فرض کنید وارد یک هتل میشوید و پشت پیشخوان پذیرش فقط یک نفر نشسته است. از او میپرسید صبحانه چه ساعتی سرو میشود و جواب میدهد:
«از ۷ تا ۱۰ صبح.»
اگر کار این فرد فقط پاسخدادن به همین چند سؤال بود، احتمالاً یک تابلوی راهنما هم میتوانست جای او را بگیرد.
اما مسئول پذیرش فقط پاسخگوی سؤالها نیست. میتواند رزرو شما را بررسی کند، اتاق خالی پیدا کند، وضعیت پرداخت را ببیند، درخواست نظافت اتاق را برای بخش مربوط ارسال کند، تاکسی هماهنگ کند و نتیجه درخواست را هم پیگیری کند. شما فقط خواستهتان را مطرح میکنید؛ او میداند برای انجام آن باید سراغ کدام سیستم یا کدام بخش برود.
تصور بسیاری از ما از ربات تلگرام هنوز شبیه همان مسئول پذیرشی است که فقط ساعت صبحانه را اعلام میکند: /start میزنیم، چند دکمه میبینیم، یکی را انتخاب میکنیم و یک پاسخ از قبل تعیینشده دریافت میکنیم. اما وقتی ربات تلگرام را به هوش مصنوعی، API، دیتابیس و سرویسهای دیگر متصل کنید، ماجرا تغییر میکند. ربات دیگر فقط پاسخدهنده نیست؛ میتواند انجامدهنده کار باشد.
اهمیت این موضوع را وقتی بهتر میبینیم که به مقیاس استفاده از سرویسهای داخل تلگرام نگاه کنیم. تلگرام درباره Mini Appهای خود اعلام کرده است:
“More than 500 million out of Telegram’s 950 million users interact with mini apps every month.”
«بیش از ۵۰۰ میلیون نفر از ۹۵۰ میلیون کاربر تلگرام، هر ماه با Mini Appها تعامل دارند.»
این آمار مربوط به زمانی است که تلگرام ۹۵۰ میلیون کاربر را مبنای این گزارش قرار داده بود و نباید آن را تعداد فعلی کاربران تلگرام در نظر گرفت. بااینحال، مقیاس استفاده نشان میدهد که Botها و سرویسهای درون تلگرام دیگر یک قابلیت اضافی نیستند. خود Telegram نیز در مستندات Bot Platform از بیش از ۱۰ میلیون Bot روی این پلتفرم صحبت میکند.[1]
در این مقاله میخواهیم ابتدا ببینیم ربات تلگرام ساخته شده با هوش مصنوعی واقعاً چه کارهایی میتواند انجام دهد؛ از پاسخ به یک سؤال ساده تا فروش، بررسی سفارش، تحلیل فایل و تبدیلشدن به دستیار اجرایی یک کسبوکار. بعد هم سراغ بخش مهمتر میرویم: چطور با کمک AI و وایب کدینگ، بدون اینکه مجبور باشید تمام مسیر برنامهنویسی سنتی را طی کنید، اولین Telegram Bot خودتان را بسازید. ابتدای بهتر است با ربات تلگرام آشنا شویم
ربات تلگرام برنامهای است که از Telegram بهعنوان رابط ارتباط با کاربر استفاده میکند و در پشت این رابط میتواند از یک مدل هوش مصنوعی، دیتابیس، API یا سرویسهای دیگر برای فهم درخواست و انجام کار استفاده کند.
خود Telegram Bot API یک رابط مبتنی بر HTTP است و Bot میتواند پیامها و رویدادهای دریافتی را پردازش کند و متناسب با منطق برنامه به آنها پاسخ دهد.[2] هوش مصنوعی یک لایه دیگر به این ساختار اضافه میکند: بهجای اینکه برای تکتک جملههای احتمالی کاربر پاسخ ثابتی تعریف کنید، مدل AI میتواند منظور کاربر را از زبان طبیعی تشخیص دهد و براساس اطلاعات و ابزارهایی که در اختیارش گذاشتهاید، پاسخ یا اقدام مناسب را انتخاب کند.
یک ربات ساده ممکن است فقط چنین مسیری داشته باشد:
پیام مشخص ← دستور از قبل تعریفشده ← پاسخ مشخص
اما در یک ربات هوشمند میتوان مسیر را به این شکل طراحی کرد:
درخواست کاربر ← درک منظور ← انتخاب اقدام ← استفاده از اطلاعات یا ابزار ← انجام کار ← اعلام نتیجه
البته عبارت انجام کار نکته مهمی دارد. اتصال ChatGPT یا یک مدل هوش مصنوعی به ربات، بهتنهایی باعث نمیشود ربات بتواند موجودی فروشگاه شما را تغییر دهد یا وضعیت یک پرداخت را بررسی کند. برای هرکدام از این کارها باید دسترسی و ابزار لازم، مانند API فروشگاه یا دیتابیس سفارشها، در اختیار سیستم قرار بگیرد.
هوش مصنوعی میتواند مغز ربات باشد؛ اما برای انجام کار باید دست و ابزار مناسب هم در اختیار این مغز قرار دهید.این دست و ابزار از طریق اتصال APIهای مختلف به ربات میتوانند تعبیه شوند.
