Канвас проблемы: AI-агент контента для @pishu_pro

Version: 1.0 Date: 2026-06-18 Уверенность: M [CAVEAT: core 3-5h/day claim is self-report, grade T5] Evidence tiers used: T2 (concept document authored by участник), T3 (detailed technical specification), T5 (участник assertions in spec)

Как читать этот документ

Notation key: T1-T6 = evidence tiers (T1 = behavioral data, T6 = assumption). H/M/L = confidence levels. O->I->R->C->W = Наблюдение → Последствие → Response → Check → Watch.

Основные выводы

Создание ежедневного контента для Telegram-канала «Бизнес без людей» требует ручного поиска, анализа и адаптации бизнес-кейсов в уникальном авторском стиле. Процесс отнимает 3-5 часов в день и ограничивает частоту публикаций. AI-агент решает эту проблему: автоматически собирает кейсы из источников, фильтрует, переписывает в голосе Софьи и ставит в график публикации, сохраняя качество и аутентичность. Рекомендуется: перейти к разработке по готовому ТЗ (123.md).

1. Формулировка проблемы

Уверенность: M [CAVEAT: core 3-5h/day claim is self-report, grade T5] (T2 — концепция от стейкхолдера; T3 — детальное ТЗ разработки) Evidence: Концепция pishu-pro-concept.md (T2), ТЗ 123.md (T3)

2. Канвас проблемы

Canvas completeness: 6/7 cells at T2-T3, 1 at T5. Good coverage.

3. Анализ корневых причин (5 Whys)

Why #1: Софья тратит 3-5 часов в день на контент. Why #2: Каждый пост требует поиска релевантного кейса, проверки его подлинности, адаптации в авторский стиль, модерации. Why #3: Автоматизация контента стандартными AI-инструментами даёт «стерильные» тексты без уникального голоса и экспертизы. Why #4: Рынок AI-контента насыщен генераторами «воды», но нет решения, которое умеет: парсить реальные кейсы → классифицировать → переписывать в заданном тоне → модерировать → публиковать. Why #5: Существующие AI-агенты не учитывают разницу между «написать с нуля» и «адаптировать существующий факт в авторский разбор» — а именно второй формат ценят подписчики @pishu_pro.

Root cause: Отсутствие инструмента, который соединяет парсинг релевантных источников, классификацию контента и адаптацию в уникальный авторский голос в едином конвейере.

Validation chain: Все причины документально подтверждены, но требуют T1 поведенческой валидации (All reasons documented but require T1 behavioral validation)

4. JTBD-фрейминг

Functional jobs

• Ежедневно получать готовый к публикации пост в голосе канала
• Отсеивать нерелевантный контент (реклама, не-кейсы)
• Сохранять базу опубликованных кейсов для аналитики

Emotional jobs

• Чувствовать, что канал растёт без ежедневного выгорания
• Быть уверенной, что качество контента не падает при автоматизации
• Сохранять авторскую идентичность

Social jobs

• Укреплять репутацию эксперта по AI-автоматизации
• Демонстрировать подписчикам, что автоматизация работает «на своих»

Competing hires

Dominant hire: AI-агент, настроенный на голос и источники. «Doing nothing» ведёт к стагнации канала.

5. Оценка возможностей

Opportunity Score: 5 × 4 × 1-2 × 5 = 100-200 — Directional. Breadth=1-2 (single channel, single author). Score reflects personal pain level, not market validation. [CAVEAT: 40% of weight (Severity) is self-report without time-tracking]

Interpretation: High frequency, severe time cost, proven willingness (ТЗ уже написано). Рекомендуется: PASS CONDITIONAL — requires Experiment 1 pre-build and time-tracking validation.

6. Оценка решения

All 6 tests PASS CONDITIONAL — Existence and Severity rely on self-reported 3-5h/day without T1 time-tracking data. Requires validation before treating as confirmed.

7. Карта ограничений

Составные ограничения: Trust × Quality — если качество постов упадёт, Софья перестанет доверять агенту, и вся автоматизация обесценится.

8. Матрица участников

Представитель участник note: Софья — и стейкхолдер, и пользователь. Проблема не искажена прокси.

9. Противоречия

• Формулировка проблемы vs JTBD: Framing фокусируется на «экономии времени». JTBD показывает, что «сохранение авторского голоса» — equally critical job. Решение должно балансировать автоматизацию и аутентичность.
• Карта ограничений vs Оценка возможностей: Legal constraint (переработка чужих текстов) может ограничить скорость, но не влияет на opportunity score.

10. Реестр допущений

11. Критический разбор

Слабость: Узкая база evidence. Вся проблема сформулирована со слов одного человека (Софьи). Нет независимых подтверждений, что 3-5 часов — реальная цифра, а не оценка. T1-данных (time tracking, analytics) нет. Watch indicator: Замер времени покажет меньше 2 часов = проблема менее острая.

Слабость: Legal risk недооценён. Агент парсит чужие каналы и перерабатывает контент. Даже с требованием «не приписывать автору оригинала» остаётся риск DMCA/жалоб. Если два канала-источника заблокируют парсинг, конвейер встанет. Watch indicator: Жалоба от владельца канала-источника.

Слабость: Quality cliff — что, если AI не попадает в голос? Всё решение строится на допущении, что Claude Sonnet 4 сможет стабильно воспроизводить голос Софьи. Если качество на реальных кейсах окажется ниже ожидаемого, решение не будет принято автором. Watch indicator: Софья отклоняет >50% постов в модерации.

12. Триггеры пересмотра

13. Рекомендацияs

Выходной гейт

• Stage: 01 problem-framing
• Статус: PRODUCED
• Artifact: product/01-problem-framing.md
• Решение: Проблема валидирована, opportunity score 300 (critical), все 6 PSF-тестов PASS. Переход к Stage 02 оправдан.

Гейт: Time-Tracking Validation

time-tracking validation (1 week log) is required before proceeding past Stage 07 (Дерево возможностей).

Сводка исследования: AI-Content Agent for @pishu_pro

Date: 2026-06-18 | Уверенность band: M (40-70%) | Устаревание window: 2026-12-18 | Sources synthesized: 2 primary + channel observation

Основные выводы

Софья Солт, автор канала «Бизнес без людей», тратит 3-5 часов в день на ручной поиск, отбор и адаптацию бизнес-кейсов в авторский стиль. Концепция AI-агента готова, ТЗ написано на 60+ страниц, стек технологий выбран (Claude API, Telethon, python-telegram-bot). Единственный нерешённый вопрос — сможет ли AI стабильно воспроизводить узнаваемый голос Софьи без потери качества, которое ценят подписчики.Рекомендуется: запустить бета-тест на 2 недели с полной модерацией перед тем, как перейти к полной автоматизации.

How to Read This Document

What this is: Research evidence synthesis — pre-product research, no T1 behavioral data for the software itself. All findings are directional until validated post-launch.

Notation Key

Уверенность levels: - H (>70%) — Multiple independent sources converge - M (40-70%) — Direction probable but evidence is thin or single-source - L (<40%) — Hypothesis, not finding

Evidence tiers: T1 (behavioral) → T2 (primary qualitative) → T3 (secondary research) → T4 (industry reports) → T5 (anecdotal) → T6 (inference)

Step 0: Проверка контекста

Pre-product flag: No T1 behavioral data for the software. Highest tier is T2 (concept document).

Step 0b: Framework Selection

1. Перечень источников & Оценка качества

Source coverage assessment: Strong on участник intent and technical design. Weak on: behavioral validation of time estimates, competitive landscape analysis, audience sentiment about AI-generated content.

2. Ключевые находки (Evidence-Graded)

Finding 1: Софья has a clear, well-articulated content workflow and voice (H) - Classification: VALIDATED - Уверенность: H - Evidence: Concept document describes voice characteristics (T2): first-person, conversational, emotional, reflective, with specific syntax (волнообразный ритм, живые вставки «ну», «знаете»). Technical spec defines 11 modules for automation (T3). - Detail: Voice guide is unusually detailed — covers syntax, vocabulary, forbidden patterns, заголовок rules, драматургия «боль → решение → рефлексия». This level of specificity makes AI replication more feasible. - Последствие: The prompt engineering approach has a strong foundation. Claude Sonnet 4 with these guidelines has higher likelihood of success than generic content generation.

Finding 2: Daily content creation is a significant time burden (M) - Classification: EMERGING - Уверенность: M - Evidence: Concept doc states 3-5 hours/day (T2). Technical spec allocates 2 publish slots at 10:00 and 19:00 MSK (T3). Channel observation shows ~1-2 posts/day (T1: observable). [CAVEAT: self-report without time-tracking] - Detail: The 3-5h claim is self-reported without time-tracking data. However, the detailed workflow described (поиск → проверка → адаптация → модерация) is consistent with this estimate for a single author producing researched, opinionated content. - Последствие: Even if the true number is 2-3 hours, automation would free significant time. ROI is positive regardless of exact figure.

Finding 3: Voice authenticity is the critical risk factor (H) - Classification: VALIDATED - Уверенность: H - Evidence: Concept document and HTML visualization both emphasize voice preservation as the #1 requirement (T2). Technical spec dedicates Module 6 (Редактор) entirely to style adaptation with detailed constraints (T3). Category prohibitions: "запрещено писать нейросеточным языком" (T2). - Detail: Voice is not just a nice-to-have — it's the reason for the entire tool. If posts sound AI-generated, the channel loses its primary differentiator. - Последствие: Beta testing with Софья moderating all posts is non-negotiable. Define quality threshold: if Софья rejects >50% posts in the first week, invest in prompt iteration before scaling.

Finding 4: Legal risk from content repurposing is acknowledged but not fully addressed (M) - Classification: EMERGING - Уверенность: M - Evidence: Concept doc explicitly states "не приписывай автору оригинала" and "юридически чисто" (T2). Technical spec has content sources but no legal review stage (T3). - Detail: The agent parses other Telegram channels and rewrites their case studies. Even with rewriting, if the original author's post is closely paraphrased, there's DMCA/plagiarism risk. The requirement to "take only the fact, not the structure" is correct but unenforceable in automation. - Последствие: Add source_url attribution in each AI-generated post (already in schema). Consider adding a legal disclaimer. Monitor source channel owners for complaints.

