Разработка Telegram RAG-бота в n8n для консультации представителей по товарному каталогу

Этап 1

Цель:
Создание Telegram-бота, который помогает представителям ориентироваться в текущем ассортименте, приоритетах продаж и аргументации для клиентов. Бот работает на базе RAG: подтягивает знания по API и из векторной базы, генерирует ответы через LLM.

Функции этапа MVP
1. Подбор актуальных позиций под запрос
Вход: свободный текст от пользователя (например, «ищет что-то недорогое, для дома»)
Выполняется векторный поиск по базе описаний (product_knowledge) + фильтрация по остаткам (catalog_store)
Ответ: 3–5 карточек с:
Названием
Кратким описанием
Изображением (из image_url)

Важно: бот не должен предлагать несуществующие позиции, только актуальные остатки из базы

2. Приоритеты дня
По API или Supabase подтягивается список приоритетных позиций (акции, бонусы, избыточные остатки)
Команда Что предлагать сегодня? возвращает 2–3 топ-позиции с описанием и кнопками
(Может не быть – тогда подбор без приоритетов)

3. Обработка возражений
Представитель вводит возражение (например: "дорого", "надо подумать")
Бот ищет соответствующий паттерн в sales_tips и возвращает:
Аргументацию
Тактические советы
Варианты альтернатив

4. Карточка знаний по позиции
На вход: код или название позиции
Ответ: преимущества, отличия, условия, аналоги (на основе product_knowledge)

5. Отправка изображений
Для каждой позиции может быть одно или несколько изображений (Telegram photo)
Поддержка подписи и кнопок под изображением
Источник: image_url из Supabase или API

6. Рассылка новостей и акций
Возможность отправки уведомлений пользователям бота
Данные берутся по API или из таблицы notifications

7. Логирование всех коммуникаций
Все действия логируются в Supabase:
user_id, timestamp, action_type, input, output, function_called
Также логируются запросы к LLM и ответы
Таблица: interaction_log
Цель: аналитика, оценка эффективности рекомендаций и дообучение

Технологии и интеграции
n8n — основная логика, маршрутизация, интеграции, Webhook
Supabase (PostgreSQL + pgvector):
catalog_store — список актуальных позиций
product_knowledge — векторная база знаний по продуктам
sales_tips — база возражений и ответов
notifications — новости и промо
interaction_log — лог действий
LLM API — OpenAI, Claude, YandexGPT или другие
Telegram Bot API — чат-бот, inline-кнопки, изображение, команды

Требования к исполнителю
Опыт построения RAG-систем (векторный поиск + генерация ответа)
Глубокие знания n8n (условные переходы, retry, API, webhook, контекст)
Работа с Supabase / PostgreSQL / pgvector
Интеграция Telegram-бота (inline UI, кнопки, отправка фото)
Уверенная работа с LLM API (OpenAI, Claude, Yandex, Mistral и т.п.)
Умение выстраивать UX диалогов в боте (логика, подсказки, fallback)
Плюсом будет: опыт аналитики, логирования, аудита поведения пользователей

Бюджет и сроки
MVP этап: 2–3 недели
Оплата: фиксированная и поэтапная по согласованной дорожной карте.
Возможность долгосрочного сотрудничества по поддержке и расширению

В отклике укажите:
Примеры похожих проектов (Telegram + AI)
Технологии, с которыми привыкли работать
Опыт с n8n, Supabase, vector search, Telegram-интеграциями
Есть ли возможность помочь с UX и аналитикой в боте