ИИ-ассистент для онбординга: новый сотрудник получает ответы 24/7 вместо того чтобы дёргать коллег

Первый день в новой компании. Сотрудник получил ноутбук, прошёл экскурсию по офису и теперь сидит с вопросом: «Как мне зайти в CRM?». HR-менеджер на звонке. Тимлид в митинге. Сосед по столу что-то срочно правит. Вопрос висит 40 минут — и это только первый из девяноста, которые будут в этот месяц.

Посчитать несложно: 90 вопросов × 7 минут = 10,5 часов чужого рабочего времени. В компании с текучкой 10 человек в год — это 105 часов потерянного времени. Только на вопросы.

Почему Excel с FAQ не работает

Обычный способ решить это — сделать «книгу новичка»: PDF или Notion-страницу с ответами на типичные вопросы. Логика понятна. Практика другая.

Сотрудник не знает что искать, пока не встретит проблему. Когда проблема возникла — он не помнит что документ вообще существует. И даже если открыл — документ на 80 страниц, а нужен ответ на конкретный вопрос прямо сейчас.

Бот в Telegram решает ровно эту проблему. Ты пишешь вопрос как коллеге и получаешь ответ через 5 секунд. Не ищешь в документе, не ждёшь пока HR освободится.

Как устроена база знаний: один текстовый файл

Главное что здесь нужно понять: никакой векторной базы данных, никаких эмбеддингов, никакого Pinecone. Вся база знаний — текстовый файл knowledge.txt, который загружается в контекст Claude при каждом запросе.

Контекстное окно Claude составляет 200 000 токенов. Это примерно 150 000 слов — больше чем большинство корпоративных вики. Для компании до 200 человек туда войдёт весь онбординговый контент без сжатия.

Что включать в файл:

Структура компании. Кто за что отвечает, прямые контакты, когда к кому обращаться. «С вопросами по продукту — к Антону Смирнову, тг @a_smirnov». Не оргчарт в PDF, а живой текст с контактами.

Рабочие процессы. Как оформить командировку (шаги + форма), как взять отпуск (за сколько дней предупреждать, кому согласовывать), как получить доступ к новому инструменту (кто одобряет, как долго).

Инструменты и доступы. Какая CRM, где вход, что делать если не можешь войти, какой мессенджер для команды, какой для клиентов, где хранятся шаблоны договоров.

Продукты и клиенты. Что продаём, кому, типичные вопросы клиентов и ответы на них, чего нельзя обещать.

Формат — свободный текст или Q&A. Не JSON, не таблицы. Просто хорошо написанные абзацы. Claude справляется с обоими форматами одинаково, но Q&A читается быстрее при редактировании.

Архитектура: как это работает

Бот хранит историю последних 6 сообщений пользователя — это контекст диалога. Если человек спрашивает «А как туда попасть?» после вопроса про CRM, бот понимает что «туда» — это CRM. При команде /new или когда тема явно меняется, история сбрасывается.

База знаний загружается в системный промпт. Благодаря prompt caching — функции Anthropic API — файл кешируется на стороне API после первого запроса. Каждый следующий вопрос обходится примерно в 10% от стоимости первого. При 50 вопросах в день расходы на API — 300–600 рублей в месяц.

Код: Python + python-telegram-bot

import asyncio
import os
from pathlib import Path
from collections import defaultdict

import anthropic
from telegram import Update
from telegram.ext import (
  ApplicationBuilder, CommandHandler,
  MessageHandler, ContextTypes, filters
)

TELEGRAM_TOKEN = "YOUR_BOT_TOKEN"       # токен от @BotFather
CLAUDE_API_KEY = "YOUR_CLAUDE_KEY"      # ключ Anthropic API
KNOWLEDGE_FILE = "knowledge.txt"        # путь к базе знаний

MAX_HISTORY = 6          # сообщений в памяти (3 обмена)
MAX_TOKENS  = 1024       # максимум токенов в ответе

client = anthropic.Anthropic(api_key=CLAUDE_API_KEY)

