AI-агент для автоматизации консультаций и записи в сети студий красоты NailLounge
AI-ассистент в Telegram закрывает 70–80% типовых обращений клиентов мгновенно: отвечает на вопросы по услугам и ценам, бронирует визиты в YClients, шлёт напоминания и эскалирует сложные случаи живому администратору.
Итог: Администраторы освободились от 6–8 часов рутинной переписки в день; время ответа клиенту в пиковые часы упало с 15–40 минут до <3 секунд; запись через AI занимает 60–90 секунд против 5 минут диалога с человеком.
Product surface
Website + web booking
70–80%
обращений закрывает AI без эскалации
<3 сек
время первого ответа клиенту
~10×
снижение LLM-costs за счёт роутинга
100%
покрытие напоминаниями за 24 и 2 часа
01 / Brief
С чем пришёл клиент
Администраторы NailLounge тратили 60–70% рабочего времени на переписку с клиентами: одни и те же вопросы про цены, расписание мастеров, переносы записей. На реальную работу с клиентом в зале времени не оставалось.
В пиковые часы клиент ждал ответа 15–40 минут — часть отваливалась и уходила к конкурентам, у которых есть онлайн-запись или живой чат с быстрым ответом.
Нужен был AI, который снимает рутину без потери качества: говорит точными ценами и расписанием из YClients, не выдумывает, эскалирует сложные случаи живому администратору, и стоимость работы должна разумно масштабироваться с нагрузкой.
02 / Execution
Как мы это решали
Решения разложены как цепочка продуктовых слоёв: от входа в запись до аналитики, кэша и SEO-структуры. Каждый слой поддерживает основной сценарий, а не существует ради отдельной технологии.
AI-ассистент в нескольких точках входа Telegram
Единый агент доступен в личном чате бота @NailLoungeBot, в бизнес-чатах салонов и в Telegram Mini App. Унифицированный адаптер каналов передаёт сообщения в общий формат — оркестратор не различает источник, клиент получает одинаковый опыт независимо от точки входа.
Оркестратор с state-machine диалога
Сердце агента: хранит контекст (idle → consultation → booking → confirmation → done), маршрутизирует каждое сообщение по сложности, отслеживает confidence-уровень ответа и решает — отвечать самому, вызвать инструмент или эскалировать живому оператору.
Multi-LLM роутинг с cost optimization
Простые FAQ идут в GPT-4o-mini или Claude Haiku (~$0.001 за диалог), booking-сценарии с tools — в GPT-4o или Claude Sonnet (~$0.02), классификация интента — в локальную Mistral 7B на собственном GPU. Снижение costs ~10× против варианта «всё в Sonnet», без падения качества пользовательского опыта.
RAG над знаниями салона
Векторный индекс на pgvector с BGE-M3 эмбеддингами поверх услуг, цен, описаний, политики отмены, профилей мастеров. Salon-aware фильтрация — клиент студии на Маяковской никогда не получит цены студии на Комендантском. Модель отвечает строго из подтверждённой базы и физически не может выдумать цену.
Безопасный tool-слой к YClients
Функции find_services, find_masters, find_slots, create_booking, cancel_booking, notify_admin — каждая обёрнута zod-валидацией входов и стандартизированным envelope { ok, data, audit } для полной прослеживаемости. Write-операции (бронь, отмена) требуют двухступенчатого подтверждения от пользователя — модель не создаёт запись без явного «да».
Эскалация в человека с готовым summary
При confidence <0.7 или явной просьбе клиента агент молча передаёт диалог администратору с готовым саммари: тема, тон, история сообщений, причина эскалации. Админ открывает чат уже в курсе — без потери контекста и без необходимости переспрашивать.
Reminders за 24 ч и 2 ч до визита
Отдельный воркер на cron берёт из YClients предстоящие визиты и шлёт personalized-напоминания тоном бренда. Если клиент отвечает «не приду» — агент автоматически отменяет запись в YClients и предлагает другую дату. 100% покрытие напоминаниями вместо ручного обзвона с пропусками.
Self-learning через few-shot evolution
Удачные диалоги (закончились бронированием с положительной оценкой) автоматически попадают в датасет примеров для системного промпта. Неудачные — в issue tracker с причиной. Раз в 2 недели обновляются эмбеддинги RAG. Качество растёт без классического fine-tune — стоимость прогона остаётся стоимостью одного промпта.
04 / Stack
На чём собрано
Технический стек показан как производственная схема: интерфейс, интеграции и инфраструктура поддерживают одну цепочку записи.
Runtime и архитектура
- Node.js 22 + TypeScript strict
- Микросервисная архитектура: 5 сервисов (channels, orchestrator, RAG, tools, reminders)
- Docker + docker-compose для dev, Coolify для прод
LLM-стек
- OpenAI SDK (GPT-4o, GPT-4o-mini)
- Anthropic SDK (Claude Sonnet 4.5, Claude Haiku 4.5)
- Google Gemini API
- Локальная Mistral 7B через llama.cpp на собственном GPU
- Кастомный router-слой с failover и cost-aware маршрутизацией
RAG и поиск
- pgvector (Postgres extension) для векторного индекса
- BGE-M3 для мультиязычных эмбеддингов
- Кастомный chunking с учётом структуры документов салона
- Re-ranking через cross-encoder для top-K результатов
Каналы
- grammY (Telegram Bot API, long polling)
- Telegram Mini App для in-app сценариев
- HTTPS webhook на Express для прочих интеграций
Интеграции
- YClients API — read + write (услуги, мастера, слоты, бронь, отмена)
- Yandex.Метрика для event tracking диалогов и конверсий
- Twilio как SMS-fallback при недоступности Telegram
Observability и безопасность
- OpenTelemetry для distributed tracing
- Prometheus + Grafana для метрик и дашбордов
- Sentry для ошибок и алертов
- PII-стиральная машина: телефоны/имена/email маскируются перед отправкой в LLM
- Tool-allowlist + confirmation gates на write-операции
- Rate limiting per user и per salon
Вопросы, которые чаще всего задают по проекту
Коротко по техническим и продуктовым решениям NailLounge.
Приём заявок временно приостановлен
Мы временно не обрабатываем заявки через форму. Свяжитесь с нами напрямую:
- Email: it@nextprism.ru
- Телефон: +7 904 555 92 92