Кейсы внедрения ИИ | Нейросети, RPA, Zero-Knowledge

NEUROGRAM // TELEGRAM_ORCHESTRATOR

Open Platform

Python-модули

106

~37 000 строк

REST API

80+

Swagger-документированные

AI-стратегий

6 стратегий × 4 стиля

MCP-инструментов

AI-агентное управление

Scan→ Generate→ Protect→ Route→ Post

Продуктовый кейс

NeuroGram — инфраструктурная платформа для Telegram-арбитража

Проблематика: Рынок Telegram-автоматизации ($500M+/год) живёт в парадигме закрытых SaaS. Ни GramGPT, ни Telegram Expert, ни Entergram не дают API/SDK/MCP. Масштабирование — ручное, интеграции — костыли.

Архитектура решения: Первая открытая инфраструктурная платформа. FastAPI + Next.js 14 PWA + Telethon + DeepSeek. 3-слойная anti-ban защита. AI-комментинг с 24 уникальными комбинациями стратегий и стилей.

Открытая платформа: REST API (80+ эндпоинтов) + Python SDK + MCP-сервер (20 инструментов для Claude/Cursor).
Защита аккаунтов: Protection Layer → Health Scorer (7 факторов) → ML Ban Predictor + Circuit Breaker.

Разбор архитектуры платформы

0101 CHAT // AI_QUALIFIER

24/7 Active

PHP строк

1397

chat_api.php

JS строк

602

chat_widget.js

Стадий диалога

discovery → handoff

CRM интеграция

Twenty + Bitrix24

Widget→ KB NLP→ LLM→ BANT→ CRM

Продуктовый кейс

AI-чат с квалификацией лидов и CRM-интеграцией

Проблематика: Сайт работает 24/7, менеджер — нет. Ночные заявки теряются. Требуется автоматическая квалификация обращений: кто просто читает, а кто готов покупать.

Архитектура решения: Самообучаемый AI-чат на локальной LLM (Selektel): NLP-поиск по базе знаний → 6 стадий разговора → BANT-скоринг → Human Handoff → CRM. Всё на PHP 8.2 + JS IIFE, без Docker и БД.

6 стадий диалога: Discovery → Qualification → Solution → Objections → Consultation → Human Handoff.
AI-скоринг лидов: BANT (Budget, Authority, Timeline, Need) — автоматическая оценка hot/warm/cold без участия человека.

Разбор архитектуры чата

PARSER COMBINE // v2.4.1

ACTIVE

Источников

Google, Yandex, 2GIS, Zoon…

OSINT-модулей

+5 доп. обогащений

Записей / мин

~40

через 8 потоков

Точность скоринга

92%

A/B/C/D

Pipeline: 8 источников → … → CRM

Google → Yandex → 2GIS → Zoon → EGRUL

→ OSINT → Scoring → CSV/XLSX

Продуктовый кейс

Parser Combine — универсальный комбайн для сбора бизнес-данных

Проблематика: Ручной сбор контактов для B2B-продаж — часы копипаста. Google Maps даёт телефон, 2GIS — рейтинг, EGRUL — ИНН. Данные разрознены, нет единого инструмента.

Архитектура решения: Асинхронный движок на Python с 8 параллельными источниками. Мульти-движковая стратегия: Playwright, Selenium, API, requests. Anti-detection с прокси-ротацией и браузерным fingerprinting.

9 источников: Google Maps, Yandex Maps, 2GIS, Zoon, Avito, HH.ru, EGRUL, OKVED, Telegram.
OSINT-обогащение: 7 модулей (theHarvester, PhoneInfoga, Holehe, Hunter, Maigret, HIBP, Shodan) + лид-скоринг.

