LLM API и интеграция
Нейросеть для вуза: приёмная кампания и студенты
Вузу языковая модель закрывает однотипные вопросы абитуриентов и студентов: направления, сроки подачи, документы, общежитие, расписание. Пиковый месяц приёмной кампании с 12 000 обращений абитуриентов и 4 000 вопросов студентов — около 39 миллионов токенов, но правила приёма модель пересказывает только из текущих документов вуза со ссылкой на пункт, а шансы на поступление не оценивает. Решения о зачислении, оценки и академические решения остаются за людьми, и это записывается в систему явно, а не пожеланием в промпте.
Ниже — как разделить поток вопросов, почему правила приёма нельзя брать из памяти модели, что отвечать на «пройду ли я», как разбирать обращения на поля для приёмной комиссии, как отвечать студентам, как готовить методички по конспектам и сколько стоит пиковый месяц.
Какие вопросы приходят в приёмную комиссию
Поток приёмной кампании однообразен и огромен. Летом одни и те же двадцать вопросов приходят тысячами, по почте, в чат на сайте и в мессенджеры.
Перед автоматизацией поток делят на две группы, и граница определяет всю конструкцию.
Первая группа — факты о вузе, которыми он управляет сам. Какие есть направления и профили, чем они отличаются, где находятся корпуса, как устроено общежитие, когда день открытых дверей, куда звонить. Ответы есть на сайте и в документах вуза, их можно выдавать машинно.
Вторая группа — правила приёма. Сроки подачи, перечень документов, вступительные испытания, особые права, количество мест, проходные баллы прошлых лет. Вопросы выглядят такими же простыми, но ответ зависит от документа текущего года, и ошибка в нём стоит абитуриенту поступления.
Почему правила приёма нельзя брать из памяти модели
На вопрос «до какого числа подавать документы» модель ответит всегда, и ответит датой, а не «не знаю». Дата будет звучать убедительно.
Правила приёма меняются каждый год, а веса модели нет. Модель отвечает из состояния мира на момент обучения, смешивает редакции разных лет и никак это не помечает. Механика та же, что у обычных галлюцинаций нейросети, только цена выше: абитуриент, пропустивший срок, теряет год.
Отсюда правило без исключений: ответы про правила приёма собираются только из документов вуза текущего года, со ссылкой на пункт.
Схема такая. Вопрос уходит в поиск по загруженным документам, найденные фрагменты попадают в запрос, модель формулирует ответ строго по ним и указывает название документа, пункт и год. Не нашлось фрагмента — ответа нет, есть передача сотруднику. Технически это поиск по своей базе, а не дообучение.
Три условия, без которых схема разваливается:
- В системном промпте прямо запрещено добавлять что-либо из общих знаний.
- Документ прошлого года удаляется из базы в тот день, когда утверждён новый, а не лежит рядом «для справки».
- За документы отвечает один сотрудник приёмной комиссии, и обновляет он файл, а не промпт.
Что отвечать на вопрос «пройду ли я с моими баллами»
Шансы бот не оценивает. Это самый частый вопрос и самый опасный: любой ответ модели звучит как обещание вуза.
Рабочий ответ состоит из трёх частей:
- проходные баллы прошлых лет по направлению — из документа вуза, с указанием года;
- оговорка, что это история, а не прогноз: проходной балл складывается из заявлений текущего года;
- ссылка на конкурсные списки на сайте вуза, где видна текущая картина.
Чего модель делать не должна: сравнивать баллы абитуриента с прошлогодним порогом, писать «скорее всего пройдёте» или «шансы невысоки», советовать, на какое направление подать, чтобы точно поступить. Всё это оценка, и она попадает в скриншоты.
Как разобрать обращение на поля для приёмной комиссии
Второй сценарий после ответов: каждое обращение раскладывается на поля до того, как его увидит человек. Вместо ящика писем приёмная комиссия получает таблицу.
| Поле | Пример значения | Кому нужно |
|---|---|---|
| Уровень | бакалавриат, магистратура, аспирантура | распределение по сотрудникам |
| Направление | название или код из письма | сводка спроса |
| Форма обучения | очная, очно-заочная, заочная | распределение по сотрудникам |
| Основа | бюджет, платное, не указано | отдел договоров |
| Тема | документы, сроки, испытания, общежитие, оплата | сводка вопросов |
| Срочность | обычная, срочно, ближайший срок подачи | очередь ответов |
| Нужен человек | да, нет | маршрутизация |
Модель возвращает поля строгим форматом, без рассуждений; как этого добиться, разобрано в статье JSON от нейросети. Общая схема разбора и маршрутизации заявок — в материале про обработку заявок.
Сводка по полям за неделю полезна сама по себе. Если треть вопросов про общежитие, значит на сайте не хватает одной страницы, и её дешевле написать, чем отвечать тысячу раз.
