איך אני מכמת את כל צינור התוכן שלי עם סוכני AI
פירוק של פרקטישנר על איך החלפתי שעות של עבודת תוכן שבועית בצינור אוטונומי של 5 סוכנים: מחקר נושאים, כתיבה, עריכה, פרסום והפצה מטופלים בלי שאני בלולאה.
הנה הגרסה הכנה: פעם ביליתי כארבע שעות בשבוע על תוכן. כתיבה, עריכה, פרסום, תזמון, מעקב אחר מה עבד ומה לא. ארבע שעות שהיו צריכות ללכת לבניית אבות-טיפוס או לשיחות עם לקוחות. ידעתי שאכמת את זה מתישהו. פשוט לא ידעתי שזה יעבוד ככה טוב.
היום צינור התוכן שלי רץ בלעדיי. מאמר יוצא כל יום חול. פוסטים ב-LinkedIn יוצאים. מיילים נוחתים בתיבות. אני רואה את התוצאות ב-WhatsApp שלי, סיכום מ-Aria ב-7:30 בבוקר שמספר לי מה עלה לאוויר ואיפה. אני לא כותב את התדריכים. אני לא מאשר טיוטות. אני לא לוחץ על פרסום.
תנו לי להראות לכם בדיוק איך זה עובד.
הבעיה עם תוכן "בסיוע AI"
רוב אוטומציית התוכן עוצרת בטיוטה. אתה נותן פרומפט ל-ChatGPT, מקבל קיר של טקסט, מבלה 40 דקות בלערוך אותו למשהו שנשמע כמוך, ואז מפרסם ידנית. זו לא אוטומציה, זו סוג אחר של עבודה. החלפת את הדף הריק בעט האדום.
הפער שאף אחד לא מדבר עליו: עקביות קול, שיקול דעת עריכתי, פרסום והפצה כולם עדיין ידניים. החלקים הקשים לא נעלמו. הם פשוט זזו.
רציתי לסגור את הפער הזה לגמרי. אז בניתי צינור שבו חמישה סוכנים מטפלים בחמישה שלבים נפרדים, לכל אחד זיכרון משלו, אילוצים משלו, ופורמט פלט משלו. אף סוכן לא יודע יותר ממה שהוא צריך.
חמשת הסוכנים ומה הם באמת עושים
1. Vision - המתזמר
Vision הוא הסוכן היחיד שאני מדבר איתו ישירות על אסטרטגיית תוכן. הוא קורא תדריך שבועי שאני כותב (פעם אחת, ביום ראשון, אולי 200 מילים) והופך אותו לתור תוכן: נושאים מדורגים, מילות מפתח יעד, זוויות מוצעות, שמות slug. הוא כותב את זה לקובץ משותף, aria-content-queue.md, שהסוכנים האחרים קוראים.
Vision לא כותב תוכן. הוא לא עורך. הוא מחליט מה לבנות ולמה, ואז מסתלק מהדרך.
פורמט התור משנה מאוד. הוא כולל מילת מפתח יעד, זווית ספציפית (לא רק "כתוב על X" אלא "כתוב על X מנקודת מבטו של מישהו שנתקל בבעיה Y"), וציון עדיפות. Aria קוראת את התור הזה כל בוקר ב-06:30 ובוחרת את הפריט העליון.