# История диалогов: chat_id -> list of {role, content}
history: dict[int, list[dict]] = defaultdict(list)

def load_knowledge() -> str:
  """Читает базу знаний с диска при каждом вызове."""
  path = Path(KNOWLEDGE_FILE)
  if not path.exists():
      return "База знаний не загружена."
  return path.read_text(encoding="utf-8")

def get_system_prompt() -> str:
  knowledge = load_knowledge()
  return f"""Ты помощник по онбордингу для новых сотрудников компании.
Отвечай только на основе базы знаний ниже.
Если ответа нет в базе — скажи об этом честно и предложи спросить HR.
Отвечай кратко и по делу, на русском языке.

--- БАЗА ЗНАНИЙ ---
{knowledge}
--- КОНЕЦ БАЗЫ ---"""

async def start(update: Update, ctx: ContextTypes.DEFAULT_TYPE) -> None:
  chat_id = update.effective_chat.id
  history[chat_id].clear()
  await update.message.reply_text(
      "Привет! Я помогу найти ответы на вопросы об устройстве компании.\n"
      "Спрашивай — отвечу по базе знаний.\n"
      "Команда /new — начать новую тему."
  )

async def new_topic(update: Update, ctx: ContextTypes.DEFAULT_TYPE) -> None:
  chat_id = update.effective_chat.id
  history[chat_id].clear()
  await update.message.reply_text("Хорошо, начинаем с чистого листа. Спрашивай!")

async def handle_message(update: Update, ctx: ContextTypes.DEFAULT_TYPE) -> None:
  chat_id = update.effective_chat.id
  user_text = update.message.text.strip()
  if not user_text:
      return

  # Добавляем сообщение в историю
  history[chat_id].append({"role": "user", "content": user_text})

  # Обрезаем историю до MAX_HISTORY последних сообщений
  if len(history[chat_id]) > MAX_HISTORY:
      history[chat_id] = history[chat_id][-MAX_HISTORY:]

  # Системный промпт с базой знаний — кешируется Anthropic API
  system = [
      {
          "type": "text",
          "text": get_system_prompt(),
          "cache_control": {"type": "ephemeral"},
      }
  ]

  response = client.messages.create(
      model="claude-sonnet-4-6",
      max_tokens=MAX_TOKENS,
      system=system,
      messages=history[chat_id],
  )

  answer = response.content[0].text

  # Сохраняем ответ ассистента в историю
  history[chat_id].append({"role": "assistant", "content": answer})

  await update.message.reply_text(answer)

def main() -> None:
  app = ApplicationBuilder().token(TELEGRAM_TOKEN).build()
  app.add_handler(CommandHandler("start",  start))
  app.add_handler(CommandHandler("new",    new_topic))
  app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, handle_message))
  app.run_polling()

Несколько вещей которые стоит знать:

cache_control: {"type": "ephemeral"} — это и есть prompt caching. Если убрать эту строку, каждый запрос будет считывать все токены базы знаний заново, цена вырастет в 8–10 раз.

load_knowledge() вызывается при каждом запросе — поэтому обновление файла применяется мгновенно. Не нужно перезапускать бота, переиндексировать базу или делать deploy. Сохранили файл — следующий вопрос уже видит изменения.

MAX_HISTORY = 6 — три полных обмена «вопрос-ответ». Для онбординговых вопросов этого хватает с запасом: редко кто ведёт длинный диалог об одном регламенте. При смене темы — /new.

Пример диалога: 5 реальных вопросов

Все пять ответов — из текстового файла. Claude не придумывает, не галлюцинирует контакты. Если вопроса нет в базе, он честно скажет: «В базе знаний этого нет — уточните у HR».

Как обновлять базу без перезапуска

Самая удобная часть этой схемы — обновление базы знаний никак не связано с кодом бота.

