AI cost spike в n8n: runbook для LLM-расходов ¶

Обновлено: 2026-05-29

Intent: runbook AI cost spike: резкий рост LLM расходов, loops, retry, model routing, token budget, cache, approvals и cost guardrails
H1: AI cost spike в n8n: как остановить рост LLM-расходов и найти дорогой workflow
Schema: TechArticle, HowTo, FAQPage, BreadcrumbList
Old word count: 672
New word count: 788

Короткий ответ ¶

AI cost spike в n8n почти всегда связан с одним из четырёх факторов: бесконечный loop, слишком широкий RAG-контекст, дорогая модель без routing или повторные retry после ошибки. Сначала остановите источник запросов, затем найдите workflow, execution и node с ростом token usage. После этого введите лимиты: budget per execution, max tokens, batch size, model routing, cache для повторяющихся задач и manual approval для дорогих операций.

Когда применять этот runbook ¶

Используйте runbook, если расходы на LLM/API внезапно выросли за часы или сутки, хотя бизнес-нагрузка не менялась. Для n8n это часто происходит после запуска AI Agent, RAG, массовой классификации лидов, email triage, генерации контента или поддержки через чат-бота.

Симптомы:

• provider показывает резкий рост spend или token usage;
• очередь executions растёт вместе с AI-вызовами;
• одна ошибка запускает повторную генерацию;
• RAG отдаёт слишком много chunks;
• агент вызывает tool много раз для одного вопроса;
• модель высокого класса используется для простой классификации;
• workflow обрабатывает исторические данные как новые.

Главная цель — не просто “перейти на дешёвую модель”, а найти причину всплеска и поставить ограничители, чтобы он не повторился.

1. Остановить расход ¶

В первые минуты нужно снизить burn rate.

Если процесс бизнес-критичный, переключите его на degraded mode: шаблонный ответ, human queue или дешёвую классификацию без генерации.

2. Найти виновника ¶

Соберите таблицу по последним executions:

• workflow name;
• AI node/agent name;
• model;
• prompt type;
• number of items;
• estimated input/output tokens;
• retries;
• tool calls;
• RAG chunks;
• trigger source;
• execution duration;
• external object ID.

Частые root causes:

Для расследования важно смотреть не только failed executions. Дорогие AI-вызовы часто завершаются успешно.

3. Поставить бюджет на execution ¶

Для production AI workflow нужен явный cost contract:

max_items_per_run = 100
max_ai_calls_per_item = 1-3
max_input_chars = 6000
max_rag_chunks = 3-5
max_output_tokens = task-specific
fallback_model = cheaper model
manual_approval_threshold = high_cost_or_high_risk

В n8n это обычно делается комбинацией Set/Code node, IF, Split in Batches/Loop Over Items, Wait, model routing и отдельного error path. Для AI Agent добавьте ограничение tool-веток и проверку, что агент не может бесконечно вызывать внешний workflow.

4. Развести модели по задачам ¶

Не каждая AI-задача требует самой дорогой модели.

Model routing снижает расходы и одновременно улучшает контроль качества: простые задачи не должны конкурировать с дорогими reasoning/long-context задачами.

5. Уменьшить лишние токены ¶

Проверьте prompt hygiene:

• не передаётся ли весь JSON вместо нужных полей;
• не добавляется ли история диалога без лимита;
• не попадают ли HTML, base64, вложения или подписи email;
• не тащит ли RAG устаревшие chunks;
• не повторяется ли системная инструкция в каждом item;
• есть ли summarization перед дорогим вызовом;
• кэшируются ли ответы на одинаковые входы.

Простой выигрыш часто даёт предварительная нормализация: очистить HTML, обрезать quoted replies, оставить только тему, вопрос, order_id и последние сообщения.

6. Вернуть workflow в работу ¶

Перед повторным включением:

• понятен trigger всплеска;
• дорогая модель заменена или ограничена;
• добавлены лимиты на batch/items/tokens;
• retry не повторяет невалидный payload бесконечно;
• RAG top_k и metadata filters проверены;
• есть alert на spend/usage;
• владелец процесса согласовал degraded mode;
• replay запускается малыми партиями.

FAQ ¶

Почему расходы выросли, хотя пользователей мало?
Один loop, retry или cron-backfill может создать больше AI-вызовов, чем реальные пользователи за месяц.

Стоит ли просто отключить дорогую модель?
Не всегда. Лучше маршрутизировать задачи: простые — в дешёвую модель, сложные — в сильную, рискованные — через approval.

Как ограничить RAG-расходы?
Снизить количество chunks, добавить metadata filters, убрать длинные документы из prompt и использовать reranking только там, где он действительно нужен.

Нужно ли считать стоимость внутри n8n?
Да, хотя бы приблизительно. Храните model, input/output size, item count и execution ID, чтобы быстро найти дорогие workflow.

{
  "request_id": "req_demo_001",
  "prompt_version": "2026-05-29",
  "input": "краткое нормализованное сообщение пользователя",
  "allowed_actions": ["read", "draft", "classify"],
  "forbidden_actions": ["send_without_review", "change_payment"],
  "expected_output": {
    "intent": "technical|support|sales|unknown",
    "confidence": 0.0,
    "needs_human_review": true,
    "sources": []
  }
}