2. Aria - סוכנת הווב
Aria היא מעצבת הווב הבכירה ומומחית ה-SEO שלי. היא זו שמנהלת את המאמר היומי. כל בוקר חול היא:
1. קוראת את תור התוכן
2. בודקת את שער הכפילויות, רשימה של מילות מפתח שכבר פורסמו כדי שלעולם לא לכסות את אותו שטח פעמיים
3. מריצה נושא דרך מסנן הנושאים האסורים שלי (חלק מאשכולות מילות המפתח סגורים לצמיתות אחרי שכתבתי מאמר קנוני)
4. כותבת מאמר מלא של כ-2,000 מילים בקול שלי
5. עושה commit ישירות לרפו של harelasaf.com ב-GitHub
6. שולחת לי במייל גרסת HTML מעוצבת של המאמר
7. שולחת לי סיכום ב-WhatsApp
האילוץ המרכזי שהייתי צריך לבנות: Aria לא יכולה לפרסם עד שהיא עוברת את מה שאני קורא לו שער Sansa, בדיקת טרום-מסירה שבודקת קול, כפילויות, מילים אסורות, שלמות frontmatter, והאם כל טענה מעוגנת לאב-טיפוס אמיתי או מספר אמיתי. נשרפתי מוקדם על מאמרים שציטטו "שיפורים" מעורפלים בלי פרטים. עכשיו השער לא נותן להם לעבור.
ה-commit ב-GitHub מפעיל צינור CI/CD ב-Vercel. המאמר חי תוך בערך 90 שניות. שום בן אדם לא נגע בו.
3. Jams - הפצה
Jams מטפל בסושיאל. ברגע שמאמר נכנס ב-commit, ה-cron היומי של Vision מפעיל את Jams לקרוא את המאמר ולייצר:
- פוסט LinkedIn אחד (הקול שלי, בלי ביטויים שמדליקים גלאי AI, תמיד מסתיים בשאלה כנה)
- שרשור ציוצים ממוחזר אחד אם המאמר מעל 2,000 מילים
- סיכום WhatsApp קצר לכמה מהקבוצות המקצועיות שלי
Jams לא ממציא זוויות. הוא קורא את המאמר, מזהה את הטענה הכי מנוגדת-אינטואיציה או קונקרטית, ומוביל איתה. זה אילוץ מכוון שהגדרתי אחרי שהטיוטות המוקדמות של Jams המשיכו להוביל עם הקשר במקום עם הנקודה עצמה. אמרתי לו: תמיד תפתח בדבר שיגרום למישהו לעצור את הגלילה.
טעיתי בזה במשך שבוע, חשבתי ש-Jams צריך חופש יצירתי מלא כדי להישמע אותנטי. ההפך התברר כנכון. אילוצים הדוקים הופכים את הפלט לחד יותר.
4. Aria (שוב) - שכבת SEO
אחרי שהמאמר חי, Aria מריצה עבודה שנייה: בדיקת תקינות SEO. היא:
- מאמתת שלמאמר יש תגי OpenGraph נכונים, סכמת FAQPage JSON-LD, וכתובת canonical
- בודקת קישור פנימי, האם המאמר מקשר לפחות לשני מאמרים קשורים שכבר פורסמו? אם לא, היא מנסחת commit תיקון עם קישורים פנימיים נוספים
- מעדכנת את מפת מילות המפתח (
aria-keyword-map.md) כך שאף מאמר עתידי לא ימקד את אותה מילת מפתח
מעבר Aria השני הזה בדרך כלל לוקח 3-4 דקות. זו עבודת Cloud Run נפרדת שמופעלת על ידי אירוע Pub/Sub כשה-commit של המאמר נוחת.
5. Albert - המספרים
Albert הוא סוכן הכספים שלי. הוא לא נוגע בתוכן, אבל יש לו עבודה אחת צמודת-תוכן: בסוף כל חודש הוא קורא את לוגי ההוצאה על API ומפיק טבלת ROI תוכן.
בחודש שעבר הטבלה הזו הראתה:
- 8 מאמרים שיצאו
- 14 פוסטי LinkedIn שנוצרו
- הוצאת API על תוכן: $11.40
- 3 פניות נכנסות שהזכירו ישירות מאמר שקראו
אני מסתכל על הטבלה הזו ומחליט אם תמהיל התוכן צריך להשתנות. בחודש שעבר אמרתי ל-Vision להוריד בעדיפות מאמרים טכניים ארוכים לטובת יותר חתיכות אישיות בסגנון "איך אני חושב על X". ההוראה הזו לקחה לי 30 שניות. הצינור התאים את עצמו.
