Telegram-боты и API под ключ. Код ваш, поддержка моя
- Опыт работы
- 8 лет
- На сайте с
- 2023 года
- Юридический статус
- ИП
Клиент — онлайн-школа на 12 курсов и 80 активных учеников. Поддержку учеников вели 3 куратора в Telegram-чатах и личке. По подсчётам школы, 70% обращений — типовые: «где урок 4», «когда дедлайн», «что значит термин из лекции», «не открывается модуль». Ответы приходили с задержкой до 6–8 часов, особенно вечером и в выходные, когда ученики и учатся. Ученик, не получивший ответ вовремя, терял темп; заметный отток шёл после второй недели курса.
Цель, которую поставил клиент: разгрузить кураторов от типовых вопросов и повысить доходимость до конца курса, не увеличивая штат.
Требования: — бот отвечает по материалам курса мгновенно, в любое время; — бот не должен выдумывать: если ответа в материалах нет — честно передаёт вопрос живому куратору; — материалы обновляются каждую неделю — школа должна обновлять базу знаний сама, без разработчика; — доступ к контенту только для учеников с активной подпиской; — первичная проверка домашних заданий по критериям преподавателя, чтобы куратор смотрел уже отфильтрованные работы; — расходы на нейросеть — предсказуемые и под контролем школы; — развёртывание на сервере школы, данные учеников не уходят третьим лицам.
Архитектура: backend на Node.js/TypeScript (Fastify), бот на grammY, PostgreSQL с расширением pgvector для базы знаний (Prisma), Redis для сессий и лимитов, очереди BullMQ для индексации материалов и напоминаний. LLM — через OpenAI-совместимый API, модель меняется одной строкой в конфиге GigaChat / YandexGPT / OpenAI.
Что сделано:
База знаний (RAG). Лекции, PDF, конспекты и FAQ разбиваются на фрагменты, эмбеддинги хранятся в pgvector. Ответ строится только по найденным фрагментам со ссылкой на урок-источник. Задан порог релевантности: если ниже — ответ не генерируется, вопрос уходит куратору. Так закрыто требование «не выдумывать» проверяемым механизмом, а не обещанием.
Эскалация куратору. Вопрос, история диалога и профиль ученика прилетают в чат кураторов с кнопкой «Ответить». Куратор отвечает в этом чате, ответ уходит ученику от бота. Кураторы не переписываются в личке и не ищут контекст.
Авторизация. Привязка Telegram к аккаунту школы по email, проверка активной подписки при каждом обращении. Подписка истекла — бот отвечает только по бесплатным материалам и предлагает продлить.
Домашние задания. Приём текста и файлов, первичная проверка по чек-листу преподавателя (критерии заданы в промпте для каждого урока), вердикт «принято / доработать» с комментарием. Спорные случаи и все работы с оценкой ниже порога — куратору. Финальное решение всегда за человеком.
Напоминания. Дедлайны, непройденные уроки, «вы не заходили 3 дня» — по расписанию через BullMQ с учётом часового пояса ученика и без спама: не более одного напоминания в сутки.
Админ-панель (в боте и веб). Загрузка и удаление материалов с автопереиндексацией, список вопросов, на которые бот не нашёл ответа (подсказка, чем пополнять базу), статистика по ученикам и расход токенов по дням.
Контроль расходов. Лимит запросов на ученика в сутки, кэш одинаковых вопросов, короткое окно контекста — стоимость на ученика прогнозируемая, всплесков по счёту нет.
Качество ответов. Набор из 100 реальных вопросов с эталонными ответами; прогон при каждом обновлении базы знаний — сразу видно, где ответы просели после замены материалов.
Развёртывание. Docker Compose (бот, API, PostgreSQL + pgvector, Redis) на VPS школы, ежедневный бэкап БД, README с командами обновления и отката, алерты об ошибках в Telegram администратору.
Срок: 4 недели. Демонстрация рабочих частей каждые 3–4 дня: сначала ответы по базе знаний, затем эскалация, домашки, напоминания, админка.
Стек: TypeScript, Node.js, Fastify, grammY, PostgreSQL, pgvector, Prisma, Redis, BullMQ, OpenAI-совместимый API, Docker.
80% вопросов учеников закрывается ботом без участия куратора; среднее время ответа — секунды вместо 6–8 часов, включая ночь и выходные. — Нагрузка на кураторов снизилась в 3 раза. Кураторы работают только с содержательными вопросами и спорными домашними заданиями. — Доходимость до конца курса выросла с ~35% до ~50% за счёт быстрых ответов и напоминаний. — Расход на нейросеть — 4000 на ученика в месяц, предсказуемый, без всплесков. — Школа сама обновляет материалы и видит по списку «вопросы без ответа», что добавить в курс — база знаний растёт без разработчика. — Список типовых вопросов из статистики бота лёг в основу обновлённого FAQ и правок в уроках, где ученики чаще всего путались.
Как применяют: бот подключён ко всем 12 курсам школы, новые курсы добавляются загрузкой материалов через админку. План: подключить второй канал (MAX) на той же логике и открыть API для сайта школы, чтобы тот же ассистент отвечал в веб-чате.
Заказчик получил исходный код, инструкцию и месяц поддержки после запуска.
