Auto-blog Picvelo - codzienny wpis oparty na danych z produktu

O projekcie

Picvelo to nasza własna platforma dla fotografów. O tym, jak powstała, piszemy w tekście o budowie SaaS-a. Blog miał ją wypozycjonować na zapytania fotografów szukających narzędzia do galerii i selekcji zdjęć, a nie na ogólne hasła o fotografii, gdzie konkuruje pół internetu.

Ten projekt jest w portfolio głównie dlatego, że pokazuje, co automatyzacja treści robi źle, zanim zacznie robić dobrze. Każdą z trzech przebudów wymusił pomiar, a nie pomysł.

Czego nauczyły nas dane

Więcej nie znaczy lepiej

Pierwsza konfiguracja: dwa artykuły dziennie, po 2100 słów, tłumaczone na angielski i niemiecki. Po 74 wpisach trzy kliknięcia z wyszukiwarki. Teksty edukacyjne („trójkąt ekspozycji”, „jak ustawić ISO”) siedziały na pozycjach 40-90, bo młoda domena nie ma czym konkurować z serwisami o dziesięcioletniej historii. Tematy z klastra komercyjnego w tych samych danych stały na pozycjach 17-27, więc pula tematów została zawężona do nich.

Tłumaczenia nic nie dawały

Wersje EN i DE zebrały przez 90 dni 389 wyświetleń i zero kliknięć przy średniej pozycji 43. Od lipca bot pisze tylko po polsku.

Model nie może pisać z pamięci

Audyt z września pokazał drugi problem: teksty były poprawne i puste. Writer nie dostawał żadnego materiału źródłowego, więc o funkcjach produktu pisał to, co model wiedział o „platformach dla fotografów” w ogóle. Dziś przed pisaniem idą dwa kroki: agregaty z bazy produkcyjnej Picvelo (po SSH, tylko odczyt) i krótka notatka z wyszukiwania w sieci. Log każdego przebiegu podaje, ile znaków materiału dostał writer. Zero w obu polach oznacza tekst z pamięci i jest sygnałem do sprawdzenia.

Każdy wpis wyglądał tak samo

Na 68 opublikowanych wpisach 55 miało dokładnie jedenaście nagłówków i kończyło się tą samą trójką sekcji. 62 wpisy nie miały ani jednej tabeli. Teraz liczba sekcji zależy od tematu (6-9), zakończenie ma cztery warianty, a każdy tekst musi zawierać blok strukturalny: tabelę, listę kroków albo kryteria wyboru. Wybór jest deterministyczny, więc ponowne uruchomienie na tym samym temacie daje ten sam plan.

Jak działa dzisiaj

Codziennie rano GitHub Actions uruchamia testy. Jeśli któryś jest czerwony, tego dnia nie ma wpisu. Potem planer wybiera kolejny temat z jednej z 21 serii, uzupełniając go frazami z Search Console, które są blisko pierwszej strony. Scorer odrzuca tematy podobne do czegokolwiek z całej historii publikacji, a osobna bramka nie wpuszcza wpisu na frazę, która ma już swój artykuł. Przy codziennej publikacji to jest główne ryzyko: kolejne wpisy z tej samej serii zaczynają odbierać sobie pozycje.

Writer pisze szkic, drugi przebieg modelu wytyka konkretne wady, writer ma jedną rundę poprawek i wygrywa lepsza z dwóch wersji. Twarde bramki (m.in. minimalna długość i zajęta fraza) blokują publikację, a uwagi stylistyczne trafiają do rundy poprawek. Gotowy tekst dostaje zdjęcia i idzie prosto do bazy bloga, po czym leci ping IndexNow.

Dwa razy w tygodniu bot działa w trybie odświeżania: bierze istniejący wpis, który zbiera wyświetlenia i nie zamienia ich na kliknięcia, i dopisuje mu sekcje zamiast tworzyć nowy artykuł.

Wcześniejsza wersja publikowała przez Pull Requesty z akceptacją człowieka. Od lipca wpisy idą bez ręcznego zatwierdzania, a kontrolę przejęły testy, recenzja modelu i bramki.

Co z tego wyszło

Na blogu są 72 artykuły. Pomiar z 14 września na 63 adresach: 46 zaindeksowanych, 8 wykrytych i jeszcze nieprzetworzonych, 9 nieznanych Google. Trzy dni wcześniej 29 z 30 sprawdzanych adresów było Google nieznanych. Przyczyną nie była treść, tylko mapa witryny, której wyszukiwarka nie pobierała od 44 dni. Po naprawie mapy bot wrócił do codziennej publikacji.

Koszt nie gra tu roli: cały blog od czerwca to około 3 dolarów w tokenach, a przejście z gpt-4o na gpt-5.6 zmieniło rachunek o grosze na artykuł.

Czego nie wiemy: ile rejestracji w Picvelo przyniósł blog. Search Console pokazuje pozycje i kliknięcia, ale nie łączy wejścia z artykułu z założonym kontem, a to wdrożenie takiej atrybucji nie zbiera. Blog jest młody i ruch na długim ogonie rośnie powoli. Ten projekt, tak jak automatyzacja AI dla firm, którą budujemy dla klientów, działa dopiero wtedy, gdy model dostaje dane, a nie tylko polecenie „napisz artykuł”.

Technicznie

Python na self-hosted runnerze GitHub Actions, stan i deduplikacja w SQLite. Modele przez OpenAI Responses API: gpt-5.6-terra pisze, recenzuje i robi research z narzędziem wyszukiwania w sieci, tańszy gpt-5.6-luna planuje kolejny podtemat. Silnik bloga jest po stronie aplikacji Picvelo (PHP): renderuje HTML z bazy, dokłada kotwice w nagłówkach, linki „Zobacz też” między wpisami i schemat FAQPage. Bot świadomie nie wypala linków między artykułami w treści, bo po zapisie w bazie nie dałoby się ich zmienić bez migracji.