Telegram-бот «Как это по-русски?»

Бот, который за секунды проверяет заимствованные слова по нормативным словарям русского языка и предлагает русские аналоги, если слова в словарях нет.

Telegram-бот
«А юристы смотрели?»

Бот, проверяющий рекламные креативы на соответствие законодательству и практике Федеральной антимонопольной службы с помощью технологии Retrieval-Augmented Generation (RAG).

ContractBot

Программа для согласования договоров, проверки контрагентов и подготовки протоколов разногласий.

ContractBot анализирует договор и за 3−5 минут выдает протокол разногласий в формате docx, отчет по контрагенту и запись в реестре договоров.

Онлайн калькулятор страховых взносов

Онлайн калькулятор, с помощью которого вы за минуту рассчитаете страховые взносы компании по старым и новым правилам, даже если не знаете формулы и налоговые нюансы.

Практикующему адвокату нужен помощник, который не привязан к включенному ноутбуку и доступен в любой момент — с телефона, на выезде, в суде. При этом рабочий поток юриста разнороден: голосовые заметки, фотографии документов, аудиозаписи заседаний, поиск судебной практики и проверка черновиков — и все это нужно вести без потери контекста между сессиями и без риска утечки доступа посторонним.

Мы развернули персонального ИИ-помощника на базе Hermes Agent на арендованном сервере Hetzner (2 vCPU / 4 ГБ, Ubuntu) с доступом по SSH-ключу и запуском под непривилегированным пользователем — единственная точка входа для владельца находится в Telegram. Помощник понимает текст и голос, распознает документы на фото, расшифровывает заседания с разделением говорящих, ведет календарь и читает Google Drive и блокноты NotebookLM. Под капотом — трехуровневая архитектура моделей: DeepSeek V4 Pro ведет основной диалог и рутинные задачи, Sonnet 4.6 разбирает найденную судебную практику РФ, а Opus 4.8 подключается точечно как рецензент для финальной проверки важных документов. Сборка велась в 16 этапов, объединенных в четыре фазы: фундамент (сервер, служба автозапуска, базовая модель), защита и персона (непривилегированный пользователь, файл персоны), интеграции (календарь, Drive, зрение, голос, диаризация, судебная практика) и финальная оркестрация трехуровневой схемы моделей.

Получился всегда доступный личный помощник адвоката: доступ только у владельца через Telegram, работа с текстом, голосом, фото и аудиозаписями заседаний, поиск и разбор судебной практики, проверка черновиков более сильной моделью и память о делах между сессиями — при этом стоимость инфраструктуры составляет около 4,5 евро в месяц, а стоимость обращений к моделям — доли цента за ответ.

Конспект по проекту, а так же подробная инструкция и пошаговое руководство на гитхабе:

Адвокатская деятельность ведется одновременно по нескольким делам и проектам, часть задач поручается помощнику. Параллельно ведется деятельность в области медиации. Фиксировать рабочее время вручную — долго: данные вводились в exel, подсчет часов и выставление счетов выполнялись вручную. Поручения помощнику поступают в мессенджер, в переписке теряются задачи, срок выполнения. Непонятно, что сделано, что зависло, что вернулось на доработку. Облачные сервисы не подходят по нескольким причинам. Во-первых, CRM-системы не актуальны для работы одного адвоката. Во-вторых, адвокатская тайна.

С помощью Claude написаны две десктопные программы на Python для macOS. Обе работают локально.

«Биллинг адвоката» хранит список доверителей (физлица и юрлица), журнал работы с тарификацией, учет авансов. Автоматически формирует счета в Word и итоговые отчеты. Счет доверителю собирается за две минуты вместо получаса. Для доверителей физических лиц в счете автоматически формируется qr-код на оплату с предзаполненными реквизитами и суммой.

«Ревизор» хранит задачи помощника в локальной базе. У каждой задачи пять статусов: Поручено, В работе, Сдано, Принято, Возвращено. Фиксируется дата поручения, срок, дата сдачи и комментарий по результату. Помощник к программе доступа не имеет — все данные вносит только адвокат.

Обе программы запускаются простым кликом, без установки и настройки.

Обе программы работают в реальной адвокатской практике каждый день. Учет времени и расчет счетов — в «Биллинге», контроль помощника — в «Ревизоре». Ручной подсчет и фильтры по задачам остались в прошлом. С помощью Claudeотдельно собрала демоверсии с обезличенными данными для демонстрации.

В видеопродакшене на каждую съемку идет постоянный поток заявок на документы — свои формы нужны для режиссера, оператора и других участников группы, для актеров и для технической поддержки (администратор, осветитель и другие). В компании уже накоплено несколько шаблонов договоров, но юрист в команде всего один, и он физически не успевает обрабатывать все заявки вручную.

Идея строится на простой цепочке: корректно сформулированный запрос → обработка ИИ → подбор нужной формы документа → отправка готового ответа. Под этим лежит процесс из шести шагов: продуманы алгоритм и набор скиллов, подготовлены формы документов и структурированы данные, написаны скрипты, резолвер разбирает (парсит) входящий запрос и сопоставляет его с нужным шаблоном, после чего готовый документ автоматически отправляется адресату. В процессе разработки пришлось решать ряд технических препятствий — от выбора между экосистемами Yandex и Google до работы с большими и тяжелыми массивами данных.

Юрист получил инструмент, который берет на себя рутинную часть документооборота на съемках: типовые заявки на договоры обрабатываются автоматически, а не вручную, что снижает нагрузку на единственного специалиста в команде и ускоряет получение нужного документа участниками съемочного процесса.

Когда клиент присваивает договор на 30+ страниц с сотнями правок «поверх» текста и в рецензировании, сверка с эталонной редакцией занимает у юриста часы работы. Опасную правку — например, дополнительную ответственность или измененные существенные условия — легко пропустить в общем потоке, а формулировки контрдоводов зависят от конкретного юриста, единого стандарта ответа клиенту нет.

