SavePearlHarbor

Как собрать мультиагентный Telegram-канал ситуационной осведомленности 24/7

—

от автора

admin

Это вторая статья в нашем цикле, посвещенном созданию системы круглосуточной ситуационной осведомленности. Благодаря замечаниям читателей, выделившим недостатки, которые имели место быть в прошлом материале, мы будем стараться совершенствовать подаваемый нашим читателям контент.

В данной статье будет рассмотрена инструкция создания уже не просто Telegram-бота, а целой мультиагентной системы. Но хочу вновь отметить, что данная статья не содержит реклама, все предлагаемые к использованию сервисы упоминаются только потому, что мы имели опыт работы с ними.

Приступим.

Telegram-канал круглосуточной ситуационной осведомленности — это уже не просто «бот, который постит новости». Это уже первый шаг к построению настоящей информационной система. Ее целью будет следующее:

  • поиск материалов в открытых источниках;

  • очистка их от «мусора», определение темы и региона;

  • создание краткой выжимки;

  • передача карточки на проверку;

  • публикация одобренного материала;

  • сохранение в архив.

Если пытаться решить все эти задачи одним большим скриптом, проект быстро может стать хрупким: одна ошибка может сломть всё сразу, а доработка превращается в очень болезненную операцию. Поэтому для решения этой задачи всё чаще используют мультиагентную схему — архитектуру, где работу выполняют несколько ИИ-агентов, каждый их которых имеет свою роль.

Не один бот, а команда исполнителей

Начать надо с самого важного различия. Обычный Telegram-бот — это программа, которая принимает сообщения и отвечает по одному общему сценарию. Мультиагентная система, в свою очередь, устроена иначе. Здесь есть несколько специализированных исполнителей:

  • агент-сборщик;

  • агент-очистки;

  • агент-классификатор;

  • агент-резюмист;

  • агент проверки фактов;

  • агент-редактор;

  • агент-публикатор;

  • агент-архивариус.

Каждый из них получает на вход строго определённые данные и возвращает требуемый от них результат.

Например, агент-сборщик забирает новые материалы из RSS, сайтов, PDF-страниц и разрешённых Telegram-источников. Он не будет писать итоговую карточку. Агент очистки убирает HTML-разметку, рекламные вставки, дубли и случайный «шум». Агент-классификатор определяет тему, регион и срочность. Агент-резюмист делает краткую карточку. Агент-редактор доводит её до формата канала. Агент-публикатор отправляет результат в канал проверки, а затем, после одобрения человеком, в публичный канал. В результате каждый модуль отвечает за одну функцию, в которой он является экспертом.

В этом и есть главный смысл использования ИИ-агентов. Агент здесь не просто «чат с моделью», а отдельный исполнитель со своей собственной ролью, набором инструментов, правилами и требуемым от него форматом ответа. Для примера у агента будет шесть компонентов:

  • роль (отвечает на вопрос «В чем моя задача?»);

  • модель (например, GPT или DeepSeek);

  • инструменты (HTTP-запросы, Telegram API, парсеры, база данных и тому подобное);

  • память (очередь, кэш, журнал логов);

  • правила (промпт, формат ответа, запреты);

  • действие (итоговый результат в виде JSON-файла или карточки).

Плюсы и минусы мультиагентной системы

На первый взгляд всё выглядит очевидно: если разделить работу между агентами, результат станет лучше. Но это не всегда так. У мультиагентной системы действительно много плюсов. Во-первых, специализация: агент, который занимается только классификацией, обычно делает её лучше, чем универсальный бот. Во-вторых, модульность: если нужно улучшить резюмирование, можно внести изменения лишь в один модуль. В-третьих, прозрачность: проще понять, на каком этапе работы системы возникла ошибка. В-четвёртых, масштабирование: можно распределять нагрузку, а не запускать один гигантский процесс. В-пятых, резервирование: для одного из этапов можно подготовить запасную модель или второго агента.

Но есть и минусы. Такая система сложнее в настройке, дороже по инфраструктуре и чаще имеет меньшую скорость работы: информация проходит не один шаг, а несколько. Кроме того, данные между агентами надо передавать в строгом формате, иначе ошибки будут распространяться по всей команде агентов. Если агент-классификатор вернул поле region, а следующий модуль ожидает geo_region, система сломается потому что нет договоренности о названия переменной. Наконец, даже самая хорошая мультиагентная система не отменяет модерацию человеком. Она ускоряет обработку информации, но не имеет право самостоятельно публиковать контент.

