Что сделал

Магазин был старый, на PHP, без модных фреймворков и “новой архитектуры”. И в этом как раз был интерес - сделать решение, которое можно встроить в уже работающий каталог, а не строить всё заново ради AI.

Вместо отдельной платформы или “AI-магазина будущего” я сделал дополнительный AI-слой поверх существующих карточек.

То есть:

• каталог остается как есть;

• бизнес-логика не меняется;

• структура сайта не ломается;

• AI просто подключается поверх товара.

• Сео не страдает.

Причем он использует уже существующие данные:

• название;

• характеристики;

• категорию;

• бренд;

• описание;

• параметры товара.

Ничего вручную заполнять не нужно.

Как это работает

Пользователь нажимает кнопку “AI-обзор”, после чего система:

• собирает данные товара, в данном случае сделано прям GET запрос;

• формирует запрос;

• отправляет его в AI-модель;

• получает готовый текст;

• показывает обзор прямо внутри карточки по самой кнопке, и в блоке обзор от ии.

Сам обзор при этом не хранится “на лету” каждый раз. После генерации он может записываться в базу один раз по кнопке пользователя и дальше уже работать как обычный контент сайта.

Это было сделано специально, чтобы не превращать магазин в бесконечный поток API-запросов и не ставить весь каталог в зависимость от внешнего сервиса.

Что оказалось самым интересным

Главное открытие было даже не в самом AI.

А в том, насколько живее начинают выглядеть карточки товаров, если характеристики перестают быть просто таблицей цифр.

Например, вместо:

“IP65”

появляется:

“Подойдет для улицы и влажных помещений — дождя и сырости не боится.”

А вместо:

“Белок 25%”

AI пишет:

“Нормальный рабочий уровень для взрослой собаки без перекоса в ‘спортивное питание’.”

То есть задача была не “нагенерировать SEO-текста”, а перевести характеристики в человеческий язык.

Причем тут неожиданно хорошо сработала сама структура обзоров.

AI может:

• объяснять характеристики;

• писать практические нюансы;

• делать блоки “для чего подойдет”;

• добавлять нормальный человеческий контекст вместо сухой таблицы.

И это уже начинает выглядеть не как каталог поставщика, а как живая карточка товара.

Особенно в нишах:

• зоотоваров;

• электрики;

• сантехники;

• освещения;

• Интим тематика.

Там, где огромные каталоги и тысячи почти одинаковых карточек.

По деньгам.

Вдс Нидерланды - 700 рублей.

Цена генерации будет крутиться вокруг одного рубля на GhatGPT 5.2 и первых копеек на дешевых.

При этом система может:

• работать автоматически;

• запускаться только на выбранных категориях;

• генерировать обзоры только для новых товаров;

• обновлять контент по кнопке;

• работать поверх уже существующего сайта.

То есть это не “новый магазин”, а именно дополнительный AI-слой над каталогом.

Что пока не идеально

Конечно, это пока не “волшебная кнопка”.

Иногда AI:

• пишет слишком аккуратно;

• повторяется;

• делает странные акценты;

• уходит в излишне нейтральный стиль.

Плюс многое зависит от исходных данных.

Если в карточке товара пусто, AI тоже особо не из чего собирать хороший обзор.

Но даже с этим итог выглядит заметно живее, чем стандартные карточки большинства интернет-магазинов, где кроме характеристик нет вообще ничего.

Что мне кажется важным во всей этой истории

Скорее всего интернет-магазины постепенно придут не к “AI вместо сайта”, а к отдельному AI-слою поверх существующих каталогов.

Не к полной перестройке бизнеса.

А к системам, которые:

• автоматически улучшают карточки;

• объясняют характеристики;

• делают каталог менее мертвым;

• помогают работать с огромным количеством товаров без ручного контента.

Отдельно интересным оказался момент с SEO.

AI здесь используется не как игрушка или отдельный чат, а как способ автоматически превращать “мертвые” карточки товаров в нормальный контент для поисковиков. Не замещая старый проиндесенный контент.

Текст статьи написан лично. Для улучшения читаемости, структуры и отдельных формулировок при редактировании использовалась нейросеть — на мой взгляд, сейчас просто глупо не использовать такие инструменты в работе. Чукча не писатель, а обычный разработчик.

Для вопросов открыт. Рачпишу этапы. Выстрелит если пост, расскажу как сделать консультанта по товарам. Из серии железный мозг, мне нужен светильники и провод к нему. Подбери мне провод, розетку и лампочки. Как это все превратить в вектор. Как сделать эмбеддинг товаров в вектор и т.д.

Компания Figure AI устроила эксперимент на выносливость, чтобы выяснить, кто лучше собирает заказы на складе человек или машина.

За этой битвой в режиме реального времени следили тысячи людей, но финал наступил досрочно. Человек не выдержал безумной скорости и выбыл.

На площадке остался только робот под управлением мощного ИИ Helix-02. Машина без единого перерыва отпахала уже 124 часа подряд и безупречно отсортировала 157 тысяч посылок. Робот двигается с человеческой скоростью, но вообще не устает и не ошибается.

Искусственный интеллект сам «смотрит» камерами и «чувствует» пальцами, мгновенно решая, как схватить любую коробку. Нейросеть управляет телом машины точно так же, как наш мозг управляет руками.


