноде База знаний вместо литерала.

Десять шаблонов

Четыре чат-заготовки на одном каркасе

Простой LLM-чат, FAQ-бот, Суммаризатор текста и Переводчик — это один и тот же граф из четырёх нод: Вход → ИИ-агент → Выход, плюс LLM, подключённая к агенту конфигурационным проводом link_llm. Различаются они только системным промптом агента: у «Простого LLM-чата» он пуст, у остальных трёх написан под задачу (у FAQ-бота — прямо с пометкой «настройте под свой продукт»).

Практический вывод: если вам нужен «бот про X», берите любую из четырёх и перепишите промпт — разница между ними целиком в тексте. Почему модель подключается сбоку, а не в цепочку, — в «Проводах».

Чат с памятью диалога

Тот же каркас плюс Оконная память на порт Memory агента. Память хранит последние сообщения (по умолчанию — десять) в пределах треда и подмешивает их в каждый запрос; без неё бот не помнит предыдущую реплику. Настроить: модель и, при желании, размер окна. Что именно считается «сессией» — в «Состоянии».

RAG по базе знаний

Единственный шаблон без модели вообще: Вход → RAG-запрос → Выход, а База знаний подключена к поиску проводом данных и задаёт ему параметры (по умолчанию пять фрагментов, порог релевантности 0). Ответом пользователю уезжает сам найденный текст, без пересказа моделью. Это полезно как проверка качества поиска: если нужные абзацы не находятся здесь, добавление агента сверху их не спасёт. Настроить: базу знаний, дальше — top_k и порог.

Бот поддержки (RAG + агент)

Полная связка: Вход → RAG-запрос → ИИ-агент → Выход, где База знаний питает поиск, а LLM — агента. Вопрос пользователя идёт в поиск, найденный контекст приходит агенту на вход, агент формулирует ответ. Системный промпт у агента пустой — это первое, что стоит написать: чем боту заниматься нельзя и что делать, когда в контексте пусто.

Агент с веб-поиском

Каркас чат-заготовки плюс Веб-поиск, подключённый в порт Extensions агента как инструмент. Агент сам решает, нужен ли поиск, и вызывает его. Поиск идёт через DuckDuckGo, отдельный ключ не нужен; в настройках ноды задаётся число результатов (по умолчанию пять). Это не то же самое, что платный веб-поиск через провайдера модели, — разница разобрана в «Веб-поиске». Настроить: модель.

Извлечение структурированных данных

Вход → LLM со структурированным выводом → Выход; модель подключена к ноде тем же link_llm. В шаблоне уже лежит схема-пример из трёх полей — name, email, summary, обязательное из них одно (summary). Выход — JSON по этой схеме, а не текст, поэтому его удобно вести дальше в базу, письмо или CRM. Настроить: модель и схему под свои поля.

Ответ агента по шаблону

Вход → ИИ-агент → Шаблон → Выход. Шаблон содержит {{ nodes.agent.output }} с заголовком-обёрткой, то есть ответ агента подставляется в фиксированную форму — так делают единый вид ответов (подпись, дисклеймер, разметка). Ссылка nodes.agent указывает на id ноды агента; при переименовании id прямо в редакторе ссылки в шаблонах переписываются автоматически, а вот при ручной сборке графа за этим надо следить. Синтаксис — «Шаблоны». Настроить: модель и текст шаблона.

Мелочи, которые всплывают на практике

• Ноды в шаблонах подписаны по-русски (Вход, Агент, Ответ) — это подписи внутри графа, а не элементы интерфейса, и язык интерфейса на них не влияет. Переименовать ноду можно двойным кликом по её заголовку.
• Шаблон — это копия, а не связь. После импорта воркфлоу ваш: правки шаблона на стороне платформы к вам не приезжают, а ваши правки ничего не ломают.
• Импорт не публикует. Созданный из шаблона воркфлоу — черновик; чтобы им можно было пользоваться, его надо сохранить и опубликовать на вкладке Публикация (см. «Публикацию» и «Веб-чат»).
• Границы графа трогать осторожно. Один Вход и хотя бы один Выход — жёсткое требование; подробности в «Входе и выходе».