Описание • Возможности • Технологии • Архитектура • Документация • AI-модели • Безопасность • Контакты
Микросервисная CRM-система на Java 17 + Spring Boot, встроенная в Telegram.
В ней можно:
• принимать обращения и отвечать пациентам;
• использовать ИИ-помощника (автоответчик, анализ сообщений);
• собирать и смотреть омниканальную маркетинговую аналитику (VK, Instagram)
• Telegram-бот: показывает меню по ролям; для пациентов — общение с ботом, для персонала — свои функции и внутренняя навигация (изображения кликабельны)
• CRM-база: принимает обращения от бота; хранит пациентов и их заявки; позволяет менять статусы (ответ, запись к врачу, операция платно или по квоте)
• ИИ-сервис: отвечает автоматически, если сотрудник не успел; анализирует текст обращения и помогает мягко подвести пациента к платной операции
• Аналитика: строит срезы по базе (воронки от ответа до операции, платно/квота); собирает омниканальную статистику из VK и Instagram; показывает разные отчёты для ролей — СММ, таргет, врач
Java 17 · Spring Boot · Spring Data JPA · PostgreSQL · Flyway · Docker Compose · TelegramBots API
VK API · AI Models (NLI, Embeddings) · RestTemplate · Resilience4j · Swagger/OpenAPI · Actuator · Maven
Система состоит из 7 модулей, разделённых по зонам ответственности:
• tg-service — пользовательский интерфейс (Telegram UI: роли, меню, заявки)
• crm-service — ядро системы: база данных, пациенты, заявки, статусы
• ai-service — ИИ-логика: автоответы и анализ текста на моделях NLI/Embeddings
• analytics-service — API и обработка аналитики (воронки, VK/Instagram статистика)
• common-dto — единые DTO для обмена между сервисами
• common-config — общая конфигурация (RestTemplate, Resilience4j: retry, rate limiter)
• common-logging — централизованное логирование
В проекте есть:
- структурированная REST-документация (Swagger / OpenAPI)
- полный список эндпоинтов всех микросервисов
- схемы запросов и ответов для всех DTO
- описание ошибок и используемых статус-кодов
Полная документация доступна локально при запуске (CRM-service → /swagger-ui)
• cross-encoder/nli-distilroberta-base — классификатор смысла (NLI): определяет тип обращения и помогает выбирать оптимальный сценарий ответа
• sentence-transformers/all-MiniLM-L6-v2 — векторная модель: строит семантические эмбеддинги для анализа текста и подбора похожих сообщений
• ИИ-модели работают локально (NLI + Embeddings), без отправки сторонним сервисам
• Роли выдаются вручную (доступ может дать только администратор)
• Внешние API используются только для маркетинговой статистики (VK/Instagram), без передачи персональных данных