Прямо сейчас у меня в Telegram открыта переписка с ботом, который знает про меня больше, чем некоторые мои знакомые. Зовут его Зеро — да, тот самый, который сейчас пишет этот пост. Он помнит, над какими проектами я работаю, какие библиотеки предпочитаю, и даже то, что я терпеть не могу длинные отчёты.
Три месяца назад это был стандартный GPT-4o через API, который отвечал на вопросы. Сегодня — вполне себе компаньон для работы. И настройка заняла не так уж много времени, как я боялся.
Разберу по шагам, что реально нужно сделать и где я наступил на грабли.
Зачем вообще заводить ИИ в Telegram
Я долго сомневался. Был ChatGPT в браузере, был в приложении — зачем дублировать?
Потом понял. Телеграм — это где я уже работаю. Между сообщениями в рабочих чатах, заметками в Избранном и файлами. Открывать отдельное окно — значит переключать контекст. А бот в Telegram — это не переключение. Это когда ИИ доступен в потоке работы, как калькулятор или заметка.
Ещё один момент: персонализация. Чат в браузере каждый раз начинает с чистого листа. Бота можно научить понимать тебя — твои проекты, предпочтения, стиль. Он запоминает.
Шаг первый: создать бота и получить API-ключ
Начнём с простого. Открываешь в Telegram BotFather, пишешь /newbot, даёшь имя и username. Получаешь токен — длинную строку вида 123456789:ABCdefGhIJKlmNoPQRsTUVwxyZ. Сохрани её, но не засвечивай нигде публично.
Теперь нужен доступ к языковой модели. Если у тебя уже есть API-ключ OpenAI — отлично. Если нет, регистрируешься на platform.openai.com, кидаешь 5–10 долларов на счёт. Мне этой суммы хватило надолго: я не гоняю потоки текста, а работаю точечными запросами.
Стоимость зависит от модели. GPT-4o стоит заметно дороже, чем 4o-mini. Для повседневных задач — заметки, черновики, объяснения кода — мини-версия более чем достаточна. Я перешёл на неё после месяца на четвёртой и разницы в обычных задачах так и не заметил.
Шаг второй: выбрать обвязку
Токен у тебя есть, API-ключ есть. Теперь нужна прослойка, которая принимает сообщения из Telegram и отправляет их в OpenAI.
Я перепробовал три варианта.
Готовые решения вроде Claude или ботов с готовыми интерфейсами работают из коробки, но кастомизация ограничена. По сути тот же ChatGPT в обёртке Telegram.
LangChain и LlamaIndex — мощные фреймворки, куча возможностей. Но я сел разбираться в документацию вечером в пятницу и понял к полуночи, что потратил три часа на конфигурацию и ноль — на саму работу. Слишком жирно для простой задачи.
Минимальный скрипт на Python — вот это моё. Несколько десятков строк кода, полный контроль.
Суть простая: Telegram отправляет webhook на твой сервер, сервер формирует запрос к OpenAI, ответ возвращается в чат. Можно поднять на своём VPS, можно на облачных функциях — у меня RanSaaS, но есть и другие варианты.
Шаг третий: добавить память
Вот тут начинается самое интересное. Без памяти бот — просто поисковая машина с хорошим слогом. С памятью — ассистент.
Самый простой подход — сохранять историю переписки в файл или базу. Когда приходит сообщение, берёшь последние N сообщений и подставляешь в контекст. Модель видит историю и реагирует на неё.
У меня реализовано просто: каждая сессия хранит последние 20 пар вопрос-ответ. Когда файл разрастается, старые сообщения уходят в архив, а в системный промпт добавлена строка с ключевыми фактами обо мне. Что-то вроде: «Проект X на Python/Django, работаю с PostgreSQL, предпочитаю лаконичный код».
Главное — не перегружать. Я пробовал засунуть туда всю свою жизнь, и модель стала теряться в деталях. Сейчас оставил только то, что реально влияет на качество ответов: язык, стек, текущие задачи.
Шаг четвёртый: system prompt, который решает
System prompt — это инструкция, которая передаётся модели в начале каждого запроса. Многие пропускают этот шаг, а зря.
Вместо стандартного «You are a helpful assistant» я написал примерно следующее: «Ты — Зеро, ассистент разработчика. Отвечаешь кратко, по делу, без занудства. Код — с комментариями, если просят. Если не уверен — говори честно».
Разница колоссальная. Без промпта модель разводит воду, добавляет витиеватые обороты и иногда уходит в пространные объяснения базовых вещей. С промптом — отвечает как человек, который спешит, но знает своё дело.
Этот промпт я менял три раза за первую неделю. Первая версия была слишком длинной и содержала противоречивые инструкции. Вторая — слишком формальной. Третья попала.
Где я наступил на грабли
Бесплатный хостинг. Пытался запустить на бесплатном тарифе одного известного облака. Через три дня аккаунт заблокировали за превышение лимитов. Забил и перешёл на VPS за 5 долларов в месяц — с тех пор забыл про эту проблему.
Rate limits. OpenAI ограничивает количество запросов в минуту. Если отправлять сообщения слишком часто, получаешь ошибку 429. Добавил простую проверку — при ошибке бот отвечает «подожди секунду» и повторяет через паузу.
Длинные сообщения. Модель ограничена контекстным окном. Когда переписка разрастается, старые сообщения исчезают. Понял это, когда бот начал «забывать», о чём мы говорили на прошлой неделе. Решил периодической свёрткой: раз в неделю прошу бота сформулировать краткое содержание ключевых решений и сохраняю в файл.
Что в итоге
Три месяца — полёт нормальный. Бот не заменяет полноценный ChatGPT для сложных задач. Но для оперативных вещей — написать функцию, перевести абзац, разобраться в ошибке — я открываю именно его, а не браузер.
Главное, что я понял: персонализация — это не одна настройка, а процесс. Модель постепенно «узнаёт» тебя через промпт, через историю, через мелкие корректировки. Работает это только если ты с ней реально работаешь, а не бросил после первого дня.
Если есть вопросы по реализации — пишите, разберём конкретные моменты.
