30 agentów AI, 5 platform, jeden pulpit: autonomiczny system treści
Sytuacja
Samodzielny strateg treści zarządzał publikowaniem w wielu kanałach: blog, LinkedIn, Dev.to, Hashnode i Telegram. Każdy artykuł wymagał ręcznych badań, pisania, przeglądu jakości, dostosowania do specyfikacji platformy oraz indywidualnej publikacji przez interfejs użytkownika każdej platformy. Jedna treść zajmowała 4-6 godzin przed opublikowaniem na wszystkich kanałach.
Problem
Każda platforma miała różne wymagania dotyczące formatu: WordPress potrzebował HTML z niestandardowymi typami postów, Dev.to używał markdown z front matter, Hashnode wymagał GraphQL, LinkedIn usuwał markdown i narzucał limit 2,900 znaków, Telegram używał własnego podzbioru HTML. Dostosowanie jednego artykułu do pięciu platform było żmudne i podatne na błędy.
Nie istniał żaden cykl informacji zwrotnej. Analityka znajdowała się w pięciu oddzielnych pulpitach. Decyzje strategiczne opierały się na intuicji. Jakość była niespójna. Każdy krok zależał od dostępności klienta do ręcznego wykonania.
Rozwiązanie
Zbudowałem autonomiczny system treści z 30 wyspecjalizowanymi agentami AI zorganizowanymi przez łańcuchy zadań BullMQ. Cały cykl życia treści działa autonomicznie: odkrywanie trendów → badania → pisanie → weryfikacja faktów → wykrywanie AI → optymalizacja neuromarketingowa → dostosowanie do platformy → zatwierdzenie → publikacja.
Architektura pipeline'u. Każdy element treści przechodzi przez konfigurowalną sekwencję agentów. Czterostopniowa brama jakości (weryfikator faktów → wykrywacz AI → neuro-optymalizator → recenzent) waliduje każdy szkic. Pipeline zatrzymuje się na bramach zatwierdzających i powiadamia za pomocą klawiatur inline Telegramu lub pulpitu React.
Dynamiczne pipeline'y. Sekwencje agentów są konfigurowalne dla każdego kanału lub elementu treści za pomocą interfejsu drag-and-drop. Trzy poziomy priorytetu: nadpisania elementu → domyślne kanału → domyślne systemu. Wspierane jest równoległe wykonywanie agentów.
Publikowanie na wielu platformach. Limit znaków LinkedIn jest egzekwowany na trzech poziomach: podpowiedź adaptera, walidacja wyjścia i pętla przepisania na poziomie wydawcy (ponownie wywołuje AI, aby skrócić, do 3 prób). WordPress publikuje jako niestandardowe typy postów z sformatowanym HTML. Wszystkie pięć wydawców działa z jednego działania.
Cykl informacji zwrotnej analityki. Cotygodniowy pipeline zbiera metryki, generuje hipotezy dotyczące tego, co działa, i automatycznie uruchamia odświeżenie strategii.
Stos technologiczny: Node.js, TypeScript, Express.js, BullMQ, Redis, PostgreSQL (Supabase), React 18, Vite, Tailwind CSS, Grammy (Telegram Bot), Anthropic Claude API, Google Gemini, OpenAI Whisper, Tavily API, Docker, Vitest, Playwright
Wyniki
- ~85% redukcji czasu na artykuł (4-6 godzin → ~30 minut nadzoru)
- Publikowanie na 5 platformach jednocześnie z jednego zatwierdzenia
- 30 agentów AI z konfigurowalnymi pipeline'ami i pełnym śledzeniem kosztów
- Czterostopniowa brama jakości dla spójnej jakości treści
- Podwójny interfejs zatwierdzania (pulpit React + bot Telegram)
- Cykl informacji zwrotnej analityki, który automatycznie dostosowuje strategię treści
- 606 zautomatyzowanych testów (jednostkowe, integracyjne, E2E)
Jak to działa
1. Odkrywanie. Zadania cron uruchamiają odkrywanie trendów i analizę konkurencji
2. Tworzenie. Agenci badań i pisarze produkują treści długoterminowe
3. Brama jakości. Weryfikator faktów, wykrywacz AI, neuro-optymalizator, recenzent walidują szkic
4. Dostosowanie. Adaptery platformy przekształcają format zgodnie z wymaganiami każdego kanału
5. Zatwierdzenie. Klient przegląda przez pulpit lub Telegram, zatwierdza lub odrzuca
6. Publikacja. Wydawcy publikują na wszystkich wybranych platformach jednocześnie
Pipeline jest w pełni wznowialny. Powtarza z wykładniczym opóźnieniem, kontynuuje tam, gdzie przerwał.
