Промпт для AI-агента автоматизации решает одну конкретную проблему: агент, который в диалоге выглядит умным, в workflow без присмотра начинает додумывать trigger, забывать контекст между запусками и выполнять действия, которые вообще-то требовали сог…
10+ лет в маркетинге, 300+ клиентских проектов: сайты, реклама, боты. Создатель GoBanana (228K+ пользователей, 11.6 млн ₽ выручки) и VibeCoderz. Делаю AI-продукты сам через Claude Code, Cursor, Windsurf и консультирую тех, кто хочет так же.
Об авторе →Claude Code: новый CLI-агент от Anthropic
Anthropic выпустила Claude Code — терминальный AI-агент для разработчиков. Инструмент работает прямо в командной строке и умеет писать, редактировать и запускать код.
Zcode AI: Полный гид по визуальному интерфейсу для Claude Code и AI-агентов
Узнайте, как использовать Zcode для управления Claude Code, Gemini и Codex в едином GUI. Настройка провайдеров, MCP-серверов и визуальный вайбкодинг.
YouTube-канал с монетизацией из любой точки мира: Пошаговый гайд 2026
Инструкция по созданию YouTube-канала: обход блокировок SMS, настройка расширенных функций через виртуальные номера и правила безопасности для монетизации.
Windsurf Code Maps: Как глубоко понимать архитектуру проекта перед написанием кода
Полный гайд по Windsurf Code Maps, модели Sway 1.5 и Sway Grep. Узнайте, как визуализировать архитектуру кода и ускорить разработку в 13 раз.
Vk Fast Cash Strategy
Аудитория ВКонтакте — это те же люди, что и в Instagram, но 'социальный контракт' площадки другой. Если Instagram — это 'дорогой ресторан' с демонстрацией успеха, то VK — это 'душевная шашлычная'. Здесь не работает глянцевый 'успешный успех
Промпт для AI-агента автоматизации решает одну конкретную проблему: агент, который в диалоге выглядит умным, в workflow без присмотра начинает додумывать trigger, забывать контекст между запусками и выполнять действия, которые вообще-то требовали согласования. Ниже разберем, как за один заход собрать промпт с trigger, tools, памятью (memory) и approval-шагом, и дадим готовый шаблон под n8n, Claude Code и Make.
В статье: структура промпта для автоматизации из шести блоков, разбор trigger и memory на реальных примерах n8n, готовый шаблон для копирования и таблица под три платформы. Обновлено: июль 2026.
Промпт для автоматизации это не инструкция для диалога, а конфигурация без человека рядом. Он обязан закрыть trigger, инструменты, память и правила эскалации заранее, одним текстом.
Разница простая: обычный чат-промпт живет в разговоре, где вы в любой момент поправите модель. Промпт для AI-агента автоматизации запускается trigger-ом и работает до конца самостоятельно, поэтому каждая недосказанность превращается в ошибку в проде.
Мы в VibeCoderz называем это "полным контекстом за один заход": роль, что вызывает агента, какими инструментами он пользуется, что он помнит между запусками и что делает, если не уверен в ответе. Пропустишь один пункт, и агент либо зависнет на входе, либо начнет фантазировать вместо того, чтобы честно сказать "не знаю, эскалирую".
Для новичков поясним на бытовом примере. Хороший промпт для автоматизации похож на инструкцию для нового сотрудника, который выходит на смену один, без наставника рядом. Ему нужно заранее объяснить, что делать при звонке клиента, куда записывать результат и когда звать руководителя, а не оставлять "разберешься по ходу".
Trigger это событие, которое запускает workflow: webhook, расписание, ручной запуск или сообщение в чате. Без явного trigger в промпте агент не понимает, реагирует он на разовый запрос или на постоянный поток данных.
В n8n у trigger-узла всегда есть значок молнии, и с него начинается любой workflow: без него автоматизацию можно запустить только вручную из редактора. Webhook-триггер считается самым востребованным типом, потому что реагирует мгновенно на событие в другом сервисе, будь то заказ в CRM или новая заявка с формы.
Расписание (Schedule Trigger) работает иначе: n8n сам проверяет часы и запускает workflow в заданное время, как классический cron в Unix. Это подходит для ежедневных отчетов, а не для мгновенной реакции на клиента.
