Пайплайн вместо одного промпта
Извлечение сути, адаптация, скоринг и рубрикация выполняются раздельно. Ошибку можно локализовать и перезапустить.
Кейс AI-контентного продукта
Planck.Media: AI-конвейер от научного источника до понятной публикации
Построили не генератор отдельных статей, а управляемый редакционный конвейер: источник проходит извлечение сути, адаптацию языка, оценку, рубрикацию и публикацию с сохранением статуса каждого этапа.
PythonClaudeNext.jsSupabasePostgreSQLDockerPDF deep-dive
2 200+материалов опубликовано на портале
69тематических категорий в структуре
ежедневнопайплайн обрабатывает новые источники
по этапамстатус и результат каждой операции сохраняются
Исходная задача
Проблема сложнее одного экрана
Научный источник нельзя безопасно превратить в публикацию одним запросом к модели. Нужно отделить извлечение фактов от адаптации, не потерять ссылку на первоисточник, оценить материал, выбрать рубрику и иметь возможность повторить только неудачный этап.
Автоматизировать рутинную обработку источников, сохранив наблюдаемость процесса. Публичный портал должен работать независимо от очереди генерации, а редакционная система — показывать, где находится каждый материал.
Ключевые решения
Что сделали и почему именно так
Состояние хранится в базе
Исходник, промежуточные версии, оценки и финальный текст не живут только в памяти процесса.
Публикация отделена от генерации
Next.js читает готовые материалы из PostgreSQL; сбой модели не останавливает уже опубликованный портал.
Deep-dive по запросу
Для расширенного разбора система формирует отдельный PDF, не перегружая основной формат статьи.
Рабочий процесс
Как проходит данные или заказ
- 01ИсточникСистема получает материал и сохраняет ссылку, метаданные и исходное содержание.
- 02ИзвлечениеClaude выделяет предмет, ключевые выводы и факты для дальнейшей адаптации.
- 03Адаптация и скорингТекст переводится в понятный формат, оценивается и распределяется по рубрикам.
- 04ПубликацияГотовый материал становится доступен на Next.js-портале и в поиске.
Оркестрация
Python-процессы и очереди обработки
AI-слой
Claude для отдельных контролируемых этапов
Состояние
Supabase / PostgreSQL со статусами
Публикация
Next.js-портал, поиск, рубрики и PDF
Не обещания, а проверка
Чем подтверждается результат
Объём виден на портале
Опубликовано более 2200 материалов, распределённых по 69 категориям.
Процесс воспроизводим
Каждый материал проходит фиксированные этапы, а промежуточный результат хранится в базе.
Продукт продолжает работать отдельно
Публичный сайт не зависит от доступности модели в момент чтения статьи.
Итог
Редакционная автоматизация масштабирует обработку источников, но остаётся наблюдаемой: видно исходник, статус, промежуточные результаты и финальную публикацию.
Границы решения
Что система намеренно не обещает
- —AI-адаптация не превращает материал в первичный научный источник.
- —Качество публикации зависит от качества исходника и правил проверки конкретного этапа.
- —Автоматический скоринг помогает приоритизировать материал, но не является научным рецензированием.
Частые вопросы
Это полностью автономная редакция?
Нет. Система автоматизирует этапы обработки и хранит их результаты, но правила отбора и контроль качества остаются частью продукта.
Почему используется несколько этапов?
Так проще проверять результат, локализовать сбой и повторять только нужную операцию, не генерируя материал целиком заново.
Можно ли применить пайплайн к корпоративной базе знаний?
Да. Та же модель подходит для документов, новостей отрасли, инструкций и аналитики, если определить источники, статусы и правила проверки.
Связанные решения
Готовы начать?
Расскажите, какой цифровой продукт нужен бизнесу.
Для первого ответа хватит нескольких предложений: что работает сейчас и какой результат нужен.
Обсудить задачу
Выберите удобный способ связи
Ответим на вопросы, предложим первый план и сориентируем по срокам и бюджету.