Примеры работ и кейсы по направлению «Боты с AI»

Разработан Telegram AI Assistant с памятью диалога на базе n8n, PostgreSQL и LLM. Основная задача проекта — создание AI-ассистента, который запоминает историю общения пользователя и использует контекст предыдущих сообщений при формировании ответов. Функционал: • Получение сообщений из Telegram • Сохранение истории диалога в PostgreSQL • Загрузка предыдущего контекста перед каждым запросом • Генерация ответов через AI-модель • Отправка ответа обратно в Telegram • Обработка ошибок и не текстовых сообщений Технологии: • Telegram Bot API • n8n • PostgreSQL • REST API • VPS • LLM Integration Результат: В ходе тестирования бот успешно запоминал имя пользователя, информацию из предыдущих сообщений и корректно использовал историю диалога при построении ответов. На скриншотах представлены: • диалог с ботом; • workflow в n8n; • архитектура решения.

Персональный AI-агент на своём VPS под ключ. Нужен ассистент в Telegram (поиск, заметки, автоматизация), но чужие SaaS-боты держат данные в чужом облаке, берут per-seat и ограничивают кастомизацию. Важно: это self-hosted агент, а не модель — токены Claude по API стоят так же; на сервере владельца живёт сам агент, данные и настройки. Решение — агентная система на OpenClaw (open-source), весь стек под ключ: — Деплой: VPS, Docker Compose или systemd, Caddy + TLS, секреты в .env. — Агенты: мультиагентный роутинг в Telegram, своя модель и fallback-цепочка (Anthropic + резерв DeepSeek/Qwen/GLM). — Интеграции: MCP (Obsidian-заметки, multi-account), веб-поиск Perplexity. — Автоматизация: heartbeat + cron. Память на SQLite переживает рестарты. — Безопасность: hardening, SSH-туннель/Tailscale, аудит скилов, бэкапы, сопровождение. Результат: работающая система на сервере владельца — свои данные, своя кастомизация, без SaaS-подписки и vendor lock-in. Managed-хостинги берут $29–39/мес за инстанс; self-host — $5–15/мес VPS + сетап и поддержка под ключ. Стек: OpenClaw · Docker / systemd · Caddy · Anthropic + fallback · Telegram Bot API · MCP · Perplexity · SQLite · Ubuntu VPS

Для кого: интернет-магазинам и поставщикам, у кого каталог (товары, цены, характеристики, фото) живёт на сайте, а нужен в структурированном виде — для переноса в другую CMS, обновления, сравнения цен или загрузки в учётную систему. Что делает: собирает каталог целиком и формирует готовый к импорту файл. Поток: каталог сайта → парсинг карточек → нормализация → CSV под вашу CMS. С каждой карточки тяну: название, описание, цену, характеристики (таблицей), галерею фото, категорию, производителя, артикул. Картинки скачиваю и переименовываю. Умные цены: если прайс приходит отдельным файлом (Excel), подтягиваю цены к товарам нечётким сопоставлением названий (fuzzy matching) — совпадает даже при разном написании, с колонкой проверки «откуда взята цена». Надёжность: возобновляемый прогон (после обрыва продолжает, а не начинает заново), аккуратная обработка ошибок (не падает на битой карточке), соблюдает лимиты источника. На реальном проекте — каталог ~250 товаров с выгрузкой под импорт в JoomShopping. Работаю через Безопасную сделку, результат показываю до оплаты. Стек: Python, httpx, BeautifulSoup, pandas.

Контент-система для Telegram-канала под ключ. Бизнес продаёт через канал, наполнять его вручную невозможно, а в Telegram нет очереди, расписания, админки и генерации. Решение — два контура + дистрибуция: — Сбор: userbot Telethon слушает тематические каналы, собирает альбомы, очередь PostgreSQL, AI-рерайт (OpenRouter/DeepSeek/Gemini с fallback), автопубликация. 4 фоновые задачи. — Генерация: бот aiogram 3 — по названию товара LangGraph + Tavily ищут в вебе и генерируют экспертный пост. Админка: очередь, модерация кнопками (принять/отклонить/правка/теги), расписание APScheduler (cron через бота без рестарта), whitelist. 103 теста, Docker. — Дистрибуция: репост в VK-группу с рерайтом. Результат: канал работает как система, а не вручную; добавлены очередь, расписание и модерация, которых в Telegram нет. Production-уровень (fallback, тесты, контейнеры). Стек: Python · Telethon · aiogram 3 · LangGraph · Tavily · OpenRouter/Gemini · PostgreSQL · APScheduler · Docker

