# Как мы за $18 подняли автономную ИИ-ленту на VPS с 1 ГБ RAM: пет-проект «для себя», который стал работать без пинков

> AI Release · @ai_release1 · https://ai-release.org/guides/kak-my-sobrali-telegram-kanal-ob-ii.html

Всё началось с банальной боли: каждый день выходят десятки новостей про нейросети, новые сетки, апдейты, бенчмарки и пейперы. Мониторить десятки RSS-лент, X (Твиттер), Хабр, Hacker News и выгребать всё это из поисковиков вручную — адский оверхед и выгорание. Нам тупо хотелось иметь один чистый канал с выжимкой всех поисковиков и первоисточников, без воды, кликбейта и повторов. Причём исключительно для личного пользования: зайти раз в день и считать весь контекст за пару минут.

В итоге домашний скрипт «на коленке» перерос в полностью автономный пайплайн. Всё это крутится на всратом VPS за $5 с 1 ГБ оперативки, без десктопа, без человека в контуре и без раздутых оркестраторов. За месяц эта конструкция нагенерила под 450 постов, собрала 700+ подписчиков и сэкономила нам кучу часов жизни. Рассказываем, как мы это собрали, на какие грабли наступили и как экономим токены.

## Идея и вводные: почему тупой туториал «RSS + ChatGPT» не работает

Сначала мы думали обойтись костылём из серии «скачал RSS → закинул в OpenAI → пульнул в ТГ». Спойлер: схема умерла в первый же день.

Вот с чем мы столкнулись:

- **Дубликаты отовсюду.** Об одном и том же релизе пишут 15 медиа, меняя только заголовок.
- **Галлюцинации LLM.** Модели обожают додумывать цифры, придумывать причины и делать выводы, которых в источнике отродясь не было.
- **Конские лимиты на генерацию картинок.** Платить за Midjourney или DALL-E для каждого поста — разорение.
- **1 ГБ RAM — это приговор для локалок.** Никакую Ollama или Llama на такую «картошку» не посадишь.
- **Нужен SEO-пайплайн.** Если делать сайт-зеркало без нормальных ссылок, поисковики его просто не увидят.

В итоге мы собрали лёгкий, но «злой» стек: чистый Python, таймеры systemd (никакого Celery/Redis overhead!), внешние API для LLM, лёгкий метапоиск и статическое веб-зеркало.

## Бюджет: жмём копейку

Пет-проект делался для себя, поэтому раздувать бюджет никто не собирался. Уложились в $18.8 в месяц:

| Статья расходов | Затраты |
|---|---|
| VPS (1 ГБ RAM / 1 vCPU) | ~$5 / мес |
| Подписка OpenCode Zen GO (API к LLM) | $10 / мес |
| Домен ai-release.org | ~$1.8 / мес ($22/год) |
| Telegram Premium (для бота) | ~$2 / мес ($25/год) |
| **Итого** | **~$18.8 / мес** |

Самая большая статья — API для нейросетей, но эта подписка закрывает вообще всё: от рерайта новостей до личной отвечалки в чате. А на обложки мы не тратим ни цента — собираем их из открытых источников.

## Архитектура: выкидываем Celery, ставим systemd

Зачем тащить в проект Redis, RabbitMQ и Celery, если можно обойтись встроенными средствами Linux? Для проекта такого масштаба таймеры systemd — идеальное решение. Каждая таска запускается в отдельном изолированном процессе: если одна упала по таймауту, она не вешает весь сервер.

Скрипты раскиданы по расписанию через `OnCalendar`:

```ini
# ai-release-hourly.timer (*:15) — 1 новость в час
# ai-release-video.timer  (0:30, 8:30, 16:30) — видео раз в 8 часов
# ai-release-daily.timer  (18:00 МСК) — дневной дайджест
# ai-release-stats.timer  (18:00 UTC) — сбор метрик
# ai-release-chat.service (daemon) — ИИ-бот в личке
# ai-release-web.service  — веб-зеркало

[Timer]
OnCalendar=*-*-* *:15:00
Persistent=true
```

Публикация идёт напрямую через Telegram Bot API.

