Бот по регламентам на Битрикс24 Вайбкод: техническая сборка с нуля

Почему бот не может просто читать файлы с Диска

Первый инстинкт - положить регламенты на Диск Битрикс24 и дать боту ссылку. Штатный поиск по содержимому документов (.docx, .xlsx, .pptx) на Диске работает по точному совпадению слов: введёшь «опоздание» - найдёт документы, где это слово есть, но не найдёт «нарушение трудового распорядка», хотя речь об одном и том же.

Кроме того, у такого подхода два принципиальных ограничения:

• Бот читает документ целиком на каждый вопрос. Регламент на 30 страниц передаётся в контекст модели полностью - это дорого по AI-квоте и упирается в лимит длины контекста.
• Нет поиска по смыслу. Сотрудник спросит «как взять отгул», а документ называет это «предоставление дополнительного дня отдыха» - бот промолчит.

Решение - векторный индекс (RAG, retrieval-augmented generation): текст регламентов нарезается на фрагменты, каждый фрагмент превращается в вектор числовым представлением смысла. При вопросе бот ищет не слова, а близкие по смыслу векторы и передаёт модели только 3-5 релевантных фрагментов. На Вайбкоде для этого есть всё необходимое - кроме одного компонента, о котором честно скажем ниже.

Как устроен поиск по смыслу: эмбеддинги на Вайбкоде

На платформе Битрикс24 Вайбкод есть отдельная модель векторных представлений: bitrix/embeddings. Она принимает текст и возвращает вектор - массив чисел, кодирующий смысл.

Технические детали вызова:

• Метод: POST /v1/embeddings
• Формат запроса: OpenAI-совместимый - в поле input передаётся массив строк, за один запрос можно векторизовать несколько фрагментов сразу.
• Нужен ключ с правом доступа vibe:ai.
• Модель бесплатная в рамках AI-квоты тарифа; расходует квоту, а не токены в обычном смысле.
• Документация: https://vibecode.bitrix24.tech/docs/ai/embeddings

Для бота по регламентам модель используется дважды:

1. При индексации - каждый фрагмент регламента векторизуется и сохраняется в векторное хранилище.
2. При вопросе - текст вопроса сотрудника тоже превращается в вектор, и хранилище ищет ближайшие по смыслу фрагменты.

Подробнее о том, как устроен RAG-поиск на Вайбкоде и какие параметры влияют на качество выборки, разобрано в отдельном материале по RAG и векторному поиску.

Где хранится векторный индекс: чего не хватает штатно

Честный момент, который важно понимать до старта проекта: модель эмбеддингов на Вайбкоде есть, а готового векторного хранилища под неё - нет.

Это означает, что индекс нужно разворачивать отдельно. На практике его кладут рядом с приложением на тот же сервер Вайбкода - туда же, где живёт код бота. Варианты хранилища, с которыми работают на Вайбкоде: SQLite с расширением для векторного поиска, лёгкий Chroma или аналогичное встраиваемое решение. Выбор зависит от объёма базы и требований к скорости.

Приложение разворачивается на сервере Вайбкода. Небольшие боты удобно размещать в галактике - это хостинг на несколько десятков приложений на одном хосте, тарифицируется сам хост, а не каждое приложение отдельно. Сервер в галактике умеет засыпать при отсутствии обращений - для бота, которого спрашивают не постоянно, это нормально. При вопросе сервер просыпается.

После деплоя приложение автоматически появляется в каталоге приложений внутри портала Битрикс24 и доступно и в вебе, и в мобильном приложении.

Ключ для приложения: если бот работает от имени компании (а не конкретного пользователя), используется ключ авторизации - OAuth-приложение, которое создаёт администратор портала. Права доступа ключа ограничиваются только тем, что боту действительно нужно: чтение базы знаний (note), AI-модели (vibe:ai). Запись данных в другие разделы портала при этом заблокирована на стороне Вайбкода ещё до обращения к Битрикс24.

Откуда брать тексты регламентов: API базы знаний

Основной источник - База знаний Битрикс24. С мая 2026 года она открыта для API через право доступа note:

• Поиск по содержимому: GET /v1/note/documents/search
• Создание и наполнение документов из кода - тоже доступно.
• Документация: https://vibecode.bitrix24.tech/docs/note

Это удобно: регламенты хранятся там, где с ними работает HR и руководители, а бот берёт их через API - не нужно дублировать тексты в отдельном хранилище.

