В ресторанной сети с несколькими заведениями контент быстро становится отдельным операционным процессом. Нужно регулярно готовить описания блюд, тексты для социальных сетей, рассылки, пресс-релизы, переводы, анонсы мероприятий, описания ресторанов и другие материалы. При этом у каждого ресторана может быть своя концепция, своя аудитория и собственный Tone of Voice.
В таком сценарии копирайтеру недостаточно просто писать тексты. Ему нужно помнить факты о каждом заведении: часы работы, фирменные блюда, формат кухни, имена шеф-поваров, особенности интерьера, правила коммуникации, ограничения по формулировкам и стиль бренда. Если ресторанов девять, эта задача быстро перестаёт быть только творческой и превращается в задачу управления знаниями.
У заказчика была именно такая проблема: сеть ресторанов по России, у каждого заведения отдельная концепция и свой стиль общения с гостями. Большая часть ресурсов уходила на ежедневную текстовую работу: описания ресторанов, переводы на разные языки, пресс-релизы, рассылки, описания блюд, мероприятий, посты для социальных сетей и тексты в Tone of Voice каждого бренда.
Задача заключалась не в том, чтобы заменить редактора, а в том, чтобы вынести рутинную часть генерации текстов в AI-систему. Один-два редактора должны были управлять контентом всей сети: ставить задачи, получать черновики, проверять факты, корректировать стиль и доводить материалы до публикации.
Общая логика решения
Система состоит из двух основных блоков.
Первый блок — память и стиль. AI-копирайтеру нужно знать фактическую информацию о каждом ресторане и отдельно понимать, в каком стиле писать тексты. Для этого были разделены два слоя: «Концепция» и Tone of Voice.
Второй блок — интерфейс выдачи текстов. Редактору нужен простой способ запрашивать материалы, уточнять ресторан, получать результат, вносить правки, переключаться между заведениями и работать с разными типами задач. Для этого был выбран Telegram-бот.
Итоговая архитектура строится вокруг связки Notion, RAG и Telegram-бота. Notion используется как рабочее хранилище исходных материалов и сформированных стилевых профилей. RAG отвечает за поиск релевантной фактической информации. Telegram-бот становится интерфейсом для редактора.
Зачем системе отдельная «память»
Для генерации ресторанного контента недостаточно передать модели короткий промпт с просьбой «напиши текст в стиле бренда». Если система не знает фактов о заведении, она может ошибиться в блюдах, именах, расписании, формате кухни или описании пространства. Если система не знает стиля бренда, она будет писать обобщённо и одинаково для всех ресторанов.
Поэтому сначала нужно было собрать память системы.
В проекте для каждого ресторана заказчик собирал в Notion документ «Концепция». В него входила информация о заведении, правила коммуникации, особенности бренда, нормативы, описания кухни, форматы сервиса, сведения о блюдах, персонале, времени работы и другие данные, которые могут понадобиться при подготовке текстов.
Для каждого ресторана получились десятки страниц документов. Загружать такой объём целиком в контекст каждого запроса неэффективно: контекстного окна не хватит, а качество ответов будет нестабильным. Поэтому материалы из «Концепции» используются не как один большой промпт, а как источник для RAG.
Система обрабатывает данные из Notion, загружает их в векторную базу и использует при генерации ответа только релевантные фрагменты.
Разделение фактов и стиля
Важное архитектурное решение — разделить фактическую память и стиль.
Документ «Концепция» отвечает за факты: кто шеф-повар, какие есть блюда, когда работает ресторан, какие особенности кухни, какие есть события, правила, ограничения и другие проверяемые данные.
Tone of Voice отвечает за манеру текста: как бренд говорит с аудиторией, насколько текст должен быть формальным или эмоциональным, какие формулировки допустимы, какие конструкции лучше не использовать, как описывать блюда, события и гостей.
Tone of Voice в этом проекте формируется автоматически на основе материалов, которые заказчик загружает в «Концепцию». Для каждого ресторана создаётся отдельная страница ToV в Notion. Её можно открыть, проверить и отредактировать.
