скриптик для внутрішнього свого користування. впс вже є

Технічне завдання: моніторинг Truth Social

1. Опис проекту

Автоматична система моніторингу акаунтів на платформі Truth Social з телефонними сповіщеннями та AI-аналізом контенту.

2. Функціональні вимоги

2.1 Моніторинг

• Перевірка нових постів у вказаного акаунта
• Частота перевірки: 4 рази на секунду
• Використання проксі-серверів для обходу обмежень
• Автоматична ротація IP-адрес

2.2 Сповіщення

• Телефонний дзвінок при появі нового поста
• Голосове повідомлення з налаштовуваним текстом
• Використовується Twilio API

2.3 Аналіз контенту

• Витягування тексту з нового поста
• Відправка тексту в DeepSeek AI для аналізу
• Налаштовуваний промпт для аналізу
• Збереження результатів у базу даних

2.4 Веб-інтерфейс

• Перегляд списку останніх постів
• Відображення результатів AI-аналізу
• Статус системи (активна/зупинена)
• Час останньої перевірки

3. Технології

Backend:

• Python 3.10+
• Flask (веб-сервер)
• cloudscraper (обхід захисту Cloudflare)
• twilio (телефонні дзвінки)
• openai (сумісний з DeepSeek API)
• sqlite3 (база даних)

Frontend:

• HTML
• Bootstrap 5 (через CDN)
• JavaScript (оновлення даних)

4. Структура проекту

project/

│

├── config.json          # Файл налаштувань

├── app.py              # Основний код додатку

├── templates/

│   └── index.html      # Веб-інтерфейс

└── data.db             # База даних (створюється автоматично)

5. Файл налаштувань (config.json)

{

  "target_account": "username",

  "scan_frequency": 4,

  

  "proxies": [

  

  ],

  

  "twilio": {

    "account_sid": "ACxxxxxxxxxxxxx",

    "auth_token": "your_auth_token",

    "from_number": "+",

    "to_number": "+",

    "message": "Виявлено новий пост"

  },

  

  "deepseek": {

    "api_key": "sk-xxxxxxxxxxxxx",

    "prompt": "Проаналізуй наступний пост і визнач: тональність (позитивна/негативна/нейтральна), основні теми, згадки компаній або країн. Пост: {text}"

  }

}

6. База даних

Таблиця posts:

- id (PRIMARY KEY)

- post_id (унікальний ID поста)

- username (ім'я акаунта)

- text (текст поста)

- created_at (час публікації)

- ai_analysis (результат аналізу від DeepSeek)

- call_status (статус дзвінка: успішно/помилка)

7. Архітектура

Веб-інтерфейс (Flask)

    ↓

    ├── GET /          → Головна сторінка з таблицею постів

    ├── GET /api/posts → JSON зі списком постів

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



Фоновий процес (окремий потік):

    

    [Перевірка акаунта] 

           ↓

    [Новий пост знайдено?]

           ↓ (так)

    [Дзвінок через Twilio]

           ↓

    [Аналіз через DeepSeek]

           ↓

    [Збереження в SQLite]

           ↓

    [Очікування 0.25 сек] → [Повтор]

8. Алгоритм роботи

1. Запуск додатку

   • Читання config.json
   • Підключення до бази даних
   • Запуск Flask-сервера
   • Запуск фонового потоку моніторингу

2. Цикл моніторингу (кожні 0.25 секунди):

   • Вибір наступного проксі зі списку
   • Запит сторінки акаунта
   • Витягування ID останнього поста
   • Порівняння з попереднім ID
   • Якщо новий пост → запуск обробки

3. Обробка нового поста:

   • Витягування тексту поста
   • Дзвінок через Twilio
   • Відправка тексту в DeepSeek
   • Отримання результату аналізу
   • Збереження в базу даних

4. Веб-інтерфейс:

   • JavaScript запитує /api/posts кожні 0,25 секунд
   • Оновлення таблиці постів
   • Відображення статусу системи

9. Веб-інтерфейс

Головна сторінка містить:

• Заголовок з назвою системи
• Індикатор статусу (зелений = працює)
• Час останньої перевірки
• Таблиця з колонками:
  • Час публікації
  • Ім'я акаунта
  • Текст поста (перші 200 символів)
  • Результат AI-аналізу
  • Статус дзвінка

10. Встановлення та запуск

Крок 1. Встановлення залежностей:

pip install flask cloudscraper twilio openai

Крок 2. Налаштування config.json:

• Вказати ім'я акаунта для моніторингу
• Додати список проксі-серверів
• Вписати дані акаунта Twilio
• Додати API ключ DeepSeek
• Налаштувати промпт для аналізу

Крок 3. Запуск:

python app.py

Крок 4. Відкрити браузер:

http://localhost:5000

11. Вимоги до сервера

Мінімальні:

• Python 3.10+
• 512 MB RAM
• 5 GB дискового простору
• Постійне інтернет-з'єднання

Рекомендуються:

• VPS/Cloud сервер (Digital Ocean, AWS тощо)
• 1 GB RAM
• Ubuntu 22.04 або аналогічна ОС

12. Оцінка складності

Складність розробки: 3/10

Час розробки:

• З нуля: 4-5 годин
• З допомогою AI: 2-3 години

Компоненти:

• ✅ Усі бібліотеки добре документовані
• ✅ Проста архітектура (один файл)
• ✅ Стандартні API (Twilio, DeepSeek)
• ⚠️ Єдина складність: обхід Cloudflare

13. Що може написати AI

Нейромережа впорається з завданням на 95%:

• ✅ Структура Flask додатку
• ✅ Інтеграція Twilio API
• ✅ Інтеграція DeepSeek API
• ✅ Робота з SQLite
• ✅ HTML інтерфейс
• ✅ Логіка моніторингу
• ⚠️ Може знадобитися ручна настройка обходу Cloudflare

14. Можливі проблеми та рішення

Проблема: Cloudflare блокує запити
Рішення: Використовувати якісні проксі, збільшити паузи між запитами

Проблема: Проксі не працюють
Рішення: Регулярно оновлювати список проксі в config.json

Проблема: DeepSeek повертає помилку
Рішення: Перевірити API ключ і баланс акаунта

Проблема: Twilio не дзвонить
Рішення: Перевірити баланс акаунта, верифікацію номера

Підсумок: Проект технічно здійсненний за кілька годин з використанням стандартних інструментів. Основний код може бути згенерований AI-асистентом з мінімальними доопрацюваннями.