AI на проде · сравнение · 14 минут чтения

n8n vs кастомный Python-бот — что выбрать в 2026

Меня спрашивают: «зачем платить за кастомного бота, если есть n8n, он же бесплатный и собирается мышкой?» Ответ зависит от того, что вы автоматизируете. У меня в работе оба подхода. Одни задачи живут в n8n годами и не требуют ни строчки кода. Другие я сразу пишу на Python, потому что в n8n они превратятся в спагетти из 80 нод. Разберу 5 сценариев на каждую сторону и покажу реальный кейс на 150 000 ₽, где я выбрал Python и почему не жалею.

Базовое различие

Две разные ниши, а не два конкурента

n8n — это no-code/low-code платформа (собираешь автоматизацию мышкой, почти без кода): визуальный редактор, 400+ готовых интеграций (Telegram, Google Sheets, Notion, Airtable, OpenAI, SMTP, REST API), хостится у себя или в облаке. Вы соединяете «ноды» стрелочками и получаете рабочий пайплайн за час без знания Python.

Кастомный Python-бот живёт собственным кодом в вашем git-репозитории (git хранит историю всех версий кода). Стандартный стек: python-telegram-bot, FastAPI, SQLAlchemy, OpenAI SDK, gspread. Деплой (выкладка на сервер) через docker-compose на VPS за 300 ₽/мес. Вы пишете каждую строку или генерите её через Claude Code, но взамен получаете полный контроль над логикой.

Тут не противопоставление дешёвого и дорогого. Речь про «быстро собрать готовое» против «собрать своё ровно под задачу». Обе модели рабочие, вопрос только в том, какая у вас задача.

5 сценариев · сторона n8n

Когда n8n быстрее и правильнее

Сценарий 1

Sheets + Telegram + email в одной связке

Заявка с сайта падает в Google Sheets, дублируется в Telegram-чат отдела продаж, и одновременно уходит подтверждающее письмо клиенту. В n8n это собирается за 40 минут: три ноды плюс триггер по webhook (вызов, который запускает сценарий по событию). На Python уйдёт день кода, деплой и docker. Если связка не будет расти, берите n8n.

Сценарий 2

Прототип идеи на завтра

Вам надо проверить гипотезу: «если автопостить вакансии из таблицы в Telegram-канал, будут ли отклики?». В n8n вы за вечер соберёте MVP (минимально рабочую версию), через неделю поймёте, работает или нет. Работает, позже переписываете на Python. Не работает, просто отключаете workflow и не теряете 3 недели разработки.

Сценарий 3

В команде нет программиста

У вас есть маркетолог, который ловко настраивает Я.Директ и понимает структуру данных, но Python не пишет. В n8n он соберёт автоматизацию сам без подрядчика. Кастомный бот потребует разработчика, штатного или на аутсорсе (150к и выше). Когда в команде нет инженерного мышления, n8n снижает порог входа в 10 раз.

Сценарий 4

Бизнес-команде нужен визуальный поток

Когда автоматизацию должны понимать и менять не только вы, n8n даёт картинку процесса. Руководитель отдела видит ноды, понимает, что куда идёт, и сам поправит таймаут или текст уведомления. В Python-коде это всё запрятано в файлы, которые без вас никто не откроет. По сути n8n работает как документация процесса в виде самой автоматизации.

Сценарий 5

Разовая задача без планов на масштаб

«Раз в неделю забирай отчёт из 1С, формируй сводку и шли в Telegram». Задача стабильная, не будет расти, не требует кастомной логики. Заворачивать это в FastAPI и docker — стрелять из пушки по воробьям. В n8n включил workflow, поставил расписание, забыл. Сломается через год, починит тот же маркетолог, без разработчика.

Сценарий 0

Где у n8n потолок

n8n силён в интеграции готовых сервисов. Спотыкается на нестандартной логике, на больших объёмах данных, на production-нагрузке с тысячами запросов в час, на LLM-агентах с состоянием (когда модель должна помнить предыдущие шаги). Ваш кейс попал в один из 5 выше, берите n8n не задумываясь. Не попал, читайте дальше.

