Интеллектуальный Автоматический Комментатор для Telegram Каналов с AI и Pyrogram

Автоматизируйте взаимодействие и генерируйте осмысленные ответы с помощью нейросети

Создание Telegram бота, способного оставлять осмысленные комментарии, генерируемые нейросетью, и взаимодействовать с постами и другими комментариями, является интересной и сложной задачей. Этот инструмент может быть полезен для автоматизации ведения каналов, вовлечения аудитории или мониторинга контента. В данном руководстве будет представлен готовый Python-код с использованием библиотеки Pyrogram, интегрирующий нейросеть для генерации русскоязычных комментариев, мониторинга новых постов и реакций, а также ответы на личные сообщения.

Основные Возможности и Преимущества

Автоматическая Генерация Комментариев: Скрипт использует нейросеть для создания релевантных и разнообразных русскоязычных комментариев к новым постам в Telegram каналах.
Мониторинг Постов и Реакций: Постоянно отслеживает появление новых публикаций, игнорируя старые, и способен оставлять случайные реакции, повышая вовлеченность.
Интеллектуальные Ответы на Комментарии: Бот обучен анализировать существующие комментарии и давать на них внятные и контекстуально уместные ответы, создавая живую дискуссию.

Обзор Технической Архитектуры

Для реализации такой функциональности нам потребуется надежная библиотека для работы с Telegram API, а также способ взаимодействия с нейросетью, которая не требует сложных настроек API-ключей или регистрации. Pyrogram отлично подходит для первой части, так как предоставляет удобный и асинхронный интерфейс для взаимодействия с Telegram. Что касается нейросети, учитывая требование "без регистрации и ключей", мы будем использовать подход, имитирующий взаимодействие с публично доступными GPT-моделями через существующие обертки или ботов, которые не требуют прямой оплаты или авторизации для базового использования. Важно отметить, что производительность и доступность таких "бесплатных" моделей могут быть ограничены.

Выбор и Интеграция Нейросети

Поскольку запрос указывает на нейросеть, которая не требует регистрации и ключей, и умеет анализировать русский текст, это представляет собой определенный вызов. Большинство мощных GPT-моделей (таких как OpenAI GPT-3/4, Claude, или даже Grok) требуют API-ключей и/или оплаты. Однако существуют обертки или Telegram-боты, которые предоставляют доступ к таким моделям без прямой регистрации пользователя в системе API поставщика. Например, проекты на GitHub, такие как ru-GPT3 Telegram bot, или другие, использующие GPT-3.5/4/4o, DALL·E 3, Claude2 через свои API, могут быть адаптированы для этой цели. Для данного примера мы будем использовать концепцию взаимодействия с локальной или легкодоступной моделью (например, RU-GPT3, если она развернута локально или через прокси-сервер) или эмулировать ответы, предполагая наличие такой модели.

Для простоты, и поскольку прямой доступ к "бесплатной" нейросети с хорошим качеством и без ограничений на запросы затруднен, мы будем использовать заглушку для функции генерации текста. В реальном проекте вы бы заменили эту заглушку на вызов к реальной нейросети, например, через API или локально развернутую модель.

Настройка Проекта и Зависимости

Для начала, создайте папку для проекта, например, telegram_ai_commenter. Внутри этой папки создайте файл main.py и файл config.ini для конфигурации. Установите необходимые библиотеки:


pip install pyrogram
pip install python-dotenv # для удобной работы с конфигом

Файл config.ini:


[pyrogram]
api_id = ВАШ_API_ID
api_hash = ВАШ_API_HASH
phone_number = ВАШ_НОМЕР_ТЕЛЕФОНА_В_МЕЖДУНАРОДНОМ_ФОРМАТЕ
session_name = ai_commenter_session

[settings]
comment_delay_minutes = 5
reaction_chance = 0.7
personal_message_response = Привет111
ai_prompt_base = Проанализируй следующий пост и напиши к нему осмысленный, позитивный комментарий на русском языке, не превышающий 100 символов:
ai_comment_delay_seconds = 600
ai_reply_delay_seconds = 300

Замените ВАШ_API_ID, ВАШ_API_HASH и ВАШ_НОМЕР_ТЕЛЕФОНА_В_МЕЖДУНАРОДНОМ_ФОРМАТЕ на свои данные, полученные на my.telegram.org. session_name - это имя файла сессии Pyrogram, который будет создан для сохранения авторизации.

