Как создать контент-завод на n8n: 9 шагов и где ломается

Коротко: как создать контент-завод на n8n: сценарий из девяти шагов берёт тему из таблицы, пишет текст нейросетью и создаёт черновик в CMS. Это важно, потому что готовые шаблоны не проверяют ни факты, ни качество. Завод держится на брифе с источниками, порогах между шагами и человеке, который подтверждает публикацию.

Допустим, блогу нужен поток статей, а писать их некому. Самый быстрый путь — готовый шаблон n8n: тема из таблицы, текст от нейросети, черновик в WordPress. Мы в Звонко разобрали три таких шаблона с n8n.io, и ни в одном нет проверки фактов по источникам и порогов качества. Без них сценарий выпускает тексты быстрее, чем их успевают прочитать. Редактор потом переписывает их заново, а поток страниц без пользы для читателя рискует попасть под политику Google о массовом контенте.

Как работает контент завод на n8n и нейросетях?

Контент-завод на n8n работает как цепочка из семи звеньев, где каждое передаёт результат следующему: источник тем, бриф, черновик от нейросети, проверки, человек, публикация в CMS и учёт. Что такое контент-завод как система с редакционной политикой и четырьмя уровнями, мы разобрали в статье что такое контент-завод, здесь только сборка. Мы в Звонко ведём такой конвейер на практике: кейс с проверкой фактов и порогами разобран ближе к концу статьи.

В n8n каждое звено занимает один-два узла. Тему берут Schedule Trigger и Google Sheets, факты приносит HTTP Request, текст пишет узел модели или AI Agent. Пороги проверяет If, ответа человека ждёт Send and Wait for Response, публикует узел WordPress, статус возвращает Google Sheets. Так устроен контент завод ИИ на уровне узлов: сценарий двигает данные по цепочке и вызывает модель. Какие факты считать верными, какой текст отбраковать и кто отвечает за публикацию, в узлы не зашито: это решает владелец завода.

Как собрать контент завод на n8n: девять шагов с узлами

Собрать контент завод на n8n можно за девять шагов, и у каждого есть свой узел и типичное место поломки.

1. Очередь тем. Узел Google Sheets читает строки со статусом «Новая», запуск даёт Schedule Trigger по интервалу или cron-выражению. Где ломается: часовой пояс. Если он не задан в настройках сценария, n8n на своём сервере (self-hosted) по умолчанию берёт America/New York, и статьи стартуют не тогда, когда вы ждёте. Пропущенные запуски по умолчанию не догоняются.
2. Бриф с проверенными фактами. HTTP Request забирает данные из ваших источников: прайс, регламент, выгрузку из CRM. На выходе — пары из факта и ссылки на источник, которые модель потом цитирует. Где ломается: бриф без источников. Тогда модель додумает факты сама, и проверять на следующих шагах будет нечего.
3. Черновик. Для текста по готовому брифу хватает Basic LLM Chain или узла Anthropic с операцией Message a Model. AI Agent нужен, когда модель сама выбирает инструменты; для статьи по брифу он, по нашему мнению, избыточен. Где ломается: время. На Cloud Starter один запуск идёт не дольше 5 минут (страница цен n8n). В сообществе n8n один пользователь self-hosted n8n сообщил, что AI Agent обрывается с Gateway timed out примерно через четыре минуты при длинном ответе модели, а участники советовали дробить работу на шаги. Официального подтверждения такого лимита в документации мы не нашли.
4. Фактчек. Второй вызов модели получает бриф и черновик и возвращает утверждения, которых в брифе нет. Узлы те же. Где ломается: проверка тем же промптом и той же моделью, что писала текст, пропускает те же ошибки. Нужен отдельный промпт, а лучше другая модель.
5. Пороги. If сравнивает числа с порогами и делит поток на true и false: прошедший текст идёт дальше, остальные возвращаются на черновик с замечаниями. If только сравнивает, а числа для него надо откуда-то взять. В наших источниках нет готового сервиса для этого, поэтому значения (доля ИИ-паттернов, уникальность, грамотность) выдаёт второй вызов модели со шкалой или ваш скрипт, к которому сценарий обращается через HTTP Request. Где ломается: бесконечный возврат. Заведите счётчик кругов и, например, после третьего возврата отправляйте текст человеку.
6. Человек. Операция Send and Wait for Response, например в Slack, ставит сценарий на паузу до ответа. Узел Wait в режимах On Webhook Call и On Form Submitted работает так же, а Limit Wait Time возобновляет сценарий по сроку. Где ломается: молчание. Если сценарий возобновился по таймеру, ветка должна считать это отказом. Telegram документация называет среди каналов одобрения, но в ветке сообщества жалуются: когда Telegram или Gmail подключены как инструмент агента, ссылка одобрения показывает No action required, и агент продолжает ждать. Поэтому испытайте этот канал до запуска.
7. Публикация. Узел WordPress с действием Create a post, для другой CMS — HTTP Request к её API. Ставьте статус черновика: так делает, например, шаблон Tan Yit Shen для WordPress. Где ломается: доступ. Шаблону нужен Application Password WordPress, и права ключа стоит ограничить черновиками.
8. Учёт. Google Sheets с операцией Update Row записывает статус, ссылку на черновик и дату, и по таблице видно, где застряла статья. Где ломается: статус пишется только при успехе, а после сбоя строка вечно висит в работе. Пишите статус в обе ветки.
9. Сбои. Отдельный сценарий с Error Trigger назначается в настройках основного и получает ID выполнения, ссылку на упавший запуск, текст ошибки и последний узел. Где ломается: проверка. Сценарий ошибок срабатывает только на автоматических запусках, вручную его не испытать. Повтор после сбоя тоже опасен: если узел успел создать пост, второй проход создаст дубль. В статье про автоматизацию бизнес-процессов правило звучит так: повтор только после проверки уже выполненных действий.

