Чат-бот на Claude для сайта я собираю по одной и той же схеме уже больше двух лет: подключение API, системный промпт с границами поведения, база знаний под RAG и виджет на фронте. Разница между «работает красиво» и «отвечает невпопад» почти всегда в деталях настройки, а не в выборе модели. Ниже разбираю по частям, из чего состоит такая интеграция и что реально влияет на качество ответов.
Что делает чат-бот на Claude на сайте компании
По факту это не «умный поиск по FAQ», а ассистент, который читает вопрос пользователя, сверяется с загруженными документами о компании и формулирует ответ своими словами, а не копирует кусок текста из базы. Разница заметна сразу: обычный бот на ключевых словах отвечает на «сколько стоит доставка» только если фраза совпадает с шаблоном, а бот на Claude поймёт и «а довезёте за город», и «сколько ждать посылку в область», потому что работает с смыслом, а не с точным совпадением строки.
На практике такие боты закрывают три задачи: отвечают на вопросы по товарам и услугам без участия оператора, квалифицируют лида перед передачей менеджеру (уточняют бюджет, регион, сроки) и снимают часть однотипных обращений в поддержку. У одного клиента с интернет-магазином на WooCommerce бот забрал на себя процентов 60 вопросов про статусы заказов и доставку СДЭК, оставив живым операторам спорные случаи и возвраты.
Из чего собирается интеграция: API, бэкенд, виджет
Схема простая, но каждый узел важен:
- Виджет на фронте - окно чата, которое подгружается на страницы сайта, обычно асинхронным скриптом, чтобы не тормозить загрузку
- Бэкенд-прокси - сервер, который принимает сообщение от виджета, добавляет системный промпт и контекст из базы знаний, дергает Claude API и возвращает ответ. Без прокси ключ API пришлось бы светить в браузере, а это прямой путь к тому, что кто-то за неделю выкачает весь лимит
- Хранилище диалогов и логов - без него невозможно понять, на каких вопросах бот срывается и где не хватает данных в базе знаний
- Модель - для большинства чат-ботов на сайте хватает Claude Haiku 4.5: она быстрая и ощутимо дешевле в расчёте на токен, а для задач, где нужны более длинные рассуждения и точность в нюансах (юридические формулировки, сложные тарифные условия), беру Claude Sonnet 5
Ответы обычно отдаю потоково (streaming), через Server-Sent Events: пользователь видит, как текст печатается по кусочкам, а не ждёт 5-7 секунд молчания и потом получает стену текста разом. Разница в восприятии скорости огромная, хотя итоговое время ответа одинаковое.
Вот как выглядит минимальная встройка виджета в кастомный HTML-блок:
<div id="claude-chat-widget"></div>
<script src="https://yourdomain.ru/widget/claude-chat.js" data-bot-id="your-bot-id" async></script>Сам виджет достраивает интерфейс через JS и стучится на бэкенд-прокси, а не напрямую в Anthropic.
Системный промпт и границы ответов
Это тот узел, где чаще всего теряют время и деньги. Системный промпт задаёт роль бота, тон общения, список тем, на которые можно отвечать, и явные запреты: не обсуждать конкурентов, не давать медицинские или юридические консультации, не придумывать цены, которых нет в базе.
Без жёстких границ модель иногда додумывает детали, которых не было в документах: называет несуществующие акции, обещает сроки доставки «на глаз». Лечится это не одной фразой «отвечай только по документам», а связкой из нескольких приёмов: явная инструкция ссылаться исключительно на переданный контекст, требование говорить «не знаю, уточню у менеджера» при отсутствии данных, и ограничение длины ответа, чтобы бот не растекался мыслью там, где хватило бы двух предложений.
Отдельно настраиваю сценарий передачи на человека: если пользователь три раза подряд не получает нужный ответ или явно просит оператора, бот фиксирует это в логе и показывает кнопку связи с менеджером или ссылку на Telegram. Полностью заменять человека такой бот не должен - его задача снять рутину, а не изображать живого сотрудника там, где нужна ответственность за решение.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
База знаний и RAG: бот отвечает по вашим документам
RAG (Retrieval-Augmented Generation) - механизм, при котором перед обращением к модели система находит несколько релевантных кусков из базы знаний компании и подкладывает их в запрос вместе с вопросом пользователя. Модель ничего не выдумывает про ваш бизнес, а формулирует ответ на основе конкретных абзацев из прайса, договора оферты, инструкций по товару.
Базу собираю из того, что уже есть у клиента: PDF с прайсом, страницы FAQ, карточки товаров, документы с условиями доставки и возврата. Тексты режутся на смысловые куски (чанки), каждый превращается в векторное представление и складывается в хранилище, откуда бот на лету достаёт релевантные фрагменты под конкретный вопрос.