В Claude Code с апреля 2026 действует похожая логика через Routines: агент можно привязать к расписанию, к вебхуку от внешней системы или к событию в GitHub, например к открытому pull request. Важная деталь для промпта: раз approval mid-run отсутствует, именно четкость формулировки trigger и границ определяет, не натворит ли агент лишнего между запусками.
В промпте trigger описывайте так: "Агент запускается, когда [событие]. До агента происходит [что]. После агента результат уходит в [куда]." Три предложения, а не два абзаца, зато агент сразу понимает свое место в workflow.
Агенту нужен минимальный набор инструментов с четким описанием, когда каждый вызывать, а не весь доступный список "на всякий случай". Лишние tools увеличивают шанс, что агент выберет не тот путь.
Принцип минимальных привилегий работает и для промптов, и для настройки доступа: агенту дают ровно те tools, которые нужны для его конкретной задачи, а не полный набор коннекторов проекта. Это снижает риск и заодно облегчает агенту выбор, потому что меньше вариантов, меньше шанс ошибиться.
Хороший формат описания tool в промпте: название, зачем нужен, условие вызова. Например: "Pinecone RAG search: искать релевантные шаги устранения неполадок перед составлением ответа клиенту." Без условия "когда вызывать" агент либо дергает инструмент на каждом шаге, либо игнорирует его вовсе.
Для сложных сценариев одному агенту сложно удержать сразу пять-семь инструментов в голове. В таких случаях в Claude Code делят работу на суб-агентов: главный агент координирует, а специализированные суб-агенты с собственным контекстным окном и своим набором tools закрывают отдельные куски задачи. В n8n похожий эффект дает разбивка workflow на модули через workflow-линки, где один процесс вызывает другой с четко определенными входом и выходом.
Memory хранит историю взаимодействий агента между сообщениями или запусками. Для короткого сценария хватает 10-15 сообщений, для многошагового сбора требований, как в meta-prompting агентах, закладывают 50 и больше.
В одном из разобранных workflow на n8n агент для создания промптов использует Simple Memory с окном в 50 последних взаимодействий на модели с контекстом в миллион токенов. Число специально завышено: пользователь может вернуться на два шага назад и переформулировать ответ, и агенту в конце разговора нужна вся история целиком, а не последние пять сообщений.
Для автономных агентов без чат-триггера, которые запускаются по расписанию, session ID приходится передавать вручную, потому что нет живого диалога, который бы естественно привязал память к конкретному пользователю. Это частая причина, почему агент "теряет память" после первого же запуска по cron: session ID не зафиксирован в промпте явно.
Лиза: «Раньше я вручную разбирала 15-20 видео на один смарт-конспект, часа четыре уходило. Написала скрипт в Google Таблицах: закидываешь ссылки, дальше транскрибация и разбор по 15 критериям сам проходит. Четыре часа схлопнулись в 5,5 минуты, и это была просто память процесса, зафиксированная один раз в промпте.»
В промпте прописывайте memory через три параметра: сколько сообщений или запусков хранить, откуда берется session ID (из чата, из webhook payload, вручную), и что конкретно агент обязан помнить между запусками (например, уже заданные вопросы, чтобы не повторяться).
Approval-шаг это точка, где агент обязан остановиться и получить подтверждение человека перед необратимым действием. Без него автономный агент рано или поздно совершит то, что нельзя откатить.
По умолчанию у автономных cloud-агентов вроде Claude Code Routines нет всплывающего запроса на разрешение посреди запуска, поэтому вся безопасность держится на границах, заданных заранее. Стандартный паттерн: агенту разрешено открывать pull request в отдельную ветку, но запрещено пушить в основную или деплоить самостоятельно, а слияние всегда проходит через ревью человека.
Для агентов поддержки логика похожая: агент отвечает клиенту сам, только если уверен в решении, а при любом сомнении выставляет escalate: true и передает тикет человеку, вместо того чтобы гадать. Именно это поле в выводе агента и есть approval-шаг в его самом простом виде.
