AI-агенты в n8n: где no-code ломается в проде

На форуме n8n почти одновременно сошлись три сигнала.

Баг в HTTP Request node версии 2.38.5: узел получает от вебхука другого workflow валидный JSON, но вместо реальных значений подставляет обратно строки-шаблоны вида `{{ $json.property }}` - следующие узлы получают текст с фигурными скобками вместо данных.

Рядом - свежее объявление фрилансера: фиксированные £95 за диагностику одного n8n-воркфлоу до 30 узлов, статическая проверка на битые связи, отключённые узлы, вебхуки без авторизации и захардкоженные секреты. И в блоге самого n8n - материалы про reflection pattern и про то, что агентов нельзя строить одним промптингом.

Все три сигнала - про один и тот же разрыв: агента легко собрать, и совсем не легко довести до состояния, в котором ему можно доверить прод.

No-code конструкторы вроде n8n выигрывают на первом шаге: собрать агента, который дёргает пару API и модель, - дело часов.

Время до первого результата минимальное, и именно поэтому такие инструменты быстро долетают до отдела продаж или поддержки. Проблема начинается дальше.

Баг с re-templating молчит: воркфлоу не падает, не пишет ошибку - он просто передаёт дальше мусор вместо данных, и это вскрывается, когда клиент получает письмо с `{{ $json.name }}` вместо своего имени.

Список из объявления о платном аудите - те же классы дефектов: нет ретраев на внешних вызовах, вебхук принимает запрос без проверки подписи, секрет лежит открытым текстом в экспорте воркфлоу.

Ни один из этих дефектов не заметен на демо-прогоне.

На проде каждый из них приводит к утечке данных, потере заявки или испорченному письму клиенту.

Блог n8n формулирует это прямо: reflection pattern - агент генерирует ответ, критикует его и правит - один из четырёх базовых паттернов агентности наряду с tool use, планированием и мультиагентными сценариями.

Идея рабочая, но у неё есть цена, которую отдельный материал в том же блоге называет прямо: чем больше раз вы просите модель саму оценить собственный результат, тем больше точек, где она может галлюцинировать заново.

Самопроверка LLM силами той же LLM стоит дополнительных вызовов модели и добавляет ещё один шанс ошибиться в том же месте, где она уже ошиблась.

Это мнение практиков n8n, не подтверждённое отдельным исследованием, но оно совпадает с тем, что видно на живых воркфлоу: агент, который сам себя хвалит, пройдёт через два круга reflection и всё равно отдаст на выходе те же фигурные скобки вместо значения - потому что ошибка сидела в парсинге узла, который отработал раньше, чем модель успела что-то сгенерировать.