Основной Код Скрипта (`main.py`)

Этот код будет мониторить каналы, генерировать комментарии, оставлять реакции и отвечать на сообщения.


import asyncio
import configparser
import random
import time
from pyrogram import Client, filters
from pyrogram.types import Message
from datetime import datetime, timedelta

# Загрузка конфигурации
config = configparser.ConfigParser()
config.read('config.ini')

API_ID = config.get('pyrogram', 'api_id')
API_HASH = config.get('pyrogram', 'api_hash')
PHONE_NUMBER = config.get('pyrogram', 'phone_number')
SESSION_NAME = config.get('pyrogram', 'session_name')

COMMENT_DELAY_MINUTES = int(config.get('settings', 'comment_delay_minutes'))
REACTION_CHANCE = float(config.get('settings', 'reaction_chance'))
PERSONAL_MESSAGE_RESPONSE = config.get('settings', 'personal_message_response')
AI_PROMPT_BASE = config.get('settings', 'ai_prompt_base')
AI_COMMENT_DELAY_SECONDS = int(config.get('settings', 'ai_comment_delay_seconds'))
AI_REPLY_DELAY_SECONDS = int(config.get('settings', 'ai_reply_delay_seconds'))

# Инициализация Pyrogram клиента
app = Client(SESSION_NAME, API_ID, API_HASH, phone_number=PHONE_NUMBER)

# Список доступных реакций (эмодзи)
AVAILABLE_REACTIONS = ["👍", "❤️", "🔥", "💯", "🎉", "🤩", "😁"]

# Словарь для отслеживания последних обработанных постов в каждом канале
last_processed_posts = {}

# Заглушка для функции генерации текста нейросетью
async def generate_ai_comment(prompt: str) -> str:
    """
    Заглушка для генерации осмысленного комментария с помощью нейросети.
    В реальном приложении здесь будет вызов к API нейросети.
    """
    print(f"Генерация комментария для промпта: '{prompt[:50]}...'")
    await asyncio.sleep(5)  # Имитация задержки работы нейросети
    possible_responses = [
        "Отличный пост! Очень интересно. 👍",
        "Согласен с автором, важная тема. ✨",
        "Прекрасная подача материала, спасибо! 😊",
        "Действительно заставляет задуматься. 🤔",
        "Невероятно! Продолжайте в том же духе. 🔥",
        "Какая глубокая мысль! Очень ценим. ❤️",
        "Очень актуально в наше время. Благодарю! 🙏"
    ]
    return random.choice(possible_responses)

# Заглушка для функции анализа медиафайла нейросетью
async def analyze_media_and_comment(media_message: Message) -> str:
    """
    Заглушка для анализа медиафайла (картинки, видео) и генерации комментария.
    В реальном приложении здесь будет использован Vision AI.
    """
    print(f"Анализ медиафайла: {media_message.media_type}")
    await asyncio.sleep(7) # Имитация задержки анализа медиа
    possible_media_comments = [
        "Очень красивое изображение! Что это за место?",
        "Интересное видео, захватывает дух!",
        "Фотография передаёт невероятную атмосферу.",
        "Этот медиафайл действительно выделяется!",
        "Прекрасный визуальный контент. Браво!"
    ]
    return random.choice(possible_media_comments)

# Обработчик новых сообщений в каналах
@app.on_message(filters.channel & filters.incoming)
async def channel_post_handler(client: Client, message: Message):
    if message.chat.type == "channel":
        channel_id = message.chat.id
        post_id = message.id

        # Проверка, что пост не был обработан ранее (игнорируем архивные)
        if channel_id in last_processed_posts and post_id <= last_processed_posts[channel_id]:
            print(f"Игнорируем старый пост {post_id} в канале {message.chat.title}")
            return
        
        last_processed_posts[channel_id] = post_id
        
        print(f"Новый пост в канале '{message.chat.title}' (ID: {channel_id}), пост ID: {post_id}")
        
        # Задержка перед действиями с постом
        await asyncio.sleep(COMMENT_DELAY_MINUTES * 60)

        # Поставить рандомную реакцию
        if random.random() < REACTION_CHANCE:
            reaction = random.choice(AVAILABLE_REACTIONS)
            try:
                await message.mark_unread() # Отметить как непрочитанное, чтобы реакция сработала
                await message.react(reaction)
                print(f"Поставлена реакция '{reaction}' на пост {post_id} в канале {message.chat.title}")
            except Exception as e:
                print(f"Ошибка при постановке реакции на пост {post_id}: {e}")

