Notion + RAG + Telegram: архитектура AI-копирайтера для сети ресторанов

В ресторанной сети с несколькими заведениями контент быстро становится отдельным операционным процессом. Нужно регулярно готовить описания блюд, тексты для социальных сетей, рассылки, пресс-релизы, переводы, анонсы мероприятий, описания ресторанов и другие материалы. При этом у каждого ресторана может быть своя концепция, своя аудитория и собственный Tone of Voice.

В таком сценарии копирайтеру недостаточно просто писать тексты. Ему нужно помнить факты о каждом заведении: часы работы, фирменные блюда, формат кухни, имена шеф-поваров, особенности интерьера, правила коммуникации, ограничения по формулировкам и стиль бренда. Если ресторанов девять, эта задача быстро перестаёт быть только творческой и превращается в задачу управления знаниями.

У заказчика была именно такая проблема: сеть ресторанов по России, у каждого заведения отдельная концепция и свой стиль общения с гостями. Большая часть ресурсов уходила на ежедневную текстовую работу: описания ресторанов, переводы на разные языки, пресс-релизы, рассылки, описания блюд, мероприятий, посты для социальных сетей и тексты в Tone of Voice каждого бренда.

Задача заключалась не в том, чтобы заменить редактора, а в том, чтобы вынести рутинную часть генерации текстов в AI-систему. Один-два редактора должны были управлять контентом всей сети: ставить задачи, получать черновики, проверять факты, корректировать стиль и доводить материалы до публикации.

Общая логика решения

Система состоит из двух основных блоков.

Первый блок — память и стиль. AI-копирайтеру нужно знать фактическую информацию о каждом ресторане и отдельно понимать, в каком стиле писать тексты. Для этого были разделены два слоя: «Концепция» и Tone of Voice.

Второй блок — интерфейс выдачи текстов. Редактору нужен простой способ запрашивать материалы, уточнять ресторан, получать результат, вносить правки, переключаться между заведениями и работать с разными типами задач. Для этого был выбран Telegram-бот.

Итоговая архитектура строится вокруг связки Notion, RAG и Telegram-бота. Notion используется как рабочее хранилище исходных материалов и сформированных стилевых профилей. RAG отвечает за поиск релевантной фактической информации. Telegram-бот становится интерфейсом для редактора.

Зачем системе отдельная «память»

Для генерации ресторанного контента недостаточно передать модели короткий промпт с просьбой «напиши текст в стиле бренда». Если система не знает фактов о заведении, она может ошибиться в блюдах, именах, расписании, формате кухни или описании пространства. Если система не знает стиля бренда, она будет писать обобщённо и одинаково для всех ресторанов.

Поэтому сначала нужно было собрать память системы.

В проекте для каждого ресторана заказчик собирал в Notion документ «Концепция». В него входила информация о заведении, правила коммуникации, особенности бренда, нормативы, описания кухни, форматы сервиса, сведения о блюдах, персонале, времени работы и другие данные, которые могут понадобиться при подготовке текстов.

Для каждого ресторана получились десятки страниц документов. Загружать такой объём целиком в контекст каждого запроса неэффективно: контекстного окна не хватит, а качество ответов будет нестабильным. Поэтому материалы из «Концепции» используются не как один большой промпт, а как источник для RAG.

Система обрабатывает данные из Notion, загружает их в векторную базу и использует при генерации ответа только релевантные фрагменты.

Разделение фактов и стиля

Важное архитектурное решение — разделить фактическую память и стиль.

Документ «Концепция» отвечает за факты: кто шеф-повар, какие есть блюда, когда работает ресторан, какие особенности кухни, какие есть события, правила, ограничения и другие проверяемые данные.

Tone of Voice отвечает за манеру текста: как бренд говорит с аудиторией, насколько текст должен быть формальным или эмоциональным, какие формулировки допустимы, какие конструкции лучше не использовать, как описывать блюда, события и гостей.

Tone of Voice в этом проекте формируется автоматически на основе материалов, которые заказчик загружает в «Концепцию». Для каждого ресторана создаётся отдельная страница ToV в Notion. Её можно открыть, проверить и отредактировать.

