скриптик для внутреннего своего пользования. впс уже есть 

Техническое задание: мониторинга Truth Social

1. Описание проекта

Автоматическая система мониторинга аккаунтов на платформе Truth Social с телефонными оповещениями и AI-анализом контента.

2. Функциональные требования

2.1 Мониторинг

• Проверка новых постов у указанного аккаунта
• Частота проверки: 4 раза в секунду
• Использование прокси-серверов для обхода ограничений
• Автоматическая ротация IP-адресов

2.2 Оповещения

• Телефонный звонок при появлении нового поста
• Голосовое сообщение с настраиваемым текстом
• Используется Twilio API

2.3 Анализ контента

• Извлечение текста из нового поста
• Отправка текста в DeepSeek AI для анализа
• Настраиваемый промпт для анализа
• Сохранение результатов в базу данных

2.4 Веб-интерфейс

• Просмотр списка последних постов
• Отображение результатов AI-анализа
• Статус системы (активна/остановлена)
• Время последней проверки

3. Технологии

Backend:

• Python 3.10+
• Flask (веб-сервер)
• cloudscraper (обход защиты Cloudflare)
• twilio (телефонные звонки)
• openai (совместим с DeepSeek API)
• sqlite3 (база данных)

Frontend:

• HTML
• Bootstrap 5 (через CDN)
• JavaScript (обновление данных)

4. Структура проекта

project/

│

├── config.json          # Файл настроек

├── app.py              # Основной код приложения

├── templates/

│   └── index.html      # Веб-интерфейс

└── data.db             # База данных (создается автоматически)

5. Файл настроек (config.json)

{

  "target_account": "username",

  "scan_frequency": 4,

  

  "proxies": [

  

  ],

  

  "twilio": {

    "account_sid": "ACxxxxxxxxxxxxx",

    "auth_token": "your_auth_token",

    "from_number": "+",

    "to_number": "+",

    "message": "Обнаружен новый пост"

  },

  

  "deepseek": {

    "api_key": "sk-xxxxxxxxxxxxx",

    "prompt": "Проанализируй следующий пост и определи: тональность (позитивная/негативная/нейтральная), основные темы, упоминания компаний или стран. Пост: {text}"

  }

}

6. База данных

Таблица posts:

- id (PRIMARY KEY)

- post_id (уникальный ID поста)

- username (имя аккаунта)

- text (текст поста)

- created_at (время публикации)

- ai_analysis (результат анализа от DeepSeek)

- call_status (статус звонка: успешно/ошибка)

7. Архитектура

Веб-интерфейс (Flask)

    ↓

    ├── GET /          → Главная страница с таблицей постов

    ├── GET /api/posts → JSON со списком постов

    └── GET /api/status → JSON статус системы



Фоновый процесс (отдельный поток):

    

    [Проверка аккаунта] 

           ↓

    [Новый пост найден?]

           ↓ (да)

    [Звонок через Twilio]

           ↓

    [Анализ через DeepSeek]

           ↓

    [Сохранение в SQLite]

           ↓

    [Ожидание 0.25 сек] → [Повтор]

8. Алгоритм работы

1. Запуск приложения

   • Чтение config.json
   • Подключение к базе данных
   • Запуск Flask-сервера
   • Запуск фонового потока мониторинга

2. Цикл мониторинга (каждые 0.25 секунды):

   • Выбор следующего прокси из списка
   • Запрос страницы аккаунта
   • Извлечение ID последнего поста
   • Сравнение с предыдущим ID
   • Если новый пост → запуск обработки

3. Обработка нового поста:

   • Извлечение текста поста
   • Звонок через Twilio
   • Отправка текста в DeepSeek
   • Получение результата анализа
   • Сохранение в базу данных

4. Веб-интерфейс:

   • JavaScript запрашивает /api/posts каждые 0,25 секунд
   • Обновление таблицы постов
   • Отображение статуса системы

9. Веб-интерфейс

Главная страница содержит:

• Заголовок с названием системы
• Индикатор статуса (зеленый = работает)
• Время последней проверки
• Таблица с колонками:
  • Время публикации
  • Имя аккаунта
  • Текст поста (первые 200 символов)
  • Результат AI-анализа
  • Статус звонка

10. Установка и запуск

Шаг 1. Установка зависимостей:

pip install flask cloudscraper twilio openai

Шаг 2. Настройка config.json:

• Указать имя аккаунта для мониторинга
• Добавить список прокси-серверов
• Вписать данные Twilio аккаунта
• Добавить API ключ DeepSeek
• Настроить промпт для анализа

Шаг 3. Запуск:

python app.py

Шаг 4. Открыть браузер:

http://localhost:5000

11. Требования к серверу

Минимальные:

• Python 3.10+
• 512 MB RAM
• 5 GB дисковое пространство
• Постоянное интернет-соединение

Рекомендуемые:

• VPS/Cloud сервер (Digital Ocean, AWS, etc.)
• 1 GB RAM
• Ubuntu 22.04 или аналогичная ОС

12. Оценка сложности

Сложность разработки: 3/10

Время разработки:

• С нуля: 4-5 часов
• С помощью AI: 2-3 часа

Компоненты:

• ✅ Все библиотеки хорошо документированы
• ✅ Простая архитектура (один файл)
• ✅ Стандартные API (Twilio, DeepSeek)
• ⚠️ Единственная сложность: обход Cloudflare

13. Что может написать AI

Нейросеть справится с задачей на 95%:

• ✅ Структура Flask приложения
• ✅ Интеграция Twilio API
• ✅ Интеграция DeepSeek API
• ✅ Работа с SQLite
• ✅ HTML интерфейс
• ✅ Логика мониторинга
• ⚠️ Может потребоваться ручная настройка обхода Cloudflare

14. Возможные проблемы и решения

Проблема: Cloudflare блокирует запросы
Решение: Использовать качественные прокси, увеличить паузы между запросами

Проблема: Прокси не работают
Решение: Регулярно обновлять список прокси в config.json

Проблема: DeepSeek возвращает ошибку
Решение: Проверить API ключ и баланс аккаунта

Проблема: Twilio не звонит
Решение: Проверить баланс аккаунта, верификацию номера

Итог: Проект технически реализуем за несколько часов с использованием стандартных инструментов. Основной код может быть сгенерирован AI-ассистентом с минимальными доработками.