        # Генерируем и отправляем комментарий
        try:
            comment_text = ""
            if message.text:
                prompt = f"{AI_PROMPT_BASE}\n\nТекст поста: \"{message.text[:500]}\""
                comment_text = await generate_ai_comment(prompt)
            elif message.caption:
                prompt = f"{AI_PROMPT_BASE}\n\nТекст описания медиа: \"{message.caption[:500]}\""
                comment_text = await generate_ai_comment(prompt)
            elif message.media:
                comment_text = await analyze_media_and_comment(message)
            
            if comment_text:
                await asyncio.sleep(AI_COMMENT_DELAY_SECONDS) # Задержка перед комментированием
                
                # Комментарии являются ответами на auto-forwarded сообщение
                # Для этого нужно получить сообщение в дискуссионной группе
                # или напрямую использовать chat_id дискуссионной группы и reply_to_message_id
                
                # В Pyrogram 2.0+ для комментирования поста в канале, 
                # необходимо ответить на сообщение в связанной дискуссионной группе.
                # Если дискуссионная группа не привязана или неизвестна,
                # можно использовать @DiscussBot, но нативное решение предпочтительнее.
                
                # Пример комментирования:
                # Если канал имеет привязанную дискуссионную группу:
                if message.discussion_thread_id:
                    # Это идеальный случай, когда есть прямой ID треда для обсуждений
                    discussion_message = await client.get_discussion_message(
                        chat_id=message.chat.id,
                        message_id=message.id
                    )
                    if discussion_message:
                        await discussion_message.reply(comment_text)
                        print(f"Добавлен комментарий '{comment_text}' к посту {post_id} в канале {message.chat.title}")
                    else:
                        print(f"Не удалось найти дискуссионное сообщение для поста {post_id}")
                else:
                    # Если дискуссионная группа не привязана, можно попытаться использовать методы,
                    # которые напрямую работают с комментариями, если они есть.
                    # Или предложить пользователю настроить дискуссионную группу.
                    print(f"Канал '{message.chat.title}' не имеет привязанной дискуссионной группы. "
                          f"Невозможно оставить нативный комментарий к посту {post_id}. "
                          f"Пожалуйста, привяжите дискуссионную группу к каналу.")
                    # Возможно, здесь можно использовать @CommentsBot, если это приемлемо
                    # await client.send_message("CommentsBot", f"/comment {message.chat.id}/{message.id} {comment_text}")

        except Exception as e:
            print(f"Ошибка при комментировании поста {post_id}: {e}")

# Обработчик ответов на свои комментарии
@app.on_message(filters.private & filters.incoming & filters.reply)
async def reply_to_my_comment_handler(client: Client, message: Message):
    if message.reply_to_message and message.reply_to_message.from_user and \
       message.reply_to_message.from_user.is_self: # Проверяем, что это ответ на наш собственный комментарий
        print(f"Получен ответ на наш комментарий от пользователя {message.from_user.first_name} (ID: {message.from_user.id})")
        
        # Генерируем ответ с помощью AI
        reply_prompt = f"Пользователь {message.from_user.first_name} ответил на ваш комментарий. Его сообщение: \"{message.text}\". Составьте внятный и дружелюбный ответ на русском языке."
        ai_reply = await generate_ai_comment(reply_prompt)
        
        await asyncio.sleep(AI_REPLY_DELAY_SECONDS) # Задержка перед ответом на комментарий
        await message.reply(ai_reply)
        print(f"Ответили на комментарий пользователя {message.from_user.first_name}: '{ai_reply}'")

# Обработчик личных сообщений
@app.on_message(filters.private & filters.incoming & ~filters.reply)
async def private_message_handler(client: Client, message: Message):
    print(f"Получено личное сообщение от пользователя {message.from_user.first_name} (ID: {message.from_user.id}): '{message.text}'")
    await message.reply(PERSONAL_MESSAGE_RESPONSE)
    print(f"Отправлен ответ на личное сообщение: '{PERSONAL_MESSAGE_RESPONSE}'")

async def main():
    print("Запуск Telegram AI Commenter...")
    print("Пожалуйста, войдите в свой аккаунт Telegram при запросе.")
    await app.start()
    print("Бот успешно запущен и готов к работе.")
    # Инициализация last_processed_posts для уже существующих каналов
    async for dialog in app.get_dialogs():
        if dialog.chat.type == "channel":
            try:
                # Получаем последний пост, чтобы не обрабатывать старые
                last_message = await app.get_messages(dialog.chat.id, 1)
                if last_message and last_message.id:
                    last_processed_posts[dialog.chat.id] = last_message.id
                    print(f"Инициализация: Канал '{dialog.chat.title}', последний пост ID: {last_message.id}")
            except Exception as e:
                print(f"Не удалось получить последние сообщения для канала {dialog.chat.title}: {e}")
    