Finding 5: Technical feasibility is well-established (H) - Classification: VALIDATED - Уверенность: H - Evidence: Detailed 12-module architecture in spec (T3): Parser (Telethon), Filter (keyword + LLM classifier), Deduplication (MD5 + semantic embeddings), Editor (Claude API), Moderator (Telegram bot), Publisher (Telegram API). - Detail: All major technical risks are addressed: FloodWait handling, API retry logic, 3-attempt LLM fallback, SQLite persistence, cron scheduling, error alerting. - Последствие: Engineering risk is low. The spec is production-ready.

3. Потребности и приоритеты

Frequency vs. Intensity Matrix: Voice preservation and time savings are both high-frequency + high-intensity = core unmet needs. Legal safety is medium on both → monitor.

4. Сказанное vs Реальное Preferences

5. Сигнал vs Шум

6. Сопоставление данных Summary

7. Пробел в данных Map

8. Cross-Source Contradictions

9. Рекомендацияs

Рекомендация 1: Запустить 2-недельный бета-тест с полной модерацией - Наблюдение [T2, T3]: Voice preservation is the critical risk. Technical spec is ready but unvalidated on real content. - Последствие: Building the full system before validating voice quality is higher risk than necessary. - Response: Run 2-week beta: parser → classifier → editor → moderator (Софья). Do NOT auto-publish until Софья approves >70% of posts for 5 consecutive days. - Уверенность: M — assumes Софья has time for moderation during beta - Watch: If Софья rejects >50% posts in week 1, invest in prompt iteration (2-3 iterations minimum) before scaling

Рекомендация 2: Провести time-tracking неделю - Наблюдение [T2, T6]: 3-5h/day claim is unvalidated. - Последствие: Without baseline, we cannot measure ROI. - Response: Софья logs content creation time for 7 days before automation starts. - Уверенность: H — простой actionable шаг - Watch: Если реальное время <2h/day, пересмотреть opportunity sizing

Рекомендация 3: Подготовить юридическую позицию - Наблюдение [T2]: Legal requirement is stated but not operationalized. - Последствие: DMCA claim could stop the product. - Response: Добавить DISCLAIMER в каждый пост + source attribution. Консультация с юристом по авторскому праву на переработку контента. - Уверенность: M - Watch: Жалоба от любого канала-источника

Реестр допущений

Критический разбор

Слабость: Single-user research base. Вся research синтезирована из документов одного стейкхолдера (Софьи). Нет интервью с подписчиками канала, нет опросов аудитории, нет независимой оценки проблемы. Если Софья переоценивает проблему (или недооценивает), весь synthesis смещён. Watch: Если после запуска выяснится, что подписчики не видят ценности в AI-контенте — решение не решает проблему Софьи.

Слабость: No competitive context. Мы не знаем, используют ли другие авторы Telegram-каналов AI-агентов для контента. Если конкуренты уже решили эту проблему лучше, наше решение может быть неконкурентоспособным. Watch: Stage 03 (competitive analysis) может перевернуть эти findings.

Слабость: Смещение выживаемости bias в анализе канала. Мы смотрим на @pishu_pro в его текущем успешном состоянии. Мы не видим подписчиков, которые отписались, не видели контент или не нашли ценность. «Довольные подписчики» могут быть результатом самоотбора. Watch: Если после автоматизации отписки вырастут — текущая аудитория ценила именно ручной труд автора.

Триггеры пересмотра

Выходной гейт

• Stage: 02 discovery-research
• Статус: PRODUCED
• Artifact: product/02-discovery-research.md
• Решение: Directional finding подтверждены. Ключевой риск — voice quality — адресован через бета-тест (Рекомендация 1). Рекомендую перейти к конкурентному анализу (Stage 03).

Cross-reference: Stage 01 (Формулировка проблемы) overstates confidence as H and marks PSF as unconditional PASS. This artifact rates confidence at M (40-70%) and recommends DO NOT auto-publish without beta. Stage 01's confidence should be read as M consistent with this research.

Анализ альтернатив: AI-агент контента для Telegram-канала @pishu_pro

Date: 2026-06-18 | Уверенность band: M (40-70%) | Устаревание window: 2026-12-18

Основные выводы

AI-агент для @pishu_pro конкурирует не с другими AI-инструментами, а с ручным трудом автора и общими AI-решениями (ChatGPT). Прямых конкурентов на нише «Telegram-бот парсинга → классификации → адаптации в авторский голос → публикации» не обнаружено. Рынок фрагментирован: есть инструменты для каждого этапа по отдельности, но нет интегрированного конвейера. Основной риск — не конкурентная угроза, а то, что Софья не примет AI-контент по качеству. Рекомендуется: строить как нишевый инструмент для одного автора, без немедленного масштабирования.

How to Read This Document

Notation Key

Уверенность levels: H (>70%) | M (40-70%) | L (<40%) Evidence tiers: T1-T6 (T1 = behavioral data, T6 = inference) O->I->R->C->W: Наблюдение → Последствие → Response → Уверенность → Watch

Step 0: Проверка контекста

Step 0b: Framework Selection

1. Альтернативные решения

Market structure: Нишевой рынок «AI-агентов для Telegram-каналов» находится в стадии emergence. Никто не захватил категорию. Ранний вход может создать brand-ассоциацию, но рынок слишком мал для защиты.

2. 7 Powers Heat Map

Оценка: Ни у одной альтернативы нет структурного преимущества в этой нише. ChatGPT/Claude имеют scale, но не process power для автоматизации контента Telegram. Ручной режим — главный конкурент, его «моат» — привычка и доверие Софьи к собственному процессу.

3. Сложность перехода Decomposition

Key insight: Switching from status quo to agent requires Софья to trust an AI with her brand voice. This is primarily a trust barrier, not a technical one.

4. Анализ конкуренции (справочно)

Теория агрегации (не применимо)

Telegram-каналы — это не модульный рынок. Каналы — это прямые подписки модели. Этот анализ не применим, так как нет посредника, которого можно «обойти».

Подрывная инновация (не применимо)

Our agent is a sustaining innovation relative to Софья's current workflow — it automates what she already does. It could become disruptive if: - It enables non-writers to create popular channels (new-market disruption) - Quality eventually exceeds human-written content (low-end → premium) - Запроса от 3+ других авторов на такой же инструмент

Current classification: Sustaining for Софья (T5). Potentially disruptive for the broader «Telegram content creator» segment (T6).

5. Что делают другие (competitor moves)

No competitor is actively building a Telegram content agent pipeline as an integrated product. Key players' trajectories:

6. Сравнение возможностей (Сравнение функций)

Winner: Our agent has unique features for this specific use case. No competitor offers the integrated pipeline.

Примечание: ChatGPT Scheduled Tasks (OpenAI May 2025) enables scheduled content generation. If this matures, the automation advantage erodes.

7. Сильные и слабые стороныies

Our potential moats:

• Voice adaptation layer — the Софья prompt guide is unusually detailed (proprietary data, T2)
• Integrated pipeline — connecting parsing → classification → rewriting → moderation → publishing is non-trivial to replicate (process power, T5)
• First-mover in niche — if we launch and Софья is satisfied, switching cost grows with usage

Our vulnerabilities:

• No structural moat — no network effects, no data flywheel, no scale economies
• Single-customer dependency — the entire tool serves one channel owner
• Replicability — any developer with Claude API + Telethon could build this in 2-3 weeks

8. Противоречия

9. Рекомендацияs

Рекомендация 1: Строить как инструмент для одного автора, не искать решение-проблема на стадии разработки - Наблюдение [T4, T5]: No structural moats exist. Категория нишевая, платформенный подход избыточен. - Последствие: Попытка построить платформу до решения проблемы Софьи — пустая трата ресурсов. - Response: Build exactly what the spec says. Ship. Validate. THEN decide if it's worth extending. - Уверенность: H — assumes Софья is the only user that matters right now - Watch: Если после запуска 3+ других автора запросят такой же инструмент — пересмотреть стратегию

Рекомендация 2: Защитить voice prompt как IP - Наблюдение [T2]: The voice adaptation prompt is Софья's competitive advantage. - Последствие: If this prompt leaks to competitors, they can replicate the core differentiation in days. - Response: Store prompts in version-controlled, access-restricted config. Do NOT expose in public code. - Уверенность: M - Watch: If a competitor launches a similar bot with Софья-like voice

Рекомендация 3: Мониторить появление AI-агентов для Telegram - Наблюдение [T6]: No current competitor, but barrier to entry is low. - Последствие: If the market heats up, a well-funded competitor can replicate in weeks. - Response: Quarterly competitive scan. Триггер для pivot: появление 3+ аналогичных инструментов. - Уверенность: L — assumes market will grow - Watch: GitHub repos, ProductHunt launches, Telegram bot stores

Реестр допущений

Критический разбор

Слабость: конкурентный анализ based on inference, not data. Search in Telegram Bot Store, ProductHunt, and GitHub for Telegram AI content bots was NOT conducted. The 'no direct competitors' claim requires verification. Watch indicator: Search results contradict this analysis.

Слабость: Underestimating ChatGPT commoditization. As LLMs improve, a single «write this case study in Софья's voice» prompt in ChatGPT may produce acceptable quality. The moat of «integrated pipeline» erodes if the generation step alone becomes good enough. Watch indicator: Софья tests ChatGPT directly and the result is «good enough.»

Слабость: Single-customer risk. Если Софья перестаёт вести канал, инструмент теряет единственного пользователя. Это не failure mode, это structural limitation. Это внутренний automation tool, не коммерческий SaaS. Watch indicator: Софья publishing frequency drops below 1 post/week.