שכבת הזיכרון שגורמת לזה לעבוד
הדבר שמפריד את זה מסט של סקריפטי פרומפט מנותקים: זיכרון משותף.
כל סוכן קורא וכותב לסט קטן של קבצים משותפים ברפו:
aria-published-index.json- רשימה קריאה-למכונה של כל מאמר שאי פעם פורסם (slug, מילת מפתח יעד, URL). Aria בודקת את זה לפני כתיבה. לא לדיונים.aria-keyword-map.md- גרסה קריאה-לאדם של אותו דבר. Vision קורא את זה כשהוא בונה את התור כדי שלא יציע נושאים שכבר כיסינו.learning-log.md- לקחים שכל סוכן רוצה שהרצות עתידיות ידעו. Aria כותבת לזה כשהיא מבחינה בדפוסים. "מאמרים מתחת ל-1,800 מילים מקבלים 40% פחות תעבורה אורגנית" הגיע לכאן אחרי שהיה לנו מספיק נתונים.aria-citation-log.md- האם ChatGPT, Claude, Perplexity או Gemini מציפים את harelasaf.com לשאילתות היעד שלנו. Aria מריצה בדיקת ציטוט שבועית ומתעדת תוצאות כאן.
בלי שכבת הזיכרון המשותפת הזו, הסוכנים עיוורים זה לזה. היית מקבל כפילויות, סתירות, ושום אפקט מצטבר. שכבת הזיכרון היא מה שגורם לכל המערכת להרגיש כמו צוות ולא כמו סט סקריפטים שלא מדברים אחד עם השני.
מספרי האב-טיפוס שגרמו לי לבנות את זה
לפני שבניתי את הצינור, עקבתי אחר התוכן שלי ידנית במשך חודש. הנה מה שמצאתי:
- ביליתי 3.8 שעות בשבוע על תוכן (טיוטה, עריכה, פרסום, תזמון)
- פרסמתי 2 מאמרים בחודש בממוצע
- כתבתי 5-6 פוסטי LinkedIn בחודש
- עלות הפלט למילה שלי (זמן × התעריף השעלי האפקטיבי שלי) יצאה בערך $0.42 למילה
אחרי בניית הצינור:
- אני מבלה פחות מ-30 דקות בשבוע על תוכן (תדריך ראשון + סקירת פריטים מסומנים)
- 8 מאמרים בחודש יוצאים באופן מהימן
- 14 פוסטי LinkedIn בחודש
- עלות ה-LLM למילה שלי: $0.003 למילה
הפחתת העלות פי 140 אמיתית. תקנו אותי, עלות היא אפילו לא הנקודה העיקרית. הנקודה העיקרית היא שהנפח עלה מ-2 מאמרים בחודש ל-8, והאיכות נשמרה בזכות אילוצי הקול ושער Sansa.
ctxauditor, כלי הרלוונטיות של הקונטקסט שלי, רץ על כל טיוטה של Aria. הוא בודק איזה אחוז מחלון הקונטקסט של המאמר הוא מילוי ברלוונטיות נמוכה. טיוטות מוקדמות הגיעו בממוצע ל-38% תוכן ברלוונטיות נמוכה. אחרי כוונון ה-system prompt של Aria עם אילוצים הדוקים יותר, זה ירד ל-11%. המאמרים נהיו הדוקים יותר. ציוני ה-SEO עלו.
LLM Cost Lens מנטר את ההוצאה על API בזמן אמת. יש לי התראה על $4 ליום. פגענו בזה פעמיים, בשניהם Aria הייתה בלולאת retry על commit מעוות. ההתראות נתנו לי לתפוס את זה תוך דקות במקום למצוא חשבונית מפתיעה.
מה אני לא מכמת (ולמה)
תדריך יום ראשון. זה שלי.