اگر Telegram Bot را فقط ابزاری برای پاسخ خودکار به پیامها بدانیم، بخش بزرگی از قابلیت آن را نادیده گرفتهایم. مستندات رسمی Telegram کاربردهایی مانند اتصال AI Agentها، مدیریت کسبوکار، دریافت پرداخت، ساخت ابزارهای اختصاصی، اتصال به سرویسها و دستگاهها، بازی و حتی Mini Appهایی با رابطهای بسیار گسترده را برای Bot Platform مطرح میکنند.[1]
در عمل، مرز قابلیت ربات بیشتر از آنکه به صفحه چت تلگرام وابسته باشد، به سرویسها، دادهها و دسترسیهایی بستگی دارد که پشت آن قرار میدهید.
سادهترین کاربرد، همان چیزی است که احتمالاً با شنیدن عبارت ربات هوشمند به ذهن میرسد. اطلاعات محصولات، خدمات، قوانین یا مستندات کسبوکار را در اختیار سیستم قرار میدهید و کاربر بهجای جستوجو میان چند صفحه، سؤالش را مستقیماً از ربات میپرسد.
اما حتی همین کاربرد را میتوان یک مرحله جلوتر برد.
کاربر ممکن است دقیقاً همان عبارتی را که شما در FAQ نوشتهاید استفاده نکند. مثلاً بهجای پرسش سوال شرایط مرجوعی چیست؟ بنویسد:
«این کفشو خریدم ولی سایزش کوچیکه، میتونم عوضش کنم؟»
AI میتواند منظور سؤال را تشخیص دهد و براساس سیاست مرجوعی فروشگاه پاسخ مناسب بدهد.
حالا از «اطلاعات عمومی» یک مرحله جلو میرویم.
فرض کنید مشتری مینویسد:
«سفارش ۱۲۵۴ من هنوز ارسال نشده؟»
پاسخ این سؤال دیگر داخل FAQ نیست. ربات باید سفارش ۱۲۵۴ را در سیستم شما پیدا کند، مطمئن شود اطلاعات متعلق به همان مشتری است، وضعیت سفارش را بخواند و نتیجه را برگرداند.
اگر API فروشگاه یا سیستم سفارشها را به Bot متصل کرده باشید، چنین Workflowی قابل پیادهسازی است. اینجا ربات از یک پاسخگوی ساده به واسط بین مشتری و سیستم کسبوکار شما تبدیل شده است. و شما به راحتی میتوانید نیروی کار خود را جایگزین کنید.
تلگرام میتواند رابط سادهای برای کار با بسیاری از مدلهای هوش مصنوعی باشد.
یک متن برای Bot بفرستید و از آن بخواهید خلاصهاش کند. فایل بفرستید و درباره محتوایش سؤال کنید. توضیحات اولیه یک محصول را ارسال کنید و خروجی ساختاریافته تحویل بگیرید.
حتی میتوان Workflowهای اختصاصی ساخت. مثلاً تیم محتوا یک Voice برای ربات ارسال کند؛ سیستم آن را به متن تبدیل کند، اطلاعات را استخراج کند و پیشنویس را برای بررسی انسان آماده کند.
در این سناریو تلگرام خودش ابزار تولید محتوا نیست؛ رابطی است که چند سرویس مختلف را پشت یک گفتوگوی ساده در اختیار شما قرار میدهد.
حالا تصور کنید بهجای بازکردن چند ابزار، یک Bot شخصی داشته باشید.
به آن پیام میدهید:
«این فایل رو خلاصه کن و سه نکتهای که باید فردا پیگیری کنم جدا کن.»
یا:
«این ایده رو ذخیره کن؛ بعداً وقتی درباره کمپین پاییز صحبت کردم یادم بنداز.»
اگر پشت Bot، مدل AI و سیستم ذخیرهسازی و ابزارهای موردنیاز را قرار دهید، میتوانید چنین دستیارهایی را برای Workflowهای مشخص طراحی کنید.
نکته اصلی این است که قابلیتها باید واقعاً پیادهسازی و متصل شوند؛ صرفاً نوشتن یک Prompt به مدل، حافظه دائمی یا دسترسی به سرویسهای دیگر ایجاد نمیکند.
اینجا Telegram Bot برای مدیر کسبوکار جذابتر میشود. بهجای ورود به پنلهای مختلف، میتوانید سیستمی طراحی کنید که مدیر داخل تلگرام بنویسد:
فروش دیروز چقدر بود؟
Bot درخواست را تشخیص میدهد، داده را از منبع مجاز دریافت میکند و نتیجه را برمیگرداند.
مرحله بعد حتی میتواند این باشد:
با میانگین فروش ۷ روز گذشته مقایسهاش کن و محصولاتی که افت بیشتری داشتند بهم بگو.
در این حالت AI فقط عدد را نمایش نمیدهد؛ میتواند داده دریافتشده را براساس دستور شما تحلیل و به زبان قابلفهم گزارش کند.
این کاربرد میتواند بخشی از هزینه پشتیبانی فروشگاه را از طریق کاهش نیروی انسانی،کمتر کند؛ چون تعداد زیادی از درخواستهای تکراری کاربران درباره وضعیت سفارش، ثبت پرداخت یا ارسال است، میتوان این وظیفه و پاسخگویی به آن را به رابط محول کرد.