Если часть регламентов лежит в Word или PDF, их предварительно приводят к тексту. Дальше - нарезка на фрагменты. Типичный подход: фрагменты по 300-500 символов с небольшим перекрытием (overlap), чтобы не обрывать мысль на границе. К каждому фрагменту сохраняют метаданные: название документа, раздел, дата последнего обновления - это понадобится для ссылки на источник в ответе.

О том, как выстроить саму структуру и разделы базы знаний как HR-процесс (кто отвечает, как оформлять статьи), - в отдельном материале по корпоративной базе знаний. Здесь только техническая сборка бота.

Путь от регламента до ответа выглядит так:

Документ из базы знаний поступает в приложение на Вайбкоде, нарезается на фрагменты, векторизуется через bitrix/embeddings и сохраняется в индекс. При вопросе сотрудника тот же маршрут проходит вопрос, индекс возвращает ближайшие фрагменты, и BitrixGPT формирует ответ.

flowchart TD
    BZ[База знаний\nБитрикс24] -->|GET /v1/note/documents/search| APP[Приложение\nна Вайбкоде]
    APP -->|POST /v1/embeddings| EMB[bitrix/embeddings]
    EMB --> IDX[(Векторный\nиндекс)]
    QUESTION[Вопрос\nсотрудника] --> APP
    APP --> IDX
    IDX -->|топ-3-5 фрагментов| GPT[BitrixGPT]
    GPT --> ANSWER[Ответ +\nссылка на источник]

Как бот отвечает и почему ссылка на источник обязательна

Найденные фрагменты передаются текстовой модели вместе с вопросом. На Вайбкоде для этого используется BitrixGPT через AI Router - OpenAI-совместимый endpoint, модели размещены в России и работают в рамках AI-квоты тарифа. Промпт для модели содержит явное ограничение: отвечать строго на основе переданных фрагментов, не придумывать.

Ссылка на источник в ответе - не опция, а обязательный элемент. Без неё бот по регламентам бесполезен: сотрудник не может проверить, верно ли он понял ответ, а руководитель не может доверять боту в спорных ситуациях. Ссылка формируется из метаданных фрагмента (название документа, URL в базе знаний) и добавляется к каждому ответу автоматически.

Это же приём против «галлюцинаций» модели: если в индексе нет подходящего фрагмента, бот честно сообщает, что ответа по регламентам нет, вместо того чтобы что-то выдумать.

Про модели BitrixGPT и AI Router на Вайбкоде - в разборе Vibe API и моделей.

Как раздать бота сотрудникам: бот-платформа, а не персональный агент

Бот для сотрудников строится на бот-платформе Битрикс24 - это принципиально важно, и здесь частая ошибка.

Персональный ИИ-агент для этого не подходит. Агент на Вайбкоде работает по вебхуку своего владельца - того, кто его создал. Другим пользователям портала он показывает заглушку. Это инструмент для личного использования, не для команды.

Для компании нужен именно бот - через бот-платформу Битрикс24:

• Бот регистрируется в портале и доступен всем сотрудникам (или выбранному кругу по правам доступа).
• Переписка с ботом и документы, которые он цитирует, не выходят за контур портала.
• Бот появляется в списке чатов - его можно найти как обычного собеседника.
• При желании бот встраивается в конкретную карточку через плейсмент - например, в карточку задачи или смарт-процесса.

Подробнее о возможностях бот-платформы Битрикс24 и отличиях от Telegram-ботов - в отдельном материале.

Обновление индекса: расписание и спящий сервер

Регламенты обновляются - бот должен об этом знать. Переиндексация ставится по расписанию: приложение периодически запрашивает изменившиеся документы через API базы знаний и обновляет только затронутые фрагменты.

Нюанс со спящим сервером: если приложение живёт в галактике и сервер засыпает при простое, для переиндексации по расписанию нужно настроить пробуждение по расписанию - это штатная функция серверов Вайбкода. Сервер просыпается, выполняет переиндексацию и снова засыпает.

Важно учитывать: массовая переиндексация (например, при первоначальной загрузке сотен документов) расходует AI-квоту - все фрагменты проходят через bitrix/embeddings. Для большой базы знаний первичную векторизацию лучше делать батчами, передавая несколько текстов в одном запросе - модель принимает массив строк за раз.