➡️ Все лучшие нейросети тут: TG | MAX

➡️ Обучение и Промты: TG | MAX

Стек:

— Python 3.11 + FastAPI на бэкенде

— aiogram 3 для Telegram-бота

— React 18 + Vite + TypeScript для Mini App

— MySQL для памяти между сессиями (бот помнит твои слова, ошибки, темы)

— Redis для кэша

— Nginx как обратный прокси

— Docker Compose

— GitHub Actions для автодеплоя.

50 тысяч ушли вот так, навскидку:

— Аренда железа под локальный LLM (~40к)

— Домен + SSL + VPS под фронт и бэк (~5к)

— Остальное на API расширения (TTS, дополнительные сервисы)

Это поверх своего железа, которое у меня уже было дома.

Как я учился.

Я открыл Cursor и начал писать с ИИ-помощником. Первый коммит — это был хеллоуворлд бот на aiogram. Через неделю — у меня уже была MySQL с миграциями. Через две — Mini App на React, который я раньше в глаза не видел.

Самый адовый момент — попытка завести WebSocket для стриминга голоса в реальном времени. Я неделю сидел и не понимал, почему голос приходит обрывками. Оказалось — я неправильно обрабатывал буферизацию аудиочанков на бэкенде. Когда заработало, я заорал так, что соседи постучали в стену.(не иронично)

За месяц вышло 120 коммитов. По 4 в день, после работы.

Дальше я начал думать, где брать пользователей.

Первым выбрал Threads. Логика была такая: там сидят люди, которые обходят блокировки → Telegram у них точно работает → плюс платформа англоязычная → возможно, на English-нишу попаду.

Я начал постить. Каждый день. 14 дней подряд. Изучал, как там устроены рекомендации. Подсматривал у местных коучей по «успешному успеху», которые хвастались количеством подписчиков в своих ТГ.

Через две недели у меня:

— 600 тысяч просмотров постов

— 100 подписчиков в Threads

— И 11 переходов в бот. Одиннадцать.

Сказать, что у меня опустились руки — не сказать ничего. Я сидел и смотрел на эти цифры, пытаясь понять, где у меня дырка.

Может, я плохо привлекал внимание к боту? Я писал про него прямо.

Может, аудитория была не та? Я попадал в English-нишу.

Может, формат коротких постов не конвертит? Не знаю до сих пор.

Через примерно 10 дней я перестал постить в Threads.

Тогда я пошёл на Pikabu.

Прошла неделя. В боте всего 80+ человек. Несколько дней назад сервер без перерыва работал 1316 минут — кто-то занимался полноценную сессию, потом следующий, потом ещё. Я открыл лог и сидел, смотрел, как он не останавливается. Странное чувство для парня, который пять минут назад продавал джинсы.

Один из пользователей за день занимался почти 10 часов. Десять. Я понятия не имею, кто этот человек, но я его уважаю.

Что я понял за месяц.

Первое: ИИ-инструменты в 2026 году — это уже не «волшебство», это рабочий инструмент. Я, парень без программистского образования, за месяц поднял продакшн-уровневый стек с CI/CD. Не идеальный, с дырами и багами. Но работающий.

Второе: трафик ≠ конверсия. 600 тысяч просмотров на Threads дали мне 11 активаций. Тысячи просмотров на Pikabu дали 80+. Я не понимаю до конца, в чём разница, но цифры говорят сами.

Третье: разработка одна — самое одинокое занятие в мире. Я сижу до часу ночи, чиню баги, никто не пишет в саппорт, никто не благодарит. Кроме случаев, когда кто-то напишет «классный бот, спасибо». От этого реально становится светлее.

Бот живёт тут: t.me/kmo_ai_english_bot

Полностью бесплатный. Без подписки, без лимитов, без капчи. Пока сервер тянет — будет так.

Если у вас был похожий опыт пилить пет-проект параллельно с работой — расскажите, как у вас. Особенно интересно: кто как находил первых пользователей. Threads — это явно не моё. Может, ваши находки помогут мне следующий раз не профукать 14 дней.

И ещё ограничение — максимум 100 слов на пользователя.

Объясню почему:

Причина первая, серверная. Если разрешить неограниченное количество — кто-нибудь обязательно зальёт миллионы слов и положит мне сервер. Я делаю это один, никакой команды по защите от ddos у меня нет. 100 — это компромисс между удобством и тем, чтобы я мог спать ночью.

Причина вторая, техническая. Каждое твоё слово я подмешиваю в контекст ИИ при каждой сессии. Чем больше слов — тем длиннее контекст, тем хуже ИИ соображает. Это известная проблема LLM: после определённого объёма модель начинает галлюцинировать. 100 слов — это безопасный порог, при котором качество разговора не страдает.

То есть это не «премиум-функция за деньги, базовая ограничена». Это физический предел, который я могу обойти только переписав архитектуру. Когда перепишу — расскажу.

Если у вас 100 слов в активной работе одновременно — вы уже неплохо живёте. У меня в работе обычно 20-30. После того, как несколько разговоров со словом проходит — оно уходит, добавляешь следующие.

Заходите проверить: t.me/kmo_ai_english_bot

P.S. @Tainana, отдельное спасибо. Идея реально классная.

А у вас как — учите слова списками, в приложениях, или вообще не паритесь и хватаете из контекста?