Удобный формат для промпта: четырехуровневая лестница автономности. Уровень 1 - агент только предлагает вариант. Уровень 2 - готовит черновик, человек применяет. Уровень 3 - применяет низкорисковые изменения, но публикация требует approve. Уровень 4 - делает все сам, но с полным журналом действий. Для первого запуска workflow разумно стартовать с уровня 2 или 3, а не сразу с четвертого.
Рабочий промпт для агента состоит из шести блоков: роль, контекст с trigger, tools, memory, инструкции с approval-условием и формат вывода. Шаблон ниже можно скопировать и адаптировать под свою задачу.
Собираем все разобранные части в один шаблон. Заполняйте квадратные скобки под свой сценарий, порядок блоков менять не советуем: агент читает промпт сверху вниз и опирается на предыдущие блоки при трактовке следующих.
РОЛЬ
Ты - [название агента]. Закрываешь задачу: [конкретная функция одним предложением].
КОНТЕКСТ И TRIGGER
- Агент запускается: [webhook / расписание / событие в чате]
- До агента: [что происходит перед запуском, откуда приходят данные]
- После агента: [куда уходит результат, кто или что его дальше обрабатывает]
ИНСТРУМЕНТЫ
- [Tool 1]: применяй когда [условие]
- [Tool 2]: применяй когда [условие]
- Не используй инструменты, которых нет в этом списке
ПАМЯТЬ
- Храни последние [N] сообщений/запусков
- session ID бери из [источник]
- Обязательно помни между шагами: [что именно]
ВХОДНЫЕ ПЕРЕМЕННЫЕ
- [переменная 1]: [что содержит]
- [переменная 2]: [что содержит]
ИНСТРУКЦИИ
1. [шаг]
2. [шаг]
3. Если [условие неуверенности] - не угадывай, эскалируй по правилу ниже
APPROVAL-ШАГ
- Требует подтверждения человека: [список действий]
- Формат запроса: escalate = true, reasoning = "[почему]"
- Без approve агент не выполняет действия из списка выше
ФОРМАТ ВЫВОДА
JSON: { "action": "...", "escalate": true/false, "reasoning": "..." }
ПРАВИЛА
- Никогда не [жесткое ограничение]
- Всегда [обязательное действие]
- При нехватке данных - эскалация, а не догадкаТакая структура закрывает 80-90% случаев: агент поддержки, агент-триагер входящих заявок, агент для проверки pull request, агент сбора требований для других агентов. Меняется содержимое блоков, но не их порядок.
Для потоковых задач с высоким объемом запусков цена токена важнее пиковых возможностей модели. Для агентов с редкими, но сложными решениями выгоднее взять более сильную модель.
Автоматизация обычно работает не разово, а на потоке: сотни или тысячи запусков в месяц через webhook или расписание. При таком объеме цена за миллион токенов ощутимо влияет на экономику workflow, поэтому для рутинных агентов чаще берут не самую мощную модель, а лучшее соотношение цены и качества по SWE-bench.
| Модель | Цена (input/output за 1M токенов) | SWE-bench Verified | Когда ставить в агента |
|---|---|---|---|
| Claude Sonnet 4.6 | $3 / $15 | 79.6% | Агенты со сложной логикой и approval-шагами |
| Gemini 3.1 Pro | $2 / $12 | 80.6% | Большой контекст workflow, длинная память |
| DeepSeek V4 Flash | $0.14 / $0.28 | ~79% | Высокочастотные простые агенты-триагеры |
| GPT-5.4 Mini | $0.75 / $4.50 | - | Бюджетный вариант с сильным reasoning |
| MiniMax M3 | $0.30 / $1.20 | 80.5% | Open-weights агенты с большим объемом запусков |
Данные по моделям актуальны на июнь 2026 и меняются часто, перед запуском в прод стоит свериться с текущим прайсом провайдера.
n8n дает визуальный конструктор с полным контролем над нодами и self-host, Claude Code сильнее в работе с кодом и репозиториями, Make проще для несложных сценариев, но упирается в лимиты при масштабировании.