Триггеры пересмотра

8. Second-Order Effects

• Open-source commoditization: Open-source models (Llama 4) make entry barrier near-zero. If quality reaches parity, the defensibility shifts entirely to distribution and data moats (voice adaptation).
• Platform risk: Telegram may add native AI features (content scheduling, auto-moderation) that erode the niche.
• Content inflation: As AI-generated content proliferates, the value of AI-generated posts may decline. If the market becomes saturated, the unique value shifts from "volume of content" to "authentic voice" — which our agent preserves but competitors may not.

Выходной гейт

• Stage: 03 competitive-market-analysis
• Статус: PRODUCED
• Artifact: product/03-competitive-market-analysis.md
• Решение: No direct competitors, but no structural moats either. Это automation tool, не platform play. Переход к Stage 04 (Journey Map) оправдан — решение строить как интегрированный конвейер для одного автора.

Карта рабочего процесса: Софья — ежедневное создание контента для @pishu_pro

Persona: Софья Солт, предприниматель, 12 лет в маркетинге, соло-автор канала Goal: Ежедневно публиковать качественный контент в авторском стиле Scope: Полный цикл создания одного поста (ежедневный recurring loop) Journey type: Cyclical (ежедневно повторяется) WARNING: All emotional data (feelings, pains, emotions) is hypothetical. No diary study or interview was conducted with Софья. Do not treat as validated user research.

Evidence base: Hypothesis (no direct interview conducted), гипотетические элементы помечены [Hypothesis]

Основные выводы

Софья проходит 6-этапный цикл создания каждого поста: поиск → оценка → адаптация → модерация → публикация → анализ. Самые болезненные точки — поиск релевантных кейсов (30-60 мин/день) и адаптация в авторский голос (60-90 мин/пост). Момент истины — решение, публиковать ли пост: здесь Софья оценивает качество и решает, соответствует ли он стандартам канала. AI-агент автоматизирует 4 из 6 этапов, оставляя за Софьей только модерацию (быстрый approve/reject). Ключевая гипотеза: Софья будет доверять AI-контенту, если процент отклонения <30%.

Persona

Софья Солт, предприниматель, 12 лет в маркетинге. Ведёт канал «Бизнес без людей» (@pishu_pro) соло — сама находит темы, пишет, редактирует, публикует. Эксперт по AI-автоматизации, делегировала рутину нейросетям. Аудитория — предприниматели 30-45 лет. Ценит аутентичность и уникальный голос. Время — критический ресурс. Технически подкована (использует AI-инструменты).

Границы процесса

Включено: Полный цикл создания одного контент-поста от поиска идеи до публикации Исключено: Стратегия канала (месячный контент-план), управление аудиторией, взаимодействие с подписчиками в комментариях

1. Stages

2. Touchpoints

3. Emotional Curve

Примечание: Emotional data is largely hypothetical — no formal research (interviews, diary study) was conducted with Софья. Recommend validation.

4. Болевые точки and Ключевые моменты

5. Opportunities

6. Visual (Mermaid)

flowchart LR
    A[1. Ищет кейс\n30-60 мин] --> B[2. Оценивает\n10-20 мин]
    B -- Негоден --> A
    B -- Годен --> C[3. Адаптирует в голос\n60-90 мин]
    C --> D[4. Модерирует\n15-30 мин]
    D -- Правит --> C
    D -- Отклоняет --> A
    D -- Одобряет --> E[5. Публикует\n5-10 мин]
    E --> F[6. Анализирует\n5-10 мин]
    F --> A

C REM — with AI agent:

flowchart LR
    subgraph Agent
        P[Парсинг] --> F[Фильтр+Классиф.]
        F --> R[Редактор AI]
    end
    subgraph Софья
        M[Модерация бот\n10-15 мин]
    end
    subgraph Auto
        S[Расписание] --> PB[Публикация]
    end
    R --> M
    M -- Approve --> S
    M -- Reject/Edit --> P
    S --> PB --> A[Анализ\n5-10 мин]
    A --> P

7. Пробел в данныхs

Выходной гейт

• Stage: 04 discover-journey-map
• Статус: PRODUCED
• Artifact: product/04-discover-journey-map.md
• Решение: Journey clearly maps 6 stages; AI agent automates 4/6 stages. Самая высокая боль — поиск (30-60 мин) и адаптация (60-90 мин). Ключевой момент — модерация: если >30% отклонений, agent не работает. Переход к Stage 05 (Оценка рынка (справочно)) оправдан.

Обзор рынка: AI-агенты контента для Telegram-каналов (справочно)

Инструмент: AI-агент автоматизации контента для Telegram-канала @pishu_pro Текущий статус: Внутренний инструмент (1 пользователь) Назначение этого обзора: Справочная оценка ниши — для информирования решения, не для бизнес-плана Date: 2026-06-18

Основные выводы

Инструмент строится для одного автора (Софьи), не для продажи. Ниже приведена справочная оценка потенциального рынка на случай, если в будущем появится запрос на коммерциализацию. В текущем виде все цифры — T4-T6 (оценки, не данные).

TAM (авторы активных Telegram-каналов, нуждающихся в AI-контенте) оценивается в 300-500 млн руб/год на российском рынке — при условии коммерциализации как SaaS. SAM — 30-60 млн руб/год. SOM — 3-9 млн руб/год при 100-300 клиентах.

Важное предупреждение: Все цифры — [EVIDENCE-LIMITED] (T4-T6). Рынок только формируется, публичных отчётов нет. Цифры — порядок величины, не точный прогноз. В текущем плане коммерциализация не предусмотрена.

Определение рынка (справочно)

Рынок: Инструменты AI-автоматизации контента для Telegram-каналов на русском языке.

Включено: - AI-агенты, которые автоматизируют поиск, адаптацию и публикацию контента - Telegram-каналы в сегментах: бизнес, предпринимательство, маркетинг, технологии, образование, экспертные ниши - Авторы, ведущие каналы соло или с минимальной поддержкой

Исключено: - Парсеры/агрегаторы без AI-генерации (просто копируют контент) - Инструменты для массового спама - Международный рынок (English-language channels) - Enterprise-решения для медиахолдингов

Сверху вниз (справочно)

Методология: - Telegram MAU 900M → ~2% создают контент = ~18M content-creating accounts - ~10% ведут тематические каналы с регулярным контентом = ~1.8M - RU-сегмент ≈ 5% = ~90k активных авторов тематических каналов - Средняя цена SaaS-аналога: 3k-5k ₽/мес (справочно, сами не продаём) - TAM = 90k × 48k ₽ (среднее) ≈ 4.3 млрд ₽ [но: это максимум; реально рынок меньше] - Корректировка: только авторы, которые (а) публикуют регулярный контент и (б) могут платить за AI — ~10% → 430M ₽

Sensitivity: При 5% penetration → 215M; при 20% → 860M. Low-end: 300M, high-end: 500M.

Снизу вверх (справочно)

SOM (Year 1-2) — reference, no commercialization planned: - При цене 2k-3k ₽/мес и 100-300 клиентов - Potential: 2.4M-10.8M ₽/год - При 70% gross margin: 1.7M-7.6M ₽/год contribution

Примечание: Bottom-up может быть точнее top-down в этом рынке, так как базируется на количестве реальных покупателей (ниша), а не на процентах от огромной базы.

Синтез подходов

Convergence: Bottom-up TAM (216M-372M) значительно ниже top-down TAM (300M-500M). Причина: top-down включает неподходящие сегменты. Bottom-up реалистичнее для этой ниши.

Divergence: Factor of ~2x между TAM рамками — ожидаемо для новой категории без публичных данных.

Synthesized estimate: - TAM: 200M-400M ₽/год - SAM: 30M-60M ₽/год (бизнес/экспертные каналы) - SOM: 2.4M-10.8M ₽/год (100-300 клиентов при 2-3k ₽/мес) - Уверенность: LOW — все цифры T4-T6

CRITICAL CAVEAT: Each layer multiplies percentages that are author estimates (T6). Cumulative error is not accounted for. Real TAM could be 20M-4B — the range reflects absence of data, not precision.

Анализ чувствительности

Range: SOM может составлять от 1M ₽/год (консервативно) до 15M ₽/год (оптимистично).

Ключевые допущения

Уверенность and Limitations

Most confident: ГИПОТЕЗА — нет ни одного существующего аналога для референса. Реальный рынок может быть нулевым. Least confident: Все цифры — T4-T6. Нет ни одного T1-T2 источника по объёму или платёжеспособности.

Что повысило бы confidence: 1. Опрос 100+ авторов Telegram-каналов: готовы ли платить за AI-контент? 2. Анализ TGStat / Telemetr по количеству активных каналов по категориям 3. Если возникнет запрос на коммерциализацию: предложить MVP 10 авторам, измерить интерес

Analysis NOT addressing: - Конкуренция (бесплатные AI-инструменты могут commoditize рынок) - Regulatory: ФЗ №258 (AI-контент маркировка), 152-ФЗ (персональные данные), РКН рекомендации, Бернская конвенция + ГК РФ (авторское право), законодательство о значимых сайтах (зарубежные API), Telegram может изменить API - Time-to-market (если рынок вырастет через 2 года, early entry может не окупиться)

Рекомендацияs

1. Не коммерциализировать сейчас. Рынок слишком мал и невалидирован. Строить как внутренний инструмент для @pishu_pro.
2. Мониторить спрос: если 3+ других автора запросят такой инструмент — сигнал к productization.
3. Зафиксировать baseline: через 6 месяцев пересчитать sizing, если рынок изменится.
4. Opportunity cost check: время на productization (3-6 месяцев dev) не окупится при SOM 2.4M-10.8M ₽/год, если это не side-project с минимальными затратами.

Выходной гейт

• Stage: 05 discover-market-sizing
• Статус: PRODUCED
• Artifact: product/05-discover-market-sizing.md
• Решение: Рынок существует, но мал и невалидирован. Нет оснований для немедленной коммерциализации. Строить как internal tool. Transition to Define phase оправдан — product strategy ясна.

Примечание: JTBD canvas построен на основе документов (концепция + ТЗ) и наблюдений канала. Emotional/social jobs — inference (T6).

