Технический разбор проекта «Помощник Программиста»

Я разработал Telegram-бота «Помощник Программиста» — это мой личный проект, который я сделал один, от идеи до поддержки. Цель была простая: создать инструмент для русскоязычных разработчиков, который помогает решать задачи по программированию, хранит контекст диалога и выдаёт код без лишней "воды".

Зачем я сделал этого бота?

• Большинство существующих ботов — просто "прокладки" к ChatGPT без контекста и персонализации
• Я хотел, чтобы ответы были только на русском и с примерами кода
• Нужен был инструмент, которым удобно пользоваться именно в Telegram
• Важно было сохранить простоту деплоя и поддержки, так как работал один

Стек технологий

• python-telegram-bot ≥ 20.0 — основной фреймворк
• aiohttp — минимальный HTTP-сервер для health-check
• Groq Async API с моделью gemma2-9b-it — основная LLM
• Hugging Face Inference API — fallback для коротких ответов
• Хранение данных пользователей в простом users.json
• Кастомные модули: smart_features, enhanced_ai_handler, database, utils

Как устроена архитектура

• main.py — точка входа с обработчиками команд и сообщений
• RateLimiter ограничивает до 10 запросов в минуту на одного пользователя
• ResponseCache хранит последние ответы и снижает нагрузку на LLM
• UserContext сохраняет историю диалога, уровень навыка и предпочтения стиля
• Форматирование кода реализовано через <pre><code>, чтобы в Telegram блоки выглядели аккуратно

Работа с конфигурацией и секретами

• Все ключи хранятся в .env и .env.local
• При старте бот проверяет наличие обязательных ключей и падает с ошибкой, если чего-то нет
• Есть скрипты test_api.py и test_models.py для проверки ключей и доступности моделей

Интеграция с LLM

• Groq — основная модель, которая обрабатывает запросы
• В prompt добавляется системное сообщение и последние 6 реплик из истории
• При таймауте или ошибке подключается Hugging Face
• Температура 0.3 и лимит в 1000 токенов позволяют держать ответы стабильными

Тестирование и поддержка

• Локальные проверки API-ключей
• Тестирование команд: /start, /help, /stats, /settings
• Проверка отображения кода и кириллицы в Telegram
• Введён TYPING_DELAY, чтобы бот отвечал более "по-человечески"

Деплой

• Railway: запуск через deploy_railway.py, переменные окружения задаются в Dashboard
• Render: используется render.yaml с конфигурацией порта и командой запуска
• Для обоих вариантов реализован health-check по эндпоинту /health

Выводы

• Контекст и память — обязательная часть, иначе бот превращается в обычный FAQ
• Детальный системный prompt помогает сохранять стиль и язык ответов
• Даже простая JSON-база достаточна на старте
• Rate limiter и кэш экономят ресурсы и ускоряют ответы

Что дальше?

• Добавить "учебные режимы" — мини-курсы и чек-листы прямо в боте
• Сделать простую админку для просмотра статистики
• Расширить базу умных подсказок

Бот создан мной — Вадим, full-stack разработчик. Если нужен такой инструмент, консультация по архитектуре или аудит кода — пишите:

• vadzim.by
• Telegram: @vadzim_belarus
• Попробовать бота: @vadzim_by_programmer_bot