Samodzielny strateg treści zarządzał publikowaniem w wielu kanałach: blog, LinkedIn, Dev.to, Hashnode i Telegram. Każdy artykuł wymagał ręcznych badań, pisania, przeglądu jakości, dostosowania do specyfikacji platformy oraz indywidualnej publikacji przez interfejs użytkownika każdej platformy. Jedna treść zajmowała 4-6 godzin przed opublikowaniem na wszystkich kanałach.
Problem
Każda platforma miała różne wymagania dotyczące formatu: WordPress potrzebował HTML z niestandardowymi typami postów, Dev.to używał markdown z front matter, Hashnode wymagał GraphQL, LinkedIn usuwał markdown i narzucał limit 2,900 znaków, Telegram używał własnego podzbioru HTML. Dostosowanie jednego artykułu do pięciu platform było żmudne i podatne na błędy.
Nie istniał żaden cykl informacji zwrotnej. Analityka znajdowała się w pięciu oddzielnych pulpitach. Decyzje strategiczne opierały się na intuicji. Jakość była niespójna. Każdy krok zależał od dostępności klienta do ręcznego wykonania.
Rozwiązanie
Zbudowałem autonomiczny system treści z 30 wyspecjalizowanymi agentami AI zorganizowanymi przez łańcuchy zadań BullMQ. Cały cykl życia treści działa autonomicznie: odkrywanie trendów → badania → pisanie → weryfikacja faktów → wykrywanie AI → optymalizacja neuromarketingowa → dostosowanie do platformy → zatwierdzenie → publikacja.
Architektura pipeline'u. Każdy element treści przechodzi przez konfigurowalną sekwencję agentów. Czterostopniowa brama jakości (weryfikator faktów → wykrywacz AI → neuro-optymalizator → recenzent) waliduje każdy szkic. Pipeline zatrzymuje się na bramach zatwierdzających i powiadamia za pomocą klawiatur inline Telegramu lub pulpitu React.
Dynamiczne pipeline'y. Sekwencje agentów są konfigurowalne dla każdego kanału lub elementu treści za pomocą interfejsu drag-and-drop. Trzy poziomy priorytetu: nadpisania elementu → domyślne kanału → domyślne systemu. Wspierane jest równoległe wykonywanie agentów.
Publikowanie na wielu platformach. Limit znaków LinkedIn jest egzekwowany na trzech poziomach: podpowiedź adaptera, walidacja wyjścia i pętla przepisania na poziomie wydawcy (ponownie wywołuje AI, aby skrócić, do 3 prób). WordPress publikuje jako niestandardowe typy postów z sformatowanym HTML. Wszystkie pięć wydawców działa z jednego działania.
Cykl informacji zwrotnej analityki. Cotygodniowy pipeline zbiera metryki, generuje hipotezy dotyczące tego, co działa, i automatycznie uruchamia odświeżenie strategii.
Stos technologiczny: Node.js, TypeScript, Express.js, BullMQ, Redis, PostgreSQL (Supabase), React 18, Vite, Tailwind CSS, Grammy (Telegram Bot), Anthropic Claude API, Google Gemini, OpenAI Whisper, Tavily API, Docker, Vitest, Playwright
Wyniki
- ~85% redukcji czasu na artykuł (4-6 godzin → ~30 minut nadzoru)
- Publikowanie na 5 platformach jednocześnie z jednego zatwierdzenia
- 30 agentów AI z konfigurowalnymi pipeline'ami i pełnym śledzeniem kosztów
- Czterostopniowa brama jakości dla spójnej jakości treści
- Podwójny interfejs zatwierdzania (pulpit React + bot Telegram)
- Cykl informacji zwrotnej analityki, który automatycznie dostosowuje strategię treści
- 606 zautomatyzowanych testów (jednostkowe, integracyjne, E2E)
Jak to działa
1. Odkrywanie. Zadania cron uruchamiają odkrywanie trendów i analizę konkurencji
2. Tworzenie. Agenci badań i pisarze produkują treści długoterminowe
3. Brama jakości. Weryfikator faktów, wykrywacz AI, neuro-optymalizator, recenzent walidują szkic
4. Dostosowanie. Adaptery platformy przekształcają format zgodnie z wymaganiami każdego kanału
5. Zatwierdzenie. Klient przegląda przez pulpit lub Telegram, zatwierdza lub odrzuca
6. Publikacja. Wydawcy publikują na wszystkich wybranych platformach jednocześnie
Pipeline jest w pełni wznowialny. Powtarza z wykładniczym opóźnieniem, kontynuuje tam, gdzie przerwał.
Charków 
Gotowy do podjęcia pracy