Такой подход решает две задачи. Во-первых, модель не смешивает фактические данные и стилевые инструкции. Во-вторых, стиль становится управляемым: редактор может видеть, на какие правила опирается AI-копирайтер, и вносить корректировки.

Память системы получается динамической. Если заказчик обновляет документ «Концепция», данные заново обрабатываются, попадают в RAG, а Tone of Voice может быть скорректирован на базе изменений.

Как работает формирование памяти

Процесс можно описать так.

Заказчик вносит данные о ресторане в документ «Концепция» в Notion. Система обрабатывает эти материалы, разбивает их на фрагменты, подготавливает к поиску и загружает в векторную базу данных. Этот слой отвечает за фактическую часть.

После этого на основе материалов формируется отдельный документ Tone of Voice для конкретного ресторана. Он тоже сохраняется в Notion и может использоваться редактором как проверяемый стилевой профиль.

В результате память AI-копирайтера состоит из двух частей:

1. Фактическая база, которая хранит данные о ресторане и используется через RAG.

2. Стилевой профиль, который задаёт Tone of Voice конкретного заведения.

Такой подход важен для сети, где разные рестораны не должны звучать одинаково. Один ресторан может использовать более спокойный и гастрономический тон, другой — более неформальный, третий — премиальный и сдержанный. При этом фактическая точность должна сохраняться во всех случаях.

Почему интерфейсом стал Telegram-бот

Для редакторов был нужен быстрый и понятный интерфейс, который не требует отдельного обучения и позволяет работать с текстами в ежедневном режиме. Поэтому для общения с AI-копирайтером был выбран Telegram-бот.

Редактор пишет запрос в свободной форме. Например:

Напиши два предложения для поста во VK про шеф-повара ресторана Tramonto Osteria, включая дни работы ресторана и фирменное блюдо.

После этого система выполняет несколько действий.

Сначала AI определяет ресторан, к которому относится запрос. Затем обращается к «Концепции» и через RAG находит факты: кто шеф-повар, какие дни работы указаны, какие блюда являются ключевыми. На этом этапе формируется фактический черновик.

После этого черновик переписывается с учётом Tone of Voice конкретного ресторана. Только затем результат возвращается редактору.

Пример результата:

Наш шеф-повар Алексей Громов с особым вниманием к деталям создаёт для вас подлинные блюда Южной Италии из локальных фермерских продуктов. Мы рады видеть вас в ресторане Tramonto Osteria со среды по субботу. Главные звёзды меню — сочный флорентийский стейк и деликатные антипасти, приготовленные с душой и уважением к традициям.

Такая схема позволяет разделить две операции: сначала получить факты, затем привести текст к нужной стилистике.

Какие задачи выполняет AI-копирайтер

Система не ограничивается запросами вида «напиши текст». AI-копирайтер может работать с несколькими типами задач:

• писать тексты для социальных сетей;

• создавать описания блюд;

• готовить пресс-релизы;

• формировать тексты рассылок;

• переписывать готовые материалы;

• переводить тексты на разные языки;

• обрабатывать голосовые сообщения;

• проверять текст на соответствие стилистике;

• писать по примеру;

• адаптировать текст под площадку и формат.

Если редактор указывает, где будет опубликован текст, система учитывает специфику формата. Например, описание профиля Telegram должно укладываться в ограничение по символам, а пост для VK может быть длиннее и иметь другую структуру.

Определение ресторана в запросе

Так как система работает с сетью ресторанов, важная часть логики — определение заведения.

Запрос редактора должен содержать название ресторана. Если название не указано, AI-копирайтер не должен угадывать контекст. В таком случае бот запрашивает уточнение перед генерацией текста.

При этом название может быть написано на русском, английском или с ошибками. Система всё равно должна сопоставить его с нужным рестораном и выбрать правильные материалы: соответствующую «Концепцию», RAG-контекст и Tone of Voice.

Это важно, потому что ошибка в определении ресторана приведёт не просто к неправильному стилю, а к фактическим ошибкам: не тем блюдам, не тем часам работы, не тому шеф-повару и не той концепции.