Для кого: образовательная/менторская платформа — нужна была запись на встречи прямо внутри Telegram. Что сделал: Telegram Mini App с записью на встречи — бэкенд на FastAPI + PostgreSQL, безопасная авторизация через Telegram, развёртывание на сервере клиента. Полный цикл: от кода до деплоя. На что обратить внимание: сдан живой аудитории и работает в продакшене. Детали — под NDA; готов обсудить похожую задачу под ваш бизнес.

Для кого: тем, кто следит за десятком Telegram-каналов и тонет в ленте. Что делает: каждый день сам читает ваши каналы, отсекает рекламу, открывает статьи по ссылкам и присылает одну короткую выжимку по сути — под ваши интересы. Можно спросить «подробнее по этой теме» — ответит по истории. На что обратить внимание: честный отбор (один «громкий» канал не забивает дайджест), читает контент за ссылкой (а не только заголовок), реклама отсекается до дорогих операций — это экономия. Результат: работает каждый день. Open-source.

Для кого: бизнесу и каналам, кто делает видео-контент пачками (faceless-каналы, рилсы/Shorts, ролики под товары) — там, где ручная генерация по одному не тянет объём. Что сделал: для AI-лаборатории собрал конвейер «тема → готовый вертикальный ролик»: сценарий, озвучка, изображения, монтаж с субтитрами, выгрузка и постинг — автоматически, без ручной сборки между этапами. Под ваш формат и персонажей. Чем полезно (в отличие от тулз вроде Higgsfield/Kimi): это код, а значит поток — десятки роликов в день сами, низкая себестоимость за штуку, автопостинг, интеграции. Результат: себестоимость ~$0.80 за ролик на потоке (подтверждено учётом затрат в проекте). После оптимизации — в 6× быстрее (60 → 10 мин) и −60% к стоимости против прежнего пайплайна. Работает в продакшене.

Для кого: бизнесу и специалистам с большой базой контактов/клиентов, где теряется, кто чем занимается. Что делает: задаёте вопрос обычными словами («кто занимался проектом X», «с кем я обсуждал Y») — бот находит нужного человека и контекст, голосом или текстом. Помнит всю базу, подтягивает свежие новости по людям и отвечает только по реальным записям, со ссылкой на источник (ничего не выдумывает). Результат: вместо поиска по заметкам и чатам — мгновенный ответ в Telegram. Под капотом: поиск по смыслу (эмбеддинги/RAG), переранжирование, мультитенант с изоляцией данных по клиентам.

Для кого: тем, кто тратит часы на рутину в браузере — сбор данных, заполнение форм, навигация, выгрузка информации с сайтов. Что делает: ставите задачу обычным текстом — агент сам кликает, печатает, листает и читает страницы в вашем браузере и доводит до результата. Работает в вашей сессии и на ваших ключах: ничего не уходит в чужое облако. На что обратить внимание: упор на надёжность и безопасность — агент не зацикливается, не лезет в ваши вкладки без спроса и не выполняет команды, спрятанные на страницах. Результат: опубликован в Chrome Web Store (установка в один клик), open-source. 27,6к строк кода, 224 теста, проверка качества перед каждым релизом.

Задача: построить продакшен-пайплайн, который из одного промпта собирает готовое видео или презентацию (сценарий → озвучка → визуал → анимация → музыка → монтаж) и выдерживает падение любого провайдера. Что сделала: — Оркестрировала 10+ AI-провайдеров через единый роутер с автофейловером на каждом этапе — Спроектировала пайплайн: script → voice → visuals → motion → music → effects → assembly — Внедрила гибридный free/paid роутинг — экономия себестоимости без потери качества — Развернула выполнение на GitHub Actions: каждая генерация — воспроизводимый CI-job с логами Стек: TypeScript, Node.js, Python, GitHub Actions, ffmpeg, Pillow, Gemini, Claude, FLUX, LTX-Video, ElevenLabs. Результат: один промпт на входе — готовое видео или презентация на выходе. Пайплайн переживает падение любого провайдера.