Assistentti vai agentti: saman sisältökoneen rakentaminen kolmella tavalla
OpenAI
Anthropic
Google/DeepMind
HeyGen
Kirjoittaja käytti kolme kuukautta tekoälypohjaisen sisältökoneen rakentamiseen Telegram-kanavalleen, ensin manuaalisesti ChatGPT:n avulla, sitten n8n:llä ja lopulta Python-agenttina Claude Coden kautta. Python-lähestymistapa osoittautui kompaktimmaksi ja ennustettavammaksi, ja se korvasi epäonnistuneen SaaS-riippuvuuden päivässä. Artikkeli kertoo yksityiskohtaisesti arkkitehtuurista, todellisista suoritusajoista ja tarjoaa tarkistuslistan assistentin ja agentin välillä valitsemiseen.
Anatoly Klavdienko, joka vastaa tekoälyagenttien kehittämisestä AlpinaGPT:ssä ja Alpina Digitalissa, automatisoi 5-10 lyhytvideon tuotannon viikossa tekoäly- ja teknologiakanavalle Telegramissa. Hän käytti ensin ChatGPT:tä keskusteluavustajana, mikä vei noin 4 tuntia viikossa 10 videota kohden, mutta sisälsi manuaalista kopiointia ja kokoamista. Sitten hän rakensi n8n-työnkulun, käyttäen neljä päivää asennukseen ja virheiden korjaukseen, mutta huomasi visuaalisen editorin olevan hankala iteraatioille, sillä siitä puuttuivat versiointi ja kunnollinen virheenkorjaus. Lopuksi hän vei n8n-työnkulun JSON-muodossa, syötti sen Claude Codeen ja sai toimivan Python-putkilinjan yhdessä illassa. Lopullinen agentti koostuu 2074 rivistä tuotantokoodia 19 tiedostossa, ja siinä on kolme putkilinjaa: D (lähteiden haku 12 RSS-syötteestä GPT-4o:n avulla), C (generointi HeyGenillä, jossa on 11 ilmettä, Whisper ja FFmpeg jälkikäsittely) ja A (julkaisu YouTubeen, TikTokiin ja Instagram Reelsiin). Todelliset ajoitukset pipeline.logista osoittavat, että lähteiden haku vie noin 80-84 sekuntia ja generointi 6-8 minuuttia. Kun SubMagic-rajapinta alkoi epäonnistua 20. huhtikuuta 2026, kirjoittaja korvasi sen mukautetulla jälkikäsittelypalvelulla yhdessä päivässä. Hän päättelee, että koodiagentit ovat nyt taloudellisempia kuin visuaaliset rakentajat, ja ne tarjoavat paremman hallinnan ja virheenkorjauksen.
Lähde: Habr — хаб ИИ —
Alkuperäinen