Разбор архитектуры комбайна

PAPERCLIP // v0.3.1

ORCHESTRATING

Org Chart · 0101 AI Tech

Board (CEO Agent)

DevOps

Content

Sales

Адаптеров

Claude, Codex, Cursor…

Таблиц БД

95+

342 миграции

Пакетов

28+

pnpm monorepo

Установка

5 мин

npx paperclipai

Open-source продукт

Paperclip — платформа оркестрации AI-агентов

Проблематика: Один AI-агент — это ассистент. Для бизнеса нужна команда с ролями, бюджетом и governance. Ни один AI-инструмент не даёт оргструктуру, финансовый контроль и Board-approval.

Архитектура решения: 10 подсистем: оргструктура, Heartbeat-раннер, 11 адаптеров, бюджетный движок, Governance, плагин-система. 28+ пакетов в монорепо. MIT-лицензия.

11 адаптеров: Claude, Codex, Cursor, Gemini, Grok, OpenCode, Pi + On-Premise варианты.
Heartbeat + Budget: атомарный checkout задач, hard budget limits, crash recovery.

Разбор архитектуры платформы

0101 BI // HORECA_OPERATIONS

Data Pipeline Active

Обработка данных (Llama 3.2)

98.5%

Food Waste & Списания

-34%

Предиктивное управление запасами

Предиктивный спрос (DeepSeek-R1)

Отраслевой Кейс

Интеллектуальная автоматизация в сфере HoReCa

Проблематика: Высокая волатильность спроса приводила к кассовым разрывам и избыточному списанию продуктов (food waste). Традиционные ERP-системы предоставляли исключительно «посмертную» аналитику, фиксируя убытки постфактум.

Архитектура решения: Суверенное ИИ-ядро On-Premise. Инженерная команда реализовала сквозной конвейер данных (Pandas Pipelines), который в реальном времени агрегирует погоду, брони и историю чеков для инференса локальной LLM.

Llama 3.2 Vision: Компьютерное зрение анализирует мятые накладные прямо на разгрузочной рампе, а RPA-бот (Win32 API) вносит данные в устаревшую 1С.
Zero-Hallucination NLP: Кластер DeepSeek-R1 автоматически классифицирует 100% отзывов, выделяя скрытые паттерны (например, "пересоленный соус").

Смотреть архитектуру кейса

0101 FIN // UNIT_ECONOMICS_MCK

Zero-Knowledge

Sankey: Аллокация стоимости привлечения (CAC)

Бюджет

Хирургия

МРТ/УЗИ

Терапия

Предиктивный LTV (LLM Core)

L T V = \sum_{t = 1}^{n} \frac{R_{t} - C_{t}}{{(1 + d)}^{t}} \times P_{r e t e n t i o n}

Где P_retention вычисляется LLM на базе семантики анамнеза.

Медицина (No-OMS)

Предиктивная юнит-экономика мед. центра (МЦК)

Проблематика: Невозможность корректно аллоцировать косвенные расходы на услуги. Классические подходы игнорировали длинную цепочку назначений. Медицинская тайна (152-ФЗ, HIPAA) делала невозможным использование облачных SaaS.

Архитектура решения: Установка Air-gapped инфраструктуры. Разработаны программные роботы (RPA), безопасно экстрагирующие логи биллинга из legacy-МИС без вмешательства в базы данных.

Предиктивный LTV: Локальный кластер DeepSeek-R1 осуществляет смысловой анализ текстовых заключений, выявляя вероятность удержания пациента (Retention Probability).
Декомпозиция CAC: Система аллоцирует стоимость привлечения вплоть до нозологии с учетом амортизации дорогостоящего оборудования (МРТ).

Математическая модель кейса

0101 CORE // KNOWLEDGE_GRAPH

Embeddings Active

WIN32 API RPA EXTRACTOR

Indexed Mails: 21,458

Информационный Архив

Оцифровка корпоративной памяти (Outlook)

Проблематика: Потеря исторического контекста договоренностей. Жесткие ограничения службы безопасности полностью блокировали прямой экспорт баз данных почтовых серверов.

