Разговоры и поддержка Платформа

Все вопросы. Подходящий контекст.

Ассистент, подключенный к информации вашего бизнеса, в каналах, где вам пишут клиенты. Отвечает о продуктах и услугах, собирает детали и передает команде разговор, который легко продолжить.

Исследуйте aichat Как это работает Смотреть пример

Как работает aichat

Попробуйте здесь

Напишите ассистенту

Тот же ассистент, который отвечает на сайте. Спрашивайте его о чем хотите о продуктах, ценах или интеграциях.

Загружается только когда вы нажимаете. До этого мы ничего не сохраняем в вашем браузере.

aichat

От информации к сделанному делу.

Мы объединяем источники

Документы, страницы, каталог и правила, утверждённые командой.

Мы готовим разговор

Реальные вопросы, тон бренда, разрешённые ответы и ситуации, требующие вмешательства человека.

Мы связываем операции

CRM, заказы или записи на время, там, где система позволяет интеграцию.

Где это становится полезным.

Интернет-магазины

Рекомендации по потребности и совместимости, информация из каталога и детали для заказа.

Услуги и приёмы

Объяснение услуг и сбор данных до передачи команде.

Организации

База знаний, доступная через разговор, с направлением к нужному ответственному.

Доступные каналы и интеграции проверяются до предложения. Подключённый и обновляемый каталог отличается от загруженного вручную списка.

aichat в деталях

Что вы можете делать с этим проектом.

aichat — это место, где разговоры с клиентами сходятся в одном месте и получают ответ, независимо от того, на каком канале они начались. Сообщения из Facebook Messenger, из DM в Instagram, из Telegram, с 999.md, из виджета на сайте и из WhatsApp Business попадают в один и тот же dashboard, с одной и той же историей и теми же правилами ответа.

Ответ — не изящная догадка. У ассистента есть индексированная база знаний — документы, страницы, каталоги продуктов — поверх которой работает гибридный поиск: по умолчанию пять фрагментов на вопрос, порог сходства 0,70, 30% веса на совпадение слов, остальное семантика, с embedding'ами `text-embedding-3-small`. Когда он не находит, правильный путь — передача человеку, а передача — это вещь, смоделированная в базе данных, а не обещание: у потока есть состояние `bot` или `human`, а журнал передачи знает три действия — передача человеку, возврат к bot и автоматическая реактивация.

Агент может и делает, а не только говорит. Его инструменты бывают трёх типов: webhook к системе клиента, фрагмент JavaScript-кода, выполняемый платформой, или встроенный в платформу инструмент. У каждого есть максимальное время выполнения, по умолчанию 15 секунд. Модели не привязаны к одному поставщику: вызовы проходят через собственный LiteLLM gateway, на `api.megapromoting.com/v1`, который говорит на OpenAI-формате для всех поставщиков сзади.

Фактически подключенные каналы

Facebook Messenger, Instagram Direct, Telegram, 999.md, веб-виджет и WhatsApp Business Cloud API. У каждого есть собственный код на платформе, а не галочка: для Meta есть поток подключения через Embedded Signup на Graph API v22.0, для Telegram — отдельный сервис с собственным ботом, а для 999.md — интеграция, использующая сессию вашего аккаунта.

Гибридный поиск по вашим знаниям

Документы режутся на фрагменты с content hash и embedding'ами `text-embedding-3-small`. По умолчанию используются 5 фрагментов на вопрос, с порогом сходства 0,70, типом поиска `hybrid` и весом 0,30 для совпадения слов. Назначение источника включено по умолчанию, а каждый запрос можно журналировать с возвращенными фрагментами, оценками и временем ответа.

Каталог продуктов, извлеченный из страниц

Помимо документов, источник знаний может содержать структурированные продукты — заголовок, описание, цену с валютой, изображение, ссылку, код, наличие. Каждый продукт знает, как он был получен: `heuristic` (из структуры страницы) или `ai`, и имеет коэффициент доверия с тремя знаками после запятой. Разница важна, потому что эвристически извлеченная цена из плохо сформатированной страницы так и отображается.

