Михаил Кожан › arthame Сбер ID
AI / ML инженер — от бизнес-задачи до работающей системы
Рейтинг
1 815
№ 562 в каталоге
Отзывы
Профессионализм
-/10
Коммуникация
- /10
Город
Санкт-Петербург
Опыт работы
14 лет
На сайте с
2014 года
Юридический статус
Частное лицо

Content Factory — AI-платформа для управления контентом

Используемые навыки AgentGPT AI Chatbot API LLM Prompt Engineering OpenAI

Описание

Необходимо было спроектировать единую систему, которая управляет полным циклом работы с контентом: от поиска новых тем и исследования до редакционной подготовки и публикации.
Основная задача — заменить набор разрозненных ручных операций на управляемый процесс, в котором AI-агенты выполняют отдельные этапы работы, а состояние каждого материала и всего производственного контура видно в одном интерфейсе.
При проектировании учитывались несколько параллельных направлений контента, разные стадии обработки материалов, контроль выполнения задач, архивирование и возможность дальнейшего подключения внешних каналов и сервисов.

Решение

Спроектировал и разработал веб-платформу Content Factory с агентным конвейером обработки контента.
Реализованы:
— Радар для поиска и первичного отбора новых тем;
— отдельный этап исследования и подготовки материалов;
— редакционный процесс с контролем состояния контента;
— управление очередью публикаций;
— единая карта текущих процессов и статусов;
— AI-агенты с разделением функций по этапам;
— поддержка нескольких контентных направлений;
— поиск, сортировка и архив материалов;
— журнал активности и управление процессами;
— хранение операционных данных в PostgreSQL;
— архитектура для подключения каналов публикации и внешних сервисов.
Платформа проектировалась не как отдельный генератор текстов, а как полноценная операционная система для контентного производства, где AI является частью управляемого рабочего процесса.

Результат

В результате получена рабочая Content Factory, объединяющая поиск тем, исследование, редакционную обработку и подготовку к публикации в едином интерфейсе.
Каждый материал проходит через определённые стадии, а пользователь видит текущее состояние процессов, работу отдельных агентов и очередь задач без необходимости контролировать несколько разрозненных инструментов.
Архитектура позволяет постепенно подключать дополнительные AI-агенты, новые направления контента, внешние источники и каналы публикации без перестройки основного процесса.

Оценили проект:

Другие проекты

Все проекты →
ИИ и Нейросети ML Platform — управление жизненным циклом ML-моделей
ML Platform — управление жизненным циклом ML-моделей
8
ИИ и Нейросети Feature Store — управление признаками и датасетами
Feature Store — управление признаками и датасетами
7