Второй мозг в n8n: Telegram, Notion и память агента

Что в ролике
Читатель, который хочет собирать заметки из Telegram и почты в одну базу, может собрать self-hosted второй мозг на n8n: три связанных workflow и векторный поиск. Основной workflow принимает сообщения Telegram от одного проверенного пользователя и разводит их по типу контента — текст, голосовое или картинка с подписью. Голосовые файлы переименовываются и транскрибируются через OpenAI, картинки проходят через Telegram getFile, а затем всё сливается в единое текстовое поле и передаётся AI-агенту. Агент работает на GPT-5 Mini с простой памятью по chat_id и набором инструментов: поиск в Qdrant, события Google Calendar, поиск в Gmail и вызов отдельного workflow ингеста. Этот workflow извлекает из текста структурированные поля title, type, tags, author, URL и создаёт страницу в базе Notion, а затем индексирует контент в Qdrant с эмбеддингами OpenAI text-embedding-3-small (размерность 1536) и добавляет текст кусками по 2000 символов. Третий workflow запускается каждые 15 минут, забирает письма с Gmail-меткой brain, при наличии вложений загружает их в Google Drive и вызывает тот же ингест, после чего снимает метку и зацикливается, пока письма не закончатся. В конце автор показывает, как отправить ссылку, картинку с цитатой или голосовой запрос, и агент сохраняет или находит нужное через векторный поиск.
Практика
- Что получишь
- Рабочую схему self-hosted второго мозга: захват из Telegram и Gmail, хранение в Notion и векторный поиск по заметкам с агентом, который понимает follow-up вопросы.
- Первый шаг
- Скачать workflow по ссылке в описании, поднять n8n через docker compose и настроить ngrok для публичного webhook URL.
- Цифры
- —15 минут — интервал, с которым третий workflow проверяет письма с меткой brain
- —1536 — размерность эмбеддингов OpenAI text-embedding-3-small, под которую настроена коллекция Qdrant
- —2000 символов — максимальный размер одного текстового блока при добавлении контента в Notion
- —5 документов — лимит, который агент получает при поиске по векторной базе Qdrant
- Честно
- Видео спонсировано n8n, ссылка на n8n в описании; готовый workflow также лежит по ссылке в описании. Для повторения нужны платные аккаунты OpenAI (API), бесплатные Google Cloud проект с включёнными Gmail/Calendar/Drive API и OAuth, а также Telegram-бот через BotFather. Значения настроек в узлах (поля Notion, код JavaScript, параметры vector store) показываются на экране, но точные выражения и код доступны в шаблоне workflow.
Если слова незнакомы — 5 терминов
- self-hostedустановленный на своём сервере или локальной машине, а не в облаке
- workflowсхема автоматизации из последовательных шагов-узлов в n8n
- ингестпроцесс загрузки и сохранения информации в базу
- Qdrantвекторная база данных для поиска похожих текстов по смыслу
- эмбеддингичисловые векторы, в которые модель превращает текст для сравнения смысла
Понадобится экран
Часть информации есть только на экране (код в терминале). Открыть на YouTube с 1:13.
Связки из этого ролика
1 шт.- N8N + Telegram + Notion + Qdrant + OpenAI + Google APIs
Компоненты
12 шт.Цитаты-доказательства
дословно из субтитров- we're going to go to the website nadn.io. We're going to go to docs here to self-host n if you also want to use the self-hosted version to oneline setup. And then we're going to copy this curl command here which installs N8N to our system.1:13
- I'm going to copy paste this one here. You will find the workflow uh as a link down below. So you can access this specific workflow. So you don't have to type this from the screen.14:21
- This is line 39 is the web hook URL. So you want to add something here. I'm going to put the URL that we just saw in the ng rock screen like this.3:26
Формат: пошаговый урок · для практикующих · уверенность разметки 0.9 · источник