MAX Orchestra
Команда из пяти агентов в роли клиентской поддержки крупного маркетплейса. Триггер — сообщение в MAX-боте. Главный агент-роутер на YandexGPT-Pro классифицирует интент и направляет в одного из четырёх специалистов: продажи (каталог), поддержка (статус и возврат), знания (FAQ и политика), эскалация (передача оператору). Каждый агент достаёт контекст из RAG по Qdrant — товарная база, журнал заказов, корпоративные регламенты. Композитор собирает финальный ответ, проверяет тон и отправляет в MAX. Похоже на n8n-флоу, но это не «нода Yes/No», а оркестрация LLM с памятью диалога и audit-trail каждого решения.
Большие e-commerce / маркетплейсы получают тысячи сообщений в день, и одна LLM «GPT-в-лоб» с ними не справится — нужно разбираться, *что* именно спрашивает покупатель, и у каждого специалиста свой набор инструментов. MAX Orchestra устроена как настоящая поддержка: оператор-диспетчер (Router) определяет тематику и тон, и перебрасывает диалог нужному специалисту. Sales знает каталог и может оформить заказ. Support тянет статус из логистики и оформляет возврат. Knowledge отвечает по FAQ и регламентам со ссылками. Escalation сохраняет контекст и зовёт живого оператора, если LLM не справляется или клиент эскалирует. Покупатель этого не видит — для него это один MAX-чат с быстрым и точным ответом.
Один MAX-бот, под капотом — пять специалистов
Покупатель видит один чат: «когда мой заказ?», «как вернуть?», «есть ли скидка?». За кадром главный агент мгновенно распознаёт интент и подключает того, кто реально умеет это делать: каталог, заказы, регламенты или эскалацию. Каждый ответ подписан источниками из вашей реальной базы, а не выдуман — это снимает риски «галлюцинаций» и претензий. Стек на YandexGPT и Qdrant, разворачивается on-prem, аудит и метрики — из коробки.
Пошаговая архитектура
MAX-бот: триггер
Покупатель пишет боту в MAX (мессенджер VK). Webhook отдаёт сообщение в оркестратор. История диалога подтягивается из state-store (Redis), чтобы агент видел контекст.
Главный агент-роутер
YandexGPT-Pro классифицирует интент (sales / status / return / faq / escalate) и тон (нейтральный / раздражённый / срочный). Возвращает structured output с confidence. Низкий confidence или эмоции → сразу к Escalation.
Специалисты — параллельно при необходимости
Sales работает с каталогом (поиск товаров, цены, наличие, оформление). Support — статус заказа и возврат через API логистики/возвратов. Knowledge — FAQ, политики, условия акций. Escalation — сохранение контекста и передача в очередь оператора.
RAG по Qdrant
Каждый агент достаёт релевантный контекст из своего индекса в Qdrant: товары (e5-large embeddings), заказы (актуальные данные через инструмент), регламенты и FAQ. Ответ всегда сопровождается источниками.
Композитор ответа
Финальный LLM-шаг: собирает выводы агентов в одно сообщение, проверяет тон под бренд (правила безопасности, никаких обещаний, которых нет в регламенте), форматирует под MAX (кнопки/карточки). Подписывает source URLs.
Ответ в MAX + audit
MAX bot API отправляет сообщение. Каждый ход дополняет audit-trail: входящее сообщение, интент, выбранный агент, RAG-цитаты, финальный ответ. Поиск по audit — для compliance и разбора инцидентов.
Стек, который не запирает
YandexGPT-Pro как базовая LLM (152-ФЗ, данные в РФ); GigaChat-Pro как fallback / альтернатива по бюджету
Оркестрация: LangGraph (state-машина с памятью диалога) или n8n как low-code альтернатива
RAG: Qdrant + e5-large-russian embeddings; reranker bge-reranker-v2-m3 для топ-5
Инструменты агентов (tools): catalog-search, order-status, return-create, faq-lookup, handoff-to-operator
Память диалога: Redis (TTL 24 ч) с подгрузкой N последних реплик; долгосрочная — Postgres
MAX integration: webhook + Bot API (отправка сообщений, кнопок, карточек, оплата). Аналогично — Telegram/WhatsApp/VK через единый адаптер
Гардрейлы: правила тона/бренда, фильтр PII, ban-list тем, обязательная подпись источников; нарушение → Escalation
Audit-trail: каждый ход (вход, интент, агент, RAG, ответ) пишется в ClickHouse — поиск, compliance, дашборды
Идеально для
- Маркетплейсы и крупные интернет-магазины с большим потоком чатовой поддержки
- Сети ритейла с программой лояльности и сложной матрицей акций
- Сервисы с подпиской/тарифной сеткой (телеком, цифровые сервисы), где много типовых вопросов про тариф
- Финтех/банки — для FAQ-обвязки и эскалации в KYC/верификацию (с отдельным гардрейлом)
Границы кейса
- Не заменяет живого оператора там, где нужны эмпатия и нестандартное решение — эскалация по плану, не по аварии
- Не обещает того, чего нет в RAG-регламенте: каждый факт сопровождается источником, придумывать запрещено гардрейлом
- Не работает с биометрической верификацией (это отдельный кейс KYC Sentinel) — паспорта/селфи идут в эскалацию
- Не управляет складом/логистикой — только читает их API; изменения по факту делает действиями оператора или операционные системы
- Не «свободный чат-сценарий из 50 веток в n8n»: бизнес-правила (что считать эскалацией, как именно возврат оформить) согласуются и закрепляются в гардрейлах перед запуском
Частые вопросы
Один промт на 50 страниц с инструкциями для всех сценариев → деградация качества, потеря контекста и невоспроизводимые ответы. Разделение по специалистам сужает задачу каждого, держит промпты компактными, даёт независимый аудит и позволяет тестировать/улучшать каждого по своему набору фактов.
Что ещё может пригодиться
Покажем на ваших данных
за 1-2 недели
Подключаемся к ограниченной выборке, разворачиваем PoC на ваших реальных кейсах. Оценка качества, точности и UX — на вашей специфике, не на наших красивых демо.