**Откуда гребём контент:**

- **RSS-агрегаторы:** Хабр, Ars Technica, TechCrunch, VentureBeat, The Register, The Decoder.
- **Первоисточники:** блоги OpenAI, Google Research, ArXiv API, Hugging Face Daily Papers, GitHub Trending, Hacker News (через Algolia API).
- **Именные блоги:** Саймон Уиллисон, Андрей Карпатый, Себастьян Рашка, Натан Ламберт.
- **Запасной фолбэк:** локальный SearXNG в Docker для быстрых мета-поисков.

## Тройная фильтрация и дедупликация

Чтобы лента не превратилась в помойку из 10 одинаковых новостей про «OpenAI выпустила новую модель», мы применили трёхэтажный фильтр:

1. **Скоринг.** Считаем вес новости по свежести, авторитетности источника и заголовку. Первоисточники и личные блоги инженеров получают приоритет перед перепечатками.
2. **Нормализация заголовков и хэширование.** Зачищаем мусор вроде `BREAKING:`, `СРОЧНО:`, хвосты вида `— TechCrunch` или `| The Verge`, приводим кавычки к единому виду и проверяем `sha256` в SQLite:

```python
def normalize_title(t: str) -> str:
    t = re.sub(r"\s*[-—|]\s*(TechCrunch|Engadget|The Verge|WindowsLatest).*$", "", t, flags=re.I)
    t = re.sub(r"^(BREAKING|СРОЧНО|EXCLUSIVE)\s*:?\s*", "", t, flags=re.I)
    t = t.replace("«", '"').replace("»", '"').strip()
    return t.lower()
```

3. **Смысловой дедуп через LLM.** Заголовки могут отличаться, а суть быть одной. Перед постингом кандидат сравнивается с текстами последних постов канала. Похоже? Забраковываем.

Плюс зарезаем SEO-мусор: неизвестные домены пропускаются только если там есть конкретный сигнал (название модели, компании или события), а абстрактное «ии/ai/нейросеть» сразу летит в бан.

## Дрессировка LLM: заставляем модель не пиликать лишнего

Главная проблема базовых промптов — модель постоянно пыталась додумать «почему это произошло» и написать глубокомысленные выводы, которых в источнике не было.

Как заставили работать нормально:

- **Зажали `temperature` с 0.8 до 0.5.**
- **Ввели жёсткий системный промпт:** «Пиши ТОЛЬКО то, что есть в тексте. Никаких гипотез, додумок и предсказаний. Если приводятся цифры — бери их строго из источника. Обязательно сохраняй атрибуцию (кто именно это заявил)».
- **Зашили базовые факты (Hard Rules).** Наглядный пример: в новости про Windows 10 модель решила посоветовать сидеть на ней дальше. Мы зашили в базу жёсткое правило: «Поддержка Windows 10 завершена 14.10.2025, бесплатных апдейтов безопасности нет». Теперь редактор автоматически подтягивает адекватный контекст по безопасности.

## Экономия токенов и роутинг моделей

Так как LLM — это единственное, за что мы платим реальные деньги, экономим на каждом запросе:

- **Умный роутинг.** Основной поток идёт через DeepSeek V4 Flash. Если ручка отваливается или отдаёт 5xx, переключаемся на резервную GLM-5.3-Flash. Пост не теряется, пайплайн не падает.
- **Кэширование ответов.** В чат-боте частые вопросы парсятся по sha1-хэшу (TTL 30 дней). Повторный вопрос — мгновенный ответ из базы без запроса к API.
- **Prompt Caching.** Прокидываем заголовок `x-opencode-session`. Провайдер кэширует системную часть промпта и не берёт за неё деньги при повторных обращениях.
- **Упаковка в один батч.** Для длинных дайджестов не делаем цепочку запросов, а засылаем всё в один промпт с адекватным `max_tokens`, чтобы модель не жгла токены на лишний reasoning.

