Вайбкодинг: Как сделать бота в Телеграме за 2 часа?
Я основатель и руководитель компании Абистеп, где мы делаем онлайн-продукты: сайты, Telegram ботов и мини-приложения.
В последнее время мы активно применяем гибридный формат разработки (ИИ+ кастом), где ИИ нам заменил дизайнеров, UX и все больше и больше написание кода.
Разработчики подхватывают написанный нейронками код и работают с ним, редактируют, правят и дополняют.
Сам я не разработчик, а больше менеджер с уклоном в маркетинг. В 2025 году я часто слышал про вайбкодинг и видел, как люди "балуются" с программированием через нейронки. Мне стало интересное направление вайбкодерства, я начал пробовать и меня затянуло.
Для тех, кто не знает, что такое вайбкодинг — это способ делать программы и сервисы не зная классического программирования, а управляя процессом через смысл, логику и общение с ИИ. Ты пишешь ИИ задание в виде текста и он начинает генерировать код.
Итак, мне нужен был Telegram-бот, который автоматически выдаёт материалы (чек-листы, PDF, ссылки) по кодовому слову.
До этого у меня было два варианта:
отправлять материалы людям вручную;
использовать конструктор ботов.
У меня уже был Telegram-бот, собранный на конструкторе. И за него приходилось платить 1000 рублей в месяц. При этом функционал был довольно простой.
В какой-то момент я подумал: «Почему я каждый месяц плачу за то, что потенциально могу сделать сам?»
И, обучаясь вайбкодингу, я решил собрать этого бота самостоятельно — с помощью ИИ.
Два часа на запуск: как распределилось время
Весь процесс был разбит на два основных этапа:
Первый час — архитектура и техническое задание
Второй час — генерация кода и отладка
Именно такой порядок оказался критически важным. Частая ошибка новичков — сразу просить ИИ «написать бота». С таких подходом вам будет гораздо сложнее добиться от ИИ нормального результата. Причина довольно известная — контекстный лимит нейросетей:
чем больше и хаотичнее диалог, тем хуже итог;
если нет чёткого ТЗ, ИИ начинает «додумывать» архитектуру за вас;
в итоге получается не проект, а набор догадок.
На практике гораздо эффективнее сначала использовать ИИ в роли архитектора, а уже потом — как исполнителя.
Шаг 1. Подготовка технического задания с помощью ИИ
Техническое задание не писалось вручную и не держалось «в голове». Вместо этого в нейросеть были переданы сырые требования в свободной форме:
логика поведения бота на каждом этапе (старт, выдача материалов, подписка);
сценарии на случай нестандартных действий пользователя;
конкретный технологический стек, чтобы избежать размытых решений.
Ключевой промпт выглядел так:
Очень важно попросить ИИ указать на слабые места, задать уточняющие вопросы и только после этого составлять пошаговый план реализации функционала.
Далее процесс шёл в несколько итераций вопрос–ответ. ИИ уточнял логику, пограничные сценарии и технические детали, а ответы постепенно дополняли и уточняли требования.
Коротко структура выглядела так:
Стек
Python 3.11+
aiogram 3.x
MongoDB — основное хранилище
Redis — кэш подписки
Docker + Docker Compose
Логика бота
/start → приветствие и меню
ввод кодового слова → описание материала
задержка 2 секунды
запрос email (FSM)
проверка подписки на канал
выдача файла или запрос подписки
Состояния (FSM)
waiting_for_email
waiting_for_subscription
Хранение данных
коллекция leads в MongoDB
user_id, email, статус подписки, количество скачиваний
Логирование
INFO / ERROR / DEBUG
отдельная папка с логами внутри Docker
Это уже структурированный технический документ, а не абстрактное описание идеи. Такой формат сразу подходит для передачи в разработку — как человеку, так и ИИ.
Шаг 2. Генерация кода по готовому ТЗ
Подготовленное ТЗ было загружено в среду разработки с ИИ-ассистентом (в данном случае — Google Antigravity). Когда у модели есть чёткая архитектура и пошаговые инструкции, она перестаёт «фантазировать» и генерирует вполне рабочую основу продукта.
На этом этапе ИИ закрыл большую часть рутинной работы: структуру проекта, базовую логику, обработчики событий и взаимодействие с API.
Про инструмент — почему Google Antigravity?
Я выбирал между Cursor, Claude Code и Google Antigravity.
В итоге начал с Google Antigravity, потому что:
это единая экосистема Google;
удобно работать с файлами и проектной структурой;
есть поддержка кодовых блоков и логических шагов;
можно использовать разные модели;
и важный плюс — более частое обновление лимитов токенов Gemini по сравнению с конкурентами, что сильно упрощает итерации.
По факту, я просто начал с него — и он закрыл все мои задачи.
Шаг 3. Финальная проверка и отладка
Несмотря на высокую скорость генерации, ИИ не заменяет разработчика полностью. С первого запуска бот не заработал корректно. Однако благодаря заранее внедрённому логированию причина ошибки была найдена быстро.
Логирование было заложено сразу, ещё на этапе ТЗ. Это было осознанное требование, а не инициатива ИИ.
Пример реальной строки из лога:
2024-11-18 21:43:12 INFO User 123456789 selected keyword: "Система"
Логи указали на проблему с уникальным ключом бота — использовался токен от старого, уже активного инстанса.
Решение заняло не больше 10 минут:
проверка логов;
отключение старого инстанса;
генерация нового ключа;
обновление переменных окружения.
После этого бот стабильно заработал — без костылей, ручных правок и дальнейших сбоев, полностью соответствуя изначальной логике и сценарию, заложенным на этапе архитектуры.
Текущий статус проекта
Сейчас бот работает, он запущен в Docker на локальном сервере, а я продолжаю добавлять:
ключевые слова
чек-листы
и планирую сделать админку, чтобы использовать бота как мини-конструктор.
После этого — деплой в продакшен.
Гибридная разработка как новая норма
Этот кейс наглядно показывает, как работает гибридный подход к разработке:
человек задаёт архитектуру в начале;
ИИ быстро создаёт основу продукта;
разработчик подключается на этапе проверки и исправления критических ошибок.
В результате получается рабочий продукт за вечер, а не за неделю. Экономия времени достигается не за счёт «магии ИИ», а благодаря правильному распределению ролей между человеком и ИИ.
Вывод
ИИ сильно ускоряет разработку, если использовать его не наобум, а по шагам. Когда есть понятное ТЗ, продуманная логика и финальная проверка, идеи быстро превращаются в работающие продукты — без хаоса и сюрпризов.
И напоследок — три “совета другу”, который хочет повторить мой опыт:
1.Сначала опиши логику словами:
Кто что нажимает → что отвечает бот → какие есть ветки. Без этого ИИ будет гадать.
2. Попроси ИИ задавать вопросы, а не писать код:
Лучший промпт: «Действуй как Senior Developer. Проанализируй требования, найди слабые места, задай уточняющие вопросы — и только потом составь план».
3. Делай функционал по шагам:
Один сценарий = один чат / одна итерация. Не пытайся «сделать всё сразу» — получишь кашу.