Svaya.Пульт

Досье собирается в три фазы, а не одним запросом к модели

Сначала система собирает общий контекст по компании. Это то, чем компания занимается, что происходило у нее за год, какие вакансии открыты и какие закупочные процедуры объявлены.

Дальше по каждой позиции вашего каталога она решает, применима ли позиция к этой компании, и для применимых составляет узкие поисковые запросы.

В конце собирается связный отчет с оценкой по каждой позиции, обоснованием, перечнем источников и уверенностью в процентах по отчету целиком и по каждой позиции отдельно.

Против выдуманных фактов в системе стоит правило источников. По каждой позиции каталога система оценивает от одного до пяти, насколько эта позиция применима к компании сейчас. Оценки четыре и пять она вправе поставить только при подтверждении из двух независимых источников, а при одном источнике оценка снижается на балл. Каждый вывод сопровождается ссылкой, датой и дословной цитатой, поэтому проверять их можно по одному, не читая отчет целиком.

Кого подать следующим, система считает тремя способами разной стоимости

Самые дорогие обращения к LLM и к поиску тратятся только на компании, которые уже подтвердил человек:

• Первый способ считается формулой по данным карточки. В формуле участвуют отрасль, размер, регион и число людей с рабочим контактом. Наружу, то есть к платному поиску и к LLM, этот способ не обращается вовсе.
• Второй добавляет короткое исследование по верхушке очереди.
• Третий, полное исследование, запускается только после того, как оператор взял компанию в работу.

Веса формулы лежат в настройках и меняются без разработчика. Отдельно от весов работают запреты. В отбор не попадают компании из вашего списка «не работаем», компании с уже открытой сделкой и компании, которые вы отметили как конкурентов.

Что идет фоном, пока оператор занят другой карточкой

Часть работы идет фоном. Это повторные касания по таймеру, пересчет оценок базы ожидания, прием входящих писем и сообщений с привязкой к нужной цепочке и предупреждение оператора о компаниях, у которых истекает срок.

Отдельная фоновая проверка сверяет записи системы с состоянием почтового ящика и учетной записи Telegram и исправляет расхождения. Так находятся письма, которые числятся отправленными, но не ушли, и ответы, которые пришли, но не привязались к цепочке.

Входящее письмо или сообщение, которое не сопоставилось ни с одним открытым касанием, система придерживает и в конвейер не пускает. Оно ждет, пока человек привяжет его к компании или отбросит.

Что нужно настроить в почте и в Telegram, чтобы письма доходили

Почта работает с вашего корпоративного ящика на вашем домене. Обязательное условие - это настроенные записи SPF, DKIM и DMARC (технические записи домена, которыми почтовые службы проверяют, что письмо отправлено от имени владельца домена). Без них письма часто попадают в спам независимо от того, насколько хорошо написан текст. Цепочка писем держится служебными заголовками, поэтому повторное касание приходит в ту же ветку переписки.

В Telegram система работает клиентом мессенджера от имени учетной записи сотрудника, а не ботом. Правила Telegram не дают боту написать первым человеку, который сам его не добавил, поэтому для первого касания бот не годится.

Ограничения Telegram система соблюдает сама. Она держит предел числа новых собеседников в сутки, паузы между отправками и рабочее окно по времени. В первые недели после подключения учетной записи объем наращивается постепенно, потому что у новой учетной записи пределы жестче.

Кто что видит в системе и что можно из нее выгрузить

В системе три роли. Оператор ведет компании до встречи. Руководитель отдела продаж смотрит результат и меняет настройки. Продавец получает готовую встречу и сводку по компании перед ней.

Ограничения роли работают не скрытием кнопок, а фильтром в запросе к базе, поэтому то, что роли не положено, не приходит и в выгрузку. Права задаются и на отдельные поля, например телефоны людей можно закрыть от роли, которой они для работы не нужны.

Компании, люди, касания, досье и события доступны по API, включая поля, которые вы завели сами. У каждой интеграции свой ключ с ролью и сроком действия. О смене статуса, полученном ответе и назначенной встрече система сама сообщает во внешние системы. Встроенный сервер MCP открывает те же данные внешним ИИ-агентам и средам разработки.

Пульт собран как приложение поверх CRM-платформы (системы учета клиентов и сделок) с открытым исходным кодом и ставится на ваших серверах. База данных ваша, и выгрузить из нее все данные можно в любой момент.

Сколько стоил каждый шаг, видно на самом шаге, а не в счете за месяц

У каждого досье, у каждого подготовленного текста и у каждой загруженной партии контактов на карточке записаны стоимость этого шага, версия инструкции для LLM и имя самой LLM, на которой шаг выполнен. Поэтому руководитель видит, во что обошлись конкретный шаг и вся работа по компании, не дожидаясь счета от поставщика в конце месяца.

Система учится на своих же письмах, без переобучения моделей

По каждому тексту, который сделала LLM, система хранит две версии. Первая - это то, что выдала LLM, вторая - то, что осталось после правок оператора. Разницу между ними читает руководитель и по ней правит инструкции для LLM, никакого переобучения самой LLM для этого не нужно.

Образцы для будущих писем отбираются по тому, чем закончилось касание. Полученный ответ адресата - это быстрый, но слабый признак удачного текста, состоявшаяся встреча - медленный и надежный. Образец подтверждает человек.

При подготовке следующего текста система добавляет к инструкции несколько образцов, у которых совпали отрасль, позиция каталога и канал связи. Если таких образцов мало, требования к совпадению ослабляются по шагам.

Тексты, которые привели к отказу, в подготовку новых писем не идут. По нашему опыту, добавление отрицательных примеров в инструкцию качество текста не улучшает, поэтому такие тексты остаются материалом для разбора с оператором.