אני כותב 200 מילים כל בוקר ראשון על מה שאני חושב עליו, מה ששמתי לב אליו בשיחות עם לקוחות, אילו בעיות טכניות אני פותר. Vision הופך את זה לתור. אבל החשיבה הגולמית, הדבר שהופך את המאמרים מעניינים באמת לקריאה, זה חייב לבוא ממני.
ברגע שניסיתי להכמת את התדריך (בדקתי את זה במשך שבועיים, Vision מייצר את התור שלו מנתוני SEO טהורים), המאמרים נהיו נכונים טכנית ומשעממים לחלוטין. הם נשמעו כמו תוכן, לא כמו שאני חושב בקול. התדריך הוא הדבר שאני לא יכול למסור.
כל השאר: אני מוסר.
לבנות משהו כזה
אם אתם מסתכלים לשכפל את זה, הייתי מתחיל עם שלושה דברים:
ראשית, לכו את שכבת הקול לפני שאתם מכמתים משהו. יש לי מסמך DNA קולי של 1,200 מילים שכל סוכן קורא כחלק מהקונטקסט המערכתי שלו. הוא מכסה דפוסי אורך משפט, מילים שאני אף פעם לא משתמש בהן, איך אני מטפל בטענות טכניות, איך אני פותח מאמרים. בלי זה, הסוכנים כותבים בסגנון בית שנשמע כמו אף אחד.
שנית, בנו את שער הכפילויות מוקדם. שום דבר לא שובר אמינות מהר יותר מלפרסם שני מאמרים על אותו נושא בהפרש של שישה שבועות. האינדקס המפורסם ומפת מילות המפתח עלו לי אחר-צהריים אחד להקמה. הם מנעו לפחות תריסר כפילויות מביכות.
שלישית, התחילו עם סוכן אחד, לא חמישה. בניתי את Aria קודם. רק כותבת המאמרים. במשך חודשיים, זה כל מה שהיה לי. קיבלתי את הקול נכון, גרמתי לצינור ה-commit לעבוד, ייצבתי את שכבת ה-SEO. אז הוספתי את Jams להפצה. אז את Albert למספרים. המערכת גדלה כי חלקים בודדים עבדו, לא כי תכננתי את כל הדבר מראש.
הצינור שיש לי היום הוא הגרסה השישית. לחמש הראשונות היו כשלים קריטיים שהייתי צריך ללמוד מהם. הנוכחי רץ באופן מהימן במשך תשעה שבועות.
מקורות
אלו הפניות טכניות, לא אימות עצמאי של העלויות האישיות, הזמנים, הארכיטקטורה או התוצאות המדווחות במאמר זה. נתונים היסטוריים אלה דורשים את הרשומות היסודיות; אל תשתמשו בהם כתקציב או מדד נוכחי.
- Building effective agents: דפוסי זרימת עבודה.
- הדרכת חיפוש AI של Google: איכות תוכן ודרישות חיפוש רגילות, לא ערובת דירוג מסכמת FAQ.
שאלות נפוצות
כמה באמת עולה להריץ צינור אוטומציית תוכן כזה?
עבור ההקמה שלי עם 5 סוכנים, עלות ה-LLM API החודשית לתוכן היא בסביבות $11-$14. Cloud Run לעבודות המתוזמנות מוסיף עוד $8-$12. עלות צינור התוכן הכוללת: פחות מ-$30 לחודש. עבור 8 מאמרים ו-14 פוסטי LinkedIn, זה הרבה פחות מ-$2 לכל פריט תוכן מפורסם.
האם מאמרים שנכתבו על ידי AI באמת מדורגים בגוגל?
שלי כן, אבל רק בגלל שלושה דברים שעובדים יחד: שכבת קול חזקה שהופכת את המאמרים ייחודיים באמת, מבנה קישור פנימי עקבי, וסכמת FAQPage בכל מאמר. תוכן AI גנרי בלי שכבת קול לא מדורג. זה הבידול.
איך אתה מוודא שהמאמרים נשמעים כמוך ולא כמו ChatGPT?