مثلاً مشتری شماره سفارش را ارسال میکند. ربات پس از احراز هویت مناسب، از API یا سیستم سفارش اطلاعات لازم را میگیرد و اعلام میکند:
پرداخت سفارش تأیید شده و سفارش در مرحله آمادهسازی است.
اما اینجا باید مرز مهمی را رعایت کنیم: AI نباید خودش درباره موفق یا ناموفقبودن تراکنش حدس بزند. وضعیت پرداخت باید از منبع معتبر پرداخت یا سیستم سفارش دریافت شود و AI فقط در فهم درخواست یا ارائه نتیجه نقش داشته باشد.
ربات تلگرام حتی میتواند وارد فرایند فروش شود. Telegram برای Botها قابلیت پرداخت دارد و Bot میتواند Invoice برای کاربران ارسال کند.[3]
برای محصولات و خدمات فیزیکی، Telegram امکان استفاده از Payment Providerهای ثالث را فراهم کرده است؛ برای کالاها و خدمات دیجیتال داخل اپهای Telegram نیز قواعد جداگانهای وجود دارد و پرداخت در این سناریو با Telegram Stars انجام میشود.[4]
بنابراین سناریویی مانند این از نظر فنی قابل طراحی است:
انتخاب محصول ← ثبت سفارش ← پرداخت ← تأیید تراکنش ← ثبت سفارش ← ارسال نتیجه
حتی Telegram Mini Apps میتوانند رابطهای مبتنی بر JavaScript را داخل خود Telegram اجرا کنند و تجربهای بسیار فراتر از چند دکمه ساده Bot بسازند.[5]
فرض کنید یک لید از طریق Telegram با شما ارتباط برقرار میکند. بهجای اینکه اپراتور اطلاعات او را دستی در CRM وارد کند، Bot میتواند براساس Workflow تعریفشده اطلاعات موردنیاز را دریافت و از طریق API در CRM ثبت کند.
در ادامه حتی میتوان عملیاتی مانند پیدا کردن سابقه مشتری، ثبت یادداشت، تغییر مرحله مشخصی از فرایند فروش یا ارجاع درخواست به فرد مربوط را طراحی کرد؛ البته فقط در محدوده دسترسیهایی که عمداً برای Bot تعریف شدهاند.
اینجا Telegram Bot دیگر فقط ابزار ارتباط با مشتری نیست؛ میتواند یکی از ورودیهای فرایند فروش و پشتیبانی کسبوکار باشد.
کمی عجیبترش کنیم.
فرض کنید مدیر فروشگاه داخل Telegram مینویسد:
محصول X رو ناموجود کن.
اگر فروشگاه API مناسب داشته باشد و Bot مجوز مشخصی برای این عملیات داشته باشد، درخواست میتواند به یک Action واقعی تبدیل شود.
یا:
سفارشهای امروز که پرداخت شدهاند ولی هنوز ارسال نشدهاند رو بهم بده.
ربات داده را دریافت و نتیجه را در همان چت نمایش میدهد.
در عملیات حساس بهتر است یک مرحله تأیید هم تعریف شود:
درخواست مدیر ← نمایش تغییر پیشنهادی ← تأیید مدیر ← اجرای تغییر ← گزارش نتیجه
این یک مرحله اضافه، جلوی بخشی از خطاهایی را میگیرد که ممکن است در اثر برداشت اشتباه AI از درخواست ایجاد شوند.
اگر API ابزارهای موردنیاز در دسترس باشد، حتی میتوان یک دستیار اختصاصی برای بخشی از فعالیتهای سئو ساخت.
مثلاً URL را برای Bot ارسال کنید و Workflow تعریفشده اطلاعات موردنیاز را جمعآوری کند؛ یا گزارش مشخصی از دادههای یک منبع متصل بسازد.
حتی میتوانید دستورهای داخلی مشخصی داشته باشید:
URLهای جدیدی که باید بررسی شوند را نشان بده.
یا:
دادههای این صفحه را با هفته قبل مقایسه کن.
دوباره اصل همان است: Telegram رابط است، AI درخواست را میفهمد و منبع داده متصلشده اطلاعات واقعی را تأمین میکند.
Bot API امکان کار با انواع مختلف پیام و فایل را فراهم میکند.[2] اگر این ورودیها را به سرویس مناسب متصل کنید، ربات میتواند Workflowهای چندرسانهای داشته باشد.
مثلاً:
PDF میفرستید ← متن پردازش میشود ← سؤال میپرسید ← پاسخ براساس فایل دریافت میکنید.
Voice میفرستید ← صوت به متن تبدیل میشود ← نکات اصلی استخراج میشوند.
تصویر میفرستید ← مدل دارای قابلیت بینایی آن را بررسی میکند ← خروجی موردنیاز برمیگردد.
در نتیجه Telegram میتواند به ورودی سادهای برای مجموعهای از ابزارهای AI تبدیل شود.
اینجا به بخش جالبتر ماجرا میرسیم.
فرض کنید مینویسید:
سفارشهای پرداختشده امروز که هنوز ارسال نشدهاند رو پیدا کن و اگر بیشتر از ۲۴ ساعت گذشته، لیستشون رو برای من آماده کن.
