.png){kind=small}
Teacher_AI — Telegram copilot for automation learning
Telegram-помічник для навчання n8n та AI-автоматизації. Допомагає писати й налагоджувати код, знаходити документацію, ставити технічні запитання та отримувати відібрані новини українською.
- 2 процесидіалог із користувачем і новинний дайджест
- 4 сценаріїновини · /code · /debug · чат
- Postgres Memoryзбереження контексту діалогу
Контекст
Teacher_AI — Telegram-бот у ніші EdTech та автоматизації, побудований як єдина система з двох процесів: основного для спілкування й окремого для автоматичного підбору та відправки новин. Він допомагає навчатися в одному місці: читати корисні статті, працювати з кодом, знаходити документацію та ставити технічні запитання.
Проблема
Навчання було розрізненим: статті доводилося шукати окремо, документацію відкривати вручну, перемикатися між сервісами та самостійно розбирати помилки. Контекст губився, а технічні задачі з n8n, JavaScript, JSON і API вимагали постійного пошуку та перевірки рішень.
Моє рішення
Я побудував систему в n8n, яка отримує повідомлення в Telegram, визначає тип запиту, направляє його до відповідного модуля й повертає готову відповідь. Для роботи з кодом бот знаходить документацію, пояснює рішення та враховує попередній діалог. Окремий процес збирає RSS-матеріали, відбирає найважливіше й надсилає одну найкращу статтю коротким повідомленням українською.
Чотири сценарії
- Новинний дайджест. Автоматичний підбір матеріалів про автоматизацію та надсилання стислої добірки в Telegram.
- /code. Генерація та пояснення коду з опорою на документацію.
- /debug. Аналіз помилок, пояснення причин і допомога з виправленням коду.
- Чат. Відповіді на поточні технічні запитання зі збереженням контексту розмови.
Як побудовано систему
- Архітектура та intent routing. Основний workflow працює як оркестратор: аналізує команди /code, /debug або звичайний текст і передає запит відповідному модулю. Маршрутизація допомагає оптимізувати час відповіді та витрати токенів.
- Спеціалізовані агенти та пам’ять. Замість одного загального промпту використано набір AI-агентів, зокрема code, chat, quiz і digest. Postgres Chat Memory зберігає історію діалогу, попередні помилки та контекст коду користувача.
- Фоновий дайджест і пошук документації. Незалежний процес за розкладом читає RSS-стрічки та за допомогою AI відсіює інформаційний шум. Tavily Search дозволяє chat-агенту знаходити актуальну документацію перед формуванням відповіді.
Результати
- Два взаємодоповнювальні процеси — спілкування та підбір новин — об’єднані в одному Telegram-інтерфейсі.
- Чотири сценарії допомагають навчатися без постійного перемикання між сервісами.
- Відбір найкорисніших матеріалів зменшує інформаційний шум.
- Модульна структура дозволяє розширювати функції, а пам’ять діалогу допомагає зберігати контекст для наступних відповідей.
- Короткі та структуровані повідомлення адаптовані до формату й обмежень Telegram.