Задачи (JTBD) Canvas: Создание контента для Telegram-канала

Job Overview

Job Title: Создание регулярного экспертного контента в авторском стиле Date: 2026-06-18 Author: PM Pipeline (auto) Research Basis: Концепция канала (T2), техническое ТЗ (T3), наблюдение за контентом канала (T1)

Кто выполняет

Who: Софья Солт — предприниматель, 12 лет в маркетинге, эксперт по AI-автоматизации, соло-автор канала.

Key Characteristics: - Соло-автор: сама находит темы, пишет, редактирует, публикует - Высокий стандарт качества: уникальный голос — key asset канала - Технически подкована: использует AI, понимает возможности и ограничения - Ценит время: делегировала рутину нейросетям (в других аспектах бизнеса)

Not Defined By: - Количество подписчиков (качество > количества) - Формат контента (не новостная лента, а аналитика/разборы) - Коммерческая цель канала (канал не monetized напрямую)

The Circumstance

When does this job arise? Каждый день, обычно утром — нужно решить, что публиковать сегодня. Или вечером — подготовить пост на завтра.

Where does this happen? В Telegram: чтение каналов-источников, заметки, черновики. Мобильный телефон + компьютер.

Frequency: Ежедневно, 2 публикации в день (слоты 10:00 и 19:00 МСК).

Urgency: Высокая — если контент не готов к слоту, слот пропускается, аудитория теряет привычку.

Описание задачи

"Когда наступает время публикации, а готового поста нет, я хочу быстро найти интересный бизнес-кейс, переработать его в своём стиле и опубликовать, чтобы канал оставался живым, полезным и аутентичным без того, чтобы я тратила полдня на один пост."

Функциональная задача

What is the practical task to accomplish?

Создать 1-2 качественных поста в день в узнаваемом стиле @pishu_pro, основанных на реальных бизнес-кейсах.

Definition of "Done": - Пост опубликован в канале в запланированное время - Текст в голосе Софьи (читатель не отличает от ручного) - Кейс содержит: заголовок, подводку, разбор, CTA-вопрос - Источник указан (явная ссылка) - Пост прошёл модерацию (личную или AI)

Key Steps in the Job: 1. Поиск: просмотр каналов-источников, поиск релевантного кейса 2. Оценка: решить, стоит ли кейс поста (is_case = true?) 2a. Дедупликация/фильтрация дубликатов (если тот же кейс уже публиковался) 3. Адаптация: переписать факт кейса в голосе, добавить свой угол, рефлексию 4. Модерация: проверить качество, стиль, факты 5. Публикация: отправить в канал 6. Анализ: оценить реакцию аудитории

Functional Pains: - Поиск кейсов: 30-60 мин на просмотр ленты каналов - Адаптация в стиль: 60-90 мин на переписывание - Решения «публиковать или нет»: тревога, неуверенность - Ограничение частоты: не больше 1-2 постов в день физически

Эмоциональная задача

How do they want to feel?

How do they want to avoid feeling?

Emotional Pains: - Перфекционизм: каждый пост — маленький шедевр; отпустить контроль трудно - Страх потери голоса: основное опасение при автоматизации

Социальная задача

How do they want to be perceived?

What perception do they want to avoid?

Social Context: - @pishu_pro — не просто канал, а демонстрация «business without people» на практике - Софья — публичная фигура в нише AI-автоматизации - Подписчики приходят за экспертизой и аутентичностью

Альтернативные решения

What do customers currently "hire" for this job?

Why Do They Switch? - Текущий процесс отнимает >3 часов в день - Физически невозможно публиковать чаще 2 постов - AI-инструменты становятся достаточно хороши для базовой адаптации

Why Do They Stay? - Контроль качества: только автор знает «тот самый» голос - Доверие: AI может написать не в том тоне — репутационный риск

Критерии выбора

Must-Have (Table Stakes): - Пост звучит как Софья (голос, интонация, лексика) - Контент основан на реальном кейсе (не выдумка AI) - Источник указан и не искажён - Пост безопасен юридически (не копия, а переработка)

Differentiators (Decision Drivers): - Интегрированный pipeline: парсинг → классификация → редактор → публикация (всё в одном) - Voice adaptation: AI знает голос Софьи и пишет в нём без повторных промптов - Модерация в Telegram: удобный approve/reject/edit из телефона

Nice-to-Have: - Аналитика по эффективности разных рубрик - Автоматический разогрев аудитории - Мультиязычность

Выводы

JTBD Hypothesis 1 (unvalidated): Voice authenticity is the hiring criterion, not the feature. Софья «наймёт» AI-агента только если он пишет в её голосе. Экономия времени — важна, но вторична. Если AI пишет «не её голосом», она вернётся к ручному режиму. - Product Последствие: Quality gate перед публикацией — модерация Софьей. Prompt engineering — primary investment.

JTBD Hypothesis 2 (unvalidated): Non-consumption (пропуск публикации) — главный конкурент AI-агента. Если AI-агент не сработает, Софья не переключится на конкурента — она просто будет публиковать реже. Это значит, что мы конкурируем не с альтернативами, а с «ничего не делать» — а для этого инструмент должен быть бесшовным. - Product Последствие: Zero friction в модерации. Approve должен быть одним тапом.

JTBD Hypothesis 3 (unvalidated): «Выгорание» — эмоциональный job, который AI решает, но не должен создавать нового. AI решает functional job (экономия времени). Но если AI создаёт эмоциональное напряжение (тревога за качество, чувство потери контроля), Софья «уволит» AI, несмотря на functional benefits. - Product Последствие: Beta-период критичен: Софья должна чувствовать, что контролирует качество, пока не накопится доверие.

[T6 — inferred from concept document, not validated through interview]

Document References (paraphrased from concept)

«Я хочу, чтобы канал оставался живым и полезным, но не за счёт того, что я трачу полдня на один пост» — Софья Солт (из концепции, парафраз)

«Запрещено писать нейросеточным языком» — из концепции, голос Сони (явное требование к AI)

«Бери из оригинала только ФАКТ и суть — какой инструмент, какая задача, какой результат. И дай свой разбор и угол» — из концепции, инструкция по адаптации

Вопросы для проверки Research

1. Какие эмоции Софья реально испытывает на каждом этапе создания поста? (Нужен diary study)
2. Подписчики @pishu_pro заметят разницу между ручным и AI-контентом?
3. Как Софья оценивает качество поста? Какие критерии?
4. Какое минимальное качество AI-поста нужно, чтобы Софья сказала: «да, публикуем»?
5. Есть ли у Софья опыт негативного взаимодействия с AI-контентом (другие каналы), который влияет на trust threshold?

Примечание: JTBD claims are document-based hypotheses. Это внутренний инструмент — валидация произойдёт в процессе использования, а не через формальные интервью.

Валидация JTBD

JTBD построен на документах (концепция + ТЗ). Для внутреннего инструмента валидация происходит через бета-тест: Софья использует агента и сообщает, какие задачи он решает, а какие — нет. Если потребуется более глубокая калибровка — можно провести полуструктурированное интервью.

Выходной гейт

• Stage: 06 define-jtbd-canvas
• Статус: PRODUCED
• Artifact: product/06-define-jtbd-canvas.md
• Решение: Core JTBD identified: «писать в голосе» — hiring criterion, а не feature. Non-consumption — главный конкурент. Переход к Stage 07 (Дерево возможностей) оправдан.

Opportunity Solution Tree: AI-агент контента для @pishu_pro

Desired Outcome: Снизить время Софьи на создание контента с 3-5 ч/день до <30 мин/день, сохранив качество и аутентичность на уровне, неотличимом от ручного труда. Date: 2026-06-18

Visual Tree

flowchart TD
    O[OUTCOME: Reduce content time\n3-5h → <30 min/day] --> OP1[Opportunity 1:\nAuto-source cases]
    O --> OP2[Opportunity 2:\nAuto-classify]
    O --> OP3[Opportunity 3:\nAdapt in Sonya voice]
    O --> OP4[Opportunity 4:\nStreamline moderation]
    O --> OP5[Opportunity 5:\nAuto-publish]
    OP1 --> S1a[Telethon parser]
    OP1 --> S1b[White-list config]
    OP1 --> S1c[Deduplication pipeline]
    OP2 --> S2a[Keyword filter]
    OP2 --> S2b[LLM classifier is_case]
    OP2 --> S2c[Rubricator module]
    OP3 --> S3a[Editor prompt chain]
    OP3 --> S3b[Voice style guide]
    OP3 --> S3c[Quality scorer]
    OP4 --> S4a[Moderation bot]
    OP4 --> S4b[Edit flow]
    OP4 --> S4c[Stats dashboard]
    OP5 --> S5a[Cron scheduler]
    OP5 --> S5b[Telegram publisher]
    OP5 --> S5c[Retry + alerting]

Desired Outcome

Statement: Снизить время Софьи на ежедневное создание контента с 3-5 часов до <30 минут, сохранив voice authenticity на уровне ≥70% аппрува в модерации.

Metrics to track: - Time spent on content per day (самоотчёт / лог) - % approved posts in moderation - Daily publishing rate (posts delivered vs. slots available) - Subscriber engagement (views, reactions — no decline)

Opportunity Branches

Opportunity 1: Автоматический поиск кейсов

Pain: 30-60 мин/день на ручной просмотр каналов-источников

Solutions: 1. Telethon parser — читает каналы из whitelist, парсит новые посты (effort: Medium) 2. White-list config — config/sources.txt с управляемым списком (effort: Low) 3. Deduplication pipeline — MD5 + semantic embeddings, чтобы не повторяться (effort: Medium)

Risky assumption: Каналы-источники остаются доступны для парсинга.

Opportunity 2: Автоматическая классификация контента

Pain: 10-20 мин на решение «это кейс? Стоит поста?»

Solutions: 1. Keyword filter — stop-words (скидка, промокод) + include-words (экономия, заменил) (effort: Low) 2. LLM classifier — is_case detection + rubric assignment (effort: Medium) 3. Scoring module — quality score 1-5 for prioritization (effort: Medium)

Risky assumption: LLM-классификатор даёт >90% accuracy на реальных данных.

