← Все проекты

doeasy.io · saas-платформа · 2026 собран за 2 месяца

DoEasy

Компании ставят ботов, чтобы разгрузить поддержку, и почти сразу упираются в одно и то же: бот отвечает, но никто не знает, о чём с ним говорят клиенты. DoEasy — мультитенантная платформа, где бот отвечает по базе знаний конкретного заказчика, помнит диалог, квалифицирует лида и передаёт его менеджеру, а вся переписка превращается в аналитику.

Роль
Архитектура, продукт, дизайн, разработка, деплой
Срок разработки
2 месяца
Платформа
Next.js · PostgreSQL · n8n
Сайт
doeasy.io
3продукта в одной системе
RAGответы по базе знаний
AES-256шифрование данных
1 ядрона всех заказчиков
DoEasy — Главная — AI-бот для продаж и поддержки с аналитикойDoEasy — Аналитика, которой нет у конкурентовDoEasy — Где применяют DoEasyDoEasy — ТарифыDoEasy — Демо-кабинет — Демо-кабинет аналитикиDoEasy — Все диалогиDoEasy — Мобильная версия

Экраны проекта

01 / 07

Задача

Не бот для одного клиента, а платформа для многих

Это единственный проект в портфолио, где сайт — не результат работы, а витрина того, что за ним стоит. Задача была шире: спроектировать продукт, собрать его и вывести на сервер.

Главное архитектурное требование — мультитенантность. Один бот под одного заказчика продаётся как услуга, а не как продукт: каждый новый клиент означает новую сборку. Поэтому ядро бота переиспользуется, каналы подключаются адаптерами, а база знаний, переписка и аналитика изолированы по владельцу.

Второе требование — данные. Через бота проходят персональные данные клиентов заказчика: имена, контакты, содержание переписки. Хранить их в открытом виде нельзя ни по 152-ФЗ, ни по здравому смыслу — значит, шифровать нужно всю переписку целиком.

Решение

Ядро с каналами, RAG и шифрованный контур

  • Архитектура «ядро + каналы»: переиспользуемое ядро бота и подключаемые адаптеры каналов. Мультитенант с изоляцией данных по заказчику: реестр ботов, лимиты, выключатель.
  • RAG-поиск по базе знаний на векторных эмбеддингах: pgvector и косинусная близость. Бот отвечает материалами заказчика, а не общими знаниями модели.
  • Шифрование персональных данных AES-256-GCM с паритетом ключей между порталом и n8n — вся переписка хранится шифрованной.
  • Резюмирование диалогов через LLM: тема обращения, настроение, готовность к сделке. Отсюда берутся темы, воронка лидов и передача горячих менеджеру.
  • Биллинг и фискализация — тарифы, кошелёк, чеки по 54-ФЗ, онбординг-визард загрузки материалов.
  • DevOps своими руками: развёртывание на VPS, CI, миграции базы, мониторинг и деплой-процессы.
  • Юридический контур сразу: механизм согласия на обработку персональных данных под 152-ФЗ.

Технологии

Чем собран проект

Языки и фреймворки
TypeScript, Next.js (React), Node.js, SQL (PostgreSQL / PL-pgSQL)
Данные
PostgreSQL, Supabase, pgvector, Redis
AI и LLM
Yandex Foundation Models, RAG, structured output, интеграция с OpenAI
Автоматизация
n8n, REST API
Инфраструктура
Docker и Docker Compose, Linux VPS, nginx / Caddy, PM2
Платежи
CloudPayments и CloudKassir — приём оплаты и чеки по 54-ФЗ
Инструменты
Claude Code, Git и GitHub, Figma, Tilda

Результат

ядро бота переиспользуется: новый заказчик подключается настройкой, а не сборкой
ответы по базе знаний заказчика через RAG, переписка хранится шифрованной
демо-кабинет аналитики открыт без регистрации, бот доступен в Telegram, MAX и виджетах на сайте
2 месяца разработки, проект продолжает развиваться
метрик и продаж пока нет — сравнивать не с чем

Откуда цифры: это заявленные возможности продукта — внедрений пока не было.

Другие работы

Контакты

Нужен такой же результат?

Расскажите о задаче — ответ в течение дня: оценка срока, вилка бюджета и честное предупреждение, если она решается дешевле, чем вы рассчитывали.