Автоматический отбор постов Telegram под интересы пользователя

Описание

Клиенту требовалось решение, которое избавляет от необходимости вручную просматривать десятки Telegram-каналов в поисках действительно полезных и интересных новостей.
Цель проекта — создать систему, которая:
• автоматически собирает посты из заданного списка Telegram-каналов;
• анализирует их содержание с помощью ИИ;
• отбирает только релевантные и ценные материалы;
• отправляет отобранные посты в персональный Telegram-бот для чтения;
• учитывает интересы конкретного пользователя или редакционную политику канала.
Основная задача — экономия времени и повышение качества потребляемого контента за счёт интеллектуальной фильтрации.

Решение

Проект реализован как многоэтапная AI-автоматизация на базе n8n, Telegram API, Supabase, векторного поиска и LLM.
Ключевые элементы решения:
1. Сбор постов из Telegram-каналов
Система автоматически получает новые публикации из списка заданных каналов через web-версию Telegram.
Из каждого поста извлекаются:
o текст;
o дата публикации;
o ссылка на оригинальный пост;
o изображения (при наличии).
2. Очистка и нормализация текста
Перед анализом текст:
o очищается от эмодзи, мусорных символов и рекламных приписок;
o нормализуется регистр и форматирование;
o выделяется заголовок (первое смысловое предложение).
3. Фильтрация по правилам и ключевым словам
На раннем этапе отсекаются:
o рекламные посты;
o анонсы мероприятий;
o инвестиционные и нерелевантные темы;
o слишком короткие или пустые сообщения.
4. Векторизация контента
Каждый пост преобразуется в embedding-вектор и сохраняется в базе данных.
Это позволяет:
o находить дубликаты;
o сравнивать посты по смыслу;
o избегать повторной публикации одинаковых новостей.
5. Проверка на дубликаты
Используется SQL-функция и векторное сравнение:
o по URL;
o по тексту;
o по семантическому сходству.
6. AI-классификация постов
LLM анализирует каждый пост и оценивает его по нескольким критериям:
o актуальность;
o тематическая релевантность;
o практическая польза;
o уникальность;
7. Подсчёт итогового рейтинга (score)
На основе весов критериев рассчитывается итоговый балл.
Проходят только посты, превышающие заданный порог качества.
8. Отправка пользователю
Отобранные посты оставляются в персональный Telegram-бот для чтения.
Вся логика реализована в виде масштабируемого workflow в n8n, готового к расширению и адаптации под разные тематики и аудитории.

Результат

В результате клиент получил личный интеллектуальный телеграм-бот, который:
• автоматически читает десятки Telegram-каналов;
• отбирает только действительно полезные посты;
• избавляет пользователя от информационного шума;
• экономит часы времени каждый день;
• формирует персональную ленту новостей под интересы пользователя.
Практическое применение:
• личный AI-дайджест новостей;
• корпоративный мониторинг отраслевых новостей;
• основа для платных AI-сервисов персональных подборок.

Презентация проекта