5 сценариев · сторона Python

Когда кастомный Python лучше n8n

Сценарий 6

Нестандартная логика классификации

«Если сообщение содержит фразу из словаря A и сумму выше 5000 ₽, но клиент не из чёрного списка, и при этом за последние 24 часа от него не было трёх обращений, присвой статус приоритет 1 и эскалируй на руководителя». В n8n это десять нод с if-else, в которых через месяц вы сами не разберётесь. На Python хватит 20 строк функции и юнит-теста на каждое ветвление.

Сценарий 7

AI-агенты с памятью и контекстом

Когда LLM должна помнить историю разговора, держать профиль клиента, корректировать тон по предыдущим ответам, это плохо ложится на n8n. Там каждый вызов GPT-ноды живёт сам по себе, как изолированный запрос. В Python вы делаете слой памяти (Redis / SQLite / Postgres), передаёте в каждый промпт нужный контекст, подключаете function calling и parallel tool use. n8n это технически умеет, но коряво.

Сценарий 8

Production-нагрузка и масштабирование

n8n исполняет workflow последовательно, шаг за шагом. Если к вам прилетит 500 сообщений в минуту, он начнёт лагать или ронять очередь. Python-бот на asyncio + Celery + Redis легко тянет тысячи запросов параллельно и масштабируется горизонтально: просто добавляете воркеры (процессы, которые разбирают очередь). На высокой нагрузке n8n становится узким местом.

Сценарий 9

Точный контроль ошибок и логирования

В Python вы решаете, что делать при каждой ошибке: ретрай через 30 секунд с экспоненциальной задержкой, fallback на резервный API, алерт в Telegram-канал админа, запись в Sentry. В n8n обработка ошибок упирается в два варианта: либо «весь workflow упал», либо «error trigger подхватил». Тонкую градацию там не сделать. Когда цена ошибки высокая (деньги клиента, персональные данные, юридические последствия), берите Python.

Сценарий 10

Кастомные интеграции, которых нет в n8n

У n8n 400+ нод, но они покрывают популярные сервисы. Российские API (СБИС, 1С через COM-объект, Я.Бизнес-API, специфичные SMS-шлюзы, Тинькофф-эквайринг, Контур-Диадок) часто отсутствуют. Можно написать кастомную ноду, но это уже Python внутри n8n. Тогда смысл? Проще сразу делать на Python.

Сценарий 0

Как смотреть на Python

Python — это инвестиция в инфраструктуру. Дороже на входе (нужен разработчик или связка vibe-coding-через-Claude), дешевле на длинной дистанции: нет vendor lock-in (привязки к одному поставщику), никто не повысит цены, не закроет аккаунт, не задепрекейтит ноду. Когда автоматизация лежит в ядре бизнеса, делайте Python. Когда задача вспомогательная, хватит n8n.

Реальный кейс

Почему «Диспетчер» я сделал на Python, а не в n8n

Бот за 150 000 ₽ для клиента-поставщика электроники из региона. Решение принимал я и сделал это осознанно.

Задача: обрабатывать 200-500 входящих сообщений в день в общий чат менеджеров. Бот должен распознать тип запроса (новый заказ / уточнение / претензия / спам / личное), извлечь сумму и контрагента, проверить по чёрному списку, присвоить менеджера, создать карточку в Google Sheets, отбить в личку клиенту с номером заявки и временем ответа. Сверху лежит маскировка персональных данных перед отправкой в LLM-классификатор (152-ФЗ), аудит-лог каждого действия, SLA «ответ за 4 минуты в рабочее время».

Можно ли это собрать в n8n? Технически да. На практике нет, и вот почему.

Контроль над классификатором. LLM-классификация — это куда больше, чем «вызвал GPT, получил категорию». Сюда входит промпт-инжиниринг, эваль-сет из 200 размеченных вручную сообщений, A/B сравнение GPT-4o-mini vs Claude Haiku по точности и стоимости, fallback на rule-based, если LLM упал. В n8n это превращается в дерево из 30 нод, которое невозможно тестировать. На Python всё держит модуль `classifier.py`, 45 unit-тестов, eval-runner запускается одной командой.

Масштабирование под пики. У клиента бывают всплески после рекламы или на сезонном спросе. 500 сообщений в минуту вместо 500 в день. n8n такое не вытягивает без отдельных воркеров и платной подписки на Cloud. Python на asyncio спокойно держит пики, лимит упирается в API Telegram, а не в наш код.