Такой подход решает две задачи. Во-первых, модель не смешивает фактические данные и стилевые инструкции. Во-вторых, стиль становится управляемым: редактор может видеть, на какие правила опирается AI-копирайтер, и вносить корректировки.
Память системы получается динамической. Если заказчик обновляет документ «Концепция», данные заново обрабатываются, попадают в RAG, а Tone of Voice может быть скорректирован на базе изменений.
Как работает формирование памяти
Процесс можно описать так.
Заказчик вносит данные о ресторане в документ «Концепция» в Notion. Система обрабатывает эти материалы, разбивает их на фрагменты, подготавливает к поиску и загружает в векторную базу данных. Этот слой отвечает за фактическую часть.
После этого на основе материалов формируется отдельный документ Tone of Voice для конкретного ресторана. Он тоже сохраняется в Notion и может использоваться редактором как проверяемый стилевой профиль.
В результате память AI-копирайтера состоит из двух частей:
Фактическая база, которая хранит данные о ресторане и используется через RAG.
Стилевой профиль, который задаёт Tone of Voice конкретного заведения.
Такой подход важен для сети, где разные рестораны не должны звучать одинаково. Один ресторан может использовать более спокойный и гастрономический тон, другой — более неформальный, третий — премиальный и сдержанный. При этом фактическая точность должна сохраняться во всех случаях.
Почему интерфейсом стал Telegram-бот
Для редакторов был нужен быстрый и понятный интерфейс, который не требует отдельного обучения и позволяет работать с текстами в ежедневном режиме. Поэтому для общения с AI-копирайтером был выбран Telegram-бот.
Редактор пишет запрос в свободной форме. Например:
Напиши два предложения для поста во VK про шеф-повара ресторана Tramonto Osteria, включая дни работы ресторана и фирменное блюдо.
После этого система выполняет несколько действий.
Сначала AI определяет ресторан, к которому относится запрос. Затем обращается к «Концепции» и через RAG находит факты: кто шеф-повар, какие дни работы указаны, какие блюда являются ключевыми. На этом этапе формируется фактический черновик.
После этого черновик переписывается с учётом Tone of Voice конкретного ресторана. Только затем результат возвращается редактору.
Пример результата:
Наш шеф-повар Алексей Громов с особым вниманием к деталям создаёт для вас подлинные блюда Южной Италии из локальных фермерских продуктов. Мы рады видеть вас в ресторане Tramonto Osteria со среды по субботу. Главные звёзды меню — сочный флорентийский стейк и деликатные антипасти, приготовленные с душой и уважением к традициям.
Такая схема позволяет разделить две операции: сначала получить факты, затем привести текст к нужной стилистике.
Какие задачи выполняет AI-копирайтер
Система не ограничивается запросами вида «напиши текст». AI-копирайтер может работать с несколькими типами задач:
писать тексты для социальных сетей;
создавать описания блюд;
готовить пресс-релизы;
формировать тексты рассылок;
переписывать готовые материалы;
переводить тексты на разные языки;
обрабатывать голосовые сообщения;
проверять текст на соответствие стилистике;
писать по примеру;
адаптировать текст под площадку и формат.
Если редактор указывает, где будет опубликован текст, система учитывает специфику формата. Например, описание профиля Telegram должно укладываться в ограничение по символам, а пост для VK может быть длиннее и иметь другую структуру.
Определение ресторана в запросе
Так как система работает с сетью ресторанов, важная часть логики — определение заведения.
Запрос редактора должен содержать название ресторана. Если название не указано, AI-копирайтер не должен угадывать контекст. В таком случае бот запрашивает уточнение перед генерацией текста.
При этом название может быть написано на русском, английском или с ошибками. Система всё равно должна сопоставить его с нужным рестораном и выбрать правильные материалы: соответствующую «Концепцию», RAG-контекст и Tone of Voice.
Это важно, потому что ошибка в определении ресторана приведёт не просто к неправильному стилю, а к фактическим ошибкам: не тем блюдам, не тем часам работы, не тому шеф-повару и не той концепции.