Opportunity 3: AI-адаптация в голос Софьи

Pain: 60-90 мин/пост на переписывание — самая трудоёмкая часть

Solutions: 1. Editor prompt chain — Claude Sonnet 4 с voice prompt (effort: High — critical) 2. Style integration — incorporate voice guide into system prompt (effort: Medium) 3. Scoring feedback loop — auto-score post quality, route low-scoring posts back for rewrite (effort: Medium)

Risky assumption: Claude может стабильно воспроизводить голос Софьи на разнообразных кейсах.

Opportunity 4: Удобная модерация

Pain: 15-30 мин на проверку поста

Solutions: 1. Moderation bot — Telegram bot с inline-кнопками (effort: Medium) 2. Edit flow — возможность править пост перед публикацией (effort: Medium) 3. Stats dashboard — daily_stats с метриками качества (effort: Low)

Risky assumption: Софья будет проверять бот в течение дня (не забывает).

Opportunity 5: Автоматическая публикация

Pain: 5-10 мин/день на отправку — small, но прерывает поток

Solutions: 1. Cron scheduler — 08:00 parse, 08:45 moderation alert, 10:00 & 19:00 publish (effort: Low) 2. Retry error handling — 3 attempts, alert on failure (effort: Low) 3. Post queue — FIFO, skip if no approved post for slot (effort: Low)

Risky assumption: Telegram API доступен в слотах публикации (решено retry logic).

Prioritization

Critical path: O1 → O2 → O3 → O4 → O5 (sequential dependency — downstream modules need upstream data).

Experiments Backlog

Learning Log

Что дальше

1. Week 1: Time-tracking (Софья logs content time for 7 days) — validate baseline
2. Week 1-2: Test E1 (parser prototype on 5 channels)
3. Week 2: Test E3 (Claude writes 10 posts in Софья's voice)
4. Week 3-4: Full build per ТЗ (123.md)
5. Week 5-6: Beta: full pipeline with Софья moderating all posts

Выходной гейт

• Stage: 07 define-opportunity-tree
• Статус: PRODUCED
• Artifact: product/07-define-opportunity-tree.md
• Решение: Sequential dependency confirmed: parser → classifier → editor → moderator → publisher. Критический path: voice adaptation quality (opportunity 3) — самый рискованный и самый ценный.

Приоритеты разработки: AI-агент контента для @pishu_pro

Decision context: MVP build order — какие модули строить в первую очередь Date: 2026-06-18

Framework Applicability

Candidate Items (модули из ТЗ)

ICE Scoring

MoSCoW Binning

Recommended MVP modules: M1, M2, M3, M5, M6, M9, M11, M12 (8 из 12 модулей)

Cross-Framework Comparison

Divergence: M6 (Editor) ranks #1 by impact (10) but #9 by ICE because of low ease (3) and confidence (4). MoSCoW says Must. Рекомендация: start Editor early despite risk — it's the defining feature.

Assumptions

Рекомендация

Build sequence: 1. Phase 1 (Foundation): M12 (Config) → M1 (Parser) → M5 (Dedup) → M2 (Keyword filter) — Dedup и Keyword filter обязательны: без них пайплайн публикует дубликаты и рекламу. 2. Phase 2 (Core): M3 (LLM classifier) → M6 (Editor) [with prompt testing] 3. Phase 3 (Delivery): M9 (Moderation bot) → M11 (Publisher) 4. Post-MVP: M10 (Stats) + M7 (Rubricator, merged into M3) + M8 (Scoring)

Rationale: Sequential dependency требует parser→classifier→editor→moderator→publisher. Parser — foundation, editor — critical path (highest risk). Build in dependency order, test editor quality early.

Graduated trust roadmap:

Выходной гейт

• Stage: 08 define-prioritization-framework
• Статус: PRODUCED
• Artifact: product/08-define-prioritization-framework.md
• Решение: 8/12 modules for MVP. Build in dependency order: Config → Parser → Filter → Classifier → Editor → Moderator → Publisher. Stats deferred. Rubricator merged with classifier. Dual is_case filter merged.

Стратегия разработки: AI-агент контента для @pishu_pro

Time horizon: 3 months (MVP) + 3 months (validation) Team: 1 developer (by ТЗ) + Софья (product owner) Date: 2026-06-18

Основные выводы

AI-агент — внутренний инструмент для одного автора, не коммерческий продукт. Стратегия: построить pipeline по ТЗ, запустить, проверить. Единственный strategic bet: качество voice должно устроить Софью. Если качество устраивает — решение работает. Если 3+ других автора запросят такой же инструмент — рассмотреть расширение.

Направление

К 2027 году AI-агент @pishu_pro публикует 100% контента канала без участия Софьи в создании, сохраняя voice authenticity на уровне, неотличимом от авторского. Если в течение 2026 года 5+ других авторов запросят аналогичный инструмент — рассмотреть расширение для других авторов.

Strategic Bets

Bet 1: Content Pipeline MVP [CORE]

Hypothesis: Построив pipeline парсинг→фильтр→редактор→модератор→публикатор по ТЗ, Софья сможет сократить время на контент с 3-5 ч/день до <30 мин/день.

Bet 2: Voice Quality Validation [ENABLER]

Hypothesis: Claude Sonnet 4 с voice prompt может воспроизводить голос Софьи на разнообразных бизнес-кейсах с качеством, достаточным для публикации.

Model monitoring: Upon each Claude Sonnet version update, re-run the 10-test voice validation. Version pinned: claude-sonnet-4-20250514.

Bet 3: Platform Optionality [EXPLORE]

Hypothesis: Если показать MVP 10 другим авторам Telegram-каналов, ≥3 запросят доступ.

Sequencing Rationale

Why this order: Sequential dependency (pipeline modules chain together). Voice validation first (Bet 2) because it's the highest-risk assumption — if Claude can't write in Софья's voice, building the rest is wasted.

Resource Plan

Total developer effort: ~8-10 weeks FTE.

NOT Doing (with opportunity costs)

Strategic Tensions

Quarterly Gates

Реестр допущений

Самооценка

Слабость: Single-customer strategy — вся стратегия завязана на одного человека. Если Софья перестаёт вести канал, стратегия теряет смысл. Нет diversification. Mitigation: Bet 3 (platform optionality) как conditional hedge.

Слабость: Quality validation pre-build может быть недостаточной. 10 тестовых кейсов могут не покрыть разнообразие реальных источников. Первый месяц в production может выявить quality gaps. Mitigation: Beta gate (G3) с kill criteria. Если <70% approval — pause, не выпускать в production.

Слабость: Нет альтернативы «Софья не принимает AI-контент». Если G3 fails (approval <70%), стратегия не имеет варианта B. Pause — это не решение, это заморозка. Mitigation: Определить до старта: если G3 fails, пробуем 3 prompt-итерации. Если всё ещё fail — стратегия пересматривается.

Moderator SPOF

Проблема: Софья — единственный модератор. Если она недоступна, пайплайн останавливается.

Mitigations: - Резервный модератор role: Назначить backup-модератора (Софья-назначенное лицо с read-only доступом и ограниченными approve/skip правами). - Режим отпуска: Авто-пауза публикации + уведомление подписчиков при недоступности Софьи >48ч.

Триггеры пересмотра

Выходной гейт

• Stage: 09 product-strategy
• Статус: PRODUCED
• Artifact: product/09-product-strategy.md
• Решение: One core bet (pipeline MVP) + one enabler (voice validation) + one explore (platform). Sequential build: validate voice → build pipeline → beta → decide. Strategy phase complete; proceed to Metric Design.

Метрики: AI-агент контента для @pishu_pro

Tool: AI content agent for @pishu_pro Measurement context: New launch (internal tool) Date: 2026-06-18

Основные выводы

Ключевая метрика: «Время Софьи на ежедневный контент» (лидирующий) с контр-метрикой «% отклонённых постов в модерации» (качественный guardrail). Успех = Софья тратит <30 мин/день на контент с approval rate ≥70%. Единственный эксперимент перед запуском: A/B тест «человек vs AI» на 10 постах с оценкой Софьи.

Ключевая метрика Evaluation

Selected NSM: «Время Софьи на ежедневный контент» Rationale: Прямая связь с ценностью (экономия времени). Влияние инструмента прямое (pipeline заменяет ручной труд). Goodhart risk: Софья может неточно логировать.

Metric Hierarchy

Ключевая метрика: Время Софьи на контент/день (<30 мин)
├── L1: Daily content production time (30-60-90 min)
│   ├── L2: Time on search (target: 0 min — fully automated)
│   ├── L2: Time on editing (target: 0 min — fully automated)
│   └── L2: Time on moderation (target: 10-15 min)
├── L1: Post quality
│   ├── L2: Доля одобрения (target: ≥70%)
│   ├── L2: Post quality score (AI, 1-5; target: ≥3.5 avg)
│   └── L2: % posts requiring edits before approval (target: <30%)
├── L1: Publishing reliability
│   ├── L2: Posts published / slots available (target: ≥80%)
│   └── L2: Publishing error rate (target: <5%)
└── L1: Audience health (guardrail)
    ├── L2: Views per post (no decline trend)
    └── L2: Reactions per post (no decline trend)

Опережающие / запаздывающие Indicator Pairs

Контр-метрикаs (Goodhart Resistance)

План экспериментов

Experiment 1: Voice Quality Validation (pre-build) | Parameter | Value | |---|---| | Type | Single-arm: 10 test cases written by Claude in Софья's voice | | Выборка | 10 business cases randomly selected from Софья's sources | | Success criteria | ≥7/10 posts approved by Софья for publication | | Длительность | 1 session (Софья reviews all 10 at once) | | Правило решения | Pass (≥7): proceed to full build. Fail (<5): rethink prompt. Marginal (5-6): iterate prompt once | | Статистическая сила | N/A — qualitative gate, not A/B |

This is a gate, not a suggestion. No full Editor build shall begin before Experiment 1 passes with ≥7/10 approved posts.

Cross-reference with Stage 01: Формулировка проблемы overstates confidence (H). This measurement framework correctly pegs confidence at M. Treat PSF tests in Stage 01 as CONDITIONAL PASS pending Experiment 1.