Все три инструмента понимают одну и ту же структуру промпта: роль, контекст, tools, память, инструкции, формат вывода. Разница в том, как платформа технически реализует trigger и хранение сессии.
| Платформа | Trigger | Память | Лучше всего для |
|---|---|---|---|
| n8n | Webhook, Schedule, Chat, App-триггеры | Simple Memory node, session ID вручную для авто-агентов | Сборка workflow из десятков сервисов, self-host |
| Claude Code | Расписание, webhook, событие GitHub (Routines) | Контекст сессии + CLAUDE.md, файлы состояния между запусками | Агенты, работающие с кодом и репозиториями |
| Make | Webhook, Schedule, App-триггеры | Data Store между сценариями | Простые линейные автоматизации без глубокой кастомизации |
Для вайбкодеров, которые уже используют https://vibecoderz.ru/item/claude-code для разработки, логично отдать Routines все, что связано с кодом и pull request, а n8n оставить для интеграций между внешними сервисами: CRM, почта, Telegram, таблицы.
Максим: «Портал VibeCoderz мы собрали за неделю тремя скриптами, которые голосом наговорили в Claude Code. Разница между тем, кто просто вайбкодит руками, и тем, кто строит агентов с триггером и памятью, в том, что второй запускает процесс один раз и потом только читает результат.»
Три повторяющиеся ошибки: агент без явного trigger, память без session ID для авто-запусков и отсутствие approval-условия для необратимых действий. Все три легко поймать до продакшена.
Первая ошибка - trigger описан общими словами вроде "агент реагирует на события". Агент не понимает, что считать событием, и либо не запускается, либо запускается на каждый чих. Формулируйте trigger конкретно: конкретный webhook, конкретное расписание, конкретный тип события.
Вторая ошибка - память настроена для чата, а агент работает по расписанию. Без явного session ID каждый запуск стартует с чистого листа, и агент переспрашивает то, что уже выяснял вчера. Проверяйте отдельно: есть ли у автономного агента источник session ID, не завязанный на живой диалог.
Третья, самая дорогая ошибка - агенту разрешили любое действие без approval-условия. Даже если сегодня агент справляется на 95% запусков, оставшиеся 5% без эскалации превращаются в тикеты поддержки, испорченные данные или деплой без ревью. Формула простая: необратимое действие всегда за approval-шагом, обратимое можно доверить агенту целиком.
Отдельно стоит проверить формат вывода. Если агент отдает свободный текст вместо структуры вроде JSON, следующий узел workflow в n8n или Make получает данные, которые приходится дополнительно парсить, а это лишняя точка отказа в автоматизации.
Чем промпт для AI-агента автоматизации отличается от обычного промпта для чата? Обычный промпт рассчитан на диалог, где человек поправляет агента на каждом шаге. Промпт для автоматизации закрывает trigger, tools, memory и approval заранее, потому что во время запуска рядом с агентом никого нет.
Нужен ли approval-шаг, если агент работает в тестовом режиме? Да. Даже в тесте лучше сразу заложить escalate-поле, чтобы не переписывать логику при переходе в прод, где цена ошибки выше.
Сколько сообщений хранить в memory для агента поддержки или продаж? Для коротких сценариев хватает 10-15 сообщений. Для сложных агентов с многошаговым сбором информации закладывайте 50, как в примере с meta-prompting агентом на GPT 4.1.
Можно ли использовать один и тот же промпт в n8n, Claude Code и Make? Структуру роль, контекст, tools, memory, инструкции, формат вывода можно переносить почти без изменений. Меняется только то, как каждая платформа технически реализует trigger и хранение памяти.
Что делать, если агент не может найти информацию для ответа? Пропишите прямой запрет на угадывание и обязательную эскалацию человеку с полем reasoning, чтобы было видно, почему агент не справился.
Как понять, что агенту не хватает контекста в промпте? Если агент в логах регулярно переспрашивает то, что уже было на предыдущем шаге workflow, или подставляет случайные значения вместо входных переменных, контекста не хватает.
Обязательно ли использовать JSON для вывода агента? Не обязательно, но для workflow это удобнее: следующий узел в n8n или Make получает предсказуемую структуру вместо свободного текста, который приходится парсить отдельно.
Если хотите собрать такого агента под свой процесс, а не переписывать чужой шаблон, посмотрите разборы инструментов в каталоге AI-инструментов VibeCoderz или запишитесь на консультацию к Максиму: https://t.me/maxnagovitsyn.
Обновлено: июль 2026.