Архитектура решения: Вместо небезопасного взлома политик, инженеры разработали легитимный RPA-конвейер через низкоуровневый Win32 API. Прокси-боты эмулируют действия человека на уровне графического интерфейса ОС.

Извлечено и проиндексировано более 21 000 писем. База данных хранит не исходные тексты, а исключительно многомерные векторы (эмбеддинги). Реконструкция письма математически невозможна без локального ключа (Zero-Knowledge). Визуализация осуществляется локально через семантические графы Obsidian.

0101 CORE // SITE_ARCHITECTURE

87 Pages Active

Страниц

статический HTML

Строк кода

135K

HTML + PHP + JS

AI-агенты

DevOps · Content · Board

Статей в блоге

SEO-оптимизированных

Корпоративный сайт

0101ai.tech — 87 страниц без JS-фреймворков

Проблематика: Нужен сайт, который одновременно — витрина услуг, блог, платформа для кейсов, AI-чат для квалификации лидов и партнёрская программа. Обычно под это заводят Next.js + CMS.

Архитектура решения: Статический HTML на Tailwind CSS v4. PHP 8.2 без фреймворка. JSON-файлы вместо БД. Mega-menu на 417 строк JS для всех 87 страниц. AI-чат с 6-стадийной BANT-квалификацией. 3 автономных AI-агента.

nav.js (417 строк): единый mega-menu с 6 панелями, автоопределение активной страницы, мобильный аккордеон.
3 AI-агента: DevOps (healthcheck), Content (SMM-черновики), Board (утренний брифинг CEO).

Разбор архитектуры сайта

// Конвейер: Telegram → Queue → AI Pipeline → Export

Telegram Bot

297 строк · HTTP-polling · 12 категорий

JSON Queue

4 типа заявок · атомарный shutil.move

10-Stage AI Pipeline v4.4

120KB промпт · 28 гардов · 52 антидетекта

Export: HTML + DOCX + Midjourney

3 минуты от темы до публикации

3 мин

полный цикл

HARD BANS

Контент-автоматизация

Dzen Conveyor — мультиагентный конвейер контента

Проблематика: Владелец блога тратит 4–6 часов на статью для Яндекс.Дзен. При 3 публикациях в неделю — 12–18 часов ручной работы: исследование, SEO, написание, редактура, обложка.

Архитектура решения: Telegram-бот на голом HTTP-polling (297 строк, без фреймворков). JSON-очередь без БД. Cron-воркер с 4 модулями промпта (120KB v4.4). 10 AI-ролей от стратега до дизайнера. 28 гардов, 16 HARD BANS, экспорт HTML+DOCX+Midjourney.

10 этапов AI-пайплайна: Стратег → SEO → Копирайтер → Редактор → Шеф-редактор → Корректор → Дизайнер → Мультипликатор.
4 слоя защиты от AI-фильтров: HARD BANS + 28 гардов + 52 антидетекта + 17 правил Дзена.

Разбор конвейера контента

MARKET_RESEARCH // 83_NICHES

2021 Project

ниши

882

карты

кластеров

типа карт

Маркетинговое исследование

Исследование 83 рыночных ниш на Mindmap-картах

Контекст: Разработано для предпринимателей на Kwork (2021). Позже стало фундаментом для маркетингового консалтинга — способность за 2–3 дня собрать полную картину рынка любой ниши.

Методология: 4 стандартные карты на каждую нишу: упаковка продукта, портрет ЦА, онлайн-скопления аудитории, стратегия продвижения. От медицины и красоты до мебельного производства.

Медицина: стоматология, пластическая хирургия, косметодерматология, фитнес.
Крупнейшие ниши: кухни (88 карт), шкафы-купе (40), школа английского (28), окна (24), подготовка к ЕГЭ (20).