Качество ответов процентов на 70 зависит именно от того, насколько аккуратно собрана и структурирована база, а не от выбора модели. У одного клиента с сайтом на Tilda переписывание корявого пятилетнего FAQ в понятные короткие абзацы подняло точность ответов бота заметнее, чем переход с Haiku на более дорогую модель.
| Параметр | Claude Haiku 4.5 | Claude Sonnet 5 |
|---|---|---|
| Скорость ответа | Очень высокая | Высокая |
| Стоимость на токен | Ниже | Выше |
| Когда достаточно | FAQ, статусы заказов, консультации по товарам | Сложные условия договоров, многошаговые расчёты, юридические нюансы |
Если бот должен опираться на десятки документов с пересекающейся информацией и подключаться к CRM для передачи квалифицированных лидов, такую конфигурацию собираю индивидуально под задачу - это уже выходит за рамки готового скрипта, и такие проекты беру через услуги по AI-интеграциям.
Куда встраивать: Tilda, WordPress, кастомная вёрстка
На Tilda виджет вставляется через блок Т123 (HTML-код) на нужные страницы или через глобальный код проекта в настройках сайта, если бот должен быть виден везде. Ограничение Tilda в том, что серверной части у неё нет вообще, поэтому бэкенд-прокси и хранение диалогов всегда живут отдельно, на своём сервере.
На WordPress ситуация чуть удобнее: можно подключить скрипт через дочернюю тему или добавить как отдельный шорткод для нужных страниц, а логи диалогов при желании писать прямо в базу WordPress, без отдельного сервера под это. Из практики: на кастомных сайтах и SPA (React, Vue) чат встраивается ещё гибче, с полноценным управлением состоянием диалога и сохранением истории в localStorage до перезагрузки страницы.
Важный момент про хранение переписки: если в диалогах фигурируют телефоны, имена, адреса клиентов, логи должны лежать на сервере в России, а не в стороннем зарубежном облаке - это требование 152-ФЗ о локализации персональных данных, и я всегда развожу это на этапе техзадания, а не после запуска.
Сколько стоит запуск и сколько это работает потом
Готовый скрипт чат-бота на Claude с базовой настройкой под сайт есть у меня в библиотеке - это быстрее и дешевле, чем разработка с нуля, если задача укладывается в типовой сценарий консультации по сайту без сложной интеграции с внешними системами.
Если нужна разработка под конкретную задачу: чат-бот с базой знаний (RAG) под ключ обойдётся от 50 000 ₽, а AI-интеграция с подключением к CRM, эквайрингу или внешним API - от 50 000 ₽ отдельным проектом, срок обычно 2-3 недели в зависимости от объёма документов для базы знаний. На рынке за похожую интеграцию с полноценным RAG студии просят от 100 000 до 300 000 ₽, разброс сильно зависит от опыта команды с Claude API конкретно, а не с LLM вообще.
После запуска бот не работает бесплатно сам по себе: платите Anthropic за токены по факту использования (это отдельные счета, не ко мне), плюс если нужно, чтобы кто-то следил за качеством ответов, обновлял базу знаний и чинил интеграцию при изменениях на сайте, беру это на техподдержку от 15 000 ₽ в месяц.
AI-чатбот для сайта на Claude - отвечает как ваш менеджер, работает 24/7
Что вы получаете Не просто виджет «спросите оператора», а полноценного ии-консультанта для сайта, который: отвечает на вопросы посетителей по вашему каталогу, услугам и условиям;…
от 25 000 ₽
Готовый скрипт →Частые вопросы
Чем чат-бот на Claude отличается от обычного бота с кнопками
Обычный бот с кнопками работает по жёсткому сценарию: пользователь выбирает пункт меню, получает заранее написанный ответ. Бот на Claude понимает вопрос, заданный свободным текстом, ищет релев4antные фрагменты в базе знаний компании и формулирует ответ своими словами, а не подставляет шаблон. Это удобнее для пользователя, но требует более внимательной настройки границ, чтобы бот не отвечал на темы вне компетенции.
Можно ли подключить чат-бота на Claude к Tilda без разработчика
Виджет вставляется в Tilda через блок с HTML-кодом за несколько минут, но сам бэкенд-прокси, подключение API и базу знаний нужно готовить отдельно, и без базовых навыков в серверной разработке сделать это самостоятельно сложно. Готовый скрипт из библиотеки закрывает эту часть, а установку под конкретный сайт я обычно делаю сам за 3-5 дней.
Данные диалогов с ботом хранятся за границей
Запросы к модели Claude уходят на серверы Anthropic для обработки, а вот хранение логов переписки, включая любые персональные данные пользователей, я настраиваю на серверах в России, чтобы соблюсти требования 152-ФЗ о локализации персональных данных.
Сколько стоит поддерживать чат-бота на Claude после запуска
Основные расходы после запуска - это оплата токенов в Anthropic по факту использования, она не входит в стоимость разработки и зависит от количества диалогов. Если нужно, чтобы кто-то следил за качеством ответов и обновлял базу знаний при изменениях в прайсе или условиях, такая техподдержка стоит от 15 000 ₽ в месяц.