DeepSeek подключается к Telegram-боту тремя способами: через no-code сценарий в n8n или Make, через прямой вызов API из кода на Python или Node.js, или через готовый конструктор ботов с полем для стороннего API-ключа. Проще и дешевле всего — вариант с n8n: сценарий собирается за один вечер, а цена ограничивается токенами DeepSeek, которые в разы дешевле ChatGPT и Claude.
Три способа подключения
DeepSeek стоит в 8–15 раз дешевле токенов ChatGPT при похожем качестве ответов на русском языке, поэтому связку DeepSeek и Telegram-бот часто берут для ботов поддержки и обработки заявок с большим потоком сообщений, по нашим расчётам на сентябрь 2026.
Три рабочих способа подключения отличаются порогом входа и гибкостью. No-code сценарий в n8n или Make собирается без единой строчки кода за несколько часов и подходит для типовых сценариев вопрос-ответ. Прямой вызов API из кода даёт полный контроль над логикой диалога, памятью переписки и обработкой ошибок, но требует программиста. Готовые конструкторы ботов вроде Salebot или BotHelp дают поле для стороннего API-ключа прямо в интерфейсе — самый быстрый способ для тех, кто уже работает на такой платформе.
- n8n или Make — сценарий из готовых блоков, без кода
- Код на Python или Node.js — полный контроль над логикой
- Конструктор бота с полем для стороннего API-ключа
Подходящий способ обычно определяется штатом команды: маленький бизнес без штатного разработчика берёт n8n или конструктор, компания с айти-отделом — прямой код ради гибкости и контроля над расходами на токены.
Через n8n или Make
Сценарий на n8n собирается из четырёх узлов: приём сообщения из Telegram, запрос к API DeepSeek, разбор ответа и отправка обратно пользователю. Каждый узел настраивается через форму без кода — программирование сводится к заполнению полей.
- Создайте Telegram-бота через BotFather и получите токен
- Добавьте узел Telegram Trigger в n8n — он ловит входящие сообщения
- Подключите узел HTTP Request к api.deepseek.com с вашим API-ключом
- Передайте текст сообщения пользователя в поле prompt запроса
- Верните ответ модели обратно в Telegram через узел Send Message
Похожий сценарий на n8n, только с записью заявок в Google Таблицы вместо ответа модели, разобран в статье про подключение Telegram-бота к Google Таблице через Make — оба сценария используют один и тот же узел HTTP Request, просто с другим адресом назначения запроса.
В Make логика идентична, узлы называются иначе: Webhook вместо Telegram Trigger, HTTP вместо HTTP Request. Сборка занимает столько же времени — час-полтора для первой рабочей версии без памяти диалога. Разница между двумя платформами скорее в цене подписки и в привычках команды — если часть процессов компании уже собрана на Make, логичнее продолжать там же, чем заводить второй инструмент ради одного сценария.
Подключение через код
Код на Python через библиотеку aiogram даёт полный контроль над контекстом переписки — историю сообщений можно хранить в базе и передавать модели целиком, чего сложно добиться в no-code сценарии на больших объёмах.
- Установите библиотеку aiogram для Telegram и requests для запросов к API
- Сохраните API-ключ DeepSeek в переменной окружения вместо текста файла кода
- В обработчике сообщений отправляйте POST-запрос на эндпоинт chat/completions
- Читайте ответ модели из JSON и отправляйте его обратно пользователю
- Добавьте обработку тайм-аута и повторный запрос при сбое сети
Хранение истории переписки в SQLite или Postgres — главное преимущество кода перед конструктором: каждый новый запрос к модели включает последние несколько сообщений диалога, и бот держит контекст всего разговора вместо изолированного ответа на каждое сообщение по отдельности.
Для потока в несколько тысяч сообщений в день код на Python обычно обходится дешевле в эксплуатации, чем платная подписка на n8n Cloud, — достаточно одного недорогого VPS. Плата за это удобство — время разработчика на старте и поддержку кода при обновлении библиотек и смене формата API у DeepSeek.
Отдельная деталь для потоковых ответов — параметр stream в запросе к API: модель тогда присылает ответ частями по мере генерации вместо единого блока через несколько секунд ожидания. Для длинных ответов это заметно улучшает восприятие скорости бота — Telegram умеет редактировать уже отправленное сообщение, дописывая туда новые куски текста.
Цена и лимиты API
Цена DeepSeek складывается из объёма токенов на входе и выходе — чем длиннее диалог, тем выше цена. Число сообщений в день остаётся грубым ориентиром нагрузки — точную меру расходов даёт только объём токенов диалога.
Сколько сообщений в день получает ваш бот сейчас?
| Модель | Цена за 1 млн токенов | Особенность |
|---|---|---|
| DeepSeek-V3 | ≈35–50 ₽ вход / 140 ₽ выход | Дешевле аналогов, доступ через VPN или прокси |
| GigaChat | бесплатный лимит, далее по тарифу | Российские сервера, проще для юрлица |
| ChatGPT (GPT-5) | ≈400–600 ₽ вход / 1 200 ₽ выход | Дороже, доступ через прокси или посредника |
Помимо токенов закладывайте от 1 500 рублей в месяц на сервер под n8n или бота на коде — VPS уровня Contabo или аналога хватает для потока в несколько тысяч сообщений в день. Узкое место чаще упирается в скорость ответа модели при пиковой нагрузке — дневной лимит токенов у DeepSeek щедрый и редко становится реальным ограничением для бота среднего бизнеса. При росте потока свыше десяти тысяч сообщений в день стоит заранее уточнить у поставщика API условия масштабирования тарифа — таких объёмов типовой малый бизнес обычно достигает только на пике сезона.
Частые ошибки настройки
- API-ключ хранится прямо в коде сценария вместо переменной окружения
- Ответ модели отправляется пользователю без обработки тайм-аута или сбоя сети
- История переписки остаётся вне запроса к модели — каждый ответ выходит без контекста
- Один сценарий используется для всех пользователей без ограничения частоты запросов
- Ошибка API возвращается пользователю сырым текстом вместо понятного сообщения
Соберите минимальный сценарий на n8n с одним узлом HTTP Request к DeepSeek, протестируйте на десятке своих сообщений и только тогда подключайте память диалога и обработку ошибок.
Ещё одна частая ловушка — тестирование сценария сразу на реальных клиентах вместо тестового чата. Ошибка в промпте или в парсинге ответа модели на живом потоке заявок стоит дороже потерянного времени на тест — клиент получает странный или обрезанный ответ и теряет доверие к боту с первого сообщения.
Полный разбор автоматизации переписки и заявок через n8n и Make — в разделе про автоматизацию бизнес-процессов. Сравнение самого DeepSeek с другими моделями по цене и качеству ответов — в статье DeepSeek или ChatGPT.