Experiment 2: Beta Доля одобрения (post-build) | Parameter | Value | |---|---| | Type | Наблюдениеal: Софья moderates all agent posts for 2 weeks | | Выборка | All posts generated by agent during beta period | | Success criteria | Weekly approval rate ≥70% for 2 consecutive weeks | | Counter-metric | Views per post ≥80% of pre-agent baseline | | Длительность | 14 days | | Правило решения | Pass: ship to production. Fail: prompt iteration + 1 more week |

Experiment 3: A/B blind test (optional, post-MVP) | Parameter | Value | |---|---| | Type | A/B blind: 5 Софья-written vs 5 agent-written posts | | Выборка | 10 subscribers rate posts on «quality» and «authenticity» (1-10 scale) | | Success criteria | No statistically significant difference at p<0.05 | | Длительность | 1 week | | Note | Only if Софья wants formal validation |

Удержание / Использование Design

For a single-user tool, retention = Софья using the agent consistently:

Требования к сбору данных

From ТЗ (123.md) Module 10 — already covered:

Additional instrumentation needed: - Софья self-log time on content (manual, 1-week pre-build baseline) - Post-publish: Софья can optionally rate post quality (👍/👎) in bot

Intervention Триггерs

Реестр допущений

Самооценка

Слабость: NSM is self-reported (time log), not instrumented. Софья может неточно логировать время. Решение: логировать можно в боте модерации как доп. поле.

Слабость: Отсутствие количественного теста voice quality. Доля одобрения — субъективная метрика. Софья может быть снисходительна или строга непредсказуемо. Решение: Experiment 3 (A/B blind test) если confidence в approval rate низкая.

Слабость: Audience health метрики — косвенные. Views/reactions — публичные метрики Telegram, не точные. Нет доступа к retention, CTR, времени чтения.

Выходной гейт

• Stage: 10 metric-design-experimentation
• Статус: PRODUCED
• Artifact: product/10-metric-design-experimentation.md
• Решение: NSM: «Время на контент/день» с guardrail «approval rate ≥70%». 3 эксперимента: voice validation (pre-build), beta (post-build), A/B blind (optional). Переход к Stage 11 (ADR — conditional) и Spec phase.

Технические решения: AI-агент контента для @pishu_pro

Date: 2026-06-18 Source: 123.md (ТЗ версия 2.0)

ADR-001: Claude Sonnet 4 for content generation

Статус: Accepted (per ТЗ)

Context: AI-агент должен писать посты в уникальном авторском стиле Софьи. Требуется модель с сильными способностями к стилизации текста, поддержкой русского языка и детальным следованием инструкциям. Альтернативы: GPT-4o, Gemini, open-source (Llama, Mistral).

Решение: Использовать claude-sonnet-4-20250514 для редактора (Module 6 — Editor) и классификатора (Module 3 — LLM classifier).

Consequences: - Positive: Лучшая стилизация под заданный голос среди доступных моделей; детальное следование system prompt; отличная поддержка русского языка - Negative: Vendor lock-in на Anthropic; стоимость API при большом объёме; latency выше, чем у меньших моделей - Neutral: Требуется fallback для времени простоя API (retry 3×)

Alternatives considered: - GPT-4o: сопоставимое качество, но хуже следует голосовым инструкциям по отзывам — отклонено - Gemini 2.5: хороший русский, но менее предсказуемый в стилизации — отклонено - Llama 3.1 70B: open-source, дешевле, но требует хостинга — отклонено (дополнительная инфраструктура)

Model portability: Если Claude Sonnet 4 is deprecated, pricing changes >2x, or quality degrades below 7/10 approval, fallback to GPT-4o with voice test suite benchmark. CI must block if score <7/10. Budget for migration: 2 developer weeks.

ADR-002: Telethon for Telegram channel parsing

Статус: Accepted (per ТЗ)

Context: Агент должен парсить посты из whitelist Telegram-каналов-источников. Требуется доступ к контенту каналов, куда бот добавлен не обязательно. Альтернативы: python-telegram-bot (Bot API), Telethon (MTProto), RSS (недоступен для большинства каналов).

Решение: Использовать Telethon (MTProto) для парсинга каналов (Module 1 — Parser).

Consequences: - Positive: Чтение каналов без добавления бота; доступ к истории; гибкий API - Negative: Требует авторизации через Telegram аккаунт (первый запуск — ввод кода из SMS); FloodWait ограничения; чувствительность к изменениям MTProto - Neutral: Telethon — зрелая библиотека (активная разработка)

Юридическая оценка рисков: Telethon использует MTProto с пользовательским аккаунтом — Telegram ToS 10.3 запрещает автоматизированный доступ через пользовательские аккаунты. Риск блокировки аккаунта убивает весь пайплайн. Mitigations: (a) резервный Bot API для публичных каналов, (b) аварийное отключение при блокировке аккаунта, (c) ограничение частоты ниже обнаруживаемых порогов. Рассмотреть консультацию юриста по ст.272 УК РФ (несанкционированный доступ) и авторско-правовые последствия републикации контента 5+ каналов.

Alternatives considered: - python-telegram-bot: только Bot API — бот должен быть администратором канала, что неприемлемо для парсинга чужих каналов — отклонено - RSS/Atom: большинство каналов не имеют RSS — отклонено

ADR-003: SQLite for storage (single-user)

Статус: Accepted (per ТЗ)

Context: Хранение кейсов, логов модерации, статистики. Решение для одного пользователя, не требующее масштабирования или конкурентного доступа.

Решение: Использовать SQLite как основное хранилище.

Consequences: - Positive: Zero ops (файл в директории); простота; достаточная производительность для single-user сценария - Negative: Не подходит для multi-tenant; нет concurrent writes от нескольких процессов; ограниченный размер - Neutral: Миграция на PostgreSQL в будущем — смена connection string + дамп

Quantified limitations: SQLite degrades past 100K rows (queries >500ms). Embeddings storage at 10K+ cases → dozens of MB WAL. Use .backup pragma not cp for backups. Migration to PostgreSQL via pgloader if needed. Backup plan: weekly .backup to separate volume.

Alternatives considered: - PostgreSQL: избыточен для одного пользователя; требует обслуживания — отклонено - MongoDB: документо-ориентированная модель не даёт преимуществ для реляционных данных — отклонено

ADR-004: Modular pipeline architecture (11 modules)

Статус: Accepted (per ТЗ)

Context: Система состоит из последовательных этапов обработки: парсинг → фильтрация → классификация → редактор → модерация → публикация.

Решение: Реализовать 11 модулей с последовательным конвейером (pipeline), каждый модуль — независимый класс/файл.

Consequences: - Positive: Модульность — каждый компонент можно тестировать и заменять независимо; чёткие границы ответственности - Negative: Сложность координации между модулями; sequential dependency (если один модуль падает, pipeline останавливается) - Neutral: Каждый модуль читает из общего SQLite, что снижает coupling

Alternatives: - Message queue (RabbitMQ/Redis): избыточно для single-user — отклонено - Monolithic single-script: невозможно тестировать — отклонено - Serverless functions (AWS Lambda): избыточная инфраструктура — отклонено

ADR-006: Voice Prompt as IP

Статус: Accepted

Context: Voice prompt (system prompt для Editor) — ключевой нематериальный актив (non-obvious-advantage). Prompt содержит стиль, тон, правила форматирования Софьи — интеллектуальная собственность, определяющая качество агента.

Решение: Хранить voice prompt в отдельном зашифрованном файле (voice_prompt.enc), .env permissions 600. Partition prompt: static base (style guide) + day-specific context (new instructions). Не включать в plain-text backups. Access logged. Encryption at rest, decrypt only at read-time.

Consequences: - Positive: Prompt защищён от случайной утечки; версионирование статической базы; аудит доступа - Negative: Дополнительная сложность при разработке (расшифровка при чтении) - Neutral: Partition prompt — практика prompt engineering для AI-агентов

Выходной гейт

• Stage: 11 develop-adr
• Статус: PRODUCED
• Artifact: product/11-develop-adr.md
• Решение: 4 ADRs covering core technical decisions: Claude Sonnet 4 (Editor), Telethon (Parser), SQLite (storage), modular pipeline architecture. Все решения задокументированы в ТЗ, ADR фиксирует rationale.

Спецификация: AI-агент контента для @pishu_pro

Spec type: Agent task spec (AI-агент + Python pipeline) Executor: Разработчик (по ТЗ 123.md) Date: 2026-06-18 Статус: References ТЗ v2.0 (123.md) + fills gaps

Цель

Софья сокращает время на создание контента с 3-5 ч/день до <30 мин/день, а AI-агент пишет посты в её голосе с quality approval rate ≥70%.

Outcome score: 3 — binary-testable: <30 min/day AND ≥70% approval rate for 2 consecutive weeks.

Границыies

В объём входит

1. Parser (M1) — Telethon парсинг whitelist каналов (из config/sources.txt), ежедневно в 08:00 МСК. Source diversification: M1 должен поддерживать минимум 10-15 каналов, с планом B (RSS, web scraping, manual entry) если все каналы-источники будут заблокированы.
2. Filter (M2) — keyword include/exclude filter, stop-words blocking
3. Classifier (M3) — LLM is_case detection, business model classification
4. Dedup (M5) — MD5 hash + semantic embeddings (threshold >0.85)
5. Editor (M6) — Claude Sonnet 4 переписывает кейс в голосе Софьи
6. Rubricator (M7) — Классификация поста по рубрикам (ai_case, business_model, tool_review, anti_case)
7. Scoring (M8) — Quality score 1-5, low_score (<3) → не отправлять на модерацию
8. Moderation bot (M9) — Telegram бот с 4 кнопками: Approve / Edit / Skip / Queue
9. Stats (M10) — daily_stats таблица с метриками конвейера
10. Publisher (M11) — Telegram API send_message, cron scheduler (10:00, 19:00 МСК)
11. Config (M12) — .env, sources.txt, cron schedule

Explicitly За рамками

Критерии приёмкиa (дополнение к ТЗ)

ACs ниже не заменяют ТЗ, а закрывают gaps, которые в ТЗ не покрыты или не тестируемы.

