Как я за 3 дня собрал AI бота, который реально работает

Yevhenii Rozov · 2026-05-09

Пятница, 23:40. Я закрыл ноутбук и просто сидел в темноте.

14 часов работы. $47 на API-запросы. И бот, который по-прежнему забывал всё, что пользователь говорил три сообщения назад.

А потом я открыл файл с промптом и увидел строку, которую не трогал все три дня.

Как я убил выходные и $47 на проблему, которой не существовало

Клиент хотел простого: бот для онбординга новых сотрудников. Задаёт вопросы, запоминает ответы, ведёт человека по шагам. Ничего сложного на бумаге.

Я сразу полез в код. Настроил хранение истории в массиве, прописал логику передачи сообщений в API, добавил обработку ошибок. Всё по учебнику.

Бот работал. Но не так. Он терял контекст, давал противоречивые ответы, иногда просто игнорировал то, что пользователь написал раньше. Я думал - проблема в архитектуре. Переписал логику хранения истории. Не помогло. Добавил явную передачу контекста через переменные. Стало хуже.

Суббота ушла на эксперименты с форматом передачи сообщений. Я читал документацию Anthropic, смотрел чужие репозитории на GitHub, пробовал разные структуры JSON.

Воскресенье - то же самое, только с большим отчаянием.

К пятнице я уже разговаривал с ботом как с живым существом. Просил его "пожалуйста, запомни". Это был плохой знак.

Проблема знакомая всем, кто начинает делать AI-ботов: ты думаешь, что это задача про код. Про архитектуру, про API, про правильную структуру данных. И тратишь дни на то, чтобы починить то, что не сломано.

Я собрал промпты по этой теме в PDF. Забери бесплатно: https://t.me/airozov_bot

Одна строка, которая стоила мне трёх дней

В пятницу вечером я от безысходности начал переписывать system prompt с нуля.

System prompt - это инструкция, которую модель получает перед разговором. Я написал там что-то вроде "ты помощник по онбордингу, отвечай вежливо". И не трогал это три дня, пока чинил код.

Когда я наконец прописал в system prompt конкретную инструкцию про работу с контекстом - всё встало на место за 20 минут.

Вот что реально работает при создании AI бота.

Первое - system prompt важнее архитектуры. Модель не "понимает" задачу из воздуха. Ей нужно явно объяснить роль, формат работы и правила обработки контекста. Я добавил три вещи: чёткое описание роли ("ты ведёшь структурированный онбординг, не отклоняйся от него"), инструкцию по работе с памятью ("в каждом ответе явно ссылайся на то, что пользователь сказал ранее") и формат ответов ("задавай только один вопрос за раз"). Бот стал другим существом.

Второе - история сообщений должна быть полной, но управляемой. Я передавал последние 5 сообщений. Это мало. Для онбординга нужен весь контекст сессии - иначе модель не видит, на каком шаге находится пользователь. Переключился на передачу полной истории с момента старта сессии. Добавил к этому summary предыдущих шагов в начале каждого запроса. Стоимость запроса выросла, но поведение стало предсказуемым.

Третье - тестируй промпт отдельно от кода. Это то, что я не делал и за что заплатил временем. Зайди в claude.ai или ChatGPT, вручную проиграй сценарий разговора с нужным system prompt. Если там работает криво - в коде будет так же, только найти это будет в десять раз сложнее. Я теперь трачу первые 30-40 минут любого проекта только на промпт, и это экономит часы.

Стек для простого бота: Claude API (claude-3-5-haiku для скорости и цены), Python с библиотекой anthropic, хранение сессий в Redis если нужна персистентность. На Telegram-бота сверху - python-telegram-bot. Это весь стек. Ничего лишнего.

Время сборки рабочего прототипа от нуля - 3-4 часа, если system prompt готов заранее.

Почему все делают это неправильно и почему я сам так делал

Когда ты разработчик, ты видишь любую проблему как техническую.

Бот ведёт себя странно - значит, баг в коде. Теряет контекст - значит, неправильная архитектура хранения. Это рефлекс. И он тебя предаёт, когда работаешь с языковыми моделями.

LLM - это не детерминированная функция. Ты не можешь починить её поведение через структуру данных. Её поведение определяется инструкцией. И 80% работы по созданию бота - это работа с промптом, а не с кодом.

Я видел людей, которые тратят недели на сложную RAG-архитектуру, векторные базы, fine-tuning - для задач, которые решаются правильным system prompt на $0. Это не значит, что сложные инструменты не нужны. Но они нужны после того, как ты убедился, что промпт не справляется.

Ещё один момент, который я не ожидал: модель реагирует на тон инструкции. Один и тот же смысл, написанный как требование ("ты должен") против описания роли ("ты специалист, который...") - даёт разные результаты. Звучит как магия, но это воспроизводимо. Описание роли работает стабильнее.

Каждый день разбираю один такой инструмент в Telegram: https://t.me/yevheniirozov

Что сделать прямо сейчас

Если ты хочешь сделать своего первого бота - не открывай редактор кода.

Зайди на claude.ai, создай новый чат и в начале напиши вот этот system prompt:

*"Ты - [опиши роль бота]. Твоя задача - [конкретная цель]. Правила: задавай только один вопрос за раз, в каждом ответе явно ссылайся на то, что пользователь сказал ранее, не отклоняйся от основной задачи. Формат ответов: короткий, конкретный, без лишних слов."*

Замени скобки под свою задачу. Проиграй вручную 10-15 сообщений разных сценариев. Посмотри, где ломается.

Только после этого открывай код.

Три дня и $47 - это была моя плата за то, чтобы понять простую вещь. Ты можешь взять её бесплатно прямо сейчас.