ShipAI
УРОК 6 · СТАРТОВЫЙ КУРС SHIPAI
AI внутри процессаГолос и текстСтруктура из входа

Бот сам понимает голос и текст: AI-разбор задач из контекста

В шестом уроке ShipAI встраиваем AI внутрь процесса: бот принимает текст и голос, сводит их в общий контекст и превращает свободный вход в структурированный список задач.

Смотреть урок 6Вопросы по уроку

Коротко о сути урока

Этот урок нужен не ради модели или провайдера, а ради системного эффекта: AI начинает работать внутри контура и превращает свободный вход в понятную структуру задач.

После урока ты сможешь:

  • Увидеть, как voice-ветка становится подготовительной к общему текстовому контуру.
  • Понять, почему AI запускается после завершения контекста, а не на каждом сообщении.
  • Разобраться, как свободный ввод превращается в структурированный список задач.
  • Сохранить результат разбора во внутреннюю задачу и в таблицу задач.

Для кого этот урок

Этот урок сделан для тех, кто уже собрал бота с памятью и контекстом и теперь хочет понять, как встроить AI внутрь процесса, а не оставить его отдельной демонстрацией.

Подойдёт, если ты

  • уже дошёл до Redis и контекста из предыдущего урока;
  • хочешь свести voice и text в один рабочий контур;
  • хочешь научить систему понимать свободный ввод и превращать его в структуру;
  • строишь Telegram-бота, который должен получать из AI понятный список задач.

Не расширяем этот урок

Это не урок про OpenAI или OpenRouter как самоцель. Фокус держим на том, как AI встраивается внутрь процесса и начинает разбирать накопленный контекст.

Видео и конспект

Смотрите урок прямо на странице или откройте его на YouTube, если удобнее там.

Что добавляем

Мы делаем следующий шаг после памяти процесса: AI встраивается внутрь контура и начинает разбирать накопленный контекст, а не отдельную реплику. Это меняет не инструмент, а саму логику системы.

Как это работает

Пока система только копит вход, она ещё не понимает, что именно пользователь хотел сделать. Этот урок добавляет момент, когда свободный ввод превращается в структурированный список задач.

Что важно понять

В уроке voice-ветка переводится в текстовый контур, а AI-разбор запускается после завершения контекста, чтобы система получила не сырые фрагменты, а уже понятный результат.

  • Транскрибация голосового сообщения.
  • Общий текстовый контур для текста и голоса.
  • AI-разбор только после завершения контекста.
  • Сохранение result_json и разложение задач на отдельные строки.

Ограничение шага

Главный смысл шага в том, что модель начинает работать внутри системы и превращать свободный вход в структуру. При этом она остаётся частью процесса, а не отдельной технической демонстрацией.

Что дальше

После урока система уже умеет получать структурированный список задач из накопленного контекста. Ограничение тоже честно видно: это ещё не отдельный агентный контур, и следующий шаг будет связан с выделением AI-разбора в отдельный workflow, настройками промптов и статусами задач.

Таймкоды урока

Быстрые переходы по видео, чтобы сразу открыть нужный фрагмент.

Частые вопросы

Короткие ответы на типичные вопросы перед просмотром урока.

Да, это желательно: в пятом уроке система уже научилась держать контекст, а в шестом мы добавляем AI-разбор поверх этой памяти.

Нет. Это урок про то, как AI начинает работать внутри системы и разбирать накопленный контекст, а не про сам провайдер как цель урока.

Потому что смысл урока в том, чтобы сначала накопить контекст, а потом разобрать его целиком. Иначе система начнёт интерпретировать слишком ранние и сырые куски мысли.

Сначала они переводятся в текст, а потом идут в общий контур вместе с обычным текстом. Так система работает с ними одинаково.

Следующий шаг - вынести AI-разбор в отдельный агентный контур, подключить промпты и модель из базы, добавить TTL-сценарий и начать использовать статусы задач.

Материалы по уроку в Сообществе

Что дальше

После урока можно перейти дальше, открыть курс целиком или зайти в Telegram-канал ShipAI.