OpenClaw
← Усі кейси
AI-автоматизація Онлайн-освіта

OpenClaw

AI-агенти ведуть учня від оплати до уроку без адміністратора

Задача

Онлайн-школа після кожної оплати робила все руками: перевірити платіж у Zoho CRM, знайти або створити профіль учня, відкрити доступ до курсу в Kwiga, додати в Telegram-групу, надіслати інструкції, обробити запис уроку із Zoom, залити його на Vimeo і перевірити, що нічого не пропущено. На одного учня йшло 7–15 хвилин, на запуск потоку з 20 учнів 2,5–5 годин. Потрібна була система, яка проходить цей ланцюг сама і кличе адміністратора лише у виняткових випадках.

Що зробили
AI-автоматизаціяOpenClawМультиагентна системаІнтеграції APIDocker на VPS
Результати
8
агентів у ланцюгу від оплати до уроку
15–25 хв
замість 2,5–5 годин на потік із 20 учнів
20–35 хв
на кожен запис уроку тепер робить система
OpenClaw
Що зробили

Ми побудували систему на платформі OpenClaw як набір спеціалізованих агентів, кожен відповідає за свою ділянку процесу. CRM Agent раз на 3 години перевіряє Zoho CRM на нові оплачені або частково оплачені угоди, валідує дані учня і створює задачі для наступних агентів. Access Agent відкриває доступ до потрібного курсу в Kwiga через API. Messenger Agent додає учня в Telegram-групу, надсилає вітання та інструкції, а якщо потрібна ручна дія, пише учню або адміністратору; він написаний на Python, бо працює з Telegram через Telethon. Zoom Agent щодня шукає нові записи уроків, Recording Pipeline Agent завантажує їх із Zoom, заливає на Vimeo, виставляє приватність і дозволені домени для вбудовування. Reminder Agent нагадує про уроки, Weekly Meeting Agent щопонеділка створює Zoom-зустріч команди і кидає посилання в чат. Агенти обмінюються структурованими подіями і запускаються за розкладом через cron на VPS, без ручних стартів і зайвих звернень до моделі.

Підхід та результат

Окремий Audit & Alert Agent перевіряє весь ланцюг: чи оброблено платіж, чи відкрито доступ, чи доданий учень у групу, чи оброблено запис, чи завантажено відео на Vimeo, чи були помилки API. Про збій він пише адміністратору в Telegram раніше, ніж учень помітить проблему. Роль адміністратора змінилась: замість рутини він наглядає за системою і розбирає лише винятки. Онбординг одного учня, який забирав 7–15 хвилин, тепер проходить автоматично; на потік із 20 учнів замість 2,5–5 годин ідуть 15–25 хвилин на перевірку сповіщень. Обробка запису уроку, 20–35 хвилин на кожен, повністю автоматична. Стек: Node.js для більшості агентів, Python із Telethon для месенджера, Bash для деплою і cron, Zoho CRM, Kwiga, Telegram Bot API, Zoom і Vimeo API, Docker Compose і Traefik із Let's Encrypt на Linux VPS, SQLite та JSON-події для стану агентів.

Хочеш такий самий результат
для свого бренду?

Обговорити проєкт