Мы разработали ИИ-скилл, который проходит договор по конвейеру из семи шагов: определяет, наш ли это договор и какой версии, детектирует правки клиента — как через track changes, так и через сравнение с эталоном по diff, сопоставляет каждую правку с пунктом договора по внутренней «Карте» и присваивает уровень критичности от У1 до У4 со светофорной раскраской. Некритичные правки редлайнер принимает сам, «железные» случаи — например, изменение неотъемлемого Приложения № 1 — откатывает автоматически с готовым комментарием, а по спорным пунктам формирует обоснованный контрдовод на основе базы из 196 реальных ответов клиентам и каталога опорных доводов, сохраняя нужный тон под уровень критичности. На выходе — два файла: договор с проставленными accept/reject и контрдоводами для клиента и внутренний аналитический отчет для юриста с таблицей всех правок.

На реальном кейсе — лицензионный договор для госзаказчика по 223-ФЗ со 130 правками — редлайнер за один проход самостоятельно сделал 19 автооткатов Приложения № 1 и подготовил 16 контрдоводов юристу на спорные пункты. Рутинные откаты и сверка занимают минуты вместо часов, ответы клиенту приведены к единому стандарту, а спорные вопросы и дополнительная ответственность всегда подсвечиваются и передаются юристу на решение.

Отслеживание изменений законодательства возникло как задача после ситуации, когда изменения в налоговом законодательстве потребовали срочных доработок ПО. Единого источника нет — обзоры СПС, ленты, телеграм-каналы, каналы госорганов приходилось просматривать вручную по 4−8 часов на один источник в месяц, обновление шло раз в месяц, из-за чего терялась своевременность, а общая Google-таблица не давала защитить данные без потери фильтров.

Мы построили сервис, который собирает изменения из 10+ источников — pravo.gov.ru, Банк России, СОЗД Госдумы, КонсультантПлюс, деловые СМИ, профильные телеграм-каналы — и пропускает их через многослойную фильтрацию: пред-фильтр по дате, типу, региону и дедупликации, затем отбор по ключевым словам отрасли, и только на финальном этапе подключается ИИ-слой, который оценивает смысл и формирует краткое резюме «что меняется и для кого», а также распределяет изменения по отделам. Изменения детектируются по хэшу содержимого, что ловит и новые, и измененные документы. Вместо общей таблицы сделан отдельный сайт с фильтрами по отделам и периодам, карточками изменений и очередью проверки, где ответственный одобряет или отклоняет запись перед публикацией.

Процесс полностью переведен на сервис с автоматической сборкой материала, а нагрузка на команду не выросла — все так же справляется один исполнитель. Время на просмотр всех источников сократилось с 10−24 часов в месяц до 140−230 секунд плюс 10−20 минут на итоговую проверку и публикацию.

Только за 2025 год в России о банкротстве объявили более 500 000 граждан — почти на треть больше, чем годом ранее. Для МКК просрочка перестала быть просто вопросом платежной дисциплины: она может перерасти в банкротство заемщика, исполнительное производство или спор о залоге раньше, чем компания об этом узнает и успеет отреагировать.

Мы разработали систему, которая объединяет данные Федресурса, картотеки арбитражных дел, ФССП и реестра залогов и автоматически проверяет по ним весь портфель заемщиков, присваивая каждому «светофорный» статус риска. Спорные случаи проходят ручную верификацию юриста с фиксацией решения. По каждому риску — банкротству, новому исполнительному производству, чужому залогу — система указывает нужное юридическое действие: заявление требования, иск, взыскание или защиту прав залогодержателя.

Портфель заемщиков превратился из массива разрозненных данных в управляемую рабочую очередь: риски выявляются не по факту свершившегося события, а на раннем этапе, ручные проверки задокументированы и повышают доказуемость внутреннего контроля, а по каждому рисковому заемщику видна четкая последовательность действий — от сигнала до конкретного юридического шага.

Судебные юристы девелопера ведут потоковые споры с дольщиками по 214-ФЗ: неустойка за просрочку передачи, устранение недостатков, штраф, моральный вред. По каждому делу приходится вручную переносить номер дела, стороны, цену ДДУ и другие данные из иска в документ, вручную считать неустойку с учетом моратория и разных ставок — и один день ошибки в расчете дает неверную сумму в суде. При этом у каждого юриста свой формат возражений, и удачные формулировки не переиспользуются системно.

Мы разработали мультиагентный сервис, который принимает иск и ДДУ в PDF, включая сканы с локальным OCR, и перед отправкой текста в модель обезличивает персональные данные — паспорт, телефон, email, СНИЛС, ИНН по шаблонам, а ФИО и адреса через NER. Система извлекает реквизиты дела, данные ДДУ и все требования истца, автоматически подтягивает ключевую ставку с сайта ЦБ и учитывает мораторий. Неустойку считает не модель, а детерминированный калькулятор с журналом расчета, после чего сервис собирает возражения по корпоративному эталону и отдает готовый .docx. Работу выполняют семь ролей конвейера с разделением задач: модель читает документы, код считает деньги и пишет юридический текст только из выверенных блоков. В интерфейсе доступны «Мои дела» с историей всех версий по каждому делу и журнал trace, показывающий, какой шаг что сделал.

Получился сервис, в котором риск того, что ИИ «придумает» сумму, суд или формулировку, сведен к минимуму за счет разделения ролей между моделью и кодом. Персональные данные защищены по умолчанию: обезличивание до модели, локальный OCR, восстановление ПДн только локально при сборке итогового документа, а дела и версии хранятся на диске, а не в облачном SaaS.