Инструменты, которые выполняют, а не только описывают

Агент может иметь инструменты типа `webhook` (настраиваемые метод и заголовки), JavaScript-код, запускаемый платформой, или встроенные инструменты. По умолчанию на каждый инструмент отводится 15 секунд; сверх этого он останавливается, чтобы медленная интеграция не блокировала разговор.

Передача между ботом и человеком с автоматическим возвратом

Поток разговора имеет явное состояние — `bot` или `human`. Журнал передачи различает передачу человеку, возврат к боту и автоматическую реактивацию. Потоки также имеют состояние SLA: `ok`, `warning`, `breached`.

Голос в письменной беседе

Полученные голосовые заметки транскрибируются с помощью `whisper-1`, а ответ можно отправить обратно голосом через `tts-1` от OpenAI или через ElevenLabs с настройками стабильности и сходства для каждого голоса.

Данные и работа

Что входит в систему. Что нужно проверить.

Где хранятся разговоры: MySQL, на собственном сервере в Azure. Схема имеет более 80 таблиц, смоделированных в Prisma, с отдельными таблицами для потоков Meta, потоков Telegram, потоков 999.md, комментариев, тегов, внутренних заметок и журнала аудита.
Токены каналов хранятся в зашифрованном виде: Токен WhatsApp хранится зашифрованным Fernet, с возвратом к простому тексту только для старых записей. Есть мониторинг токенов и уведомление при истечении срока — потому что просроченный токен страницы останавливает канал молча, без видимой ошибки.
Что видит виджет и откуда: У виджета есть список разрешённых источников для каждого ассистента. Обратите внимание на поведение по умолчанию: если список пуст, проверка проходит — это выбор для совместимости со старыми установками, а не упущение, но это означает, что ограничение по домену нужно настраивать явно в каждой реализации, где оно требуется.
Дубликаты и сообщения, разбитые на части: Webhook от Meta может доставлять одно и то же сообщение несколько раз: дедупликация выполняется по идентификатору сообщения, с памятью на 120 секунд. А когда кто-то пишет три строки одну за другой, они собираются в буфер на 15 секунд и ответ отправляется один раз, на всё, а не три раза.

От исследования к внедрению

Как мы готовим проект с aichat.

Выбираем канал и кто отвечает, когда бот останавливается

Один канал, одна аудитория, один отслеживаемый результат. В той же беседе определяется человек, который берёт на себя ветки, помеченные `human`, и за какое время — потому что состояние SLA измеряется с первого дня, а не добавляется позже.

Подключаем источники и проверяем, что из них получается

Документы и страницы поступают как источники знаний. В каталогах явно проверяются извлечённые продукты: метод (эвристика или AI) и score доверия показывают, где нужна ручная корректировка до того, как агент начнёт называть цены.

Связываем инструменты с реальными системами

Webhook в CRM или ERP, код для собственных преобразований, встроенный инструмент для того, что уже есть в платформе. Тестируется медленный случай и случай ошибки, а не только удачный, потому что именно лимит 15 секунд решает.

Вопросы, которые стоит уточнить.

На каких каналах это действительно работает сегодня?

Facebook Messenger, Instagram Direct, Telegram, 999.md, web widget и WhatsApp Business. У каждого в платформе свой код: подключение Meta через Embedded Signup на Graph API v22.0, отдельный сервис Telegram, а для 999.md — интеграция, сделанная на сессии вашего аккаунта. Не предполагается, что канал, появившийся со временем, подключён — это проверяется для каждой реализации.

Может ли он написать первым в WhatsApp клиенту, который не писал уже неделю?

Нет, и причина в Meta, а не в нас. Вне 24-часового окна с момента последнего сообщения клиента Meta отклоняет свободный текст с ошибкой 131047, а платформа помечает запланированное сообщение как неудачное и отображает ошибку, вместо того чтобы утверждать, что оно отправлено. Что можно сделать вместо этого: отвечать в 24-часовом окне или открыть разговор на другом канале. Отправка вне окна требует шаблонов, одобренных Meta — они не реализованы.

Интеграция с 999.md официальная?

Это не партнёрская интеграция с публичным API. Она работает с сессией вашего аккаунта 999.md: платформа запрашивает у вас значение cookie `simpalsid.sessionKey` в вашем браузере и использует его, чтобы читать и отвечать на сообщения. Практическое следствие, сказанное заранее, а не после: если 999.md изменит механизм сессии, интеграция остановится и её нужно будет подключить заново.