יש לי מסמך DNA קולי של 1,200 מילים ש-Aria קוראת כחלק מהקונטקסט המערכתי שלה בכל הרצה. הוא מכסה דפוסי משפט, מילים וביטויים אסורים, איך אני מטפל באי-ודאות, איך אני פותח וסוגר חתיכות. Aria גם מריצה בדיקת זיהוי AI פנימית וממקדת ציון AI של 15% או פחות לפני commit.
מה קורה כשסוכן עושה טעות?
שער Sansa תופס את רוב הבעיות לפני commit. אם משהו מחליק, URL שגוי, טענה שלא מסתדרת, אני רואה את סיכום ה-WhatsApp כל בוקר ויכול לסמן את זה. Aria אז מתקנת את ה-commit. המקרה הגרוע ביותר שהיה לי היה slug שגוי בתג canonical, נתפס ותוקן תוך פחות מ-10 דקות.
כמה זמן לקח לבנות את הצינור?
הגרסה הראשונה של Aria (רק כתיבת מאמרים + commit ל-GitHub) לקחה בערך שלושה ימים. לקבל את הקול נכון לקח עוד שבועיים של איטרציה. הצינור המלא עם 5 סוכנים עם זיכרון משותף, הפצה ואימות SEO לקח בערך שישה שבועות בסך הכל. רוב הזמן הזה היה באילוצי הקול ובלוגיקת הכפילויות, לא בתשתית.
האם מפעיל עצמאי יכול להריץ את זה בלי להיות מפתח?
בכנות, אתה צריך להיות נוח עם YAML, JSON בסיסי, ולהבין איך webhooks עובדים. אתה לא צריך לכתוב קוד backend מאפס, אבל אתה צריך להבין איך החלקים מתחברים. אם פרסת אתר Next.js והקמת cron job בעבר, אתה יכול לבנות משהו כזה.
איזה LLM מריץ את סוכני התוכן?
אני משתמש ב-Claude 3.5 Sonnet לכתיבה של Aria, הוא מחזיק אילוצי קול טוב יותר מאלטרנטיבות שבדקתי, והפלט דורש פחות עיבוד לאחר. Vision רץ על Claude 3.5 Haiku למהירות (זה בעיקר ניתוב וניהול תורים). Albert גם רץ על Haiku. אני שומר את Sonnet לעבודת התוכן בפועל.
האם צינור התוכן הוא משהו שאתה עוזר לאנשים אחרים לבנות?
כן, זה אחד הדברים המרכזיים שאני עושה כיועץ בונה AI. ההקמה משתנה מאוד תלוי אם למישהו כבר יש אתר, איך נראים הכלים הקיימים שלו, וכמה מהצינור הוא רוצה להחזיק מול למסור. נקודת ההתחלה הטובה ביותר היא לפנות דרך עמוד יצירת הקשר.
קריאה נוספת
- למה כל בונה AI בישראל צריך מסמך DNA קולי
רוב מערכות ה-AI בישראל נכשלות לא כי המודלים טועים, אלא כי הן נשמעות לא נכון. ככה אני בונה מסמך DNA קולי, ולמה זה הדבר הראשון שאני מספק לכל לקוח.
- דפוסי תזמור סוכנים שבאמת עובדים בייצור
שלושה דפוסי תזמור סוכנים שאני משתמש בהם יומיומית במערכת האוטונומית שלי עם 7 סוכנים: ניתוב תור משימות, הרצות אוטונומיות מתוזמנות, וזיכרון חוצה-סוכנים דרך Firestore. מספרים אמיתיים, פשרות אמיתיות.
- העלות האמיתית של ניהול צוות AI אישי (המספרים שלי)
פירוט כנה של מה שבאמת עולה בחודש להפעיל מערכת אוטונומית של 7 סוכנים - הוצאות LLM API, Cloud Run, Firestore, והכלים שאף אחד לא מדבר עליהם. מספרים אמיתיים מבונה AI סולו.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS