Как мы построили AI-сервис аренды автомобилей за 2 недели: Кейс на базе n8n и WeWeb

[Михаил Молчанов]

Рынок каршеринга и классического проката автомобилей перенасыщен, но большинство игроков до сих пор предлагают пользователям «каменные» веб-формы. Мы решили пойти дальше и построили сервис, где ИИ-ассистент не просто отвечает в чате, а управляет логикой бронирования. Мы использовали связку WeWeb (визуальная фронтальная часть) и n8n (оркестрация бэкенда и ИИ). Делюсь опытом.

1. Почему WeWeb + n8n, а не классический код?

На старте у нас не было команды тимлидов, готовых писать микросервисы на Python или Node.js сутками. Выбор пал на архитектуру «Low-code + Automation».

• WeWeb выступил в роли фронтального конструктора. Это не просто «темы для WP», как стандартные решения для аренды , а полноценный визуальный билдер с возможностью кастомного JS и абсолютным контролем над CSS. Главный козырь WeWeb — его «родная» работа с REST API и Webhook-ами.
• n8n стал мозгом и руками системы. Будучи альтернативой Zapier, но с открытым кодом и возможностью самохостинга, n8n идеально подходит для обработки сложной бизнес-логики и интеграции с LLM.

Весь процесс разработки мы разбили на 3 ключевых этапа.

2. Этап 1: Изучение основ и настройка связки

Перед тем как писать бизнес-логику, нужно было «подружить» интерфейс с автоматизацией.

Проблема: Большинство туториалов показывают только создание простых лид-форм . Нам нужна была двухсторонняя синхронизация.

Решение:
Мы развернули n8n локально (Docker) и создали аккаунт в WeWeb (облако).
Первым делом в WeWeb мы добавили коллекцию REST API, указав endpoint нашего воркфлоу в n8n. В n8n мы использовали ноду Webhook, чтобы принимать JSON от WeWeb. Это база.

Вывод по этапу: Изучение показало, что WeWeb отлично шлет переменные (данные из полей ввода) в n8n, но важно сразу настраивать правильные States в WeWeb, чтобы пользователь не потерял данные при навигации между страницами.

3. Этап 2: Разработка интерфейса и «железной» бэкенд-логики

Пока дизайнеры рисовали React-компоненты в WeWeb, мы параллельно строили скелет бэкенда в n8n.

Дизайн: В WeWeb мы сверстали карточки автомобилей и модальное окно бронирования. Под капотом WeWeb при нажатии кнопки "Забронировать" срабатывает Action Flow, который отправляет POST-запрос в n8n.

Бэкенд (n8n): Мы создали воркфлоу, который обрабатывает заявку.

1. Нода Webhook получает данные (модель авто, даты).
2. Нода Google Sheets (или Airtable) проверяет: не забронирована ли уже эта машина на эти даты.
3. Нода Email (SMTP) отправляет уведомление менеджеру и письмо-подтверждение клиенту.

На этом этапе у нас получился обычный, но быстрый сервис проката. Однако настоящая магия произошла на финальном этапе.

4. Этап 3: Создание AI-консультанта (Сердце проекта)

Задача стояла амбициозная: пользователь должен общаться с ботом на естественном языке, а бот — иметь возможность смотреть расписание и менять его. Мы реализовали сценарий AI Agent, аналогичный современным решениям вроде интеграции Telegram с AI или голосовых ассистентов для люксового автопарка .

Архитектура AI-модуля в n8n выглядела так:

1. Чат-триггер (Chat Trigger): Вместо стандартной формы, на сайте WeWeb мы разместили плавающий чат. Сообщения идут в Webhook n8n.
2. Память (Memory Buffer): Мы использовали ноду Memory Buffer Window в n8n. Это критически важно, чтобы AI помнил, что пользователь минуту назад сказал, что ищет BMW, а не спрашивал про цены просто так .
3. AI Agent (OpenAI/GPT-4): Это главный диспетчер. Ему в инструкции (Prompt) мы зашили роль: «Ты — агрессивный, но полезный менеджер по прокату. Твоя задача — закрыть сделку. Используй Tool "check_availability" для проверки расписания».
4. Кастомные Tools: Самое интересное. Мы создали HTTP-ноду в n8n, которая обращается к нашему же API (или Google Sheets). Когда пользователь пишет «Есть ли свободная Kia Rio на завтра?», AI решает вызвать функцию check_availability, n8n парсит параметры (дата, машина) из сообщения, лезет в базу и возвращает AI ответ: «Да, свободна». AI переводит это в человеческий ответ.

Важный нюанс из практики: Мы использовали мультимодальные возможности GPT-4o. Если пользователь скидывал в чат фото повреждений авто, AI через ноду OpenAI анализировал изображение и сразу запускал воркфлоу "Создание заявки на страховой случай" . Никаких лишних действий от клиента.

5. Расширение функционала: Мессенджеры

Ограничиваться только веб-интерфейсом WeWeb было бы глупо. Современный AI-консультант должен быть там, где его хотят видеть. Мы легко пробросили нашу цепочку n8n в WhatsApp.

Используя кастомные ноды n8n-nodes-whatsapp-web :

• Мы подняли whatsapp-server.
• Клиент пишет в WhatsApp менеджеру компании, но сообщение летит в webhook n8n.
• AI-агент обрабатывает запрос так же, как если бы он пришел из веб-чата, и отправляет ответ обратно в диалог.

В итоге у нас получился единый AI-бэкенд для WeWeb-сайта и WhatsApp.

6. Итоги и метрики

Мы запустили MVP за 14 дней.

• Скорость работы: Весь цикл «Запрос пользователя -> AI -> Проверка БД -> Ответ» занимает ₁.5 секунды через n8n.
• Конверсия: AI-консультант закрывает 35% вопросов без участия человека (время ответа — 3 секунды 24/7).
• Экономия ресурсов: Вместо 2 разработчиков бэкенда и 1 фронта, проект пилил 1 low-code инженер и 1 аналитик.

Связка WeWeb (UI) + n8n (Automation & AI) — это больше не игрушка, а боевой инструмент. Она позволяет создавать сервисы уровня Enterprise, оставаясь гибкими как стартап. Если вы планируете сервис с высокой долей логики состояния (бронирование) и интерактива (чат), откажитесь от типовых решений и присмотритесь к этой паре.