Откуда агент знает ответ и что делает, когда не знает его?

Он ищет в ваших источниках с помощью гибридного поиска — по умолчанию пять фрагментов, порог схожести 0,70, 30% вес по словам и остальное семантически — и может прикрепить источник к ответу. Когда не находит, предусмотренный путь — передача человеку: поток переходит в состояние `human`, а журнал записывает, кто принял. Есть и автоматическое возвращение к боту, тоже как записываемое действие.

Может ли он делать что-то в нашей системе, а не только отвечать?

Да. Инструментом может быть webhook к вашей системе, с методом и заголовками на выбор, фрагмент JavaScript-кода, выполняемый платформой, или встроенный инструмент. У каждого есть максимальное время, по умолчанию 15 секунд — значит, интеграцию, которая отвечает за 40 секунд, нужно делать асинхронно, а не пытаться протянуть её в разговоре.

С какой AI-моделью он отвечает?

Он не привязан к одному поставщику. Вызовы проходят через собственный LiteLLM gateway на `api.megapromoting.com/v1`, который принимает формат OpenAI для всех поставщиков на бэкенде; модель выбирается для каждого ассистента, а для моделей типа reasoning платформа сама меняет формат запроса. Для embedding используется `text-embedding-3-small`.

Что происходит, если клиент отправит одно и то же сообщение дважды или пишет серией?

Дубликаты фильтруются по идентификатору сообщения, с памятью на 120 секунд — webhook Meta действительно присылает повторно. Сообщения, отправленные одно за другим, собираются в буфер на 15 секунд и получают один ответ на всё, что написал человек, а не по одному по очереди.

Показательный пример

Вопрос о цене, который начинается в Instagram и заканчивается у человека

Сценарий использования, без данных клиента или приписанных коммерческих результатов.

Исходная ситуация

Кто-то пишет в DM в Instagram три сообщения подряд: «здравствуйте», «у вас есть модель X?», «сколько стоит?».

Как это работает

Webhook поступает, дубликаты фильтруются по идентификатору сообщения, а три строки собираются в буфер на 15 секунд и превращаются в один вопрос. Ассистент ищет в подключённых источниках: если продукт есть в извлечённом каталоге, отвечает ценой и может прикрепить источник. Если продукта нет или у него низкий показатель доверия, он не импровизирует.

Rezultatul

Либо ответ с ценой и источником, либо поток переходит в состояние `human`, и ответственный получает разговор со всем контекстом. Состояние SLA потока показывает, была ли передача выполнена вовремя.

Что необходимо:Страница Instagram, подключённая с действительным и отслеживаемым токеном, загруженные источники знаний, каталог, проверенный методом извлечения, и назначенный человек для переданных нитей.

Возможности сотрудничества

aichat в контексте вашей организации.

Доступ к утвержденной информации

Ассистенты для повторяющихся вопросов, с контролируемыми источниками, явными ограничениями и передачей чувствительных ситуаций ответственному сотруднику.

Частные компании

Мы определяем пилот вокруг реального процесса: пользователи, данные, интеграции, затраты и критерии приемки. Масштабирование следует после оценки результата.

Государственные учреждения и компании

Мы устанавливаем требования к доступности, размещению, защите данных и совместимости. Любое соединение с сервисами AGE или STISC требует проверки соответствия, доступа и утверждений.

Это сценарии адаптации, а не заявления о существующих контрактах или партнерствах. Предлагаемые функции подтверждаются в рабочей области проекта.

Обсудить пилот

Часть экосистемы.

Голосовые ИИ-агенты

Kallina

Строим агентов, которые принимают и инициируют звонки, используют информацию бизнеса и работают с вашими системами.

Платформа

API для моделей ИИ

LongDay

Доступ по API к моделям ИИ через общий интерфейс.

Платформа

Диалоговые формы

Megaforms

Megaforms изучает сбор ответов через диалоговые формы, включая голосовые ответы и транскрибацию.

Разработка и демонстрации

Что вы хотели бы наладить?

Расскажите о своём процессе. Вместе определим, что стоит построить, что можно подключить и как проверим результат.

Давайте обсудим