Промпт для черновика отдельно разобран в материале про написание текста нейросетью.

Какие сервисы контент завода нужны и сколько они стоят?

Для контент-завода на n8n нужны четыре сервиса: сам n8n, API нейросети, таблица тем и CMS. Платите вы в основном за n8n и модель, и на тарифе n8n важна не только цена, но и то, сколько минут может идти один запуск.

Тарифы взяты со страницы цен n8n на 19.10.2026. Если сценарий пишет длинную статью одним запуском, Starter может не успеть, и разница с Pro здесь не в числе выполнений.

Модель оплачивается по токенам: так называют кусочки текста, на которые модель режет вход и ответ. Цены ниже — в долларах за миллион токенов, по прайсам Anthropic и OpenAI на 19.10.2026. Цена Haiku действует для запросов до 100 тыс. токенов, дальше она выше.

Для русского текста прайса мало: важно, сколько токенов модель тратит на тот же текст. Anthropic пишет, что у Claude 4.7 и новее токенайзер даёт примерно на 30% больше токенов на тот же текст, чем прежний, а точный прирост зависит от содержимого. По исследованию Donseo в пересказе www1.ru, русский текст в Claude Opus 5 занял в 3,9 раза больше токенов, чем в GPT-5.5. По тому же пересказу, 1000 знаков вывода стоят около 0,14 ₽ у GPT-5.5 и около 0,53 ₽ у Claude Opus 5 по медианным ценам российских сервисов. Отсюда по нашей прикидке выходит порядка 1,4–5,3 ₽ за один проход по статье в десять тысяч знаков. Это пересказ, а не наш замер, и в нём нет промпта, повторов, проверки фактов и возвратов на доработку, которые умножают сумму, поэтому считайте на своих текстах.

Цену готовой услуги вместо самостоятельной сборки разбирает статья сколько стоит AI контент-завод.

Куда встроить бриф, пороги и человека, чтобы завод не выпускал брак?

Бриф, пороги и человека встраивают в три места цепочки: бриф — перед первым вызовом модели, пороги — сразу после черновика и проверки фактов, человека — перед узлом публикации. В типовых шаблонах n8n этих трёх контрольных точек нет.

Мы в Звонко разобрали три шаблона с n8n.io, и в каждом, судя по описаниям, таких точек не больше одной-двух. Шаблон Billy Christi шлёт черновик на согласование письмом, шаблон Tan Yit Shen создаёт в WordPress только черновик, платный шаблон Daniel Ng добавляет предварительный поиск материалов через Perplexity. Проверки фактов по источникам и порогов качества нет ни в одном из трёх.

На входе поставьте If, который не пускает сценарий дальше, если в брифе пустое поле факта или источника. После черновика добавьте второй вызов модели для проверки фактов и If с порогами. Перед узлом публикации поставьте Send and Wait for Response. Тогда у каждого текста, который уходит на сайт, есть человек, нажавший кнопку, и его можно спросить, почему текст вышел.

Как сделать контент-завод, который не нарушит политику Google?

Чтобы контент-завод не нарушал политику Google, каждая страница должна давать читателю пользу, а факты перед публикацией должен проверять человек. Google оценивает ценность страницы, способ производства критерием не служит.

В спам-политиках scaled content abuse определён как создание многих страниц с основной целью манипулировать позициями, а не помогать пользователям. Среди примеров — использование генеративного ИИ для создания множества страниц без добавленной ценности для пользователей. На странице об использовании генеративного ИИ сказано, что модели не извлекают факты, а предсказывают вероятную последовательность слов, поэтому факты нужно проверять вручную перед публикацией. В руководстве о полезном контенте генерация больших объёмов текста без ручного контроля и отбора названа усилием, близким к нулевому.

Отдельного узла для ручной проверки Google не требует. Но сценарий n8n без проверки фактов, порогов и подтверждения человеком выпускает ровно то, что руководство называет почти нулевым усилием. Эти три шага не гарантируют пользы страницы, зато дают место, где её кто-то оценивает. Ещё в феврале 2023 года Google писал в блоге Search Central, что подходящее применение ИИ правилам не противоречит. Какие SEO-задачи можно отдавать нейросети без вреда сайту, разобрано в статье про нейросети для SEO, а поток страниц на объёме — в материале про SEO-тексты в масштабе.

