Как писать Telegram-ботов через Claude Code без навыков программирования
Первый бот должен был принимать ссылки на статьи и писать короткие посты для Telegram-канала. Claude Code помог пройти весь путь: BotFather, VPS, SSH, установка Python и aiogram, виртуальное окружение, структура проекта и первая рабочая версия в тот же вечер. Но результат по стилю оказался слабым: через API модель отвечала нейтрально, потому что у неё не было контекста, который есть в обычном чате Claude.
Решение строилось вокруг системного промпта и few-shot-примеров: автор добавил эталонные посты, кнопку сохранения удачных вариантов и постепенно превратил промпт в чеклист конкретных ошибок. В итоге бот вырос до 4 300 строк, но, по словам автора, весь код писал Claude Code, а человек формулировал задачи и проверял результат.
Отдельный слой кейса — эксплуатация. Бота перенесли с локального ноутбука на VPS, настроили автозапуск и перезапуск после падения, ввели правило проверять логи до сообщения «готово», завели файл правил и базу из 15+ уроков по багам. Сейчас, по опыту автора, бот ведёт три канала, делает 25–30 постов в день, требует правки примерно каждого пятого поста и сокращает работу до 10 минут в день вместо трёх-четырёх часов; расходы он оценивает примерно в 110 долларов в месяц плюс VPS за 5–7 евро.
Коротко
- Автор описывает личный кейс: около десятка Telegram-ботов работают на одном VPS и выполняют редакционные и бытовые задачи.
- Ключевой урок по генерации текста: через API Claude нужен отдельный системный промпт и реальные примеры нужного стиля.
- Для стабильной работы автор ввёл правила: читать серверные файлы, проверять логи, не трогать рабочий код и сохранять версии в Git.
- В описанном кейсе бот ведёт три канала, генерирует 25–30 постов в день и требует ручной правки примерно каждого пятого поста.
- Расходы автор оценивает примерно в 110 долларов в месяц: Claude Code, Claude API и VPS за 5–7 евро отдельно.
FAQ
Зачем автору понадобился Telegram-бот через Claude Code, если задачу раньше выполнял человек в редакции?
После ухода сотрудника ведение нескольких каналов хотели распределить между авторами. Бот должен был забирать ссылки на статьи и превращать их в готовые посты для Telegram.
Почему одинаковый запрос к Claude в чате и через Telegram-бота давал разный результат по стилю?
В чате у Claude есть встроенные инструкции и контекст, а через API бот отправлял голый запрос. Поэтому автору пришлось писать системный промпт и добавлять примеры нужного tone of voice.
Какие инженерные правила оказались важнее всего для вайбкодинга без опыта программирования?
Автор выделяет разведку до правок, работу с серверными файлами, проверку логов до статуса «готово», Git перед изменениями и отдельную базу уроков по найденным багам.
Читайте также
Манифест программиста, использующего AI-кодинг-агента- Персонализация без Big Data: как ранжировать новости в Telegram с помощью pgvector и пяти сигналов
- Как перенести расчёт абсолютных валютных курсов на Kaggle и автоматизировать обзоры через Gemini API
- Rich Messages в Telegram-ботах: сложные сообщения, черновики и ограничения
- Как я добавил MAX в китайский AI-мост и запустил Claude прямо в мессенджере
- Системный промпт обязателен для LLM-ботов через API: При работе через API модель не получает встроенный контекст обычного чата, поэтому может отвечать нейтрально и не попадать в нужный tone of voice. Для редакционных Telegram-ботов нужно отдельно задавать системный промпт с ролью, стилем, ограничениями и правилами формата.
[LLM-промптинг]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Личный кейс Хабра о том, как автор без навыков программирования собрал через Claude Code рабочую систему Telegram-ботов для редакционных задач. Главная практическая часть — не сам генератор постов, а набор правил, которые сделали вайбкодинг управляемым: промпты, few-shot-примеры, деплой, логи, Git и база ошибок.