Compliance и аудит. 152-ФЗ требует маскировать персональные данные (ФИО, телефоны, паспорта) до того, как они уйдут в LLM. У меня это сделано слоем `masker.py`: регулярки, словари и LLM-валидация на маски. В n8n это делается «руками» в каждой ноде, и забыть проще простого. Python собирает всё в единый слой, который не пропустишь.

Стоимость владения через год. n8n Cloud на нужный объём обойдётся около $50-100/мес, за год это $600-1200. Мой Python-бот крутится на VPS за 600 ₽/мес, то есть 7 200 ₽/год. Разница в 10 раз, и это без учёта рисков «n8n поднял цены / закрыл план / задепрекейтил ноду».

Разработка на Python обошлась в 150 000 ₽ и 3 недели (Claude Code плюс я как архитектор). Конкуренты-агентства предлагали 600 000 ₽ и 3 месяца за похожее на n8n. Дело не в том, что Python дороже: они закладывали штат разработчиков и менеджмент. Vibe coding снимает эту наценку. Полный разбор кейса.

Таблица сравнения

5 параметров, по которым выбирают

Стоимость на старте

n8n: self-hosted бесплатно (VPS за 300-600 ₽/мес), Cloud от $20/мес. Python: разработка от 80 000 ₽ (простой бот) до 500 000 ₽ (сложный), плюс VPS 300-1500 ₽/мес. На входе n8n дешевле в 10-30 раз.

Скорость разработки

n8n: простой пайплайн 1-3 часа, средний 1-2 дня. Python: с Claude Code простой бот за вечер, сложный 2-4 недели. Без AI-помощника Python медленнее в 3-5 раз, с AI разрыв сокращается.

Поддержка и доработки

n8n: править может маркетолог или владелец, разработчик не нужен. Но при росте сложности workflow превращается в спагетти. Python: править может только тот, кто читает код. Зато при правильной структуре доработки добавляются точечно, без риска сломать соседний модуль.

Vendor lock-in

n8n: на self-hosted лок минимальный (open-source AGPL), на Cloud лок средний (миграция возможна, но workflow надо переразвернуть). Python: ваш код в вашем git, vendor lock-in нулевой. LLM-провайдер меняется заменой одного файла, если архитектура provider-agnostic.

Отладка и наблюдаемость

n8n: встроенный визуальный дебаггер по нодам, удобный для простых случаев. Логи поверхностные. Python: structured logging, Sentry, OpenTelemetry, метрики Prometheus, всё на ваш выбор. Сложнее настроить, зато при проблемах в продакшене бьёшь точно в место сбоя.

Чем это не является

Что не стоит думать про этот выбор

× Это не «n8n для бедных, Python для богатых». Я знаю компании с выручкой 50 млн ₽/мес, у которых половина рутины крутится на n8n, и им хорошо. И знаю соло-предпринимателей, которые сразу пишут на Python через Claude Code, потому что им так удобнее.

× Это не «выбираешь один раз навсегда». У меня в работе и n8n (для тестов гипотез, временных пайплайнов), и Python (для production-кейсов). Это два инструмента в одном ящике, а не два конкурирующих лагеря.

× Это не «n8n проще, потому что без кода». После 50-й ноды любой workflow становится сложнее, чем 100 строк Python. Сложность измеряется связями, а не строками. n8n упрощает старт, но потолок ниже.

× Это не «Python требует штат разработчиков». В 2026 году через Claude Code один человек с инженерным мышлением соберёт то, что 3 года назад требовало команды из пяти разработчиков. Себестоимость кастомной разработки упала в 5-8 раз.

FAQ

Частые вопросы

Если я уже собрал что-то в n8n и упёрся в потолок, как переходить на Python?

Не переписывайте всё разом. Сначала вынесите в Python только тот блок, где упёрлись (классификация, нестандартная логика, большая нагрузка). n8n продолжает делать остальное и дёргает ваш Python-сервис через webhook. Такую гибридную архитектуру часто оставляют надолго, потому что она реально работает. Когда n8n начнёт мешать чаще, чем помогать, тогда и мигрируете полностью.

Сколько реально стоит кастомный Python-бот в 2026 году?