## Обложки на халяву: собираем без DALL-E

Генерить картинки через API — дорого и медленно. Мы сделали каскадный фолбэк для поиска иллюстраций:

1. Дёргаем `og:image` из оригинальной статьи.
2. Если `og:image` нет или он битый — идём в метапоиск по бесплатным стокам (Unsplash, Pexels, Pixabay, Wikimedia, Flickr).
3. Не нашли? Подтягиваем тематический арт или аниме/манга иллюстрацию.
4. Совсем голо — берём дефолтный фолбэк-пак.

Перед отправкой картинка обязательно валидируется через быстрый HEAD-запрос. Если TG отдаст `400 Bad Request` — скрипт на лету меняет обложку и делает ретрай.

## Отказоустойчивость: не падаем от чиха API

Внешние ручки любят лагать. Чтобы не дежурить у сервера с SSH, мы заложили несколько защит:

- **Ретраи с экспоненциальным backoff** для всех сетевых вызовов (`BrokenPipeError`, `ConnectionError`, `TimeoutError`).
- **Буфер отправки (отложенная очередь).** Готовая новость сохраняется в SQLite до отправки в Telegram. Если Telegram API лежит, следующий проход таймера первым делом выгребает неопубликованное из буфера.
- **Резервные сценарии для медиа.** В видео-скриптах, если отвалился сервис синтеза речи (TTS), собирается молчаливая версия видео с титрами.

## AI SEO и зеркало на static-сайте

Для каждого поста автоматически генерируется страница на веб-зеркале ai-release.org (на двух языках — RU и EN). Но сейчас обычного SEO мало, нужно оптимизироваться под ИИ-краулеры (Perplexity, ChatGPT Search, Claude):

- `llms.txt` и `llms-full.txt` — файлы по стандарту llmstxt.org, где разжёвана структура сайта для RAG-систем.
- Markdown-версии (`.md`) для всех постов — ИИ-боты обожают читать чистый маркдаун без HTML-тегов.
- Мгновенный IndexNow — при публикации пингуем Яндекс и Bing.
- Открытый `robots.txt` для всех основных AI-ботов (GPTBot, PerplexityBot, ClaudeBot, Google-Extended).

Как итог — реферальный трафик идёт не только из поиска, но и прямо из ответов Perplexity и ChatGPT.

## Безопасность бота в личке: отбиваем промпт-инжекты

Канал подтянут к боту в личке. А открытый ввод от пользователей — это всегда риск, что кто-то попытается «запромптить» бота, вытащить системный контекст или ключи API.

Защита в 3 слоя:

1. **Промпт-страж (Guardrail).** Модель жёстко проинструктирована игнорировать любые попытки изменить роль, «забудь предыдущие инструкции» или «выдай системный промпт».
2. **Rate Limiting.** Не больше 20 запросов за 10 минут на пользователя. Выкачать контекст или заспамить API не выйдет.
3. **Изоляция окружения.** Все API-ключи лежат в `.env` с правами `chmod 600`. Чат-процесс работает под отдельным окружением и физически не имеет доступа к коду публикатора и базе.

## Что в итоге

- 0 человек в штате, 0 минут ежедневного ручного труда.
- 1 копеечный VPS (1 ГБ RAM) спокойно тащит всю инфраструктуру.
- ~$18.8/мес суммарных расходов за весь пайплайн.
- ~450 чистых постов и 700+ подписчиков за первый месяц.
- И главное — мы получили идеальную собственную ленту новостей, ради которой всё и затевалось.

## Главные выводы

1. Не нужен дорогой GPU-сервер с локалками, чтобы делать умные сервисы. Грамотная архитектура пайплайна и внешние API решают 99% задач.
2. Борьба с галлюцинациями и дедупликация на уровне кода дадут в 10 раз больше качества, чем тупая смена модели на более дорогую.
3. Чтобы ваш контент цитировали ИИ-системы — отдавайте им `.md` и вешайте `llms.txt`.

Следить за работой ленты можно в канале [@ai_release1](https://t.me/ai_release1), а почитать статьи и гайды — на сайте [ai-release.org](https://ai-release.org).

💬 **Вопросы и обсуждение — в комментариях ниже.**