RAG-бот с базой знаний о здоровье подростков для Telegram, VK и MAX
Образовательные и health-tech проекты, которым нужен AI-ассистент по собственной базе знаний — с безопасными ответами на чувствительные темы и одинаковым поведением сразу в нескольких каналах (сайт, приложение, мессенджеры)
Знакомая ситуация
Аудитория — подростки, которые пишут на сленге («туплю», «батарейка села», «не могу заставить себя»): обычный векторный поиск не находил нужные материалы, потому что база знаний написана академическим языком
Тема — здоровье и психологическое состояние подростков, а значит обычный ответ LLM без ограничений — репутационный и юридический риск: неудачный совет по питанию или пропущенный кризисный сигнал в сообщении
Бот должен был одинаково работать в Telegram, VK, MAX, на сайте и в мобильном приложении — без дублирования логики и рассинхрона поведения между каналами
AI-обработка текста пользователя подпадает под 152-ФЗ: нужно было юридически корректное согласие с версионированием текста и возможностью отзыва, а не просто чекбокс «согласен»
«Включись»
Задача
Команде «Включись» нужен был не чат-бот с одним промптом, а полноценный RAG-ассистент поверх собственной базы знаний о метаболическом и психологическом здоровье подростков — с безопасными ответами на чувствительные темы, цитированием источников и одинаковым поведением сразу в Telegram, VK, MAX, на сайте и в мобильном приложении.
Решение
Собрали Knowledge Bot — FastAPI-сервис с векторным поиском в Qdrant поверх базы знаний из книги, FAQ, карточек внешних источников со ссылками на PubMed и гайдлайны и глоссария; эмбеддинги считаются локально (мультиязычная модель), без передачи текста пользователей во внешние embedding-API. Перед генерацией ответа guardrails классифицируют риск в сообщении — обычный вопрос, медицинский, риск РПП или кризис — и вместо обычного ответа подключают предупреждение и контакт линии доверия, если это нужно. Query expansion переводит подростковый сленг в термины, по которым база знаний реально ищется, — иначе релевантные материалы просто не находились бы. Ответ генерирует только YandexGPT или GigaChat, без внешних LLM, с цитированием источников и одним конкретным следующим шагом — ссылкой на практику, протокол или QR-портал из книги. Telegram, VK и MAX реализованы отдельными раннтаймами поверх общего оркестратора: один и тот же RAG-пайплайн, guardrails и база знаний, разное — только формат ответа под ограничения канала. Согласие на AI-обработку реализовано по ст. 9 152-ФЗ: версионированный текст согласия, раздельное хранение для гостей и зарегистрированных пользователей, отзыв командой /revoke — и текст самих сообщений принципиально нигде не сохраняется.
Результаты
Один и тот же RAG-ассистент — с одинаковыми guardrails, источниками и базой знаний — работает в Telegram, VK, MAX, на сайте и в приложении
Инструменты и технологии
Почему обычный чат-бот с промптом тут не подходил
«Включись» — образовательная нейро-платформа для подростков: книга, мобильное приложение и сайт про сон, питание, стресс и энергию, объединённые идеей «минимум на 2 минуты» — маленькое ежедневное действие вместо длинной теории. Для такого продукта чат-бот с одним общим промптом не годился по двум причинам: аудитория пишет не академическим языком («туплю», «батарейка села»), и тема — здоровье и состояние подростка — требует не просто ответа, а ответа с ограничениями там, где это нужно.
RAG поверх собственной базы знаний, а не общие рассуждения LLM
Knowledge Bot ищет ответ не в «памяти» модели, а в базе знаний проекта — книге, FAQ, карточках внешних источников со ссылками на PubMed и клинические гайдлайны, глоссарии. Эмбеддинги для поиска считаются локально мультиязычной моделью, без отправки текста пользователей во внешние embedding-сервисы. Отдельный слой query expansion решает конкретную проблему: подросток пишет «туплю» или «мысли разбегаются», а в базе знаний — «нарушение концентрации» и «когнитивный туман»; без перевода сленга в термины базы знаний половина релевантных материалов просто не находилась бы при поиске.
Guardrails: когда тема требует не совета, а осторожности
Перед тем как модель сгенерирует ответ, сообщение классифицируется по риску: обычный образовательный вопрос, вопрос на грани медицинской консультации, формулировка с риском расстройства пищевого поведения или кризисная ситуация. В зависимости от класса ответ дополняется предупреждением или контактами линии экстренной помощи — либо, если риска нет, идёт обычным путём: поиск по базе знаний → генерация ответа с цитированием источников → один конкретный следующий шаг (практика, протокол или QR-портал из книги).
Один пайплайн — Telegram, VK, MAX, сайт и приложение
Вместо того чтобы поддерживать логику отдельно под каждый канал, RAG-пайплайн, guardrails и база знаний общие: сайт и приложение обращаются к сервису напрямую по API, а Telegram, VK и MAX реализованы как отдельные раннтаймы поверх одного и того же оркестратора — со своей спецификой канала (inline-кнопки в Telegram, верификация подписи в VK Callback API, секретный заголовок в MAX-вебхуке), но с одинаковым поведением ассистента.
Приватность по 152-ФЗ, а не чекбокс «согласен»
AI-обработка текстовых запросов пользователей подпадает под ст. 9 152-ФЗ, поэтому согласие сделано не формальностью: версионированный текст с указанием цели обработки, оператора и срока хранения, раздельная логика для гостевых и зарегистрированных пользователей, отзыв согласия командой /revoke на любом канале. Сами тексты сообщений и ответов при этом нигде не сохраняются — в логах остаётся только обезличенный хэш пользователя, канал и тема обращения.