Сохранение контекста и правки

После получения текста редактор может сразу продолжить диалог и внести правки. Не нужно заново описывать всю задачу. Достаточно написать, что именно нужно изменить: сделать текст короче, добавить больше гастрономических деталей, убрать слишком рекламные формулировки, адаптировать под другой формат или изменить акцент.

AI-копирайтер сохраняет контекст предыдущего запроса и формирует новый вариант с учётом правок.

Также пользователь может попросить систему переключиться на другой ресторан. В этом случае бот меняет контекст и начинает использовать другую «Концепцию» и другой Tone of Voice.

Такой механизм делает работу похожей не на одиночную генерацию текста, а на редакционный процесс: запрос, черновик, правка, уточнение, новая версия.

Разделение доступа

Доступ к Telegram-боту выдаётся администратором вручную через отдельный интерфейс. Это нужно, чтобы системой пользовались только сотрудники с соответствующими правами.

Для ресторанной сети такой контроль важен, потому что база может содержать внутренние материалы: правила коммуникации, черновики, описания процессов, внутренние стандарты, служебные данные о заведениях. Даже если AI-копирайтер работает только с текстами, доступ к нему должен быть управляемым.

Ролевой доступ также позволяет разграничивать функции. Например, один пользователь может только запрашивать тексты, другой — редактировать материалы, третий — управлять доступами или обновлять исходные документы.

Почему это не просто генератор текстов

Главная задача системы — не в том, чтобы генерировать больше текста. Обычная LLM и без дополнительной архитектуры может написать пост, описание блюда или пресс-релиз. Проблема в другом: такой текст часто будет недостаточно точным, плохо связанным с конкретным рестораном и слишком общим по стилю.

В этом проекте AI-копирайтер работает как связка нескольких компонентов:

• Notion хранит исходную «Концепцию» и сформированный Tone of Voice;

• RAG отвечает за получение фактов из базы знаний;

• Telegram-бот служит интерфейсом для редактора;

• механизм определения ресторана выбирает правильный контекст;

• сохранение контекста позволяет работать с правками;

• ролевой доступ ограничивает использование системы;

• стилевой слой приводит результат к манере конкретного бренда.

Именно эта архитектура делает систему применимой для сети из девяти ресторанов. Без разделения фактов и стиля AI будет либо ошибаться в данных, либо писать одинаково для всех заведений.

Что получает ресторанная сеть

После внедрения такой системы большая часть рутинной текстовой работы переносится в AI-интерфейс. Редакторы не начинают каждый материал с нуля: они ставят задачу, получают черновик, проверяют факты, корректируют стиль и готовят финальную версию.

Это позволяет одному-двум редакторам управлять контентом всей сети. При этом система сохраняет различия между ресторанами, потому что для каждого заведения используется собственная «Концепция» и отдельный Tone of Voice.

AI-копирайтер помогает ускорить подготовку:

• описаний блюд;

• постов для социальных сетей;

• рассылок;

• пресс-релизов;

• описаний мероприятий;

• переводов;

• текстов по примеру;

• адаптаций под разные форматы.

По сути, система автоматизирует не творчество как таковое, а подготовительную и рутинную часть редакционного процесса: поиск фактов, первичный черновик, адаптацию к стилю, перевод, переработку и форматирование.

Вывод

AI-копирайтер для ресторанной сети — это не единый промпт и не универсальный генератор текстов. Это система, в которой фактическая база, Tone of Voice и интерфейс редактора разделены на разные уровни.

Фактическая часть хранится в «Концепции» и используется через RAG. Стилевой профиль формируется отдельно как Tone of Voice для каждого ресторана. Telegram-бот обеспечивает быстрый интерфейс для запросов, правок, переключения между ресторанами и выдачи материалов.

Такой подход позволяет масштабировать контент для сети из девяти ресторанов без пропорционального увеличения команды копирайтеров. Редакторы сохраняют контроль над качеством и финальной версией текста, а AI берёт на себя повторяемые задачи: поиск фактов, черновики, переводы, переписывание и адаптацию под стиль конкретного заведения.