Зависит от сложности. Простой Telegram-бот с одной функцией и Google Sheets обойдётся в 30-80 000 ₽ через фриланс или 0-15 000 ₽ через Claude Code своими руками. Средний бот с LLM-классификацией и интеграциями встанет в 80-200 000 ₽. Production-бот с compliance, маскированием персональных данных, аудит-логом, юнит-тестами стоит 150-500 000 ₽. У меня в среднем кастомный бот выходит в 150 000 ₽ за 3 недели. Подробнее в статье про экономику ботов.

Можно ли использовать AI (Claude / GPT) внутри n8n?

Да, в n8n есть готовые ноды для OpenAI, Anthropic, локальных моделей через Ollama. Для простых задач это работает. На AI-агентах с памятью, function calling, parallel tool use n8n становится тесным. Там лучше Python плюс официальный SDK провайдера.

А что если я не разработчик, но хочу Python?

Связка Claude Code и базового понимания Python открывает реальный путь для непрограммиста. Я сам начал писать боты, не имея технического образования. За 2-3 месяца регулярных занятий по часу-два в день можно собрать первый рабочий бот. Если такой путь не подходит, заказывайте кастомную разработку у меня или у любого фриланс-агентства. Иногда дешевле платить деньгами, чем своим временем.

n8n закроется и я потеряю всё. Стоит бояться?

n8n — open-source проект (Sustainable Use License). На self-hosted ваш сервер ничего не теряет, даже если компания n8n GmbH завтра пропадёт. На Cloud-плане риск выше, но workflow экспортируется в JSON и переносится. Я бы скорее боялся за коммерческие no-code платформы типа Zapier: там лок-ин выше, а цены растут регулярно.

Сколько времени уходит на поддержку n8n vs Python в год?

n8n при стабильном workflow съедает 1-3 часа в месяц (обновления, мелкие правки, разбор ошибок). Python-бот, написанный по уму, с тестами и логированием, отнимает 1-2 часа в месяц на тот же объём задач. При правильной архитектуре разница минимальная. А вот если в Python-боте не было тестов и логов, поддержка может съесть 10 часов в месяц на одну отладку. Технический долг работает в обе стороны.

Что делать

Простое правило выбора

Шаг 1

Опишите задачу в 3 строчках

Что входит, что должно произойти, что выходит. Без технических деталей. Просто: «приходит сообщение в чат, бот распознаёт тип, пишет в таблицу». Если описание укладывается в 3 строки и в нём нет хитрых условий, скорее всего, n8n справится.

Шаг 2

Подсчитайте «if-else»

Сколько ветвлений и условий в логике? До 5 берите n8n. От 5 до 15 пограничная зона, лучше Python. Свыше 15 однозначно Python, в n8n это будет нечитаемое полотно.

Шаг 3

Посмотрите на горизонт

Эта автоматизация на месяц-два или навсегда? Будет расти или останется стабильной? Если временная и не критичная, хватит n8n. Если это ядро бизнес-процесса и будет масштабироваться, берите Python. Чем дольше горизонт, тем выгоднее инвестиция в кастом.

Если выбор сложный, приходите на бесплатный аудит проекта: 30 минут разговора и рекомендация, какой подход подойдёт под вашу задачу. Без продажи, без презентаций. Вижу, что вам хватит n8n, так и скажу. Нужен Python — обсудим, кто делает: вы сами через Claude Code или я под ключ.

Если хочется научиться собирать боты самому, есть 7-дневный практикум. За неделю собираем «бот + Sheets + Telegram + LLM» на вашем VPS. После него вы сами решаете, что отдавать в n8n, а что писать руками.

Куда дальше

Связанные статьи и кейсы

Дисклеймер

Несколько оговорок

Цифры в статье отражают мой опыт на проектах 2024-2026 годов. Стоимость n8n Cloud и российских VPS меняется, проверяйте актуальные тарифы. Кейс «Диспетчер» приведён обезличенно по запросу клиента: домен бизнеса и регион реальные, точные суммы согласованы публиковать. Рассуждения про vendor lock-in и масштабирование — мой взгляд практика, а не универсальная истина. Под вашу задачу выбор может быть другим, для этого и существует бесплатный 30-минутный аудит.

Опубликовано 14/05/2026. Если что-то поменяется радикально (n8n будет куплен, Claude закроет API, Python заменят на Rust в массовой разработке), обновлю.