Автоматизація щоденного ШІ-конвеєра контенту на локальній моделі Qwen3

Експеримент вихідного дня може перетворитися на щоденну звичку, і з цим так і сталося. Усе почалося з каналу для розробників про ШІ-інструменти: знаходити нові інструменти, статті, запуски й пет-проєкти, а найкраще перетворювати на пости. На практиці ця рутина з'їдала майже три години на день. Пошук тем, дослідження, чернетки, каруселі, сценарії для відео, підписи й публікація — усе робилося вручну, а наступного ранку починалося знову. Якщо щодня повторюєш той самий ланцюжок справ, час написати для нього скрипт. Так і зробили.

Щоденний конвеєр

У результаті вийшов конвеєр контенту на базі ШІ. Він щодня запускається сам, тож ранок більше не починається з чистого аркуша. Теми знаходяться, досліджуються й перетворюються на чернетки, і все приходить уже готовим до перевірки.

Discover
   ↓
Research
   ↓
Validate
   ↓
Score
   ↓
Generate
   ↓
Review
   ↓
Publish
   ↓
Analyze
   ↓
Optimize

Сировина надходить із кількох джерел:

• GitHub Trending
• Hacker News
• arXiv
• Product Hunt
• RSS-стрічки та блоги ШІ-компаній

Один запуск зазвичай збирає близько 150 сирих матеріалів. Більшість не варті уваги, тому далі йде фільтрація.

Фільтрація локальною моделлю

Перший прохід робить локальна модель Qwen3:8b, що працює через Ollama. Для кожного кандидата вона пише короткий підсумок і відповідає на три запитання: що це таке, чому це важливо розробникові і що з цим можна збудувати? Потім крок перевірки відкидає все застаріле, оманливе або відверто марне, і список уже помітно коротшає.

Оцінки замість питання «чи цікаво це?»

Розмита відповідь моделі «так чи ні» ненадійна, тому кожна тема, що лишилася, отримує числові оцінки від 0 до 10 за шістьма критеріями:

• наскільки це корисно
• наскільки це нове
• цінність для розробників
• пошуковий попит
• потенціал заробітку
• наскільки легко це показати

Максимум — 60 балів, усе, що нижче 35, відкидається автоматично. Замість продиратися крізь 150 посилань за сніданком, той, хто перевіряє, зрештою дивиться приблизно на 5–10 кандидатів. Саме тут автоматизація й починає окуповуватися.

Одне дослідження, багато форматів

Схвалена тема дає не просто абзац. Система збирає повний пакет з одного раунду дослідження:

• карусель із десяти слайдів: гачок, проблема, рішення, приклад, сценарії використання, висновок і заклик до дії
• сценарій короткого відео за тими самими нотатками
• підпис і хештеги
• структурований JSON, який може прийняти крок публікації

Важливо досліджувати один раз і перевикористовувати результат. Вивчати ту саму тему п'ять разів лише тому, що п'ятьом платформам потрібен пост, було б безглуздо.

Вирішує все одно людина

Люди лишаються в циклі навмисно. Програма робить повторювану роботу, а людина вибирає, що насправді вийде у світ. Перевірка запускається однією командою.

uv run approve

Потім термінал показує тему, її оцінку, дослідження, карусель, сценарій, підпис і хештеги. Кожен пункт можна схвалити, відхилити або пропустити. Робота, яка раніше забирала кілька годин, тепер забирає близько десяти хвилин.

Після схвалення публікація — теж одна команда.

uv run post

Цей крок керує процесом публікації, оновленням бази даних, відстеженням статусів і логуванням. Є й перемикач пробного запуску.

uv run post --dry-run

З ним увесь процес можна відрепетирувати від початку до кінця, нічого не публікуючи.

Учитися на результатах

Автоматизація — лише половина мети. Наступний етап — оптимізація, коли система вчиться на тому, що опубліковано. Корисні запитання такі: які теми збирають більше залученості, які гачки працюють краще, які формати частіше зберігають і пересилають, а які теми стабільно провисають. Відповіді можна повертати в правила оцінювання, і тоді довгостроковий цикл виглядає так: створити, опублікувати, виміряти, навчитися, покращити. Замість просто видавати більше контенту, система має поступово краще розуміти, який контент узагалі варто робити.

Стек і вартість

Набір інструментів навмисно невеликий: Python 3.11, SQLite, Ollama з Qwen3:8b, Pydantic, httpx і uv. Оскільки важка ШІ-робота виконується на локальній машині, щомісячний рахунок дорівнює нулю доларів.

До і після

Старий процес виглядав так: знайти, дослідити, написати, оформити, підготувати сценарій і опублікувати — приблизно три години роботи. Новий: перевірити, схвалити й опублікувати — близько десяти хвилин, а дослідження й генерація щодня відбуваються самі.

Мета не в тому, щоб замінити творчість ШІ. Мета — автоматизувати все довкола творчості, що не потребує людини. У довгостроковій перспективі потрібна система, яка сама й далі знаходить, створює, публікує, вимірює та оптимізує контент, лишаючи людині вирішувати, що справді варто сказати. Саме цю частину зараз і будують.