Отдельно про данные. Абитуриенты присылают паспорта, СНИЛС, баллы вместе с фамилией. Для разбора на поля это не нужно: идентификаторы вырезаются до отправки в модель, а обработка персональных данных идёт по регламенту вуза. Что вообще уходит провайдеру с запросом, разобрано в статье нейросети и персональные данные.
Как отвечать студентам по расписанию и регламентам
После зачисления поток не заканчивается, меняется тема. Где пара, перенесли ли занятие, как оформить пересдачу, какие документы нужны для академического отпуска.
Расписание модель не придумывает, а пересказывает. Данные приходят в запрос отдельным блоком из системы расписания: день, время, аудитория, преподаватель. Модель превращает их в ответ на конкретный вопрос. Даты она не складывает и недели не считает: «через две недели после сессии» она посчитает уверенно и неправильно.
Регламенты пересказываются со ссылкой на пункт. Положение о текущей аттестации, порядок пересдач, правила перевода — по той же схеме, что правила приёма: только из текущей редакции документа.
Какие решения модель не формулирует
Граница проходит между порядком и решением. Порядок модель пересказывает, решение не формулирует никогда.
Решения, которые остаются за людьми:
- зачисление и шансы на поступление;
- оценки, зачёты, допуск к сессии;
- разрешение на пересдачу и её сроки для конкретного студента;
- академический отпуск, перевод, отчисление, восстановление;
- стипендии, перезачёт дисциплин, апелляции.
На вопрос «меня допустят к сессии?» бот отвечает, от чего зависит допуск по положению, где это проверить и кто решает, и передаёт вопрос в деканат. Фраза «да, допустят» от бота — это обещание от имени вуза, которое никто не давал. Как распределить ответственность за такие ответы, разобрано в статье кто отвечает за ответ нейросети.
Как готовить методические материалы по конспектам преподавателя
Третий сценарий про качество обучения. На входе конспект лекции преподавателя, на выходе материалы для потока: вопросы для самопроверки, глоссарий терминов, план семинара, краткое изложение лекции для тех, кто пропустил.
Ограничение то же: только по конспекту. Модель не добавляет фактов из общих знаний, чисел, которых нет в исходном тексте, и ссылок на литературу, которую она не видела. Выдуманная ссылка на источник в методичке вуза — худший из возможных результатов.
Каждый материал перед выдачей читает преподаватель. Считайте, сколько он правит: это и есть измеримое качество. Приёмы генерации заданий разного уровня подробно разобраны в материале нейросеть для учителя; оценивать работы студентов модель не должна ни в школе, ни в вузе.
Сколько это стоит в пиковый месяц
Ставка в базовом каталоге одинаковая на вход и на выход, поэтому цена считается умножением ставки на объём в миллионах токенов. Сценарий — вуз среднего размера, июль, 12 000 обращений абитуриентов, из них 1 000 уходит людям, плюс 4 000 вопросов студентов.
| Операция | В месяц | Токенов за раз | Всего токенов | Цена, ₽ |
|---|---|---|---|---|
| Разбор обращения на поля | 12 000 | 700 | 8 400 000 | ставка × 8,4 |
| Ответ по базе типовых вопросов | 8 000 | 1 500 | 12 000 000 | ставка × 12 |
| Ответ по правилам приёма со ссылкой на пункт | 3 000 | 3 500 | 10 500 000 | ставка × 10,5 |
| Ответ студенту по расписанию и регламентам | 4 000 | 1 800 | 7 200 000 | ставка × 7,2 |
| Методический материал по конспекту | 60 | 9 000 | 540 000 | ставка × 0,54 |
| Итого за месяц | 27 060 | — | 38 640 000 | ставка × 38,64 |
Ставки на 25 сентября 2026 года у подходящих позиций:
| Позиция | Ставка, ₽ за 1 млн |
|---|---|
gpt-oss-20b | 0 |
deepseek-v4-flash | 1 |
qwen-3-7-plus | 3 |
gemini-3-flash | 6 |
haiku-4-5 | 8 |
sonnet-4-6 | 12 |
Доступ к каталогу даёт KeyDealer: один ключ на 56 позиций, оплата российской картой в рублях по ставке за миллион токенов. Для вуза это удобно практически: разбор обращений идёт на дешёвой позиции, ответы по правилам приёма — на более аккуратной, а у каждого сценария может быть свой ключ с дневным и месячным лимитом расходов в рублях.
Самая дорогая строка на единицу — ответы по правилам приёма: в каждый запрос уходят фрагменты документа. Лечится это размером фрагмента, а не сменой модели: два-три точных пункта вместо целого раздела. Пересчёт объёма в деньги для любой ставки — в материале про стоимость миллиона токенов.
Какую позицию каталога брать
Задачи разные по требованиям, и одна модель на всё не нужна.
