AI-agent: generacja i autopublikacja na WordPress
# AI zwolnił menedżera: generacja i autopublikacja na WordPress
Miałem ręczny proces tworzenia stron WordPress / Elementor: specyfikacje w korespondencji, dostęp, szablony, teksty, obrazy, artykuły, polityki, poprawki, sprawdzanie błędów i publikacja.
W pewnym momencie stało się jasne: menedżer w takim schemacie staje się wąskim gardłem. Może zapomnieć szczegół, przekazać zadanie w kawałkach, pomylić priorytet, wysłać niepełną specyfikację lub stworzyć pilność tam, gdzie system jeszcze nie jest gotowy.
Postanowiłem usunąć zależność od ręcznego chaosu menedżerskiego i zacząłem przenosić proces do AI workflow.
Schemat stał się taki:
**Specyfikacja / konfiguracja → Gemini → teksty → obrazy → QC → pass2 → oczyszczenie → WordPress / Elementor → publikacja**
Zamiast za każdym razem ręcznie budować stronę od zera, system bierze ustrukturyzowane dane, generuje treść przez Gemini, sprawdza wynik, oczyszcza AI-śmieci i przygotowuje publikację na WordPress.
Wewnątrz używane są dwa modele:
* `gemini-2.5-flash` — teksty, artykuły, przetwarzanie problematycznych fragmentów;
* `gemini-2.5-flash-image` — obrazy dla strony.
Python zarządza procesem jako orkiestrator: uruchamia etapy, zapisuje dane, sprawdza wynik, wysyła problematyczne miejsca na drugi AI-przechód, publikuje treść i pisze logi.
Najważniejsza część — kontrola jakości. AI może wygenerować tekst, ale może zostawić placeholder, lorem, starą frazę z szablonu, zbędne znaki lub prawie niezmieniony blok. Dlatego w projekcie jest łańcuch QC:
**wykrywanie podejrzanych → pass2 przez Gemini → oczyszczenie lorem → oczyszczenie odkurzaczem**
Osobno dodano elementy ochronne: `STOP_NOW.txt`, `protected_domains.txt`, retry, obsługa 429, `.env`, `GEMINI_API_KEY`, `project_config.json`.
Efekt: AI zaczął wykonywać tę część pracy, gdzie wcześniej potrzebna była kontrola menedżerska, ręczne kopiowanie i ciągłe doprecyzowania.
To nie tylko prompt do generacji tekstu. To działający pipeline:
**LLM → orkiestracja Python → QC → WordPress / Elementor → autopublikacja**
Ręczna praca nad stroną została rozłożona na etapy, zmierzona i częściowo zautomatyzowana. Proces zaczął przemieszczać się od „menedżer trzyma wszystko w głowie” do systemu, w którym dane, generacja, sprawdzenie i publikacja przechodzą przez zrozumiały łańcuch.
#AIagent #AIworkflow #Gemini #Python #WordPress #Elementor #Automatyzacja #IAautomatyzacja #AIautomation #LLM #GoogleGemini #AutomatyzacjaTreści #Autopublikacja #WordPressAutomation #PythonAutomation
Miałem ręczny proces tworzenia stron WordPress / Elementor: specyfikacje w korespondencji, dostęp, szablony, teksty, obrazy, artykuły, polityki, poprawki, sprawdzanie błędów i publikacja.
W pewnym momencie stało się jasne: menedżer w takim schemacie staje się wąskim gardłem. Może zapomnieć szczegół, przekazać zadanie w kawałkach, pomylić priorytet, wysłać niepełną specyfikację lub stworzyć pilność tam, gdzie system jeszcze nie jest gotowy.
Postanowiłem usunąć zależność od ręcznego chaosu menedżerskiego i zacząłem przenosić proces do AI workflow.
Schemat stał się taki:
**Specyfikacja / konfiguracja → Gemini → teksty → obrazy → QC → pass2 → oczyszczenie → WordPress / Elementor → publikacja**
Zamiast za każdym razem ręcznie budować stronę od zera, system bierze ustrukturyzowane dane, generuje treść przez Gemini, sprawdza wynik, oczyszcza AI-śmieci i przygotowuje publikację na WordPress.
Wewnątrz używane są dwa modele:
* `gemini-2.5-flash` — teksty, artykuły, przetwarzanie problematycznych fragmentów;
* `gemini-2.5-flash-image` — obrazy dla strony.
Python zarządza procesem jako orkiestrator: uruchamia etapy, zapisuje dane, sprawdza wynik, wysyła problematyczne miejsca na drugi AI-przechód, publikuje treść i pisze logi.
Najważniejsza część — kontrola jakości. AI może wygenerować tekst, ale może zostawić placeholder, lorem, starą frazę z szablonu, zbędne znaki lub prawie niezmieniony blok. Dlatego w projekcie jest łańcuch QC:
**wykrywanie podejrzanych → pass2 przez Gemini → oczyszczenie lorem → oczyszczenie odkurzaczem**
Osobno dodano elementy ochronne: `STOP_NOW.txt`, `protected_domains.txt`, retry, obsługa 429, `.env`, `GEMINI_API_KEY`, `project_config.json`.
Efekt: AI zaczął wykonywać tę część pracy, gdzie wcześniej potrzebna była kontrola menedżerska, ręczne kopiowanie i ciągłe doprecyzowania.
To nie tylko prompt do generacji tekstu. To działający pipeline:
**LLM → orkiestracja Python → QC → WordPress / Elementor → autopublikacja**
Ręczna praca nad stroną została rozłożona na etapy, zmierzona i częściowo zautomatyzowana. Proces zaczął przemieszczać się od „menedżer trzyma wszystko w głowie” do systemu, w którym dane, generacja, sprawdzenie i publikacja przechodzą przez zrozumiały łańcuch.
#AIagent #AIworkflow #Gemini #Python #WordPress #Elementor #Automatyzacja #IAautomatyzacja #AIautomation #LLM #GoogleGemini #AutomatyzacjaTreści #Autopublikacja #WordPressAutomation #PythonAutomation