Поэтому мультиагентность особенно полезна тогда, когда источников много, рубрик несколько, канал работает 24/7 и важны контроль качества, логирование и возможность быстро менять отдельные блоки.

Что нужно установить до начала работы

Минимальный программный набор для проекта не так уж велик, но каждый элемент важен. Нужны Telegram, Python, Git, редактор кода (IDE) — например, VS Code, Amnezia VPN, а также Docker и Docker Compose, если вы хотите удобно поднять PostgreSQL и Redis. Проверить версии можно сразу после установки:

python —version
git —version
docker —version
docker compose version

Если команда не выполняется, то означает что программа либо не установлена либо не добавлена в PATH.
После этого надосоздать рабочую папку проекта:

mkdir gi_multiagent
cd gi_multiagent
python -m venv .venv

Дальше нужно активировать виртуальную среду. Для Windows:

.venv\Scripts\activate

Для Linux или macOS:

source .venv/bin/activate

И сразу обновить установщик пакетов:

python -m pip install —upgrade pip

Этот шаг один из самых важны, так как именно здесь часто теряется начинающий пользователь: проект вроде бы создан, а зависимости устанавливаются «не туда», Python берётся не тот, а затем библиотеки конфликтуют между собой.

Настройка Telegram: бот, каналы и первые проверки

Следующим шагом является настройка Telegram. Через @BotFather создаётся бот: выполните команду /newbot, затем введите имя и username. BotFather выдаст токен.

Токен — это ключ управления ботом, и хранить его нужно только в секретном файле, например в .env

После этого надо создать два канала: канал проверки и канал публикации. Первый нужен для внутренней модерации, второй — для подписчиков. Бота надо сделать администратором в обоих каналах. Затем полезно проверить работу Telegram API вручную:

curl “https://api.telegram.org/bot/getMe”
curl “https://api.telegram.org/bot/getUpdates”

Чтобы отправить тестовое сообщение, используйте:

curl -X POST “https://api.telegram.org/bot/sendMessage”
-d “chat_id=&text=Тест”

Здесь <TOKEN> замените на токен вашего бота, а <ID> — на ID вашего канала. Для первого прототипа проще использовать long polling, а не webhook. Long polling проще в отладке: бот сам периодически спрашивает Telegram по вопросу, а не пришли ли новые события. Webhook удобнее на следующих этапах, но требует отдельной настройки сервера и HTTPS.

VPN, БЛМ и файл .env

Если основной БЛМ вы выбрали GPT, то при работе с ним из России обычно нужен VPN. Практически удобен Amnezia VPN (повторюсь это не реклама!!!). Для его настройки пользователю надо выполнить следующие действия:

  1. установить приложение;

  2. настроить подключение;

  3. открыть личный кабинет OpenAI;

  4. получить API-ключ;

  5. сделать тестовый запрос.

Важно помнить простое правило: если сервис не открывается, сначала проверьте VPN, а уже потом API-ключ.

Запасным вариантом может быть DeepSeek.

Все ключи и переменные принято хранить в файле .env. Типичный пример выглядит так:

TELEGRAM_BOT_TOKEN=…
REVIEW_CHAT_ID=-100…
PUBLISH_CHAT_ID=-100…
OPENAI_API_KEY=…
DEEPSEEK_API_KEY=…
DEFAULT_PROVIDER=openai
FALLBACK_PROVIDER=deepseek DATABASE_URL=postgresql://user:pass@localhost:5432/gi REDIS_URL=redis://localhost:6379/0

Такой файл удобен тем, что отделяет секреты от основного рабочего кода.

Архитектура агентов и единый формат данных

Важным моментом является согласование формата данных. Каждый агент должен получать JSON и возвращать JSON. Если формат у всех разный, система быстро может стать неуправляемой.

Пример записи, которая может передаваться по от агента к агенту, выглядит так:

{
“id”: “c0a1b2d3-45e6-7890-abcd-ef0123456789”,
“source_url”: “https://example.com/article/123”,
“published_at”: “2026-06-25T08:45:00+03:00”,
“region”: “Ближний Восток”,
“topic”: “Экономика”,
“title_raw”: “ОАЭ объявили о новом фонде”,
“text_clean”: “Текст после очистки…”,
“summary”: “Краткое резюме…”,
“confidence”: 0.87,
“status”: “edited”,
“decision”: “publish”,
“error”: null
}

Здесь уже видно, как один и тот же объект сможет проходит через несколько итераций. Сборщик заполняет source_url, published_at, title_raw. В очистке добавляется text_clean. Классификатор — region и topic. Агент-резюмист — summary. Модератор даёт decision. Архивариус сохраняет финальный статус. Чтобы нормализовать формат, удобно использовать Pydantic-схемы. Они позволяют описать, какие поля обязательны и какого они должны быть типа.

