AI-консультант магазина (демо)
Живой демо-бот: AI-консультант интернет-магазина отвечает строго по базе знаний, подбирает товар и ведёт клиента к заявке. В боевой версии заявка уходит в CRM с уведомлением менеджеру.

Контекст
Магазин теряет клиентов между сообщениями: менеджер отвечает не круглосуточно, типовые вопросы про состав, цены и доставку повторяются, а подобрать товар в переписке долго. Нужен консультант, который отвечает мгновенно и по фактам магазина, а не «галлюцинирует», и доводит интерес до заявки.
Это живой демо-бот — откройте @retensy_demo_ai_bot и попробуйте. Демо-ниша — магазин косметики, данные условные. Под конкретного клиента ниша и база знаний перебиваются за минуту (клиника, услуги, любой каталог).

Решение
Бот отвечает только на основе загруженной базы знаний магазина и ведёт клиента к заявке:
- Ответ строго по базе — на вопрос о составе, цене или доставке бот отвечает фактами из базы; если данных нет, честно говорит «уточню у специалиста», а не выдумывает товар.
- Умный подбор — если информации мало, бот задаёт 1–2 уточняющих вопроса (тип кожи, бюджет) и предлагает 1–3 подходящих позиции с ценой.
- Заявка и менеджер — кнопки «Оставить заявку» и «Позвать менеджера» доступны всегда; бот собирает имя и телефон с валидацией.
- Защита от спама — лимит вопросов на пользователя, чтобы демо и API-ключ не выжигали злоупотреблением.
Как работает в боевой версии: каждая заявка (имя, телефон, интерес) уходит в CRM — amoCRM или Bitrix24 — карточкой лида с контекстом диалога, а менеджеру прилетает уведомление. База знаний и каталог подтягиваются из товароучёта клиента, модель подключается через OpenAI или YandexGPT (российский контур), ведётся история диалогов — владелец видит, что спрашивают.
Стек и архитектура
- Бот: Java, Spring Boot, Telegram Bot API (long polling).
- AI: OpenAI-совместимый API / YandexGPT, промпт с жёсткой опорой на базу знаний.
- Данные: база знаний и каталог в конфиге (перебор под клиента), PostgreSQL для истории и лидов в боевой версии.
- Интеграция: amoCRM / Bitrix24 API — лид как сделка, контакт, уведомление менеджеру.
- Деплой: systemd-сервис, лёгкий футпринт (~100 МБ RAM).
Роль и результат
Мы собрали диалоговый слой с опорой на базу знаний, подбор с уточнениями и контур заявки. Демо-бот работает вживую и показывает клиенту главное: бот отвечает по фактам магазина и превращает вопрос в лид. В продакшене этот лид автоматически оказывается в CRM менеджера — без ручного переноса из переписки.
Расскажите о своём проекте



