В прошлом посте я рассказывал и показывал, как управляю очередями публикаций на чистом коде прямо в Telegram Mini App. Конструкторы вроде n8n или Make не могут конкурировать с кастомной разработкой, так как работают изолированно. Они слепы к базе данных, истории канала и не умеют обрабатывать сложные сценарии вроде умных очередей со сдвигом всей сетки вещания.

Чистый код (Python + FastAPI + PostgreSQL + Redis + React) связывает генерацию контента со всей логикой и содержимым базы данных. Система знает устройство ваших продуктов и услуг, помнит виральность старых постов и обучается на ходу. На выходе мы получаем управляемый конвейер.

Реальная математика на примере логов моего Content Engine

Система работает через OpenRouter API на модели Gemini 3.1 Flash Lite с тарифом $0.25 за 1M входных токенов и $1.50 за 1M выходных. Канал свежий, цифры базовые.

Сборка одной публикации разделена на понятные шаги: 1) Предгенерация тем. Алгоритм по моему запросу приготовил пул из 3 тем с заголовками и краткой сутью, учитывая данные о канале. Расход составил 612 входных токенов и 776 выходных. Цена шага — $0,00132.

2) Преднаполнение. Модератор свайпает(подтверждает) одну тему в Банке идей, система фиксирует суть, сама готовит точечный промпт под графику и еще сильнее раскрывает нарратив поста. Расход — 628 входных и 114 выходных токенов. Цена шага — $0,000328.

3) Генерация тела поста. Сборка текста до 4000 символов, тегов и мета-информации. На русском языке (2–3 токена на слово) ушло 1020 входных и 813 выходных токенов. Цена текста — $0,00147.

4) Генерация изображения. Создание 1K-обложки через модель Nano Banana 2 (Gemini 3.1 Flash Image Preview). Цена здесь фиксированная — $0,0672. Разумеется чем больше разрешение, тем дороже одна генерация.

Себестоимость одного экспертного поста с уникальной иллюстрацией составляет около $0,07 (и дойдет примерно до $0,10, когда канал проработает месяц и обрастет контекстом). При курсе в районе 80–90 рублей это всего 6–10 рублей за публикацию. При объеме в 40–50 постов в месяц на графику, тексты и производительный сервер VPS ($10) в сумме будет уходить около 1500–2500 рублей. Потребление токенов на автопилот ИИ-комментатора или анализ добавит копейки.

Архитектурная фишка: как не разориться на аналитике

Рано или поздно системе нужно запустить сквозную аналитику за несколько месяцев, сопоставить просмотры, реакции 100+ постов, комментарии и найти виральные связки. Если скармливать модели полные тексты лонгридов из базы, бюджет улетит в трубу.

Чтобы решить это, на шаге генерации тела поста ИИ параллельно создает сжатую версию до 250 символов. В базу данных PostgreSQL уходит и лонгрид, и эта ультра-короткая версия тела поста. При массовом аудите система оперирует только этими выжимками, экономя до 90% входных токенов с сохранением сути и контекста.

В процессе сборки таких систем приходится сталкиваться с кучей технических проблем и нюансов, о которых я подробно расскажу в следующих публикациях.

Мне искренне интересен спрос на такие решения, поэтому я ищу бизнес, которому нужно интегрировать подобный конвейер под ключ. Я могу и дальше дорабатывать систему исключительно под свои задачи, но максимум, что я сделаю в таком случае — продолжу выпускать познавательный контент. Возможно, вашему бизнесу я буду полезнее? Порекомендуйте меня, если знаете тех, кому актуальна такая автоматизация.