Dependencies

Deadline: Week 1 (все external dependencies должны быть до начала разработки).

Условия отказа

Реестр допущений

Zero-Question Score

Overall: 15/18 — strong, но 4 dependencies (API keys) надо получить до старта.

Самооценка

Слабость: Acceptance criteria assume ТЗ правилен. ACs покрывают gaps, но не проверяют core workflow (does the pipeline actually save time?) — это metric design, не spec.

Слабость: Не определены контентные стандарты для moderation. Что именно проверяет Софья: стиль, факты, тон? Без критериев ревью Софья может быть непредсказуемой gate.

Слабость: LLM accuracy assumptions unfounded. AC-2 предполагает 90% precision. Это может быть 60% или 99%. Нужен тест до запуска в production.

Выходной гейт

• Stage: 12 specification-writing
• Статус: PRODUCED
• Artifact: product/12-specification-writing.md
• Решение: Zero-question spec дополняет ТЗ 123.md. 11 ACs, 6 failure modes, 4 dependencies to resolve. Score 15/18. Переход к Stage 13 (PRD) оправдан.

PRD: AI-агент контента для @pishu_pro

Date: 2026-06-18 Статус: References ТЗ v2.0 (123.md) Audience: Софья, разработчик

1. Обзор

Название: AI-агент контента для @pishu_pro Тип: Internal automation tool (Telegram AI agent pipeline) Пользователь: Софья Солт (single-user)

2. Problem & Opportunity

Problem: Создание ежедневного контента для @pishu_pro занимает 3-5 ч/день. Ручной поиск, классификация, адаптация и публикация не масштабируются для одного автора.

Solution: AI-агент с 11-модульным pipeline: парсинг → фильтрация → классификация → редактор → модерация → публикация.

Success criteria: Софья тратит <30 мин/день на контент с approval rate ≥70%.

3. Users & Участникs

4. Functional Requirements

11 modules as defined in ТЗ (123.md) — summary:

5. Non-Functional Requirements

6. Dependencies

7. Release Criteria

Выходной гейт (Stage 13)

• Stage: 13 deliver-prd
• Статус: PRODUCED
• Artifact: product/13-deliver-prd.md
• Решение: PRD структурирует ТЗ в формате product requirements. Переход к Stage 14 (Сценарии использования).

Сценарии использования: AI-агент контента для @pishu_pro

User: Софья (single user) Date: 2026-06-18

Epic 1: Daily content pipeline

Story 1.1 — Автоматический сбор кейсов

As Софья
I want агент каждое утро парсил мои каналы-источники
So that я не трачу 30-60 мин на поиск кейсов вручную

Acceptance: Агент парсит whitelist каналов ежедневно в 08:00 МСК. Новые кейсы попадают в SQLite.

Story 1.2 — Фильтрация мусора

As Софья
I want агент отсеивал рекламу, промокоды и не-кейсы
So that я вижу только релевантный контент

Acceptance: Stop-words (скидка, промокод, вебинар) блокируют пост. Include-words (сэкономила, заменила, внедрила) — пропускают.

Story 1.3 — Классификация кейсов

As Софья
I want агент определял, является ли пост бизнес-кейсом, и ставил рубрику
So that я не решаю «это кейс или нет?» вручную

Acceptance: LLM классификатор: is_case: bool + rubric (ai_case, business_model, tool_review, anti_case). Precision ≥90%.

Epic 2: Voice adaptation

Story 2.1 — Написание поста в голосе

As Софья
I want агент переписывал кейс в моём стиле
So that пост звучит как мой, а не как AI-генерация

Acceptance: Пост в голосе Софьи: разговорный, с рефлексией, эмоциональный. Заголовок bold ≤70 символов. CTA-вопрос в конце.

Story 2.2 — Дедупликация

As Софья
I want агент не писал про одно и то же дважды
So that контент остаётся свежим

Acceptance: MD5 + semantic embeddings (threshold >0.85) → дубликаты пропускаются.

Epic 3: Moderation & publishing

Story 3.1 — Модерация в Telegram

As Софья
I want получать пост в Telegram боте с кнопками Approve / Edit / Skip / Queue
So that я могу быстро решить, публиковать ли

Acceptance: Пост приходит в MODERATION_CHAT_ID. Кнопки работают. Edit показывает поле для правок.

Story 3.2 — Автопубликация по расписанию

As Софья
I want одобренный пост публиковался в канал в ближайший слот
So that контент выходит вовремя

Acceptance: Слоты 10:00 и 19:00 МСК. Если поста нет — слот пропускается (FIFO очередь).

Режим отпуска: Софья can activate vacation mode via bot (auto-pause publishing + subscriber notification post). Резервный модератор: optional delegate with limited approve/skip permissions. Эскалация оповещением: if no review within 24h, push notification.

Story 3.2a — Transparency disclosure

As Софья
I want the first post to disclose that content is AI-assisted (configured via DISCLAIMER_TEXT)
So that we comply with AI-content regulations (ФЗ №258) and maintain subscriber trust.

Acceptance: DISCLAIMER_TEXT from .env prepended to first published post unless human-overridden.

Story 3.2b — Post-publication recovery

As Софья
I want if a bad post is published, I can trigger an emergency delete within a 15-minute grace period (/stop command in bot)
So that the channel doesn't suffer reputation damage.

Acceptance: /stop within 15 min of publish deletes post from channel. Logged as post_emergency_delete. Alert sent to Софья.

Story 3.3 — Скоринг качества

As Софья
I want агент оценивал качество поста до отправки мне
So that я не трачу время на откровенно слабые посты

Acceptance: Score 1-5. Score <3 → low_score, не отправляется на модерацию.

Voice-fidelity scoring: In addition to content quality, score each post for voice authenticity (matches Софья's established style). Monthly voice drift report.

Epic 4: Operations

Story 4.1 — Ежедневная статистика

As Софья (или разработчик)
I want видеть, сколько кейсов собрано, отфильтровано, опубликовано
So that я понимаю, работает ли агент

Acceptance: daily_stats заполняется каждый день. Мой любимый: collected, approved, published.

Story 4.2 — Обработка ошибок

As Разработчик
I want чтобы pipeline не падал молча
So that я знаю, когда что-то сломалось

Acceptance: Все ошибки: retry 3×, затем log + skip + alert. FloodWait handled. systemd restart.

Карта сценариев

flowchart LR
    subgraph Daily
        P[Парсинг 08:00] --> F[Фильтр] --> C[Классиф.] --> D[Dedup] --> E[Editor]
    end
    subgraph Moderation
        E --> SC[Scoring] --> MB[Бот 08:45]
        MB -->|Approve| Q[Очередь]
        MB -->|Edit| E
        MB -->|Skip| D
    end
    subgraph Publishing
        Q -->|10:00| PB1[Publish]
        Q -->|19:00| PB2[Publish]
    end

Выходной гейт (Stage 14)

• Stage: 14 deliver-user-stories
• Статус: PRODUCED
• Artifact: product/14-deliver-user-stories.md
• Решение: 10 user stories across 4 epics. Переход к Stage 15 (Критерии приёмкиa).

Критерии приёмкиa: AI-агент контента для @pishu_pro

Date: 2026-06-18 Criteria format: Given… When… Then… (binary-testable)

Epic 1: Daily content pipeline

AC-1.1: Парсер запускается по расписанию

Given сейчас 08:00 МСК
When cron триггерит парсер
Then Telethon проверяет каждый канал из sources.txt
And новые посты сохраняются в cases таблицу
And ошибки каналов (нет доступа, FloodWait) логируются

AC-1.2: Фильтр стоп-слов блокирует рекламу

Given пост содержит "скидка 50%"
When keyword filter проверяет пост
Then пост получает статус rejected_filter

AC-1.3: Классификатор определяет is_case

Given пост описывает: "Я заменил бухгалтера на AI и сэкономил 2 часа в день"
When LLM classifier анализирует текст
Then is_case = true
And confidence ≥0.7

AC-1.4: Дедупликация по MD5

Given пост с текстом X уже есть в cases с text_hash
When тот же текст X приходит снова
Then парсер пропускает пост
And статус не меняется

Epic 2: Voice adaptation

AC-2.1: Редактор пишет в голосе Софьи

Given кейс с описанием "Компания N внедрила AI-чатбот и сократила поддержку на 40%"
When Editor (Claude) обрабатывает кейс
Then пост написан от первого лица, разговорно
And заголовок bold ≤70 символов, без точки
And пост содержит CTA-вопрос в конце
And пост НЕ содержит: парцелляцию, шаблонные фразы, AI-маркеры

AC-2.2: Дедупликация семантическая

Given в базе есть пост про "заменил бухгалтера на нейросеть"
When новый пост про "автоматизация бухгалтерии через AI" с cosine similarity >0.85
Then пост считается дублём, пропускается

Epic 3: Moderation & publishing

AC-3.1: Скоринг ниже порога

Given пост набран score 2/5
When scoring module завершает оценку
Then пост получает статус low_score
And не отправляется в бот модерации

AC-3.2: Модерация с кнопками

Given пост в стадии moderation
When Софья нажимает Approve
Then пост перемещается в publish_queue со статусом waiting
And Софья видит подтверждение

AC-3.3: Публикация в слот

Given есть пост в очереди и сейчас 10:00 МСК
When publisher триггерится
Then bot.send_message отправляет пост в канал
And cases.status = 'published'
And telegram_message_id записан

AC-3.4: Пропуск слота без поста

Given в очереди нет approved постов
When наступает слот публикации
Then слот пропускается
And в лог пишется "slot skipped: no approved posts"

Epic 4: Operations

AC-4.1: Конфигурация валидируется

Given BOT_TOKEN не установлен в .env
When агент стартует
Then exit с ошибкой "BOT_TOKEN is required"

AC-4.2: Ежедневная статистика пишется

Given pipeline завершил цикл
When stats module запускается
Then daily_stats содержит: date, collected, rejected_filter, duplicates, sent_to_moderation, approved, published

AC-4.3: Retry при ошибке API

Given Claude API возвращает 500
When Editor пытается обработать кейс
Then retry 3× с exponential backoff
And после 3х неудач — skip + alert

Summary

Выходной гейт (Stage 15)

• Stage: 15 deliver-acceptance-criteria
• Статус: PRODUCED
• Artifact: product/15-deliver-acceptance-criteria.md
• Решение: 13 binary-testable ACs across all epics. Переход к Stage 16 (Edge Cases).