Бэкап данных - отдельная тема. Векторный индекс - это данные, которые нельзя просто задеплоить заново. На Вайбкоде доступны полные бэкапы серверов: бэкап снимает весь диск - код, базу, файлы, настройки. Хранится в вашем хранилище, оплачивается по месту. Настройте автобэкапы по расписанию сразу при запуске в прод.

Что ломается на практике

Четыре проблемы, с которыми сталкиваются при сборке такого бота:

1. Права на документы. Бот не должен показывать фрагменты документов, к которым у конкретного сотрудника нет доступа. Штатный поиск по Диску Битрикс24 это учитывает - если у пользователя нет прав на просмотр файла в группе, поиск его не выдаст. Но при работе через API базы знаний проверка прав ложится на приложение. Если не реализовать её явно, бот может процитировать документ, который HR пометил как «только для руководителей».

2. Длинные фрагменты обрывают ответ. Если нарезать регламент крупными кусками (несколько тысяч символов), модель либо обрезает ответ, либо «теряет» конкретику из середины фрагмента. Фрагменты держат небольшими - 300-500 символов с overlap работает надёжнее, чем экономия на количестве чанков.

3. Качество ответов упирается в качество регламентов. Если сам регламент написан размыто («сотрудник должен уведомить в установленном порядке»), бот воспроизведёт эту размытость. Чёткие, структурированные регламенты дают чёткие ответы. Это HR-задача, не техническая.

4. Первичная индексация расходует квоту. Если база знаний содержит сотни документов, первый прогон через bitrix/embeddings может быть ощутимым по AI-квоте. Планируйте первичную индексацию заранее и делайте её батчами.

С чего начать

Минимальный путь к рабочему прототипу:

1. Подготовить регламенты в базе знаний Битрикс24 - убедиться, что документы актуальны, структурированы и разграничены по правам доступа.
2. Получить ключ с правами доступа note и vibe:ai - его создаёт администратор портала в личном кабинете Вайбкода как OAuth-приложение (ключ авторизации).
3. Собрать приложение на Вайбкоде: выгрузка документов через GET /v1/note/documents/search, нарезка на фрагменты, векторизация через POST /v1/embeddings, сохранение в локальный индекс.
4. Добавить логику ответа: вопрос → вектор → поиск по индексу → топ-N фрагментов → промпт с ограничением → BitrixGPT → ответ со ссылкой.
5. Зарегистрировать бота через бот-платформу Битрикс24 и задеплоить приложение на сервер Вайбкода (галактика достаточна для старта).
6. Настроить расписание переиндексации с пробуждением сервера.

Что такое Вайбкод как платформа и с каких шагов вообще начинать работу с ней - в обзоре Битрикс24 Вайбкод. Про сборку конкретных приложений - в разборе что можно собрать на Вайбкоде за часы.

Если хотите запустить такого бота под конкретные регламенты вашей компании - напишите на sales@acp-24.ru или позвоните +7 495 414-48-49. АС Проект - платиновый партнёр Битрикс24.

Нужна помощь по вайбкод-приложению? АС Проект - платиновый партнёр Битрикс24: собираем приложения на Вайбкоде, проверяем чужие перед боевым запуском и берём на сопровождение. Состав работ и цены - на странице приложения на вайбкодинге.

Актуально на конец августа 2026

• BitrixGPT 5.6 Agent 1M. Контекст вырос до 1 млн токенов (порядка тысячи страниц за один запрос), новые агенты создаются на этой модели по умолчанию, а долгие ответы почти исчезли.
• Выгодные часы. Квота расходуется вдвое медленнее в будни с 23:00 до 04:00 и в выходные с 17:00 до 07:00 по Москве; полная цена остаётся только в будни с 09:00 до 17:00. Текущий множитель и время ближайшего дешёвого окна отдаёт метод /v1/off-peak.
• Vibe API вырос. Схема discover отдаёт 50 сущностей с CRUD, всего в API более 300 методов. Отдельно работает бот-платформа с 33 эндпоинтами.

Данные на 29 августа 2026 - платформа Вайбкод в активной бете, цифры (квоты, цены, версии) меняются. Сверяйтесь с документацией Вайбкода.

Частые вопросы