Завдання
ТехноТочка продає велику техніку: холодильники, пральні машини, плити, бойлери. Покупці пишуть у Telegram і Viber магазину, і питання майже завжди про конкретику. Габарити, кількість конфорок, доставка із заносом на поверх, розстрочка від банків, статус замовлення. У робочий час на це відповідають менеджери, вночі та у вихідні відповідати нема кому, а покупець, який не дочекався відповіді, йде в інший магазин.
Скільки саме людей чекає, ми поміряли ще до нічного правила. За 14 діб у чати прийшло 133 звернення поза робочим часом: 18 людей чекали понад годину, 3 не отримали відповіді взагалі. Один випадок розібрали окремо: покупчиня із замовленням на 32 300 грн чекала 12 годин 34 хвилини і написала, що скасує замовлення. Саме після цього заміру з’явилося правило: вночі всі чати веде бот.
Завдання звучало просто: зняти з менеджерів однакові питання і не втрачати людей поза робочим часом. Складність в іншому. Бот, який упевнено назвав не ту ціну або пообіцяв «є в наявності», створює магазину проблему. Тому головне було не навчити бота відповідати, а зробити так, щоб він не казав того, чого не знає.
Навіщо і яка ідея
Ідея в тому, що відповідь моделі не йде клієнту напряму. Між моделлю і чатом стоїть шар коду: локальна база каталогу з фільтрами сайту, правила доставки магазину, таблиця гарантій за брендами, запити до 1С. Модель складає відповідь з цих даних, а потім набір перевірок у коді дивиться на готовий текст. Ціна без джерела, твердження про наявність, вигадана дія на кшталт «я оформив», номер телефону, список не в тому форматі: усе це не проходить. Модель переписує відповідь із підказкою, а якщо не впоралась, клієнт отримує безпечний текст.
Друга частина ідеї: не чекати скарг. Щодня окремий прогін розбирає всі діалоги з реплікою бота і ставить кожному оцінку, тож класи помилок видно наступного ранку. Щодня за розкладом знімок фільтрів каталогу звіряється з живим сайтом. Для кожного приладу є число, яке можна перевірити, а не відчуття «ніби стало краще».
Кілька рішень приймав власник магазину, і вони зафіксовані в коді. Бот не каже ні «є», ні «немає» про наявність на складі, бо доступу до залишків у нього немає, і перевірка в коді симетрична. На пряме питання «ти бот?» відповідає чесно, що це AI-консультант. Номер телефону питає один раз і більше не повертається до цього.
Хід роботи
| Етап | Що відбувалося |
|---|---|
| Етап 1 | Перша версія: Telegram-бот, парсинг сайту, SQLite, Claude Sonnet 4.5 |
| Етап 2 | Каскадний пошук по каталогу, розпізнавання фото, передача менеджеру, перші перевірки відповідей у коді. Третій консиліум про продаж бота іншим магазинам: поки ні, спочатку регресійний набір і автоматичні сигнали |
| Етап 3 | Перехід із чистого вебхука SendPulse на їхній API. Прямий Telegram-бот вимкнено: за 14 діб через нього не прийшов жоден живий клієнт, через SendPulse ішло 328 повідомлень на добу |
| Етап 4 | Аудит із 5 частин, 76 знахідок виправлено за день. Розбір Viber: ланцюжок у SendPulse не публікувався, правки до клієнтів не доїжджали |
| Етап 5 | Перший регулярний аудит за своїм промптом із 13 кроків: 32 коміти і дві викладки за день, закрито 24 знахідки з 34. Бойова модель переключена на Sonnet 5 після заміру на 10 живих питаннях |
| Етап 6 | Старт щоденного розбору живих діалогів. Нічне правило: поза робочим часом усі чати веде бот, але якщо менеджер писав останні 20 хвилин, бот мовчить |
| Етап 7 | 7 і 10 викладок за добу за живими кейсами. 1С почала віддавати номер накладної Нової пошти, перевірено на 50 живих замовленнях |
| Етап 8 | Знайдено корінь розходження між історією в базі і тим, що бачив клієнт. Вилку розстрочки збирає код, а не модель. Набір тестів 8 059 з 8 059 |
Набір тестів ріс разом із проєктом: 3 766, потім 5 260, 7 154 і 8 059. На момент кожної викладки всі зелені. Викладка тільки з окремого клона, після зеленого набору і по слову власника, на кожну викладку тег відкату.
