У нас есть миникаталог по услугам разработки. Он по сути охватывает семантику по коммерческим запросам. Каждый лендинг - это набор уникальных парамеnров для ленда и типовых секций (про платформу, отзывы и т.д.). Сегодня расширил каталог за счет идей из ИИ DeepSeek. Что я делал: 1. Дал ему выгрузки Текущий список услуг (раздел /zakaz) и Список основных возможностей (по сути каталог /list/features). 2. Сгенерировали идеи новых услуг на основе возможностей платформы. Отфильтровали ненужное. 3. На основе списка новых услуг сгенерировали таблицу с нужными базовыми полями и подгрузили это на сайт (загрузка CSV в режиме добавления записей). В итоге получился набор из новых 29 лендов услуг. Далее для них нужно сгенерить еще 2 описания (и это уже сложнее) - описание и подробное описание. Это более тонкий момент, т.к. подразумевает генерацию HTML текста и передачу через CSV (сначала CSV ломался на многостроных HTML блоках с кавычками). Удалось в итоге порешать и сделать вторую загрузку на обновление данных (поля details и fulllText). Пример подобного лендинга - https://falconspace.ru/zakaz/crm-dlya-obrazovatelnykh-centrov (пока совсем без правок после ИИ). Следующим шагом будет проход этих 29 лендов с ручными правками - вставка ссылок, убрать возможные неточности от ИИ, добавление контекстных моментов. Выводы: 1. Процесс лучше разбивать на 3 этапа. 2. На первом этап идет генерация идей на основе существующих данных и целей. 3. Второй этап - генерация таблицы с простыми данными для создания записей в базе данных 4. Третий этап - дополнение данных (те поля, которые требуют более сложных генераций и обработки).