Главная Журнал Как мы автоматизировали сетку из 29 новостных телеграм-каналов

Заметка

Как мы автоматизировали сетку из 29 новостных телеграм-каналов

Изображение 1

Мы в Buninlab закончили проект одному из наших клиентов. Клиент — большая сетка новостных телеграм-каналов, более 70 админов. Владелец сетки выделил отдельную часть каналов под ведение ИИ-агентов.

Три задачи, которые мы решали:
— сократить нагрузку на админов и уменьшить их количество
— в перспективе перейти на ведение каналов через ИИ
— повысить качество новостей и контента

Проект работает уже сейчас и заточен под развитие.

Что мы реализовали и как это работает под управлением ИИ-агентов:

  1. Отбор новостей, которые заходят подписчикам канала. Решается через ИИ-анализ реакций и просмотров под прошлыми публикациями.
  2. Фильтр запрещёнки, рекламы. Агент, который следит за безопасностью.
  3. Отсеивание дублей. Фильтр для новостей, которые уже были опубликованы. Тут использовали векторную базу данных в связке с ИИ-агентом.
  4. Отбор продолжений новостей. Когда вышла одна новость, а после — обновление, агент должен это понять и опубликовать как продолжение в одном из предыдущих постов. Тоже решили через векторную базу в связке с ИИ-агентом.
  5. Написание и публикация новости в стилистике канала.
  6. Админка с дашбордом, где мы в реальном времени наблюдаем как и что происходит, какие новости ушли в паблик, где дубли, где продолжение, сбой и ошибки.

Как работает весь флоу системы:

— На вход пришёл массив новостей
— Удалены дубли, реклама, опасный контент
— Определены новости, которые наиболее релевантны для канала
— Определены те, которые являются продолжением предыдущих публикаций
— Подготовлен и опубликован пост в стилистике канала, со всеми маркировками и эмодзи

Результат: модерация с ручной до 80%+ автоматической, точность классификации 91.7%. Раньше 1 админ вёл 1 канал, сейчас 1 админ ведёт 5. В перспектике я думаю, что 1 админ - 10 каналов.

На первый взгляд может показаться, что система простая и что в ней такого. Я неоднократно говорил, что с приходом вайбкодинга и low-code платформ такие решения собирать стало сильно проще. Только наша основная задача не собрать продукт и пусть он потом как-то работает. А провести его полную отладку, настройку. Тюнить промты, допиливать логику работы агентов, чтобы избежать галлюцинаций и прочих артефактов. Важно не столько стек технологий, а то как мы его собрали и довели работу агентов до высокого качества. Важно вникнуть и понять процессы. Навайбкодить по сути может любой школьник

Собрать — просто. Сделать так, чтобы работало стабильно и без присмотра — вот где настоящая работа.