Почему regex больше не находит клиентов в Telegram: препарируем 12 081 сообщение с помощью каскадного AI-скоринга

21.09.2026 10:54:54 | Хабр

Хабы: Разработка под e-commerce, Искусственный интеллект, Машинное обучение, Data Mining, Алгоритмы

## TL;DR (BLUF)

Классический мониторинг Telegram-чатов по ключевым словам («ищу разработчика», «нужен сайт», «требуется подрядчик») в 2026 году технически мертв: регулярные выражения пропускают 79.5% целевых коммерческих заявок и одновременно генерируют более 60% ложноположительного шума (самореклама исполнителей, вакансии, взаимопиар).

В этой статье мы разбираем инженерную архитектуру трехуровневого каскадного пайплайна: от легковесных эвристик (2 мс) и мультиязычных эмбеддингов (15 мс) до LLM Decision Logic со строгой JSON-схемой. Все выводы подкреплены открытым бенчмарком на выборке из 12 081 реального сообщения из 40+ профильных IT- и digital-чатов.

---

## 1. Анатомия проблемы: почему ломаются регулярные выражения

Большинство самописных скриптов и коммерческих ботов-парсеров работают по примитивной логике:

```python

# Наивный подход 2018 года

KEYWORDS = [r"ищуs+разработчикw*", r"нуженs+ботw*", r"требуетсяs+дизайнw*"]

pattern = re.compile("|".join(KEYWORDS), re.IGNORECASE)

if pattern.search(message.text):

send_alert_to_crm(message)

```

На синтетических тестах это выглядит рабочим. Но когда скрипт подключается к живому потоку открытых профессиональных чатов с суммарным объемом 15 000+ сообщений в сутки, система мгновенно сталкивается с двумя фундаментальными проблемами NLP:

### Проблема 1. Ложноположительный шквал (False Positives)

Исполнители, веб-студии и фрилансеры используют ровно те же ключевые слова в своих офферах:

> «Привет! *Ищу** проекты на разработку. Наша команда делает сложных Telegram-ботов и web-сервисы под ключ. Кейсы в закрепе @agency_dev»*

Подробнее

Читайте также