Asisten atau Agen: Membangun Mesin Konten yang Sama dengan Tiga Cara
OpenAI
Anthropic
Google/DeepMind
HeyGen
Penulis menghabiskan tiga bulan membangun mesin konten AI untuk saluran Telegram, pertama secara manual dengan ChatGPT, kemudian dengan n8n, dan terakhir sebagai agen Python melalui Claude Code. Pendekatan Python terbukti paling ringkas dan dapat diprediksi, menggantikan ketergantungan SaaS yang gagal dalam sehari. Artikel ini merinci arsitektur, waktu nyata, dan daftar periksa untuk memilih antara asisten dan agen.
Anatoly Klavdienko, yang bertanggung jawab atas pengembangan agen AI di AlpinaGPT dan Alpina Digital, mengotomatiskan produksi 5-10 video pendek per minggu untuk saluran Telegram AI/teknologi. Awalnya ia menggunakan ChatGPT sebagai asisten obrolan, yang memakan waktu sekitar 4 jam per minggu untuk 10 video tetapi melibatkan penyalinan dan perakitan manual. Kemudian ia membangun alur kerja n8n, menghabiskan empat hari untuk pengaturan dan debugging, tetapi menemukan editor visualnya menyakitkan untuk iterasi, tanpa kontrol versi dan debugging yang tepat. Akhirnya, ia mengekspor alur kerja n8n sebagai JSON, memberikannya ke Claude Code, dan mendapatkan pipeline Python yang berfungsi dalam satu malam. Agen final terdiri dari 2074 baris kode produksi dalam 19 file, dengan tiga pipeline: D (pengambilan sumber dari 12 umpan RSS melalui GPT-4o), C (generasi melalui HeyGen dengan 11 ID tampilan, pasca-pemrosesan Whisper dan FFmpeg), dan A (publikasi ke YouTube, TikTok, dan Instagram Reels). Waktu nyata dari pipeline.log menunjukkan pengambilan sumber memakan waktu sekitar 80-84 detik, generasi 6-8 menit. Ketika API SubMagic mulai gagal pada 20 April 2026, penulis menggantinya dengan layanan pasca-pemrosesan khusus dalam satu hari. Ia menyimpulkan bahwa agen kode kini lebih ekonomis daripada pembangun visual, menawarkan kontrol dan kemampuan debug yang lebih baik.
Sumber: Habr — хаб ИИ —
asli