Автор продолжает эксперимент с «вайб-кодингом» и описывает, как превратил телеграм-бота «Фактометр» в сервис ИИ-анализа новостей с генерацией PDF-отчетов. Вместо связки xhtml2pdf и reportlab в пайплайн интегрирован WeasyPrint, который корректно обрабатывает CSS, таблицы и шрифты, а HTML-шаблон собирается на jinja. Логика бота перенесена с GPT-4.1-mini на GPT-5.1 c web search через Responses API: модель получила доступ к актуальным данным, но вместе с системным промптом это резко увеличило стоимость — с 3 тыс. токенов за несколько дней тестов до почти 600 тыс. токенов за один день (рост примерно в 200 раз при сопоставимом числе запросов).

Методика анализа вынесена в отдельные файлы (методология, правила стиля и структура ответа), из которых собран большой системный промпт. Ключевая проблема творческой и нестабильной разметки решена через Structured Model Output: в модель передается JSON-схема (около 350 строк), и ответ приходит в строго структурированном виде, пригодном для верстки отчета. Бот корректно классифицирует входящие запросы (текст, ссылка, пересланное сообщение), отдает HTML и PDF, однако качество самого анализа пока сыроватое: есть дубли утверждений, слабый детект риторических приемов и неглубокий разбор источников. В планах — монетизация проекта: платежи, тарифы, биллинг, бонусная система и партнерская программа.