Виды сценариев
В Nodul можно создать любую автоматизацию - от простой отправки уведомления до сложного ИИ-агента с субагентами. Разберём основные типы.
1. Линейные сценарии
Подходит для задач с фиксированной цепочкой: при каждом запуске один и тот же порядок узлов после триггера, без развилок по данным. Это самый простой для чтения и отладки вариант.
Примеры
- Новая заявка в Google Forms → запись в Google Sheets → уведомление в Telegram
- Новое письмо в Gmail → извлечение данных → создание задачи в Notion
- Каждый день в 9:00 → запрос данных из CRM → отчёт в Slack
Линейный сценарий удобен, когда вход и выход предсказуемы: одни и те же сервисы, одна цепочка, без развилок по смыслу. Его проще читать на холсте и сопровождать. Если появляется первая существенная развилка по данным, смотрите разделы 2 (условия) и 3 (ИИ).
Пример сценария
Автоматический энричмент лидов
Новый контакт в CRM дополняется полями о компании, должности и размере команды; менеджер открывает карточку и сразу видит собранный профиль без ручного обхода сайтов и справочников.
2. Сценарии с условиями
Используйте, когда исход зависит от структурированных полей (сумма, страна, статус, порог, флаг): по разным значениям нужно запускать разные ветки действий.
Примеры
- Новая заявка → проверка суммы → крупная сумма: менеджеру, иначе: автоответ клиенту
- Новый контакт → страна → Россия: CRM A, иначе: CRM B
- Лид из формы → классификация → горячий лид: задача продажам, иначе: письмо с материалами
Такой сценарий уместен, когда ответ зависит от чётких полей: сумма, страна, статус, балл, флаг в форме. Несколько веток после проверки - нормально, если условие опирается на структурированные данные. Если ветка должна вытекать из смысла текста, а не из колонок таблицы, смотрите раздел 3.
Пример сценария
Квалификация лидов по бюджету
Строка из формы попадает в таблицу; по полю бюджет крупный лид уходит в Slack менеджеру, ниже порога клиент сразу получает письмо с предложением.
3. Сценарии с ИИ вместо условий
Нужен, когда ветку нельзя надёжно задать правилами по колонкам: нужно оценить смысл, тон или намерение текста и уже по ответу модели направить поток в разные действия.
Примеры
- Сообщение из чата или почты → ИИ: категория → разные действия (ответ, эскалация, игнор)
- Отзыв с сайта → ИИ: тон → негатив: менеджеру, похвала: в маркетинг
- Текст заявки → ИИ: продукт и срочность → запись в нужную воронку CRM
ИИ особенно полезен, когда данные не структурированы или не повторяют один и тот же паттерн: свободный текст, тон, намёки, редкие формулировки. Там, где поля не дают однозначного ответа, модель решает по смыслу. В промпте заранее задайте критерий ответа и формат (одно слово, JSON, шкала); вызовы LLM обычно дороже по кредитам, чем обычные узлы.
Пример сценария
Антиспам-фильтр для Telegram-канала
Модель оценивает сообщение по смыслу: нормальный контент ведёт к записи пользователя в белый список через глобальную переменную, спам удаляется без длинного списка стоп-слов.
4. Агентские сценарии
Это наиболее продвинутый тип сценария. Агент работает с неструктурированными данными и на каждом запуске сам выбирает нужные инструменты из доступных - подключённых к нему узлов на холсте. В одном запуске он может не вызвать ни одного инструмента, в другом - последовательно использовать несколько.
Примеры
- Запрос из чата текстом → агент → сам выбирает сервисы и порядок вызовов
- Задача в свободной форме → агент → сбор данных из CRM, таблицы, почты без фиксированной цепочки
- Вопрос клиента → агент → база знаний и тикеты → ответ
Подключайте к агенту только те узлы, которые ему действительно нужны. Чем шире список инструментов, тем важнее чёткий промпт: без него агент будет вызывать лишнее, и стоимость запусков вырастет.
Пример сценария
Персональный ассистент в Telegram
Пользователь пишет задачу в свободной форме (например встреча и справка по компании); агент сам выбирает, какие инструменты вызвать и в каком порядке, и отвечает в чат одним связным сообщением.
5. Мультиагентские сценарии
Подходит для крупных задач, которые делятся на несколько ролей (поиск, текст, дизайн, проверка и т.д.): один главный агент ставит подзадачи и собирает результат от субагентов или специализированных веток.
Такой подход особенно полезен для самых сложных задач: каждый субагент узкоспециализирован и работает только в рамках своей компетенции. Если дать одному агенту сразу несколько ролей - например исследование, написание текста и проверку фактов - он может потерять контекст или справиться с каждой ролью хуже. Если разбить на трёх отдельных агентов, каждый отработает чётко в своей зоне.
Для начала желательно полноценно разобраться с одним агентом (раздел 4) - и только после этого переходить к более сложным структурам с оркестрацией.
Пример сценария
Автоматическая контент-фабрика
По расписанию главный агент-оркестратор раздаёт задачи субагентам: один пишет текст, другой делает обложку, третий публикует. Каждый делает свою часть работы, итог уходит на сайт.
Как выбрать тип сценария?
| Ваша задача | Какой тип подходит | Сложность |
|---|---|---|
| Всегда одна и та же последовательность | 🟢 Линейный | Простой |
| Чёткие условия (сумма, страна, категория) | 🟡 С условиями | Средний |
| Условия сложные (тон, намерение, смысл) | 🟡 С ИИ вместо условий | Средний |
| ИИ сам решает какие действия делать | 🟠 Агент с инструментами | Сложный |
| Очень сложная задача, несколько «экспертов» | 🔴 Мультиагентская система | Очень сложный |
Что дальше?
Начните с самого простого:
Или сначала спланируйте свой сценарий:
Если нет интеграции или нужного действия
Как подключить любой сервис через HTTP Request или JavaScript, даже если готовой интеграции или нужного действия пока нет
Публикация сценария и работа с версиями
Как перевести сценарий из режима разработки в продакшн, управлять активностью и возвращаться к прежним версиям