Всем привет! Меня зовут Фил, я давно работаю программистом и всегда любил делать разные проекты.

Пару недель назад я запустил Базовые Новости. Это небольшая платформа, которая собирает новости из нескольких источников, ранжирует их по важности и выдаёт в виде короткого дайджеста раз в день: самое-самое важное в мире идёт в публичные каналы (на русском и на английском), а в боте пользователи видят те новости, темы и регионы для которых они выбрали в настройках.

Как появилась идея? Что вдохновило?

У меня давно было желание найти такой дайджест новостей, чтобы узнавать из него всё действительно важное, но при этом вспоминать о нём раз в день или реже. Такой дайджест всё никак не находился, и, в целом, я подзабил на эту идею, но некоторое время назад моя жена подошла ко мне и сказала: "Ты знаешь, что в Албании вовсю бушуют протесты, но в большинстве СМИ об этом — ни слова?" О протестах в Албании на тот момент я действительно ничего не слышал, хоть мы и живём на Балканах. И я подумал, что вот теперь-то, с такой доступностью LLM, можно быстро смастерить себе свой собственный дайджест. Я описал примерный systems design документ для проекта, показал его Клоду, офигел от того, сколько потенциальных косяков он нашёл и сколько полезных идей накидал, и принялся за работу.

Что вошло в прототип и сколько времени на него было потрачено?

Пара месяцев по вечерам — в основном, в роли технического менеджера для Клода — и вот, у меня есть довольно легко расширяемая платформа, которая:

• Собирает новости из разных источников
• Получает из LLM саммари на русском и английском, а так же: категорию, список регионов и оценку важности новости, учитывая текущий контекст
• Кластеризует истории и объединяет дубликаты
• Отправляет дайджесты в каналы и пользователям через бота, опираясь на кастомные настройки
• Поддерживает базу данных с пользователями, настройками, статистикой и механизмом оплаты (пока что только Telegram Stars)

Какой технологический стек вы использовали? Почему?

TypeScript, MikroORM поверх PostgreSQL, Redis с BullMQ — это всё просто мой стандартный набор. В качестве провайдера LLM использую Anthropic (claude-haiku-4-5 как основная модель для анализа новостей), а для эмбеддингов приспособил Voyage AI (voyage-4-lite, там что-то в районе миллиона токенов в месяц бесплатно, этого хватает выше крыши). Ещё прикручен Google Translate API, пока что не используется, но будет для локализации на другие языки, если это будет актуально (пока что всерьёз думаю только над добавлением сербского).

Платформа состоит из микросервисов (ну, некоторые из них нехило раздуло, и не такие уж они теперь и микро), всё хостится на Railway. Из способов доставки дайджестов пока что только Телеграм-каналы и бот (ссылки выше), и ещё RSS-ленты на обоих языках на сайте.

Как вы запускались и искали первых пользователей?

Запускаюсь и ищу первых пользователей прямо сейчас!

Специально по такому случаю сделал промокод VAS3K2026, который даёт разовую скидку 50% и будет действовать до Новогодней ночи. Помимо него, промокод VAS3KCLUB будет работать всегда (строго говоря, до Нового 2150 года) и давать 20% скидку на всё. Также есть 10-дневный триал для (пока что единственного) платного тарифа в боте. Если же вы не можете купить подписку сейчас, но очень хотите попробовать пользоваться ботом подольше, то напишите мне в личку, и я сделаю вам инвайт на три месяца.

С какими самыми неожиданными трудностями пришлось столкнуться?

Самая назойливая проблема — это избавиться от дубликатов. Общая схема работы такая: если эмбеддинги прям совсем рядом, то объединение происходит автоматически, а если они в пределах какого-то порога "похожести", то две новости сравниваются через дополнительный вызов к LLM. Сейчас с этим существенно лучше, хоть изредка и проскакивают повторы, но в самом начале я сглупил и генерировал эмбеддинги из оригинального текста новости, прямо на том языке, на котором она в источнике. В результате, между новостями на русском и английском всегда было существенное различие в векторном пространстве, и дубликаты не склеивались, какие бы щедрые пороги "похожести" я не устанавливал. К счастью, довольно быстро докопался до причины.

Вторая проблема — в определении важности новостей. Нейронка видит только очень ограниченный контекст происходящего в мире, и из-за этого не знает, например, является ли очередной налёт дронов рутинным событием или серьёзной эскалацией. Над этим я всё ещё работаю, и полагаю, что здесь нужно более чётко задавать инструкции.

Сколько потратили и заработали? Есть идеи как это можно монетизировать?

Потратил в пределах $100 за два месяца, учитывая подписку на Клод. Сейчас ориентировочно трачу $50 в месяц без учёта подписки, поскольку пришлось проапгрейдить подписку на Railway, и токены в Anthropic тратятся быстрее из-за большего количества источников новостей, которые я недавно добавил.

Монетизировать планирую через Telegram-бота, а если вы хотите поддержать проект, но не хотите читать никаких новостей, то можете отправить донат через PayPal или Patreon, я буду очень благодарен!

Какие планы на будущее?

Сперва хочу проверить, есть ли спрос на бота с новостями. Если да, то буду развивать функционал, включая кастомные промпты пользователей о том, что они хотят видеть в своём дайджесте (но это, вероятнее всего, также потребует введения более дорогого тарифа).

Помимо этого, раздумываю над тематическими ботами, которые собирают и публикуют новости в рамках какой-то конкретной индустрии или ниши.

Нужны ли какие-то советы или помощь Клуба?

Буду очень рад вашим советам по двум пунктам выше: как монетизировать и для каких ещё тем можно приспособить таких ботов. Ну и вообще, с радостью прочитаю любые ваши идеи и фидбек!

Какой совет вы бы сами могли дать идущим по вашим стопам?

Главный совет — делайте неуниверсальные системы, которые делают ровно то, чего хотите вы сами, и решают какую-то очень локальную, вашу проблему. Построить что-то универсальное намного сложнее и дороже, и наверняка крупные компании уже попробовали сделать всё, для чего есть существенная аудитория. А вот в нишевых проектах часто кроется много пользы для не очень больших, но почти всеми игнорируемых аудиторий.