    # Бот будет работать в фоновом режиме, пока скрипт запущен
    await idle()
    await app.stop()
    print("Бот остановлен.")

if __name__ == "__main__":
    app.run(main())

Объяснение Кода и Функционала

Данный Python-скрипт использует библиотеку Pyrogram для взаимодействия с Telegram API. Ниже представлены ключевые моменты его работы:

Конфигурация (config.ini): Все важные параметры, такие как API ID, API Hash, номер телефона, задержки и промпты для AI, хранятся в файле config.ini для удобства настройки и переноса.
Инициализация Pyrogram: Клиент Pyrogram (app = Client(...)) инициализируется с указанными учетными данными. При первом запуске он запросит код авторизации. Сессия сохраняется в файле .session.
generate_ai_comment и analyze_media_and_comment: Это заглушки для функций, которые в реальном приложении будут взаимодействовать с нейросетью. Они имитируют задержку и возвращают случайные заранее определенные комментарии. Для реальной работы необходимо интегрировать здесь вызов к выбранной нейросети, например, через HTTP-запросы к её API или к локально развернутой модели.
channel_post_handler: Этот обработчик срабатывает при появлении нового сообщения в канале, на который подписан аккаунт.
- Он проверяет last_processed_posts, чтобы игнорировать уже существующие (архивные) посты при запуске или перезапуске бота, фокусируясь только на новых публикациях.
- После задержки (COMMENT_DELAY_MINUTES) бот может поставить случайную реакцию на пост в зависимости от REACTION_CHANCE.
- Затем анализируется содержимое поста: если есть текст или описание медиа, формируется промпт для нейросети. Если пост состоит только из медиа, вызывается заглушка analyze_media_and_comment.
- Комментарий отправляется как ответ на сообщение в связанной дискуссионной группе канала. Это нативный способ комментирования в Telegram. Если дискуссионная группа не привязана, скрипт выведет предупреждение.
reply_to_my_comment_handler: Этот обработчик предназначен для ответов на комментарии, которые были оставлены на собственные комментарии бота. Он использует AI для генерации внятного ответа.
private_message_handler: Обрабатывает любые личные сообщения, отправляя в ответ предопределенный текст "Привет111".
Задержки: Параметры AI_COMMENT_DELAY_SECONDS и AI_REPLY_DELAY_SECONDS позволяют настроить задержку перед написанием комментариев и ответов, имитируя естественное поведение пользователя и избегая спама.
Логирование: В консоль выводится информация о работе скрипта, что позволяет отслеживать его активность.

Как Сделать Заглушки Функциональными

Чтобы функции generate_ai_comment и analyze_media_and_comment работали с реальной нейросетью, вам нужно выбрать подходящую модель и способ взаимодействия. Вот несколько вариантов:

Локально Развернутая Модель: Если у вас есть мощное железо, вы можете запустить небольшую русскоязычную GPT-модель (например, на основе Hugging Face Transformers) локально.
Публичные API (требуют ключей, но могут быть бесплатные лимиты):
- OpenAI API: Хотя требует регистрации и ключей, предоставляет доступ к GPT-3.5-turbo, что является одним из лучших вариантов для текстовых задач. Пример:
- GigaChat: Российская нейросеть от Сбера, которая, как сообщается, "неплохо справляется с задачами на русском языке". Возможно, у нее есть API для разработчиков.
Интеграция с Telegram-ботом, использующим AI: Некоторые публичные Telegram-боты предоставляют доступ к AI-моделям. Вы могли бы настроить свой бот для пересылки запросов такому боту и обработки его ответов. Это сложнее, так как требует парсинга сообщений другого бота.

Для анализа медиафайлов (analyze_media_and_comment) потребуются модели компьютерного зрения (Vision AI), способные генерировать текстовые описания изображений или видео. Например, модели семейства Google Cloud Vision AI или DALL·E 3 (через API) могут быть использованы для этой цели, но опять же, они требуют ключей и, скорее всего, оплаты.

Пример Telegram канала с включенными комментариями.

