Привет! Меня зовут Денис Большаков, я главный редактор Blask и автор ТГ-канала Wager 3.0. За последние пару месяцев я перекроил редакцию Blask под работу с ИИ: аутсорс-авторов заменил ИИ-агентами, все скиллы собрал в общую базу в Notion, настроил автоматический аналитический дашборд.
Результат: экономия ~$3 000 в месяц на авторах, 15 SEO-статей в неделю в лайт-режиме, аналитическая статья — 30 минут вместо 5-6 часов. Рассказываю, как собрал систему с нуля.
Первый шаг перед стартом работы в ИИ — выбор модели и типа системы. Условно ИИ-системы можно разделить на две категории:
Для системной работы с контент-маркетингом советую выбрать именно кодинг-агента. Я работаю в Cursor, но принципиальной разницы между программами нет. По факту это просто среда, где ИИ-агент напрямую работает с файлами на вашем компьютере.
Пример написания типовой статьи по одному запросу
Свой путь в контенте я начинал в обычном Claude. Для каждой статьи я создавал новый чат, скидывал туда фактуру, референсы и ред политику. На подготовительную работу каждый раз уходило около часа (иногда больше). После перехода на систему с агентами, этот этап исчез — исследование проводит ИИ, в том же окне пишет статью по сохраненным в хранилище референсам и ред политике.
Vault — это не специальный софт, а просто папка на компьютере с текстовыми файлами в формате Markdown (.md — простая текстовая разметка). Документы весит несколько килобайт и открывается любым редактором. Самое важное, что ИИ нативно читает такие файлы и не упустит важную информацию.
Структура моего хранилища в Obsidian (слева) и пример .md-файла с Linkedin-постом
Зачем это нужно? Когда агент работает внутри IDE, он имеет доступ ко всем файлам в проектной папке. Это означает, что все, что вы положите в хранилище, становится его рабочей памятью. Редполитика, статьи-референсы, инструкции, заметки — агент читает их при каждом запросе. Вы значительно экономите время, не объясняя каждый раз системе кто вы и в каком стиле нужно писать текст.
Мой vault устроен просто. Корневая папка с несколькими подпапками:
Для работы с MD-файлами подходит любой редактор — VS Code, Obsidian, хоть стандартный блокнот. Нет принципиального значения, какой выбрать — принцип работы не изменится. Я предпочитаю Obsidian из-за удобного UX и обширного функционала.
Хранилище без контента — пустая коробка. Первое, что нужно туда положить: ред.политику и несколько референсных статей, которые вы считаете удачными.
Агент не копирует референсы, а использует для калибровки: считывает структуру, длину абзацев, стиль подзаголовков, плотность данных. Когда вы просите написать «обзор гео в стиле наших материалов», агент находит подходящий референс и ориентируется на него.
Структура папки с референсами — примеры по статьям, бренд кит по дизайну, визуалы, PDF-репорты, посты для социальных сетей
Вот конкретный пример, как это работает на практике. Недавно мне нужно было написать для внешнего медиа статью про популярность казуальных игр в Европе. Раньше процесс выглядел так:
Итого: 5-6 чистых рабочих часов на одну статью
Текущий процесс для той же задачи:
Статья готова, затраченное время — 30 минут
Скилл — это готовая инструкция для агента под конкретный тип задачи.
Разница между промптом и скиллом — как между устной просьбой и рабочей инструкцией. Промпт: «напиши обзор казино». Скилл: «возьми данные из Blask API по этому оператору, структурируй по шаблону (продукт → маркетинг → выводы), используй ред.политику из docs/, добавь скриншоты интерфейса, сравни условия с тремя конкурентами из refs/» (это упрощенный пример).
В редакции Blask сейчас около 20 скиллов. Среди них — обзор гео, слот-ревью, новостная заметка, аналитический разбор, вычитка текста на соответствие редполитике, проверка фактов и другие. Каждый написан как MD-файл и лежит в общей базе.
Здесь важный момент: когда в редакции несколько человек, каждый автор дорабатывает скиллы под себя. В итоге нет общей базы агентов и материалы могут отличаться по структуре и tone of voice.
Мы решили эту проблему через общую базу скиллов в Notion. Работает так: все инструкции хранятся в одном пространстве, доступ на редактирование — только у главреда, авторы видят их в режиме чтения. Каждый день файлы автоматически синхронизируются на рабочие устройства команды. Автор открывает Cursor, и у него уже есть актуальная версия всех скиллов.
Когда vault и скиллы настроены, следующий шаг — дать агенту доступ к сторонним инструментам. Здесь помогает MCP (Model Context Protocol) — протокол, который позволяет ИИ обращаться напрямую к внешним сервисам. Если упрощать, MCP — это адаптер между агентом и API. Вам не нужно писать код или разбираться в документации сервиса — достаточно подключить MCP-коннектор, и агент начинает «видеть» данные.
Наглядный пример для понимания работы MCP
В моей связке подключено несколько источников:
На базе GSC и PostHog я собрал отдельную автоматизацию. Каждый понедельник агент анализирует данные за неделю, формирует рекомендации и отправляет выжимку в Telegram-бота с HTML-дашбордом. Раньше я тратил час-полтора на ручной анализ статистики по каждой статье — сейчас открываю бота утром и вижу готовый отчет.
Звучит сложно, но настройка заняла в сумме пару часов. Я гуманитарий — ни строчки кода до этого не писал. MCP-коннекторы ставятся из готовых конфигов, остальное агент умеет делать сам.
За последний месяц работы системы мы сэкономили ~$3 000 на производстве статей. Отказались от трех аутсорс-авторов — их объем теперь закрывают агенты. Раньше: 30 статей × $100 на автора. Сейчас: те же статьи × менее $20 в токенах.
Но ИИ — не волшебная таблетка, и здесь важно провести черту:
Если обобщать, то чем сложнее материал — тем больше ручного труда он требует. Но закрыть рутинные задачи (которых в нашем случае >50%) ИИ может прекрасно. И после настройки такой системы остается важный вопрос — что делать с освободившимся временем. Но это — тема для отдельной статьи 🙂
Всю систему с нуля можно собрать за несколько дней, еще столько же времени уйдет на тестирование и отладку. Вот простой гайд:
Если у вас все еще остались вопросы — пишите мне в личку, помогу с настройкой и накидаю еще пачку ИИ-юзкейсов. И подписывайтесь на мой канал, там я публикую еще больше гайдов по простой ИИ-автоматизации 🙌🏼
Telegram 
Website 
YouTube 
0 
Удалось как то налить им, 900~ фтд где-то вышло. До сих пор даже капает. Может чуть позже еще вернусь снова по ревшаре полить, а то в кейсах у коллег уж больно сладкие RD, надо проверить.
Ребята аффы написали вчера говорят вернуться траф дать)) ну отзыв попросили оставить, мне в целом не сложно, но вот как есть)