Смотреть кейс

SITE_AUDIT // DIAGNOSTIC_SCAN

20 min scan

$ audit --mode=quick --site=mck

✕charset:windows-1251 → кракозябры

✕URL:gastrojenterolog → опечатка

✕viewport:missing → -60% mobile

✕CTA href:"javascript://" → не работает

✕img ×16:no lazy → 1.2MB

⚠meta desc:none на 80% страниц

⚠Schema.org:none → zero rich snippets

✓ 10+ проблем. 3 критические. Готово.

Потери в месяц: ~375 000 ₽

Диагностический кейс

SEO-аудит: 10+ ошибок на одном сайте за 15 лет

Что сделали: Открыли сайт медклиники (80+ страниц, 18 направлений) и за 20 минут нашли критические проблемы. Не писали код — посмотрели глазами поисковика и пользователя.

Что нашли: Сломана кодировка (текст не читается поисковиками), неадаптивная вёрстка (-60% мобильного трафика), URL с ошибками (gastrojenterolog), кнопка записи ведёт в javascript://, 16 картинок грузятся без lazy load.

3 критические: кодировка, мобильная вёрстка, нерабочая форма записи.
7+ средних: URL, метатеги, Schema.org, sitemap, дубли, битые ссылки, OG.

Разбор ошибок и решений

Цифровизация производства

Завод без Excel

Производственная компания с 10 продажниками и плановыми 30 000 единиц продукции в месяц. Вся операционка — WhatsApp, Excel и Word. Спроектировали и построили платформу из 9 компонентов, включая IoT на станках и ML-прогноз заказов.

platform // 9_components

[01] B2B-портал — кабинет, договоры, партнёрка

[02] CRM — 10 продажников, воронка

[03] QR tracking — партия → точка

[04] 1С интеграция — авто-счёт

[05] Дашборд CEO — всё на одном экране

[06] База знаний — обучение без вас

[07] Рекламации — ни одной потерянной

[08] IoT на станках — расход до грамма

[09] ML-прогноз — заказ за 2 недели

месяцев

бюджет, ₽

18×

ROI

160M

эффект/год

Задача

Заменить WhatsApp/Excel/Word на единую платформу, способную обработать 30 000 заказов в месяц. Обеспечить контроль расхода материала на 100+ станках.

Стек

B2B-портал PHP, CRM, 1С API, QR batch tracking, IoT MQTT-модули, ML-прогнозирование заказов, дашборд руководителя.

Партнёрская модель

Фикс-бюджет разработки + доля в бизнесе с вестингом по KPI. Зарабатываем только если клиент растёт.

Эффект

~160 млн ₽/год: экономия ФОТ (~40 чел), контроль расхода (устранение 20% утечки), сохранение точек, отсутствие срочных отгрузок.

Читать кейс

Кейсы внедрения ИИ-архитектуры

NeuroGram — инфраструктурная платформа для Telegram-арбитража

AI-чат с квалификацией лидов и CRM-интеграцией

Parser Combine — универсальный комбайн для сбора бизнес-данных

Paperclip — платформа оркестрации AI-агентов

Интеллектуальная автоматизация в сфере HoReCa

Предиктивная юнит-экономика мед. центра (МЦК)

Оцифровка корпоративной памяти (Outlook)

0101ai.tech — 87 страниц без JS-фреймворков

Dzen Conveyor — мультиагентный конвейер контента

Исследование 83 рыночных ниш на Mindmap-картах

SEO-аудит: 10+ ошибок на одном сайте за 15 лет

Завод без Excel

Zero-Knowledge Парадигма

Из блога

Как мы построили NeuroGram — платформу для Telegram-арбитража за 3 недели

AI-чат с квалификацией лидов и CRM-интеграцией

ИИ в логистике: кейсы, решения, ROI

Parser Combine: комбайн для сбора бизнес-контактов из 8 источников

Как мы построили 0101ai.tech — 87 страниц на чистом HTML

Dzen Conveyor: мультиагентный конвейер контента из 10 AI-ролей

ИИ в медицине: диагностика, документооборот, управление

Технический аудит

Заявка принята!