Важность Дискуссионных Групп для Комментариев

Нативный способ комментирования постов в Telegram каналах тесно связан с дискуссионными группами. Каждый канал может быть связан с группой, которая служит своего рода "разделом комментариев" для всех постов этого канала. Когда пользователь оставляет комментарий к посту в канале, его сообщение фактически отправляется в эту связанную группу как ответ на автоматически пересланное сообщение поста. Если ваш канал не имеет привязанной дискуссионной группы, то нативные комментарии через Pyrogram будут невозможны. Активация этой функции происходит в настройках канала, где вы можете привязать существующую группу или создать новую.

Существуют также сторонние боты, такие как @CommentsBot или @DiscussBot, которые предлагают функциональность комментариев без привязки к дискуссионной группе, но они обычно работают через перенаправление пользователей на внешний веб-сервис или путем создания уникальных ссылок для каждого поста, что может быть менее удобным и не совсем "нативным". В данном скрипте предпочтение отдается нативному подходу с использованием дискуссионных групп.

Радар-диаграмма, иллюстрирующая возможности и потенциальные сложности автоматического AI-комментирования в Telegram. Каждый показатель оценивается по шкале от 0 до 10, где 10 — наивысший уровень.

Характеристика	Заглушка AI (Текущая реализация)	Локальная Small-AI (Например, ru-GPT3)	Облачный AI (Например, OpenAI GPT-3.5/4)
Требования к API ключам / Регистрации	Нет	Обычно нет (если развернута локально)	Да, обязательны
Качество Генерации Комментариев	Низкое (предопределенные фразы)	Среднее (зависит от модели и ресурсов)	Высокое (зависит от модели)
Поддержка Русского Языка	Да (если заданы русские фразы)	Да (если модель специально обучена)	Да (высокая)
Анализ Медиа (Vision AI)	Заглушка	Требует отдельной модели Vision AI	Может быть интегрировано (например, GPT-4o)
Требования к Ресурсам	Низкие	Высокие (CPU/GPU) для локального развертывания	Низкие (все на сервере провайдера)
Затраты	Нет	Затраты на развертывание и электроэнергию	Зависят от объема использования (платно)
Сложность Интеграции	Очень низкая	Средняя (настройка сервера, зависимостей)	Низкая (использование готовых SDK/API)

Часто Задаваемые Вопросы (FAQ)

Как получить API_ID и API_HASH для Pyrogram?

Вы можете получить их, авторизовавшись на официальном сайте Telegram API Development Tools. Зарегистрируйте новое приложение, и вам будут выданы API ID и API Hash.

Почему бот не оставляет комментарии в канале?

Скорее всего, ваш канал не имеет привязанной дискуссионной группы. Нативные комментарии в Telegram работают через такую группу. Вам необходимо связать группу с каналом в настройках канала. Также убедитесь, что бот имеет права на отправку сообщений в эту дискуссионную группу.

Какую нейросеть лучше использовать для генерации комментариев на русском языке?

Для высококачественной генерации рекомендуется использовать коммерческие модели, такие как OpenAI GPT-3.5-turbo или GPT-4. Если требуются бесплатные или локальные решения, можно рассмотреть русскоязычные модели на основе Hugging Face или GigaChat, если они предоставляют открытый доступ или API с приемлемыми лимитами.

Как скрипт отличает новые посты от старых?

Скрипт поддерживает словарь last_processed_posts, который хранит ID последнего обработанного поста для каждого канала. При запуске он инициализирует этот словарь, получая самый новый пост в каждом канале. При поступлении нового сообщения, он проверяет его ID: если оно меньше или равно уже обработанному, оно игнорируется как "архивное".

Что делать, если бот не отвечает на личные сообщения?

Убедитесь, что функция private_message_handler в коде активна и не закомментирована. Также проверьте, что фильтр filters.private & filters.incoming & ~filters.reply правильно настроен, чтобы отлавливать только прямые личные сообщения, а не ответы.

Заключение

Представленный Python-скрипт является мощной основой для создания интеллектуального Telegram-бота, способного автоматизировать взаимодействие в каналах. Он включает в себя логику для мониторинга новых постов, оставления реакций, генерации комментариев с помощью нейросети и ответов на личные сообщения. Важнейшим шагом для полноценной работы является интеграция реальной AI-модели, способной качественно анализировать текст и генерировать осмысленные русскоязычные ответы. Правильная настройка дискуссионных групп в Telegram каналах также является критически важным аспектом для успешного нативного комментирования. Этот инструмент открывает широкие возможности для автоматизации и повышения вовлеченности в Telegram-сообществах.