Контекст
Команде нужно регулярно выпускать материалы по узкой теме: отраслевые новости, экспертные посты, внутренние дайджесты или подборки для аудитории.
Раньше редактор вручную открывал источники, сравнивал инфоповоды, проверял повторы, выбирал тему, писал текст и отдельно готовил иллюстрацию. Каждый выпуск занимал несколько часов, а уже разобранная тема могла вернуться под другим заголовком.
Бизнес-задача
Нужно было сократить время подготовки выпуска без потери редакторского контроля. Задача состояла не в том, чтобы просто сгенерировать пост, а в том, чтобы собрать управляемый производственный процесс.
- Быстро находить подходящие материалы.
- Не публиковать смысловые повторы.
- Сохранять голос бренда.
- Получать собранный выпуск в понятном формате.
- Оставлять финальную проверку человеку.
Что было реализовано
Собран локальный пайплайн полного цикла. Он получает материалы по теме через Perplexity Sonar, сохраняет данные до генерации, проверяет смысловые повторы, оценивает релевантность и выбирает формат выпуска. После этого система готовит текст в голосе бренда и документальную иллюстрацию.
Редактор получает готовый файл для проверки и публикации. Автопостинг намеренно не используется: факты, акценты и финальное решение остаются под контролем человека.
- Сбор источников по заданной теме.
- Семантическая дедупликация за 30 дней.
- LLM-скоринг релевантности от 0 до 100.
- Один ключевой материал или связный обзор нескольких источников.
- Текст и документальная иллюстрация в одном процессе.
Как решения помогают бизнесу
| Решение | Задача | Польза |
|---|---|---|
| Сбор источников по теме | Убирает ручной мониторинг десятков страниц и лент. | Редактор быстрее получает рабочий пул материалов. |
| Сохранение данных до генерации | Не дает потерять результат при сбое одного шага. | Работу можно продолжить без повторного сбора. |
| Смысловая дедупликация | Находит один инфоповод в разных формулировках. | Аудитория не получает повторные пересказы. |
| LLM-скоринг 0–100 | Отделяет релевантные материалы от формально похожих. | Меньше шума, быстрее редакторское решение. |
| Два режима выпуска | Подстраивает структуру под материал дня. | Можно выпустить глубокий пост или связный обзор. |
| Голос бренда в правилах генерации | Стабилизирует стиль регулярных материалов. | Канал звучит последовательно при частом выпуске. |
| Иллюстрация в том же контуре | Закрывает базовую визуальную задачу выпуска. | Не нужен отдельный производственный цикл. |
| Ручной запуск и проверка | Не отдает публикацию полностью автоматике. | Редактор контролирует факты и финальный акцент. |
Почему выбрана такая архитектура
Карта контентного потока
Система снимает повторяющиеся этапы, а финальное решение оставляет редактору.
- Источники
- Нормализация
- Повторы и релевантность
- Редакторская проверка
- Готовый выпуск
Повторы сравниваются по смыслу
Один инфоповод часто появляется в разных источниках с другими заголовками. Поэтому система использует эмбеддинги и поиск в PostgreSQL с pgvector, а не только сравнение ссылок и строк.
Скоринг помогает, но не решает за редактора
Отдельный LLM-слой быстрее отсеивает формально похожие материалы. Окончательная оценка смысла и фактов остается у редактора.
Локальный запуск снижает риск случайной публикации
Ручной запуск и отсутствие автопостинга сохраняют редакторскую ответственность и дают понятную точку контроля перед выпуском.
Результат
Подготовка выпуска занимает около 1–2 минут вместо нескольких часов ручной работы. Редактор получает тему, структуру, текст и визуал в одном собранном материале.
Повторы за последние 30 дней отсекаются до публикации. Система забирает сбор, первичный отбор и проверку повторов, а человеку оставляет проверку фактов, смысл и финальное решение.
Где это применимо
Подход подходит регулярным контент-потокам, где важны скорость отбора, единый голос и отсутствие повторов.
- Отраслевые дайджесты.
- Экспертные Telegram-каналы.
- Корпоративные рассылки.
- Внутренние аналитические сводки.
- Новостные подборки для команды.
- Контентные продукты с узкой тематикой.
Вывод
AI здесь работает как редакционный производственный контур, а не как замена экспертизе. Он снимает повторяющуюся работу и делает выпуск предсказуемее.
Если регулярный контент каждый раз собирается вручную, похожий пайплайн может снизить нагрузку на редактора и сохранить контроль над качеством.