Папки, библиотеки и минимальная инфраструктура

Проект лучше сразу раскладывать по каталогам. Например, так:

gi_multiagent/
├── app/
│ ├── agents/
│ ├── collectors/
│ ├── db/
│ ├── prompts/
│ ├── workers/
│ ├── bot.py
│ └── config.py
├── data/
├── logs/
├── tests/
├── .env
├── requirements.txt
└── docker-compose.yml

Такую структуру легче и удобнее поддерживать и расширять. Для установки базовых библиотек подойдут команды:

mkdir -p app/agents app/collectors app/db app/prompts app/workers data logs tests

pip install python-telegram-bot openai httpx feedparser beautifulsoup4 lxml
pydantic sqlalchemy psycopg2-binary redis apscheduler python-dotenv

pip freeze > requirements.txt

Зачем нужны именно эти пакеты? python-telegram-bot — для работы с Telegram API. feedparser, BeautifulSoup и lxml помогают читать RSS и веб-страницы. httpx делает HTTP-запросы. pydantic задаёт схемы данных. SQLAlchemy работает с базой данных. redis нужен для очередей и кэша. apscheduler помогает планировать задачи. python-dotenv читает .env.

Если хочется быстро поднять базу данных и остальные скрипты, помогают Docker и Docker Compose:

docker compose up -d postgres redis
docker compose ps

Для первого прототипа этого уже будет достаточно.

Оркестрация: как запускать агентов

Даже хорошая архитектура это не панацея, если процессы запускаются хаотично. На этапе отладки очень полезен ручной запуск по шагам:

python -m app.workers.collector
python -m app.workers.cleaner
python -m app.workers.classifier
python -m app.workers.summarizer
python -m app.bot

Такой режим хорош тем, что благодаря ему видно, на каком этапе возникает ошибка. Когда проект стабилен, то можно включать автоматический режим. Например, через cron можно запускать сборщика каждые 10 минут:

*/10 * * * * /opt/gi/.venv/bin/python -m app.workers.collector

Для непрерывной работы бота можно использовать systemd:

systemctl start gi-bot
systemctl status gi-bot

Если проект развёрнут в Docker:

docker compose up -d
docker compose logs -f app

Круглосуточная работа: контроль и безопасность

Круглосуточный режим работы начинается не тогда, когда проект «умеет публиковать», а тогда, когда он умеет переживать сбои. Каждый день стоит проверять, приходят ли новые карточки, растёт ли очередь задач, нет ли ошибок в логах, не закончился ли лимит на токены БЛМ, нет ли дублей и старых новостей, доходит ли карточка до канала проверки.

Если что-то сломалось, то поиск проблем обычно довольно типичен. Если новости перестали приходить — надо проверить логи. Если БЛМ не отвечает — состояние VPN, API-ключ и баланс токенов. Если бот молчит — токен, ID канала и запущен ли процесс в принципе. Если много дублей — хэш, список просмотренных ссылок и правила фильтрации. Если не работают кнопки — обработчик callback и сам bot.py.

Важен и блок безопасности. Токены и ключи хранятся только в .env. Прав у бота должно быть ровно столько, сколько нужно, и не больше. Источники лучше брать из белого списка. У БЛМ обязательно задают лимит расходов. А публикация должна идти только после модерации человеком.

Итоги второй части

Если взглянуть на данный проект шире, мультиагентный Telegram-канал — это пример того, как современные ИИ-системы переходят из роли «умного собеседника» в роль инфраструктурных исполнителей. Один агент не отвечает за всю систему. Вместо этого мы используем команду агентов, которая умеет разложить сложную задачу на простые шаги. В качестве аналогии можно привести пример, издания где весь рабочий процесс падает не на одного универсального журналиста, а на маленькую редакцию: один собирает материалы, другой сортирует, третий пишет черновики, четвёртый редактирует, пятый выпускает. И как в настоящей редакции, качество зависит не только от таланта отдельных участников, но и от правильности налаженности рабочего процесса.

А больше интересного материала, затрагивающего не только технологии, но и военно-политическую обстановку в мире, вы можете найти в нашем канале Global Insight Plus на площадках Telegram и MAX:
https://t.me/Global_Insight_official_all
https://max.ru/join/y1zlWo_3Gbj1LhnMCpOErlv6qXfDO7vNuUZgpTTdYls

ссылка на оригинал статьи https://habr.com/ru/articles/1052052/