برای انجام چنین درخواستی ممکن است Bot مجبور باشد به سیستم سفارش، اطلاعات پرداخت و داده ارسال دسترسی داشته باشد.
یا مثلاً:
لیدهایی که این هفته وارد CRM شدن ولی هنوز کسی باهاشون تماس نگرفته رو پیدا کن و براساس ارزش احتمالی مرتب کن.
ظاهر کار هنوز یک چت ساده Telegram است؛ اما پشت این چت چند سیستم در حال همکاری هستند.
این همان جایی است که دوباره به پیشخوان هتل برمیگردیم.
یک دستیار اجرایی خوب قرار نیست فقط به شما اطلاعات بدهد. درخواست را میگیرد، اطلاعات لازم را پیدا میکند، سراغ ابزار مناسب میرود، اقدام مجاز را انجام میدهد و نتیجه را گزارش میکند.
با ترکیب Telegram Bot، هوش مصنوعی و ابزارهای متصل میتوان برای Workflowهای مشخص چنین ساختاری ایجاد کرد.
شما مینویسید:
گزارش فروش این هفته رو آماده کن.
یا:
این مشتری رو پیدا کن و آخرین وضعیت سفارشهاش رو بگو.
یا حتی:
این محصول رو ناموجود کن.
اما هرچه از «خواندن اطلاعات» به «تغییر اطلاعات» نزدیک میشویم، سطح کنترل باید بیشتر شود. دادن اجازه خواندن گزارش فروش با دادن اجازه تغییر قیمت، حذف محصول یا انجام عملیات مالی یکسان نیست.
توانایی بیشتر Bot باید با دسترسی محدودتر، تأیید انسانی و کنترل امنیتی متناسب همراه شود.
اگر چند سال قبل تصمیم میگرفتید یک Telegram Bot اختصاصی بسازید، مسیر معمول این بود که ابتدا یک زبان برنامهنویسی انتخاب کنید، نحوه کار با Bot API را یاد بگیرید، درخواستهای HTTP و ساختار JSON را بفهمید، پیامهای ورودی را مدیریت کنید، منطق برنامه را بنویسید، دیتابیس و APIهای لازم را متصل کنید و در نهایت پروژه را روی یک سرور اجرا کنید.
حتی آموزش رسمی Telegram برای ساخت Bot از مفاهیمی مانند Token، Dependency، Library/Framework، دریافت Updateها، دیتابیس و Hosting عبور میکند.[6]
اگر برنامهنویس باشید، این مسیر عجیب نیست. مسئله زمانی شروع میشود که ایدهای برای یک Bot دارید اما برای تبدیل آن به محصول اولیه باید ابتدا مجموعهای از مهارتهای فنی را یاد بگیرید یا توسعه پروژه را به برنامهنویس بسپارید.
هوش مصنوعی این معادله را تغییر داده است.
قبلاً مسیر تقریباً چنین بود:
ایده ← یادگیری فنی یا برنامهنویس ← کدنویسی ← اجرا ← تست ← اصلاح ← ربات
حالا در بسیاری از پروژههای ساده میتوان از مسیر دیگری شروع کرد:
ایده ← توضیح خواسته به AI ← تولید نسخه اولیه ← اجرا ← بررسی ← اصلاح با Prompt ← ربات
این تغییر به این معنی نیست که برنامهنویسی دیگر اهمیت ندارد. AI میتواند بخش بزرگی از تولید کد را انجام دهد، اما همچنان ممکن است کد اشتباه، ناامن یا ناکارآمد تولید کند. تفاوت اصلی این است که برای رسیدن از «ایده» به «اولین نسخه قابل اجرا»، دیگر الزاماً مجبور نیستید تمام کد را شخصاً از صفر بنویسید.
یکی از مسیرهای جدید برای این کار Vibe Coding است.
در Vibe Coding بهجای اینکه ابتدا ساختار تمام فایلها، کلاسها و توابع را خودتان طراحی و خطبهخط پیادهسازی کنید، چیزی را که میخواهید با زبان طبیعی برای یک Coding Agent توضیح میدهید. AI کد را ایجاد میکند، شما نتیجه را اجرا و بررسی میکنید و با Promptهای بعدی پروژه را مرحلهبهمرحله تغییر میدهید.
برای Telegram Bot این روش بسیار ملموس است؛ چون میتوانید از یک درخواست کوچک شروع کنید:
یک ربات تلگرام بساز که هر پیامی دریافت کرد، همان پیام را برگرداند.
وقتی این نسخه کار کرد:
حالا پیام کاربر را برای مدل هوش مصنوعی بفرست و پاسخ مدل را در تلگرام نمایش بده.
بعد:
اگر کاربر شماره سفارش فرستاد، وضعیت سفارش را از API فروشگاه بررسی کن.
در واقع پروژه را با Promptهای متوالی رشد میدهید.
اما یک اصل را فراموش نکنید: Vibe Coding میتواند نوشتن کد را برای شما ساده کند؛ اما وظیفه بررسی و تست امنیت و خروجی مدل با شماست.
هرچه Bot به پرداخت، اطلاعات مشتری، دیتابیس اصلی یا دسترسی مدیریتی نزدیکتر شود، بررسی فنی و امنیتی اهمیت بیشتری پیدا میکند.