Сохранение контекста и правки
После получения текста редактор может сразу продолжить диалог и внести правки. Не нужно заново описывать всю задачу. Достаточно написать, что именно нужно изменить: сделать текст короче, добавить больше гастрономических деталей, убрать слишком рекламные формулировки, адаптировать под другой формат или изменить акцент.
AI-копирайтер сохраняет контекст предыдущего запроса и формирует новый вариант с учётом правок.
Также пользователь может попросить систему переключиться на другой ресторан. В этом случае бот меняет контекст и начинает использовать другую «Концепцию» и другой Tone of Voice.
Такой механизм делает работу похожей не на одиночную генерацию текста, а на редакционный процесс: запрос, черновик, правка, уточнение, новая версия.
Разделение доступа
Доступ к Telegram-боту выдаётся администратором вручную через отдельный интерфейс. Это нужно, чтобы системой пользовались только сотрудники с соответствующими правами.
Для ресторанной сети такой контроль важен, потому что база может содержать внутренние материалы: правила коммуникации, черновики, описания процессов, внутренние стандарты, служебные данные о заведениях. Даже если AI-копирайтер работает только с текстами, доступ к нему должен быть управляемым.
Ролевой доступ также позволяет разграничивать функции. Например, один пользователь может только запрашивать тексты, другой — редактировать материалы, третий — управлять доступами или обновлять исходные документы.
Почему это не просто генератор текстов
Главная задача системы — не в том, чтобы генерировать больше текста. Обычная LLM и без дополнительной архитектуры может написать пост, описание блюда или пресс-релиз. Проблема в другом: такой текст часто будет недостаточно точным, плохо связанным с конкретным рестораном и слишком общим по стилю.
В этом проекте AI-копирайтер работает как связка нескольких компонентов:
Notion хранит исходную «Концепцию» и сформированный Tone of Voice;
RAG отвечает за получение фактов из базы знаний;
Telegram-бот служит интерфейсом для редактора;
механизм определения ресторана выбирает правильный контекст;
сохранение контекста позволяет работать с правками;
ролевой доступ ограничивает использование системы;
стилевой слой приводит результат к манере конкретного бренда.
Именно эта архитектура делает систему применимой для сети из девяти ресторанов. Без разделения фактов и стиля AI будет либо ошибаться в данных, либо писать одинаково для всех заведений.
Что получает ресторанная сеть
После внедрения такой системы большая часть рутинной текстовой работы переносится в AI-интерфейс. Редакторы не начинают каждый материал с нуля: они ставят задачу, получают черновик, проверяют факты, корректируют стиль и готовят финальную версию.
Это позволяет одному-двум редакторам управлять контентом всей сети. При этом система сохраняет различия между ресторанами, потому что для каждого заведения используется собственная «Концепция» и отдельный Tone of Voice.
AI-копирайтер помогает ускорить подготовку:
описаний блюд;
постов для социальных сетей;
рассылок;
пресс-релизов;
описаний мероприятий;
переводов;
текстов по примеру;
адаптаций под разные форматы.
По сути, система автоматизирует не творчество как таковое, а подготовительную и рутинную часть редакционного процесса: поиск фактов, первичный черновик, адаптацию к стилю, перевод, переработку и форматирование.
Вывод
AI-копирайтер для ресторанной сети — это не единый промпт и не универсальный генератор текстов. Это система, в которой фактическая база, Tone of Voice и интерфейс редактора разделены на разные уровни.
Фактическая часть хранится в «Концепции» и используется через RAG. Стилевой профиль формируется отдельно как Tone of Voice для каждого ресторана. Telegram-бот обеспечивает быстрый интерфейс для запросов, правок, переключения между ресторанами и выдачи материалов.
Такой подход позволяет масштабировать контент для сети из девяти ресторанов без пропорционального увеличения команды копирайтеров. Редакторы сохраняют контроль над качеством и финальной версией текста, а AI берёт на себя повторяемые задачи: поиск фактов, черновики, переводы, переписывание и адаптацию под стиль конкретного заведения.