Новый регламент по работе с клиентами? Открываешь knowledge.txt, дописываешь раздел, сохраняешь. Всё. Следующий вопрос в боте уже учитывает изменение.

Поменялся ответственный за продукт? Меняешь строчку с контактом. Никаких переиндексаций, никаких деплоев.

Добавили новый инструмент в стек? Дописываешь Q&A про него в конец файла.

Единственное что нужно держать в голове — файл должен быть хорошо структурирован. Не потому что Claude требует структуры, а потому что редактировать 100 страниц неструктурированного текста через три месяца неудобно.

Формат который работает хорошо:

## ИНСТРУМЕНТЫ И ДОСТУПЫ

CRM-система: Битрикс24, адрес company.bitrix24.ru
Логин: корпоративный email
Первичный доступ: IT-отдел (@it_support), выдают в течение часа

Корпоративная почта: Gmail, домен @company.ru
Настройка: инструкция в папке "Онбординг" на Google Drive

Мессенджер для внутреннего общения: Telegram
Мессенджер для клиентов: Telegram или WhatsApp (по согласованию)

## КОМАНДИРОВКИ И РАСХОДЫ

Оформление командировки:
1. За 3 рабочих дня — форма в Битрикс24 (Задачи → Командировки)
2. Согласование с непосредственным руководителем
3. Билеты: корпоративная карта или свои средства с возмещением
4. По возвращении: авансовый отчёт + все чеки → Ольга Петрова (@o_petrova_buh)

Лимит командировочных расходов: до 5 000 руб./день без согласования
Сверх лимита: согласование с директором за 2 дня до поездки

## КОМУ ЗАДАВАТЬ ВОПРОСЫ

Технические вопросы (интеграции, баги): Дмитрий Волков (@d_volkov_tech)
Вопросы по продукту: Анна Коваль (@a_koval_product)
Юридические вопросы: Игорь Нестеров (@i_nesterov_legal)
Кадровые вопросы (отпуск, больничный): Марина Иванова (@m_ivanova_hr)

Что закрывает бот, что нет

Как оценить: готов ли ваш онбординг к автоматизации

Как запустить: 5 шагов

Кейс: ИТ-компания 40 человек

Компания разрабатывает B2B-ПО. 40 человек, растут на 8–10 новых сотрудников в год. HR-менеджер один на всю компанию.

До внедрения: HR тратил 3–4 часа ежедневно в первый месяц каждого нового сотрудника только на ответы на вопросы. Стандартный онбординг до самостоятельной работы — 3 месяца. Основная причина затяжки — не сложность продукта, а длинные цепочки ожидания: задал вопрос утром, получил ответ вечером, задал следующий.

База знаний собралась за один день: HR просто записывал ответы на вопросы которые задавал очередной новичок в ту же неделю. Получилось 47 страниц текста — меньше двух часов работы.

После трёх месяцев использования: 85% вопросов новые сотрудники задают боту. HR освободил около 2,5 часов в день — теперь это время уходит на реальную адаптацию: знакомство с командой, разбор конкретных рабочих ситуаций, обратную связь. Онбординг до самостоятельной работы — 6 недель вместо 3 месяцев.

Что помогло больше всего по словам новых сотрудников: ответ в любое время. Раньше вечером или в выходные с вопросом было некуда обратиться — приходилось ждать понедельника. Теперь нет.

Интересно что самый неожиданный эффект — не экономия времени HR, а снижение тревожности новичков. Они меньше боятся задавать «глупые вопросы» — потому что бот не осудит. Несколько человек из этой компании сказали что спрашивали у бота вещи которые стеснялись спросить у коллег. Это уже не про автоматизацию — это про то как устроены люди.

Источники

• Anthropic — документация по prompt caching
• Anthropic — Claude API, начало работы
• python-telegram-bot — официальная документация v21
• Telegram Bot API — официальная документация
• HH.ru — исследование адаптации новых сотрудников