برای اینکه آموزش صرفاً مجموعهای از مراحل بیارتباط نباشد، یک پروژه مشخص را جلو میبریم:
یک ربات پشتیبانی فروشگاه که در نسخه اول با AI به کاربران پاسخ میدهد و در مراحل بعد بتواند وضعیت سفارش را بررسی کند.
در این پروژه لازم نیست تمام کدها را خودتان بنویسید. هدف این است که وظیفه هر مرحله را بفهمید و از Coding Agent برای پیادهسازی آن استفاده کنید.
اشتباه رایج این است که کار را با چنین Promptی شروع کنیم:
یه ربات تلگرام فروشگاهی خفن برام بساز.
AI نمیداند خفن برای شما دقیقاً یعنی چه.
پیش از ساخت، Workflow نسخه اول را مشخص کنید:
پیام کاربر ← دریافت توسط Bot ← ارسال به AI ← دریافت پاسخ ← نمایش پاسخ در Telegram
همین کافی است.
قرار نیست در نسخه اول پرداخت، CRM، پنل مدیریت، گزارش فروش و ۲۰ قابلیت دیگر را اضافه کنیم.
اول کوچکترین نسخهای را بسازید که یک مسیر کامل را از ابتدا تا انتها انجام میدهد.
برای ساخت Bot باید در Telegram به BotFather مراجعه کنید و دستور /newbot را اجرا کنید. BotFather نام و Username ربات را دریافت میکند و در نهایت یک Authentication Token در اختیار شما قرار میدهد.[7]
این Token چیزی شبیه رمز دسترسی برنامه شما به Bot است.
Telegram صراحتاً توصیه میکند Token را امن نگه دارید؛ هرکسی که به آن دسترسی پیدا کند میتواند Bot شما را کنترل کند.[7]
اگر Token افشا شد، آن را از طریق BotFather باطل و Token جدید ایجاد کنید.
حالا نوبت Coding Agent است.
بهجای اینکه بگویید «ربات بساز»، Context بدهید. مثلاً Prompt اولیه میتواند چنین مفهومی داشته باشد:
یک Telegram Bot فارسی برای پشتیبانی فروشگاه میخواهم. در نسخه اول، Bot باید پیام متنی کاربر را دریافت کند، آن را برای مدل هوش مصنوعی بفرستد و پاسخ را در همان چت نمایش دهد. Tokenها و API Keyها نباید داخل کد Hardcode شوند و باید از Environment Variable خوانده شوند. پروژه را ساده و قابل اجرا نگه دار و مراحل اجرا را هم توضیح بده.
این Prompt هنوز کامل نیست؛ اما وظیفه، ورودی، خروجی و یک محدودیت امنیتی مهم را مشخص کرده است.
Coding Agent میتواند براساس محیط و زبان انتخابی پروژه، فایلهای لازم را ایجاد کند.
در این مرحله هنوز سراغ فروشگاه نمیرویم.
ابتدا مطمئن شوید ارتباط ساده با Telegram برقرار است.
پیام بدهید:
سلاماگر Bot پیام را دریافت میکند و پاسخ مورد انتظار را برمیگرداند، یک بخش از زنجیره درست کار میکند.
اگر کار نمیکند، بهجای اینکه از AI بخواهید «همهچیز را درست کند»، خطا و Context را به آن بدهید:
هنگام اجرای پروژه این خطا را دریافت میکنم: [متن خطا]. فایلهای مرتبط را بررسی کن، علت را توضیح بده و فقط تغییرات لازم برای رفع همین خطا را انجام بده.
این شیوه کنترل بیشتری نسبت به Prompt مبهم «درستش کن» به شما میدهد.
وقتی ارتباط Telegram درست شد، مرحله بعد اتصال مدل AI است.
Workflow حالا میشود:
کاربر ← Telegram Bot ← مدل AI ← Telegram Bot ← کاربر
API Key مدل هوش مصنوعی هم مانند Token تلگرام یک Secret است و نباید در Repository عمومی یا کد سمت کاربر قرار بگیرد.
در این مرحله یک System Instruction مناسب هم تعریف کنید. مثلاً مشخص کنید Bot دستیار پشتیبانی چه فروشگاهی است، چه موضوعاتی را میتواند پاسخ دهد و در چه مواردی باید کاربر را به پشتیبان انسانی ارجاع دهد.
بعد با سؤالهای مختلف امتحان کنید.
فقط Happy Path را تست نکنید. سؤال نامرتبط، پیام خیلی بلند، ورودی خالی، خطای API و قطع سرویس را هم در نظر بگیرید.
حالا Bot ما پاسخ میدهد؛ اما هنوز چیزی از سفارش واقعی مشتری نمیداند.
مرحله بعدی:
کاربر: سفارش ۱۲۵۴ من کجاست؟
در این مرحله AI باید تشخیص دهد که کاربر درباره سفارش سؤال کرده است. سپس سیستم باید اطلاعات لازم را از منبع واقعی سفارش دریافت کند.
Workflow:
سؤال کاربر ← تشخیص درخواست پیگیری ← اعتبارسنجی/احراز هویت ← دریافت اطلاعات سفارش ← ساخت پاسخ ← نمایش نتیجه
این همان لحظهای است که Bot از یک Chatbot عمومی به ابزار واقعی کسبوکار نزدیک میشود.
