Mengapa n8n mati: Dalam rantai LLM linier (gaya n8n), langkah berikutnya sebagian besar hanya melihat output dari langkah sebelumnya. Output tersebut dibatasi. Dalam loop agen, setiap pemanggilan alat didahului oleh transkrip input yang terus bertambah (tujuan, pemanggilan sebelumnya, hasil), yang dapat berada dalam jendela yang jauh lebih besar dan sering kali dalam cache. Rantai gaya n8n dibangun untuk dunia di mana Anda tidak mempercayai model dan model tidak dapat menyimpan banyak konteks. Anda membagi pekerjaan menjadi node-node kecil agar setiap langkah bersifat kecil, deterministik, dan dapat diinspeksi. Premis ini sudah usang. Model modern dapat membaca hingga sekitar 1 juta token, tetapi mereka tetap menulis jauh lebih sedikit per putaran (sering kali ~64k–128k). Oleh karena itu, rantai node terus-menerus membuang state: node N+1 mewarisi apa pun yang berhasil dikeluarkan oleh node N, bukan seluruh set kerja. Loop agen memungkinkan model menyimpan satu konteks bersama, lalu menambahkan pemanggilan alat dan hasilnya ke dalamnya. Setiap pemanggilan dapat dikondisikan berdasarkan awalan cache yang besar, bukan pada serah terima yang sempit. Pelacakan tidak menyelamatkan pola lama. “Node mana yang menulis nilai buruk?” adalah pertanyaan yang sama dengan “pemanggilan alat mana yang menulis nilai buruk?” Keduanya adalah masalah atribusi. Grafik membuat Langkah menjadi jelas, tetapi tidak membuat Fakta menjadi lebih dapat dipercaya jika payload buruk sudah ada dalam aliran. Analogi: Rantai node adalah pipeline email. Penulis mengirimkan brief. Seniman hanya melihat brief itu. Editor hanya melihat apa yang sampai. Tidak ada yang berbagi meja. Seorang agen adalah papan tulis. Penulis, seniman, dan editor semuanya membaca dan menulis di papan yang sama. Papan itulah state. Alat-alat adalah tangan di papan itu, bukan amplop tertutup. --- Untuk jelasnya, n8n sebagai produk tidak mati. Yang mati adalah linear-LLM-chain. n8n dapat membungkus agen dan memperlakukan alur kerja sebagai alat. Namun, itu bukan cara yang umum digunakan oleh penggunanya. Kebanyakan orang yang memuji n8n menggunakannya seperti linear-LLM-chain. Ketika model menjadi lebih mampu dan alat seperti opencode dibuat, orang berhenti melihat kebutuhan akan n8n untuk sebagian besar pola mereka.