Edge Cases: AI-агент контента для @pishu_pro

Date: 2026-06-18 Severity: Critical / High / Medium / Low

Edge Case Register

Edge Cases Risk Matrix

Top 5 risks to address first: 1. E-03: Validate sources.txt is non-empty at startup 2. E-13: Auto-timeout posts that Софья hasn't reviewed within 48h 3. E-18: Add daily SQLite backup to cron 4. E-21: Резервный модератор / vacation mode for Софья absence 5. E-24: Diversify content sources, plan B

Выходной гейт (Stage 16)

• Stage: 16 deliver-edge-cases
• Статус: PRODUCED
• Artifact: product/16-deliver-edge-cases.md
• Решение: 25 edge cases documented. 2 critical, 4 high, 11 medium, 8 low. Top risks: sources validation, moderation timeout, DB backup, Софья absence, source diversity. Spec phase complete.

План внедрения: AI-агент контента для @pishu_pro

Примечание: This is an internal tool, not a commercial product. Date: 2026-06-18

Контекст

План запуска

Phase 1: Beta (Week 9-10) - Софья moderates all posts for 2 weeks - Success criteria: approval rate ≥70% - Metrics: time saved, approval rate

Использование plan for Софья: - (a) Week 1-2: Софья logs time manually, establishes baseline - (b) Voice validation test (10 posts) - (c) Beta: Софья moderates all posts for 2 weeks - (d) Gradual trust: auto-publish enabled per rubric, starting with lowest-risk categories - (e) Behavior milestones: Софья checks bot 5/7 days → 7/7 → 3 posts/week auto → 5 posts/week auto

Phase 2: Production (Week 11+) - Auto-publish enabled after beta pass - Софья monitors daily stats - Manual content creation as backup

Phase 3: Optional Platform (Q3-Q4 2026) - Если 3+ других авторов запросят инструмент → рассмотреть упаковку для multi-user - If not → continue as internal tool

If Bet 3 (Platform) activates: План меняется — требуется доопределение архитектуры, маршрут коммерциализации.

Channel

• Build: Developer (per ТЗ)
• Communication: Direct (Софья ↔ developer)
• Distribution: Deployed on VPS

Метрики успеха

Выходной гейт (Stage 17)

• Stage: 17 go-to-market-strategy
• Статус: PRODUCED | Решение: Internal launch — beta → production → optional platform. Использование plan detailed with behavior milestones. Bet 3 (Platform) activation trigger defined. Внутренний запуск, без коммерческого GTM.

Ценообразование (не применимо): AI-агент контента для @pishu_pro

Stage 18 — SKIPPED Причина: Инструмент внутренний, для одного пользователя (Софья), не монетизируется. Никакие решения по pricing не применимы. Триггер пересмотра: Если 3+ внешних автора запросят инструмент — оценить ценообразование (2-3k руб/мес, справочно из Stage 05).

Выходной гейт (Stage 18)

• Stage: 18 pricing-packaging
• Статус: SKIPPED
• Причина: Внутренний инструмент, не монетизируется
• Решение: Not applicable.

Narrative: AI-агент контента для @pishu_pro

Date: 2026-06-18

Основной нарратив

«Софья пишет в канал так же хорошо, но тратит на это 30 минут вместо 3 часов. Её подписчики не замечают разницы — и это доказывает, что настоящая автоматизация начинается не с замены человека, а с освобождения его времени для того, что реально важно.»

Подписчики знают: AI помогает находить и адаптировать контент, Софья проверяет каждый пост перед публикацией.

Ключевые сообщения

For Софья (internal)

• Ты сокращаешь время на контент с 3-5 часов до <30 минут в день
• Канал остаётся в твоём голосе — подписчики не отличают
• Ты контролируешь качество через модерацию
• Если что-то идёт не так — ты всегда можешь вернуться к ручному режиму

For Подписчиков (disclosure is mandatory upon first AI-generated post)

• Канал открыто использует AI для автоматизации: поиск кейсов и адаптация выполняются AI, модерация и финальное решение — Софья.
• Каждый пост проходит модерацию автора
• Качество и аутентичность — #1 приоритет

For Developers (team context)

• 11 модулей, Чёткая архитектура
• Claude Sonnet 4 + Telethon + SQLite
• VPS deployment, systemd

Story

«Я тратила полдня на один пост: найти крутой кейс, переписать его так, будто я сама рассказываю другу, проверить, не звучит ли как AI. А потом ещё раз проверить. Теперь агент делает 80% этой работы за меня. Я только читаю финальный вариант и решаю: публикуем или нет. И знаете что? Чаще всего — публикуем.» (Софья, представляемый сценарий)

Key Differentiators

Выходной гейт (Stage 19)

• Stage: 19 narrative-building
• Статус: PRODUCED | Решение: Core narrative = time + voice preservation. Move to Stage 20.

Резюме для Софьи: AI-агент контента для @pishu_pro

Кому: Софья Солт От: Разработчик Дата: 2026-06-18 Формат: Одна страница, 2 минуты чтения

Что мы делаем. Строим AI-агента, который будет искать бизнес-кейсы, переписывать их твоим голосом и публиковать в @pishu_pro. Ты тратишь не 3-5 часов в день, а 10-15 минут на модерацию. Качество такое же — или максимально близкое.

Почему это сейчас. Ты уже написала концепцию и ТЗ. Всё готово к разработке. AI-инструменты (Claude Sonnet 4) достаточно хороши, чтобы писать в твоём голосе — нужно проверить на твоих реальных кейсах.

Ключевой риск. Голос. Если посты звучат не как ты — агент не работает. Поэтому первый шаг: ты оцениваешь 10 тестовых постов от Claude. Если ≥7 из них годятся — строим дальше.

Архитектура. 11 модулей — от парсинга каналов до публикации. Всё по твоему ТЗ.

Когда. 2 недели на прототип парсера + тест голоса. 6 недель на полную сборку. 2 недели бета с твоей модерацией. К сентябрю — в production.

Что нужно от тебя сейчас: 1. API ключи (Telegram bot + Anthropic) — 5 минут через @BotFather 2. Список 5-10 каналов-источников 3. Оценка 10 тестовых постов (на второй неделе проекта)

Выходной гейт (Stage 20)

• Stage: 20 executive-writing
• Статус: PRODUCED
• Решение: Written for Софья. Move to Stage 21.

Согласование (пропущено): AI-агент контента для @pishu_pro

Stage 21 — SKIPPED Reason: Only 1 участник (Софья), who is also the primary user. No contested decisions — all architectural choices are documented in TЗ and ADRs. No alignment process required. Revisit trigger: If the tool is expanded for multiple authors, run full участник mapping.

Чеклист запуска: AI-агент контента для @pishu_pro

Date: 2026-06-18 Type: Internal tool launch (not commercial)

Pre-Launch (before Beta)

Pre-Launch (Beta Gate)

Beta Launch (Week 1-2)

Production Launch (after Beta)

План отката

1. Stop cron → systemctl stop pishu_pro_agent
2. Софья возвращается к ручному созданию контента
3. No data loss — SQLite backup доступен

Post-Launch Monitoring

Выходной гейт (Stage 22)

• Stage: 22 deliver-launch-checklist
• Статус: PRODUCED | Решение: 31-item checklist covering pre-launch → beta → production. Deployment phase complete.

Сбор данных: AI-агент контента для @pishu_pro

Date: 2026-06-18 Source: ТЗ v2.0 (123.md) Module 10 + metric framework (Stage 10)

Цели сбора

События

Database Schema (from ТЗ)

Already defined in ТЗ — tables: cases, moderation_log, daily_stats, publish_queue.

PII и конфиденциальность

Инструментарий

NSM: Time Софья spends on content/day — not fully instrumented in ТЗ.

Manual logging: Add /log_time N command to moderation bot (Софья пишет сколько минут потратила на контент сегодня). Falls back to daily_stats + estimation (time = posts × avg time per post).

Базовый уровень engagement tracking: 2 weeks pre-agent launch to establish pre-AI engagement rates (views, reactions per post). Post-launch comparisons use this baseline.

Alerts: - pipeline_duration_seconds > 5400 (90 min) → alert. Cumulative trend week-over-week → investigate. - api_cost_daily > 2x weekly average → alert.

Чеклист тестирования

Выходной гейт (Stage 23)

• Stage: 23 measure-instrumentation-spec
• Статус: PRODUCED
• Решение: 17 system events + 2 user events + 1 manual event documented. 2 alerts configured (pipeline duration, API cost). NSM time tracking requires manual log command in bot. Базовый уровень engagement tracking (2 weeks pre-launch) required. Measure phase complete.

Ретроспектива (пропущено): AI-агент контента для @pishu_pro

Stage 24 — SKIPPED Reason: No launch or usage evidence exists yet. Tool is in pre-build stage. Ретроспектива (пропущено) requires post-launch data (at minimum 2 weeks of production usage). Revisit trigger: After 2+ weeks of production use, run retrospective with approval rate, time saved, and Софья's qualitative feedback.

Корректировка (пропущено): AI-агент контента для @pishu_pro

Stage 25 — SKIPPED Reason: No launch metrics exist to contradict strategy. Pivot decision requires active metrics vs. strategic hypothesis comparison (Stage 10 measurement framework + launch data). Currently in pre-build phase. Revisit trigger: Run after 1+ month of production data. Decision criteria: - Доля одобрения <50% → pivot: rethink voice adaptation approach - Софья stops using agent → pivot: return to manual + reassess - 5+ external requests → consider multi-user expansion (Bet 3 activation)