برای اینکه Bot وضعیت واقعی سفارش را بداند، باید منبع اطلاعات را مشخص کنید.
اگر فروشگاه API دارد، Endpoint و روش احراز هویت آن را در اختیار Coding Agent قرار دهید؛ اما Secretهای واقعی را مستقیماً داخل Prompt یا کد قرار ندهید.
به AI توضیح دهید:
وقتی کاربر درخواست پیگیری سفارش داشت، پس از احراز هویت مناسب، شماره سفارش را دریافت کن و وضعیت آن را از API فروشگاه بخوان. اگر سفارش وجود نداشت، اطلاعاتی جعل نکن و پیام مناسب نمایش بده.
عبارت آخر مهم است.
اگر API پاسخی نداد، AI نباید وضعیت سفارش را حدس بزند.
حالا میتوانیم Workflow را یک مرحله کاملتر کنیم.
مثلاً سیستم سفارش این وضعیتها را برگرداند:
Bot میتواند این داده ساختاریافته را به یک پاسخ قابلفهم تبدیل کند.
اما درباره پرداخت، مرز مشخصی تعریف کنید:
❌ «به نظر میرسد پرداخت شما موفق بوده است.»
✅ «سیستم پرداخت وضعیت این سفارش را paid گزارش کرده است.»
در مسائل مالی منبع معتبر باید تصمیمگیرنده باشد، نه برداشت مدل زبانی.
Telegram نیز برای Botها ساختارهای مشخصی برای Invoice، Pre-checkout و Successful Payment دارد؛ بنابراین اگر پرداخت را مستقیماً در Telegram پیادهسازی میکنید، باید Workflow رسمی پرداخت و الزامات مربوط به نوع کالای فیزیکی یا دیجیتال را رعایت کنید.[3][4]
این مرحله را نباید به چند پیام دادم و جواب داد محدود کنید.
سناریو بسازید:
اگر شماره سفارش اشتباه بود چه اتفاقی میافتد؟
اگر API فروشگاه Down بود چه؟
اگر کاربر تلاش کرد سفارش فرد دیگری را ببیند چه؟
اگر AI دستور کاربر را اشتباه تشخیص داد چه؟
اگر پاسخ سرویس ناقص بود چه؟
اگر یک عملیات حساس دوبار اجرا شد چه؟
برای هر مسیر مهم، رفتار مورد انتظار را مشخص کنید.
کارکردن یک سناریو به معنی آمادهبودن Bot برای استفاده واقعی نیست.
وقتی هسته اصلی درست کار کرد، توسعه جذاب میشود.
حالا میتوانید بگویید:
اگر سفارش ارسال شده بود، کد رهگیری را هم نمایش بده.
بعد:
امکان ارتباط با پشتیبان انسانی را اضافه کن.
بعد:
مدیر بتواند با دستور مشخص گزارش سفارشهای امروز را دریافت کند.
بعد:
قبل از هر عملیاتی که اطلاعات فروشگاه را تغییر میدهد، تأیید مدیر را بگیر.
در این مدل، پروژه را بهجای یک Prompt بسیار بزرگ، با مجموعهای از تغییرات کوچک جلو میبرید.
این دقیقاً جایی است که Vibe Coding برای کسی که ایده دارد اما نمیخواهد تمام جزئیات کدنویسی را از صفر انجام دهد، کاربردی میشود.
برای اضافهکردن قابلیت جدید، قبل از Prompt نوشتن پنج سؤال را پاسخ دهید:
مثلاً میخواهید Bot بتواند موجودی محصول را تغییر دهد.
نیاز: تغییر موجودی محصول
اطلاعات لازم: شناسه محصول + موجودی جدید
سرویس: API فروشگاه
دسترسی: فقط تغییر موجودی، نه حذف محصول یا تغییر اطلاعات مالی
کنترل: نمایش تغییر و دریافت تأیید مدیر پیش از اجرا
حالا Prompt شما بسیار دقیقتر میشود.
این رویکرد یک مزیت مهم دیگر هم دارد: اگر بعداً مشکلی ایجاد شود، میدانید کدام قسمت Workflow را باید بررسی کنید. مسئله ممکن است از فهم درخواست توسط AI نباشد؛ شاید API خطا داده، احراز هویت شکست خورده یا داده ورودی معتبر نبوده است.
هر قابلیت را به یک Workflow قابل بررسی تبدیل کنید؛ نه یک «توانایی جادویی AI».
سادگی ساخت نسخه اولیه ممکن است باعث شود خیلی زود تصور کنیم پروژه تمام شده است. بیشترین ریسک معمولاً زمانی ایجاد میشود که Prototype بدون بررسی کافی وارد محیط واقعی شود.
اگر اولین Prompt شما شامل فروشگاه، CRM، پرداخت، پنل مدیریت، گزارشگیری، هوش مصنوعی، Voice و ده API مختلف باشد، وقتی چیزی کار نکند پیدا کردن علت سخت میشود.
از یک مسیر کوچک شروع کنید.
