1 саппорт. 120 тикетов в день. Треть — одинаковые. Время первого ответа: 4.2 часа.

SaaS, 2400 пользователей. Claude API + MCP:
• System prompt с базой знаний продукта
• MCP-сервер → Notion (документация) + Jira (статусы)
• confidence < 0.7 → эскалация человеку

📊 Первый месяц:
Время ответа: 4.2ч → 8 мин
Тикеты на человеке: 120 → 28
CSAT: 4.1 → 4.4

⚠️ Что не сработало: уверенные ответы по плохо документированным интеграциям. Фикс: "если нет в документации — эскалируй, не придумывай."

Стек: claude-sonnet-4-5, Node.js, MCP, Notion API.

📐 @claude_projects

3 API, 3 интеграции, 3 точки отказа. Один MCP-сервер заменил все три.

Агент поддержки ходит в CRM, базу заказов, калькулятор доставки. Каждый API — отдельный fetch(), отдельный парсинг, отдельная обработка ошибок.

MCP: агент получает список инструментов. Сам решает какой вызвать.

🔧 fetch() = ты пишешь маршрутизацию за агента
🔧 MCP = агент выбирает сам

Три бизнеса, один агент. Без MCP — три кодовых базы.

⚠️ Компромисс: +200ms на tool discovery. Для support-бота — незаметно. Для real-time трейдинга — неприемлемо.

Когда latency важнее гибкости — и как это измерить?

47 000 строк Python. 0 тестов. 6 недель до дедлайна. 12 из 18 модулей покрыты.

Не "дай Claude весь код". Итерации по модулям:

1→ Claude Code анализирует модуль → зависимости, side effects
2→ Пишет тесты под существующее поведение
3→ Рефакторит — тесты должны зеленеть
4→ Code review — человек

📊 Результат:
████████████░░░░░░ 12/18 модулей покрыты
█████████░░░░░░░░░ 9/18 отрефакторены

⚠️ Один модуль Claude не осилил — 40+ неявных глобальных состояний, circular imports. Переписали вручную за 3 дня.

Как Claude Code работает с legacy → @claude_coding

5-й чат подряд начинается с "Мы делаем SaaS для..." — 15 минут потерянного контекста.

Без Projects:
❌ 15-20 мин объяснений каждый раз
❌ Разные ответы на один вопрос
❌ Контекст теряется между сессиями

С Projects (команда из 5):
✅ Один Project = один продукт
✅ Инструкции: описание, метрики, глоссарий
✅ Онбординг нового участника: 15 мин → 3 мин

⚠️ Ограничение: Projects привязаны к аккаунту, не к команде. Синхронизация — руками, через экспорт. Для соло — отлично. Для команды — пока костыли.

У вас Projects на 1 продукт или на задачу?

340 страниц нормативки. Юрист тратил 3 часа на один пункт. RAG на Claude — 3 секунды.

📄 Документы → chunks 512 токенов (overlap 64)
🔍 Embeddings → Pinecone
💬 Запрос → top-5 chunks → ответ с цитатами

📊 За 2 месяца:
Поиск: 2-3 часа → 3 секунды
Точность цитирования: 94%
Ложные ответы: 3% (все пойманы на review)

⚠️ Таблицы в PDF. Chunks резали таблицы пополам — на выходе мусор. Фикс: отдельный парсер таблиц + структурированное хранение. Ещё неделя работы, которую не планировали.

Стек: claude-sonnet-4-5, Pinecone, LangChain.

5 техник промптинга. 3 сработали. 2 сделали хуже. Одна строка в 47 символов дала -60% галлюцинаций.

✅ "Цитируй источник" → галлюцинации -60%
✅ "Признай проблему, потом решай" → жалобы -40%
✅ "Не знаешь — передай человеку" → accuracy 89%

❌ "Формальный тон" → канцелярит, доверие падает
❌ "Отвечай развёрнуто" → в Telegram читают 2 строки, остальное игнорируют

Промпт для сомнений оказался важнее промпта для ответов.

47 символов. Галлюцинации: 30% → 11%.
"Если не уверен на 100% — скажи об этом."

Больше рабочих промптов → @claude_prompts

Bot API 9.5. Стриминг в Telegram-боте. First token: 1.8 сек. Retention вырос с 34% до 61%.

Клиент: онлайн-школа, 8000 студентов. Бот на Node.js + grammy + Claude API.

До Bot API 9.5 — бот молчал 6-9 секунд. Пользователь уходил.

После стриминга:
⏱ First token: 1.8 сек
⏱ Полный ответ: 4.2 сек (vs 9.1 сек)
📊 Retention: 34% → 61%

⚠️ Стриминг ломает кэширование. Каждый chunk — отдельное сообщение в логах. Пришлось писать агрегатор. 80 строк кода, которых не было в плане.

Как строить TG-бота на Claude → @claude_telegram