Чим робили
Канали: Telegram і Viber магазину підключені через SendPulse. SendPulse викликає наш вебхук, відповідь іде назад у чат. Окремий процес доганяє повідомлення, які до вебхука не дійшли, і шле відповіді через API SendPulse.
Моделі: відповіді клієнтам пише Claude Sonnet 5. Дешеві задачі на Claude Haiku 4.5: визначити намір клієнта, категорію товару, розібрати фото. Промпт складається з ядра з жорстким лімітом довжини і розділів, які підключаються за темою розмови: кредит, уцінка, акції, самовивіз. Ядро кешується, кеш прогрівається кожні 15 хвилин, за розрахунком це економить близько 31 $ на місяць.
Дані: локальна база каталогу tt.ua з фільтрами сайту (після правки бот знає 5 283 фільтри, покриття розділів сайту 90%), карта категорій, таблиця гарантій за брендами, правила доставки. Зберігання в SQLite: історія діалогів, окрема таблиця номерів клієнтів, журнал відправленого. Інтеграції: 1С магазину по HTTP для статусів замовлень, відкритий трекінг Нової пошти.
Де крутиться: Linux VPS, дві служби systemd, вебхук і доганяючий процес. Ключі в .env, не в коді. Перед push стоїть гачок, який шукає телефони, IBAN у логах маскується.
Як приймали рішення. На кожній великій розвилці п’ять AI-радників (скептик, архітектор, візіонер, людина збоку, прагматик) незалежно розбирають ситуацію, рецензують один одного, голова зводить вердикт. На одному з аудитів перехресна рецензія спростувала 16 тверджень самого аудитора. Перед викладкою код-ревю: одного дня два ревю знайшли 11 проблем у правках, іншого ревю знайшло 3 справжні помилки в правці словника скарг, і вона не пішла в прод. Усі правила лежать у реєстрі «не повторювати», нумерація дійшла до 390 плюс 262 ранніх без номерів. Перед кожною правкою бота реєстр відкривається першим.
Результат
Клієнт пише звичайними словами, українською чи російською: «холодильник Samsung до 15 тисяч», «плита 50 на 50», «чорний бойлер, не білий». Бот шукає по базі каталогу з фільтрами сайту, показує позиції з посиланнями і цінами з картки, пропонує аналог, якщо потрібної моделі немає. Присилає скріншот товару: бот розпізнає модель і шукає її в каталозі, за замір у два тижні розібрано 32 фото з 34.
Доставка і оплата: спочатку місто, без міста сум не називає. Рахує доставку і занос за правилами магазину, підказує точки видачі. Статус замовлення: за номером питає 1С і відповідає, 1С віддає номер накладної Нової пошти. Коли клієнт готовий купувати, бот збирає товар, ціну, доставку, ПІБ, адресу, номер і передає заявку менеджеру окремим сигналом. Скарги, скасування і спірна гарантія йдуть людині одразу.
Вночі всі чати веде бот, навіть закріплені за менеджером, але живу людину не перебиває. Вікно в 20 хвилин вибране за заміром: з 20:00 до 22:00 менеджери ще пишуть, з 23:00 до 07:00 нуль. Правило виросло із заміру за два тижні до нього: зі 133 нічних звернень 112 отримали відповідь протягом години, 18 чекали довше, 3 так і не дочекалися. Правило з’явилося саме заради цих 21.
Що показали прилади. Весь живий трафік іде через SendPulse: 328 повідомлень на добу проти нуля через прямий Telegram-бот за ті самі 14 діб, тому прямого бота вимкнули і лишили один канал. Чотири дні поспіль нуль вигаданих цін і характеристик при звірці з живим сайтом, по 7-10 цін на день. Прилад звірки історії з відправленим після правки: 41 відправлено, 41 в історії, розходжень 0. Витрати на API Claude за замір у 14 діб 26,25 $, тобто близько 56 $ на місяць, одна відповідь клієнту близько 0,025 $. Перехід на Sonnet 5 на 10 живих питаннях дав економію 21%.
Чого ще не зробили: один і той самий клас помилки часом спливає повторно, і це видно в щоденних розборах. Перевірки в коді іноді шкодять сильніше за модель. Питання продукту для інших магазинів лишається відкритим: регресійний набір і щоденні прилади вже є, юридичну відповідальність перед чужим магазином ще не пропрацьовували.
Помилки і що винесли