پیام ← پاسخ
بعد:
پیام ← AI ← پاسخ
بعد:
شماره سفارش ← API ← وضعیت سفارش
هر مرحله را تست کنید و بعد قابلیت بعدی را اضافه کنید.
Token ربات، API Key، رمز دیتابیس و Credentialهای سرویسها اطلاعات حساس هستند.
Telegram نیز Token Bot را معادل دسترسی کنترلی به Bot میداند و توصیه میکند آن را امن نگه دارید.[7]
Secretها را در محل مناسب محیط اجرا نگهداری کنید و دسترسی هر Credential را تا حد امکان محدود کنید.
کدی که بدون Error اجرا میشود الزاماً امن یا درست نیست.
ممکن است احراز هویت ناقص باشد. ممکن است Bot اجازه مشاهده سفارش کاربران دیگر را بدهد. ممکن است یک Action دوبار اجرا شود. ممکن است اطلاعات حساس در Log ذخیره شوند.
برای پروژه آزمایشی، هزینه چنین خطاهایی ممکن است پایین باشد. برای Bot متصل به فروشگاه واقعی، CRM یا سیستم مالی، ماجرا متفاوت است.
اگر Bot فقط باید سفارش را بخواند، چرا باید اجازه حذف سفارش داشته باشد؟
اگر فقط گزارش فروش میخواهد، چرا باید بتواند قیمت محصولات را تغییر دهد؟
اصل Least Privilege را رعایت کنید: هر سرویس فقط حداقل دسترسی لازم برای وظیفه خودش را دریافت کند.
بین این دو دستور تفاوت زیادی وجود دارد:
گزارش موجودی را بده.
و:
موجودی محصول را صفر کن.
اولی Read است؛ دومی Action ایجاد میکند.
برای عملیات حساس میتوانید تأیید انسانی تعریف کنید:
درخواست ← بررسی ← نمایش اقدام پیشنهادی ← تأیید انسان ← اجرا ← ثبت نتیجه
هرچه هزینه اشتباه بیشتر باشد، اتکای کامل به تصمیم خودکار AI کمتر منطقی است.
پرداخت جایی برای احتمالاً درست کار میکند نیست.
Telegram در مستندات Payments خود نیز بر تست، پایداری زیرساخت و نگهداری صحیح اطلاعات تراکنش تأکید میکند.[3]
اگر Bot قرار است پرداخت، اعتبار، موجودی، سفارش یا اطلاعات مشتری را تغییر دهد، مسیرهای موفق و ناموفق را جداگانه آزمایش کنید و برای خطاها رفتار مشخص داشته باشید.
برای ساخت اولین Prototype ساده، الزاماً لازم نیست بتوانید تمام کد پروژه را خودتان بنویسید. Coding Agentها میتوانند بخش بزرگی از کدنویسی را براساس توضیحات طبیعی انجام دهند.
اما بدون کدنویسی را نباید با بدون دانش فنی و بدون بررسی اشتباه گرفت.
اگر برنامهنویسی بلد باشید، راحتتر میتوانید ساختار پروژه را بررسی کنید، خطا را پیدا کنید، امنیت کد را ارزیابی کنید و متوجه شوید AI دقیقاً چه چیزی را تغییر داده است.
اگر برنامهنویسی بلد نیستید، بهتر است از پروژهای شروع کنید که هزینه خطای پایینی دارد. یک Bot شخصی، Prototype یا ابزار داخلی ساده نقطه شروع مناسبتری از Botی است که از روز اول به اطلاعات مالی هزاران مشتری دسترسی دارد.
هرچه ارزش داده و هزینه خطا بیشتر شود، نیاز به کنترل فنی هم بیشتر میشود.
بنابراین سؤال اصلی فقط این نیست که « آیا AI میتواند این Bot را برای من بسازد؟»
سؤال بهتر این است:
اگر این Bot اشتباه کند، چه اتفاقی میافتد و چه کسی میتواند قبل از ایجاد خسارت متوجه اشتباه شود؟
برگردیم به هتلی که ابتدای مقاله وارد آن شدیم.
اگر فرد پشت پیشخوان فقط جواب چند سؤال ثابت را بداند، با یک پاسخگوی ساده طرف هستیم.
اما اگر بتواند درخواست شما را بفهمد، رزرو را در سیستم پیدا کند، پرداخت را بررسی کند، با بخشهای دیگر هماهنگ شود و نتیجه را برگرداند، پیشخوان به نقطه دسترسی شما به مجموعهای از خدمات تبدیل میشود.
Telegram Bot هم میتواند همین نقش را داشته باشد.
آنچه کاربر میبیند ممکن است فقط یک صفحه Chat باشد؛ اما پشت آن میتواند AI، فروشگاه، CRM، دیتابیس، سیستم گزارشگیری، ابزارهای داخلی یا چند API مختلف قرار گرفته باشد.
برای شروع لازم نیست همه اینها را بسازید.
یک کار واقعی انتخاب کنید.
مثلاً: وضعیت سفارش مشتری را اعلام کن.
نسخه اول را بسازید. تست کنید. خطاهایش را پیدا کنید. بعد قابلیت بعدی را اضافه کنید.
Vibe Coding فاصله بین ایده و اولین نسخه را کوتاهتر کرده است؛ اما کیفیت محصول نهایی همچنان به کیفیت تصمیمها، تستها و کنترلهایی بستگی دارد که در مسیر ساخت اعمال میکنید.