Разбор на поля и типовые ответы — короткий вход, короткий выход, сложных рассуждений нет. Здесь работают самые дешёвые позиции, включая пять бесплатных текстовых, которые открываются после первого платного пополнения и дальше не тарифицируются.
Ответы по правилам приёма — длинный вход и высокая цена ошибки. Экономить на этой строке не стоит: в деньгах разница за месяц невелика, а аккуратность пересказа документа видна сразу.
Методические материалы — десятки запросов в месяц, качество формулировки заметно преподавателю. Здесь разумна позиция подороже.
Две позиции сейчас в режиме проверки — gemini-3-6-flash и fable-5, ставить их в контур приёмной кампании рано.
Как запускать до начала приёмной кампании
- Начните за полтора-два месяца до старта. Запуск в разгар кампании означает отладку на живых абитуриентах.
- Соберите 50 реальных вопросов из переписки прошлого года. Это приёмочный набор для каждой правки промпта.
- Разделите набор на две группы, факты о вузе и правила приёма. Вторая группа получает ответ только со ссылкой на пункт.
- Загрузите правила текущего года в день утверждения и удалите прошлогодние.
- Первые две недели держите бота в режиме подсказки. Ответ готовится, сотрудник правит и отправляет. Доля правок и есть качество.
- Добавьте строку о том, что отвечает программа, и кнопку передачи человеку в каждый ответ.
Чего мы не утверждаем
Мы не консультируем по правилам приёма. Ни мы, ни модель. Сроки, документы и порядок поступления берутся из документов вуза текущего года.
Мы не даём юридических заключений о том, как вузу обрабатывать персональные данные абитуриентов. Это определяет регламент вуза.
Мы не измеряли этот сценарий на реальном вузе. Объёмы в таблице расчётные, проверяйте на своей переписке прошлого года.
Что нужно, чтобы попробовать
Ключ заводится на keydealer.ru/login, оплата российской картой в рублях, без зарубежной карты. Один ключ открывает каталог: на 25 сентября 2026 года это 56 позиций, из них 44 доступны, 46 текстовых с рублёвой ставкой и 10 генерируют изображения.
Аудиомоделей в каталоге нет, поэтому телефонная линия приёмной комиссии этой схемой не закрывается: речь касается чата, почты и мессенджеров.
Что держать в голове
У вуза два источника правды, и они не равны. Описания направлений, общежитие, корпуса и расписание — данные, которыми вуз управляет сам. Правила приёма и регламенты — документы, которые меняются каждый год, и пересказывать их можно только из текущей редакции со ссылкой на пункт.
Граница ответственности проходит между порядком и решением. Модель объясняет, как устроено зачисление, пересдача или перевод, и передаёт вопрос тому, кто решает. Шансы, оценки и допуски она не формулирует никогда.
Начинать разумно за полтора-два месяца до кампании, с одного канала и пятидесяти реальных вопросов прошлого года. Как мы проверяем факты и что храним из запросов — на странице о проекте. Завести ключ и прогнать свой набор вопросов: keydealer.ru/login.
Частые вопросы
Может ли бот приёмной комиссии сам отвечать про сроки подачи и документы?
Только по правилам приёма текущего года, загруженным в систему, и со ссылкой на пункт. Правила меняются каждый год, а модель по памяти выдаёт правдоподобную смесь прошлых лет. Если нужный фрагмент не нашёлся, правильный ответ — передача сотруднику приёмной комиссии.
Что бот отвечает на вопрос «пройду ли я с моими баллами»?
Шансы он не оценивает. Он приводит проходные баллы прошлых лет из документа вуза с указанием года, объясняет, что это история, а не прогноз, и даёт ссылку на конкурсные списки на сайте. Сравнивать баллы абитуриента с порогами модель не должна.
Зачем разбирать обращения на поля, если бот и так отвечает?
Чтобы приёмная комиссия видела поток в разрезе: какие направления, какая форма обучения, какие темы и что срочно. Разобранное обращение сразу попадает к нужному сотруднику, а сводка по полям показывает, где на сайте не хватает информации.
Какие решения нельзя отдавать модели?
Зачисление, шансы на поступление, оценки, допуск к сессии, пересдачи, академический отпуск, отчисление, перевод, стипендии и апелляции. Модель пересказывает порядок из регламента и передаёт вопрос тому, кто решает.
Сколько это стоит вузу в пиковый месяц?
12 000 обращений абитуриентов и 4 000 вопросов студентов с разбором и методичками дают около 39 миллионов токенов. На дешёвых позициях каталога это десятки рублей за месяц, на средних — сотни. Дороже всего ответы по правилам приёма, потому что в запрос уходят фрагменты документа.
Можно ли готовить методические материалы нейросетью?
Да, по конспектам самого преподавателя: вопросы для самопроверки, глоссарий, план семинара, краткое изложение лекции. Каждый материал перед выдачей читает преподаватель. Оценивать работы студентов модель не должна.