Где теряется время
Владельцы каналов тратят 10–15 часов в неделю на поиск тем, чтение первоисточников, перевод, структурирование материала и подготовку постов вручную.
Вернуться к кейсам
Рабочий прототип
GenerativeBOT
AI-ассистент для Telegram-канала
Telegram-бот на Python, который собирает научные новости из RSS/API-источников, генерирует идеи и пишет готовые русскоязычные посты через OpenRouter AI.
35+ источников
35+
источников
NASA, arXiv, MIT News, ScienceDaily, RSS/Atom
3 минуты
3
минуты
от выбора темы до готового текста
10–15 часов в неделю
10–15
часов в неделю
потенциальная экономия ручной работы
3–5 постов в день
3–5
постов в день
можно готовить без редакционной рутины
Проблема
У научпоп- и экспертных Telegram-каналов основная потеря времени происходит до публикации: нужно найти тему, отобрать источник, прочитать англоязычный материал и превратить его в понятный пост.
Что усложняет ручной процесс
Темы приходится искать одновременно в RSS, блогах, новостных лентах и научных публикациях.
Англоязычная статья еще не является готовым постом для русскоязычного Telegram-канала.
При регулярных публикациях быстро накапливается усталость и падает стабильность выхода контента.
Решение
GenerativeBOT закрывает основной контентный цикл внутри Telegram: собирает материалы, помогает выбрать тему и возвращает уже подготовленный текст в стиле канала.
Что делает система
Бот собирает новости из RSS/API-источников, фильтрует кандидатов, генерирует идеи и пишет готовые русскоязычные посты через OpenRouter без отдельного веб-интерфейса.
Что получает клиент
Работу в привычном Telegram без новой панели управления.
Автоматизацию черновой редакторской работы перед публикацией.
Гибкую настройку стиля, категорий и источников под конкретный канал.
Результат
На текущем рабочем прототипе уже виден основной эффект: бот заметно сокращает время производства контента и превращает разрозненный поиск тем в воспроизводимый процесс.
Что меняется после внедрения
Полный цикл от выбора темы до готового поста занимает около 3 минут вместо ручной подготовки за 1-2 часа.
Снижается стоимость подготовки одного поста и нагрузка на редактора.
Можно выпускать 3–5 материалов в день без ручного мониторинга десятков источников.
Систему можно использовать как базовый слой контент-производства для разных ниш.
35+ источников
35+
источников
NASA, arXiv, MIT News, ScienceDaily, RSS/Atom
3 минуты
3
минуты
от выбора темы до готового текста
10–15 часов в неделю
10–15
часов в неделю
потенциальная экономия ручной работы
3–5 постов в день
3–5
постов в день
можно готовить без редакционной рутины
Как работает система
Сильная сторона решения не в одном вызове LLM, а в связке из источников, фильтрации, тематической логики и финальной генерации под формат Telegram.
Пайплайн от источника до поста
1
Пользователь выбирает режим в Telegram
2
Бот собирает кандидатов из RSS/API-источников
3
Pipeline нормализует, фильтрует и дедуплицирует материалы
4
Темы ранжируются или собираются в TopicCluster
5
OpenRouter генерирует готовый пост в заданном стиле
6
Результат возвращается в Telegram с fallback при ошибках Markdown
Идеи для постов
LLM генерирует 7 свежих тем, исключая уже использованные идеи. Пользователь выбирает тему, бот пишет пост в стиле канала.
Новостной дайджест
RSS-агрегация, ранжирование top-8 новостей, извлечение текста статьи и генерация русского поста с источником.
Умная подборка
Content pipeline собирает кандидатов из RSS, arXiv, MIT и first-class источников, фильтрует, дедуплицирует и группирует темы в кластеры.
Ключевые функции
Снаружи это компактный Telegram-бот, но внутри у него уже есть и пользовательские сценарии, и сервисные функции для устойчивой ежедневной работы.
Пользовательские возможности
Генерация 7 идей для постов одним нажатием
RSS-дайджест по категориям с выбором новости
Умная подборка с кластеризацией тем из нескольких источников
Парсинг статей через trafilatura с fallback на BeautifulSoup
Генерация постов на русском языке с эмодзи, структурой и хештегами
Сервисные возможности
Batch-навигация: еще варианты и предыдущие подборки
Команда /sources для диагностики здоровья источников
SQLite-хранилище истории идей, дайджестов и smart-подборок
Белый список пользователей и локальный rate limiting
Архитектура
Текущая версия строится вокруг Telegram-бота на Python, модульных handler-ов, LLM-клиента и отдельного content pipeline для качественного отбора тем.
Основные блоки
python-telegram-bot Application
ConversationHandler / CommandHandler
handlers_ideas / handlers_news / handlers_smart_news
OpenRouter Client + локальный rate limiter
SQLite HistoryStorage с WAL и TTL 30 дней
Content Pipeline: RSS, arXiv, MIT, NASA/JPL/ScienceDaily
Устойчивость текущей версии
Белый список пользователей для приватного доступа
Локальный rate limiting 3/мин и 15/день на пользователя
Lock от двойного запуска генерации по повторному нажатию
Fallback-отправка без parse_mode при ошибках Markdown
SQLite с WAL и TTL 30 дней для устойчивой локальной истории
Технологии
Стек подобран под Telegram-first сценарий: асинхронная Python-логика, локальное хранение состояния, RSS/API-коннекторы и LLM-провайдер для генерации текстов.
Python 3.12+python-telegram-bot 22.1OpenRouter APIdeepseek/deepseek-v4-flashSQLiteaiosqlitehttpxfeedparsertrafilaturaBeautifulSoup4arXiv APIRSS/Atom
Что можно адаптировать под клиента
Базовая архитектура позволяет быстро менять не только визуальный тон постов, но и сам набор источников, правил отбора и сценариев работы под конкретную нишу.
Источники и приоритеты сбора под конкретную нишу: наука, технологии, бизнес, образование.
Системный промпт, тональность и стиль постов под формат конкретного канала.
Категории новостей, правила фильтрации, длина постов и обязательные дисклеймеры.
Язык выдачи, структура CTA, формат эмодзи, хештегов и ссылок на первоисточник.
Workflow работы: только черновики, режим редактора или подготовка под автопубликацию.
Ограничения и дальнейшее развитие
Текущая версия уже закрывает основную задачу генерации и подготовки контента, но как продукт для клиента ее логично расширять в сторону более глубокого контентного контура и автоматизации публикаций.
Дополнительный слой источников
В новостной pipeline можно добавить сбор первоисточников из похожих тематических Telegram-каналов, чтобы быстрее находить темы, которые уже доказали интерес аудитории.
Авто-планнер публикаций
Следующий этап — авто-планнер публикаций: бот сам периодически предлагает новости, собирает очередь материалов и может добавлять их в автопубликацию канала для почти полностью автоматизированного ведения канала.
Редакторский контур
Для клиентской версии можно добавить редакторский слой согласования перед публикацией: статусы, ручные правки, история изменений и утверждение конкретных черновиков.
Контур аналитики
Отдельное улучшение — обратная связь по вовлеченности: какие источники, категории и форматы чаще превращаются в сильные посты и дают лучший отклик.
Нужен такой же бот или похожий под вашу нишу?
Этот проект можно адаптировать под другую тематику: изменить источники, системный промпт, категории и стиль готовых постов или вовсе расширить функционал.