Роман Хамед

Задача: Чат-бот для юридических консультаций с монетизацией через подписки.

Стек: n8n, PostgreSQL, LangChain TextClassifier, GPT, YooKassa (рекуррентные платежи), Telegram Bot.

Решение: NLP-классификация запросов по категориям, система “энергии” с автоматическим списанием, cron-задачи для пролонгации подписок через YooKassa API.

Задача: Интерактивный бот для сборки кастомного велосипеда с передачей лидов в отдел продаж.

Стек: n8n, PostgreSQL, Google Sheets API, JavaScript (маппинг + расчет стоимости), Telegram Bot.

Решение: Многошаговый конфигуратор через Switch-ноды, сохранение состояния в БД, автозапись лидов в Google Sheets и уведомление менеджера.

Результат: Рост конверсии лидов, сокращение времени обработки заказов.

Задача: Бот для “оживления” фото в анимированные видео по текстовому промпту.

Стек: n8n (асинхронные процессы), Google VEO3, PostgreSQL (баланс + статус задач), YooKassa (кредиты), S3.

Решение: Асинхронный pipeline (фото → base64 → S3 → VEO3 API → polling каждые 60 сек → выдача видео). Логирование ошибок на каждом этапе обработки. Списание только за успешные генерации.

Результат: 40+ платежей за первый месяц.

Задача: Распознавание растений по фото и советы по уходу с учетом уровня пользователя.

Стек: OpenAI Vision API, LangChain AI Agent, PostgreSQL (профили + история), система states.

Решение: “Умное ожидание ввода” — бот запоминает тип запроса (фото/текст) и маршрутизирует данные. Детальный промпт для Vision API с форматированным выводом.

Задача: Генерация формул по текстовому описанию на естественном языке.

Стек: GPT, PostgreSQL Chat Memory (контекст диалога), custom system prompt, YooKassa.

Решение: Память диалога, формат ответа: формула → объяснение → альтернативы.

Задача: Интерактивное портфолио в формате Telegram-бота.

Стек: n8n, inline-клавиатуры, Switch-логика, динамическое редактирование сообщений (SPA-эффект), webhook-архитектура.

Фишка: Резюме демонстрирует само себя — пользователь читает кейсы в боте, который я создал.

Задача: Бот для генерации сценариев вебинаров с глубоким анализом ЦА по методологиям нескольких авторов.

Стек: n8n, GPT, PostgreSQL (state management + is_awaiting_input), LangChain TextClassifier (NLP-фильтр), Telegram Bot.

Решение: (1) Глубинный анализ ЦА (боли, страхи, триггеры, мифы, трансформация) через AI с ролью психолога + маркетолога. (2) Копирайтинг вебинара (45 мин) с фреймворками PAS + AIDA. NLP-классификатор отсеивает off-topic запросы. PostgreSQL хранит состояние диалога. Интеграция Tavily для актуальной информации.

Задача: Чат-бот для работы с документацией GitHub API через векторную БД вместо полнотекстового поиска.

Стек: n8n, Supabase Vector Store (pgvector), OpenAI Embeddings, OpenAI Chat, LangChain VectorStoreTool, Google Drive API.

Решение: Создал базу знаний из OpenAPI спецификации GitHub (540+ endpoints). Текст разбивается → эмбеддинги → сохраняются в Supabase. При запросе: embedding запроса → семантический поиск → передача контекста в GPT. AI-агент отвечает только на основе найденных документов.

Задача: Система тикетов поддержки для Telegram-бота с автоматическим созданием топиков в группе.

Стек: n8n, Redis (Hash для хранения users + thread_id), Telegram Bot API (Forum Topics, forwardMessage).

Решение: При первом сообщении: проверка Redis (TG-USER-{chat_id}) → если нет, создается топик в супергруппе и сохраняется в Redis. Все последующие сообщения пересылаются в топик через forwardMessage. Ответы саппорта автоматически пересылаются юзеру. Broadcast: агрегация ключей TG-USER-* → Split In Batches (29 msg/sec) → copyMessage из канала. Фильтрация заблокированных юзеров через поле “Blocked”.

Задача: Личный кабинет клиента в Telegram: показать статус дела и оплат, принимать документы, лидогенерация и создание задач юристам в CRM — без ручной рутины.

Стек: n8n, Telegram Bot API, PostgreSQL, Bitrix24 (REST/Webhook), LangChain (Chat Memory + Information Extractor), OpenRouter (Gemini), Webhooks.

Решение: Реализовал state-machine в PostgreSQL (can_write / sendDOC / analyze_doc / privacy consent), меню на inline-кнопках, авторизацию клиента через /start с токеном (из CRM), получение статуса сделки и счетов из CRM с маппингом стадий в “человеческий” текст. “Заказать звонок” — антифлуд + задача ответственному в CRM. Документы — загрузка файла в CRM-диск + задача юристу с привязкой к сделке. Для лидов — сбор истории, LLM-извлечение контактов/сути кейса, создание лида в CRM и логирование ошибок.

Результат: Единый Telegram-канал для сервиса клиентам + автоматизация документооборота и заявок без участия менеджеров.

Задача: Автоматически уведомлять клиента в Telegram о смене статуса дела/этапов, событиях по оплате и поддерживать контакт “тёплыми” рассылками (без спама).

Стек: n8n, PostgreSQL, Telegram Bot API, Webhooks, Bitrix24 (deal/invoice), Cron/Schedule Trigger, JavaScript.

Решение: Воркфлоу на вебхуках CRM: определение типа события (обновление сделки/стадии счетов), получение актуального статуса из CRM, поиск клиента в PostgreSQL и отправка персонализированного сообщения с inline-кнопкой “Заказать звонок”. Плановые рассылки: поздравления с днем рождения (выборка по дате), ежемесячные касания для клиентов на определённых стадиях с рандомизацией из набора шаблонов, контроль антиспама/повторов через служебные поля в БД.

Результат: Снижение нагрузки на менеджеров/юристов + прозрачность для клиента + удержание контакта на длинных этапах процесса.