Привет!
Нужен был какой то кейс интеграции ИИ в бизнес, именно кейс, в рамках которого что-то крутиться вокруг ИИ.
Тоесть речь не про ассистента, который помогает, а прямо что то, чем он управляет.

Я хотел найти задачку, чтобы совместить приятное с полезным, по итогу, это реализовалось в моем блоге.

Задача: автоматизация постов в блоге.

Звучит просто - писать посты, тем более с нейронкой. А по итогу, это объемная задача с десятками мелких сайд квестов:

1) Автопосты в вордпресс - оверинженеринг. Легаси пхп, с непредсказуемыми плагинами + к этому добавим нейронку и получаем дичь.
Переделал блог в markdown и дружелюбным SEO.

2) А о чем писать? Хороший вопрос. Писать о чем мне интересно я и сам могу.
Но если нет ресурса системно испытывать вдохновения хотя бы 3 раза в неделю, то на этот кейс, я подключил mcp Google analytics, чтобы собирать показы блога и писать только релевантные поисковику статьи.
Это позволяет автоматически наращивать индекс цитируемости.

3) Посты через нейронку лишены души - да. Но я постарался максимально хьюманизировать посты, с пояснением в виде mermaid диаграмм. Мне нравится.

4) Какую модель использовать?
Целый квест. В итоге, конечно, самая дорогая , оказалось самой лучшей для моей задачи - anthropic opus.

И что, все?)
Перед тем как начать реализовывать, мой план закончился здесь. Я ожидал, что это финал. Отнюдь.

5.1) У anthropic есть публичный API, тоесть мы можем просто кинуть курлом запрос, с передачей контекста, чтобы она написала нам пост. Но стоп, нам же надо собрать темы - это mcp.
Плюс создать план статей , модерировать через ИИ.
Обычным курлом это не решишь, начинаем использовать агентов!

5.2) Агенты? Окей, решили. Антропик хорош для статей, а если мне надо просто в плане публикаций отметить статью, которую я опубликовал или только планирую, зачем я буду использовать дорогущую модель, прогоняя 100500 токенов?
Давайте для таких задач использовать бюджетные модели? Давайте.

5.3) Не давайте, у антропика есть агент, который vendor lock. Я не могу туда подсунуть другие модели.
Создаём проксирования, чтобы обмануть агента, что он использует антропик, с помощью LLM-proxy.

5.4) anthropic живёт за вражеским cloudflare, до которого у нас, ессесно нет доступа. Это VPN. А VPN IP в черном списке. Решили.
Теперь cloudflare думает что мы - бот и отваливает нас с 403 кодом. Ничего страшного, добавляем nginx.

...На шаге 0, казалось, автопостинг - делов то...

Теперь у меня буду выходить посты, 3 раза в неделю, надеюсь, вы не отпишитесь)

В проектировании систем нет идеальных решений, есть лишь компромиссы. Разбираем, чем приходится платить за выбор между Stateless и Stateful подходами.

Stateless и Stateful: примеры, отличия и когда что использовать

Привет! Собрал в одну статью шаблоны функциональных и нефункциональных требований, примеры формулировок и грабли, на которые мы, аналитики, наступаем чаще всего. Без претензий на истину, но вдруг сэкономит вам пару часов.

Функциональные и нефункциональные требования: шаблоны, примеры и типичные ошибки

Привет! Написал, как мы заставили нейросетку красить фотки каталога вместо ретушёра: эталоны, LUT-ы, очередь задач и немного боли при встраивании всего этого в живой конвейер.

AI-ассистент для обработки каталогов: автоцветокоррекция и художественная постобработка

Привет! Оказывается, LLM может вычитывать ТЗ и находить такие ляпы, которые мы сами пропустили бы. Примеры, промпты и чек-лист внутри.

AI для код-ревью требований: как LLM находит противоречия, пропуски и неоднозначности в ТЗ

Привет! Оказывается, нейросеть вполне способна прикинуть стори-поинты — почти как человек, но без лишних споров. Заглядывайте, если интересно.

AI для оценки сложности и трудозатрат: от требований к стори-поинтам через LLM

Привет! Разобрались, как LLM может помочь не сойти с ума при распиле монолита на микросервисы: контексты, матрицы, риски — всё как вы любите.

AI для миграции архитектуры: как LLM помогает спланировать переход с монолита на микросервисы

Привет! Оказывается, нейросеть пишет руководства и FAQ из ТЗ почти без моих страданий. Вот промпты, грабли и чек-лист, чтобы не облажаться.

AI для написания пользовательской документации: от спецификации к руководству пользователя

Народ, устроил Claude, ChatGPT и Gemini тест-драйв на задачах аналитика — от требований до legacy-кода. Без хайпа, только практика.

Сравнение AI-моделей для системного аналитика: Claude, ChatGPT, Gemini — что выбрать под задачу

Привет! Если хочешь стать системным аналитиком, но пока путаешь требования с желаниями — вот дорожная карта без воды и с реальными советами.

Системный аналитик с нуля: с чего начать, базовый минимум знаний и навыков

Привет! Вечно путаете, когда POST, а когда PUT? Разобрали все методы REST, безопасность, идемпотентность и типичные ошибки. Читайте, чтобы не краснеть на собеседованиях.

HTTP-методы REST API: GET, POST, PUT, PATCH, DELETE — когда какой применять

Народ, разбираемся, как не создать дубликат платежа дрожащей рукой — ключ идемпотентности в помощь.

Идемпотентность в REST API: повторные запросы, ключ идемпотентности и защита от дублей

Привет! Разгребли завалы из DTO, VO и Entity — теперь знаем, что куда пихать, чтобы не стыдно было. Примеры на Java, Kotlin и TypeScript внутри.

DTO, VO, Entity: слои данных в архитектуре — что куда класть и почему

Народ, расписал шесть принципов REST API — те самые, про которые все говорят, но никто не помнит. С примерами для аналитиков и разработчиков.

REST API: основные принципы — полный разбор

Привет! Расписали продвинутые техники промптов для аналитиков — chain-of-thought и few-shot с реальными паттернами.

Продвинутый промпт-инжиниринг: chain-of-thought, few-shot, паттерны для аналитика

Привет! Разбираемся, как собрать AI-агента, чтобы он выполнял рутину аналитика за вас. На LangGraph, с кодом и самоиронией.

AI-агенты на практике: собираем рабочего агента для рутины аналитика на LangGraph

Народ, если одного AI-агента уже маловато, разбираемся, как собрать из них команду и не сойти с ума от оркестровки. Параллель, последовательность, swarm — чтобы аналитик не мучился в одиночку.

Мультиагентные системы: оркестрация нескольких AI-агентов

Привет! В статье — как мы заставили LLM выдумывать тест-кейсы по требованиям. Спойлер: покрытие неидеальное, но грабли мы собрали знатные.

AI для генерации тест-кейсов из требований: покрытие и граничные случаи

Привет! Обещал выложить свой pipeline из аудио интервью в требования. Без магии, но с промптами и диаграммами.

AI: как превратить интервью со стейкхолдерами в структурированные требования

Привет! Пока LLM уверенно галлюцинирует, мы решили засунуть её ответы под микроскоп. Без пафоса, с метриками и гардрейлами — чтобы внедрение AI в продукт не превращалось в квест «угадай, где враньё».

Оценка качества ответов LLM: галлюцинации, метрики и guardrails