با کمک Coding Agentها میتوان بخش زیادی از کدنویسی یک Bot ساده را با توضیح زبان طبیعی انجام داد. بااینحال برای پروژههای واقعی همچنان باید اجرای کد، تنظیم Secretها، اتصال سرویسها، تست و امنیت را مدیریت کنید. هرچه پروژه حساستر باشد، بررسی فنی اهمیت بیشتری پیدا میکند.
یک مدل یا ابزار کدنویسی مبتنی بر AI میتواند در طراحی ساختار، تولید کد، رفع خطا و توسعه قابلیتهای Telegram Bot کمک کند. اما Bot باید در محیط مناسب اجرا شود و برای قابلیتهای واقعی به Telegram Bot API و سرویسهای موردنیاز متصل شود. صرف یک گفتوگو با AI باعث فعالشدن Bot در Telegram نمیشود.
انتخاب ابزار به پروژه بستگی دارد. برای مسیر Vibe Coding، ابزاری مناسبتر است که بتواند فایلهای پروژه را ایجاد و ویرایش کند، کد را در Context پروژه ببیند و در رفع خطا کمک کند. معیار اصلی نام ابزار نیست؛ توانایی ساخت، اجرا، بررسی و اصلاح مرحلهای پروژه است.
بله، اگر سایت یا فروشگاه API یا روش اتصال مناسبی داشته باشد، Bot میتواند برای عملیات تعریفشده به آن متصل شود. سطح دسترسی باید براساس نیاز محدود شود و عملیات حساس بهتر است کنترل و تأیید جداگانه داشته باشند.
بله. Telegram برای Botها قابلیت Payments دارد و Mini Apps نیز میتوانند رابطهای تعاملی بسیار گستردهای داخل Telegram ایجاد کنند.[3][5] قوانین پرداخت برای محصولات فیزیکی و کالاها و خدمات دیجیتال یکسان نیست؛ بنابراین نوع محصول باید پیش از پیادهسازی مشخص شود.[4]
بله، در صورتی که Bot به منبع معتبر وضعیت پرداخت دسترسی داشته باشد. اگر پرداخت با Telegram Payments انجام شود، Bot API رویدادها و Objectهای مشخصی برای فرایند پرداخت دارد.[2] اگر پرداخت در سیستم دیگری انجام شده، وضعیت باید از API یا Backend معتبر همان سیستم دریافت شود؛ مدل AI نباید موفقیت تراکنش را حدس بزند.
بله. خود Telegram در معرفی Bot Platform، اتصال AI Agentها و Chatbotها را یکی از کاربردهای Botها معرفی میکند.[1] معمولاً Backend ربات پیام را دریافت میکند، آن را برای مدل AI میفرستد و پاسخ یا Action موردنیاز را مدیریت میکند.
برای Botهای پشتیبانی، دستیارهای داخلی، ابزارهای شخصی، گزارشگیری، اتوماسیون Workflowها و Prototypeها میتواند گزینه مناسبی باشد. برای پروژههایی که به پرداخت، اطلاعات حساس مشتری یا دسترسی مدیریتی متصلاند نیز قابل استفاده است، اما سطح تست، امنیت، محدودیت دسترسی و نظارت انسانی باید متناسب با ریسک افزایش پیدا کند.
Token یک Credential حساس است و Telegram توصیه میکند آن را مانند رمز عبور نگهداری کنید و با دیگران به اشتراک نگذارید.[6] در پروژه بهتر است Token از Environment Variable یا Secret Management محیط اجرا خوانده شود و داخل کد، Repository عمومی یا محتوای Prompt ذخیره نشود.
بله. Telegram Bot پروژه مناسبی برای شروع Vibe Coding است؛ چون میتوان آن را مرحلهای توسعه داد: ابتدا دریافت پیام، بعد پاسخ، سپس اتصال AI و در مراحل بعد اتصال APIها و قابلیتهای واقعی. بااینحال برای استفاده عملی، کد تولیدشده و دسترسیهای Bot باید متناسب با ریسک پروژه بررسی و تست شوند.
عدد ثابتی ندارد. هزینه میتواند شامل سرویس AI، Hosting، دیتابیس، APIهای ثالث، ابزار Coding Agent و هزینه توسعه یا بررسی فنی باشد. یک Prototype شخصی ممکن است با هزینه کمی اجرا شود؛ اما Bot تجاری با کاربران زیاد، پردازش AI سنگین و چند سرویس متصل، زیرساخت و هزینه متفاوتی خواهد داشت.
این محتوا با روش گردآوری، تطبیق و بازنویسی منابع معتبر انگلیسیزبان تدوین شده است. برای قابلیتهای Telegram Bot، ساخت Bot، Token، Payments و Mini Apps از مستندات رسمی Telegram استفاده شده است. سناریوهایی مانند دستیار سئو، گزارش فروش، اتصال CRM و ربات پیگیری سفارش، مثالهای آموزشی برای توضیح نحوه طراحی Workflow هستند و بهعنوان قابلیت آماده و پیشفرض Telegram معرفی نشدهاند.
/newbot، دریافت Authentication Token و الزامات نگهداری امن Token.