Где n8n упирается и что он не сделает за вас?

n8n упирается в длительность запуска, память модели, обрывы по сети и очереди из многих статей. Тариф двигает только первое ограничение, остальные решаются устройством сценария.

1. Длинные запуски. На Cloud один запуск ограничен 5 минутами на Starter и 40 на Pro. На self-hosted переменная EXECUTIONS_TIMEOUT по умолчанию равна минус единице, то есть лимита нет, а заданный таймаут срабатывает мягко, после текущего узла (документация).
2. Память. Узлы AI Agent могут использовать память, а цепочки AI нет (документация). В Basic LLM Chain бриф придётся передавать в каждый вызов целиком.
3. Обрывы по сети. На Cloud вебхук, который не ответил за 100 секунд, получает ошибку 524 из-за Cloudflare перед облаком, и для долгих задач документация советует два вебхука: один запускает и сразу отвечает, второй отдаёт результат (документация). На self-hosted в ветке сообщества обрыв на 60 секундах объяснили таймаутом nginx.
4. Очередь. В ветке сообщества AI Agent на GPT-5 mini в цикле по темам падал с ошибкой Request timed out после третьего-четвёртого элемента. Автор ветки уже поднял таймаут до 60 000 мс. Чем это закончилось, из ветки неясно, а другой участник предложил поставить узел Wait между элементами.

Главного n8n за вас тоже не сделает: не решит, какие факты верные, и не заменит редактора.

Чего мы сами не проверяли. Шаблоны с n8n.io разобраны по описаниям, мы их не запускали. Жалобы на обрывы AI Agent, таймауты прокси и Telegram взяты из сообщества n8n, мы их не воспроизводили. Сравнение токенов на русском знаем по пересказу в прессе, отчёт Donseo не видели, а февральский пост Google 2023 года — по пересказам, страница целиком не открылась. Сколько дней уходит на сборку завода с нуля, мы не засекали.

Как запустить контент-завод на n8n на пяти пробных темах

Запускать контент-завод на n8n стоит с маленькой очереди и статуса черновика, а расписание включать последним. Так ошибки видны на пяти текстах, пока их не стало пятьдесят.

1. Таблица. Заведите в Google Sheets пять тем и для каждой столбцы с фактами и ссылками на источники.
2. Короткая цепочка. Соберите очередь тем, черновик и публикацию в статусе черновика и запускайте вручную.
3. Проверки. Добавьте проверку фактов и If с порогами, посмотрите, какие тексты вернулись и почему.
4. Человек и сбои. Подключите Send and Wait for Response и сценарий с Error Trigger, проверьте, что молчание считается отказом.
5. Расписание. Только после этого включите Schedule Trigger с явно заданным часовым поясом.

Как мы в Звонко сделали свой конвейер и что из него переносится в n8n?

Наш конвейер описан как три ИИ-агента и редактор, n8n в этом описании не участвует, поэтому в n8n из него переносится логика шагов, а не конкретные узлы.

По данным кейса Звонко для беттинг-партнёрки из топ-15 рынка (под NDA), конвейер из агентов «Автор», «Факт-чек» и «Оценщик» и живого редактора выпустил 245+ статей за два месяца. Цикл от ТЗ до публикации в CMS сжался с 5 дней до 20 минут. Выпуск вырос до 60+ статей в неделю, раньше редакция из трёх человек давала 20–25. Себестоимость статьи снизилась на 40%. В конвейере Звонко текст проходит три порога: доля ИИ-паттернов не выше 15%, уникальность не ниже 90%, грамотность не ниже 85 баллов. С первого раза их проходят 94–96% текстов, а финальная правка редактора занимает 5–12 минут.

В n8n переносятся три урока. Фактчек ставьте сразу после черновика: по наблюдению команды из кейса, после переноса проверки из конца цепочки возвратов на доработку стало втрое меньше; мы не знаем, сколько их было до этого. Одного порога мало: по одной уникальности проходили тексты из правильных слов в правильном порядке, но без смысла. Редактор остаётся единой точкой ответственности: по оценке команды из кейса, без живой правки статья читалась как «технически правильно, но скучно», а пять минут человека это заметно исправляли. Как устроен наш конвейер на объёме, описано в статье о контент-заводе на тысячу текстов, а внедрение с подрядчиком по десяти шагам — в материале про автоматизацию производства контента.

Если собирать завод самим некогда, мы настроим его под ваши задачи в рамках контент-автоматизации. А чтобы тексты завода попадали в ответы нейросетей, их структуру и разметку проверяем при GEO и AEO-продвижении.

ОБ АВТОРЕ

Дмитрий Зимин Сооснователь Звонко. 12 лет в маркетинге и медиа, бывший главред спортивных СМИ