Dzen Conveyor: как мы построили мультиагентный конвейер контента из 10 AI-ролей

Четыре-шесть часов на одну статью для Яндекс.Дзен. Исследование темы, подбор семантики, написание текста на 3000–8000 знаков, редактура, корректура, обложка. При трёх публикациях в неделю это 12–18 часов — половина рабочей недели уходит на контент, который живёт один день в ленте.

Мы построили систему, которая делает то же самое за три минуты. Без человека в цикле. Telegram-бот на 297 строках, JSON-очередь без базы данных, мультиагентный промпт на 120KB с десятью AI-ролями. На выходе — HTML-статья, DOCX-документ, промпт для Midjourney и шесть коротких постов для соцсетей.

Почему не готовые инструменты

Рынок завален AI-райтерсами: Jasper, Writesonic, ChatGPT с промптом «напиши статью». Проблема в том, что все они выдают текст, а не продукт. Статья для Дзена — это не просто последовательность абзацев. Это SEO-структура с H2/H3, читаемые абзацы не длиннее четырёх предложений, грамотный CTA в конце, обложка 16:9 и отсутствие маркеров, по которым AI-фильтры платформы режут охваты.

SMM-панели вроде SMMplanner и Amplifr умеют автопостинг, но не генерацию. Редактор Дзена — ручной ввод. Ни один инструмент не закрывает полный цикл: Telegram → AI-конвейер → статья → экспорт → обложка. Мы закрыли.

Архитектура: никаких фреймворков

Вся система работает на локальной машине с RTX 4060 под Windows 10. Ни облаков, ни вебхуков, ни платных API кроме самой LLM. Вот как это устроено:

Telegram-бот на голом HTTP-polling

297 строк Python. Без python-telegram-bot, без Flask, без вебхуков. Бот опрашивает Telegram API через urllib.request каждую секунду и хранит состояние пользователей в оперативной памяти — словарь user_id → текущий шаг.

Ключевые решения:

• State machine в памяти: menu → topicgen → platform → menu. Сбрасывается при рестарте, восстанавливается через callback_data в кнопках.
• Proactive check: каждую секунду бот сканирует директорию queue/ на готовые файлы. Нашёл → отправил в Telegram → атомарно переместил в sent/.
• Lock-файл на PID: защита от повторного запуска. При старте проверяет hostname_dzen_bot.lock — если есть, sys.exit(0).
• 3 ретрая на API-запросы: функция ap() с exponential backoff — 2 секунды между попытками. После трёх неудач возвращает {}, не зацикливается.

Callback-диспетчер — 12 обработчиков на единой elif-цепочке. Выбор категории, темы, платформы, запуск конвейера, запрос обложки, мультипликация — всё через inline-клавиатуру.

JSON-очередь вместо Redis

Никаких брокеров сообщений. Четыре типа JSON-файлов в директории queue/:

• gen_{id}.json — запрос на генерацию тем (статус: pending → processing → done)
• req_{id}.json — запрос на полную статью (этапы 2–10)
• cover_{id}.json — запрос на промпт для Midjourney
• multiply_{id}.json — запрос на мультипликацию контента (1 лонгрид → 6 постов)

Cron-воркер проверяет очередь каждые две минуты. Файлы в статусе processing или done пропускаются — только pending. После обработки файл атомарно перемещается в sent/ через shutil.move(). Это гарантирует, что бот не отправит статью дважды: сначала перемещение, потом отправка. Если Telegram API упал — файл уже в sent/, дубликата нет.

10 AI-ролей в одном промпте

Сердце системы — промпт v4.4 на 120KB. Десять последовательных ролей, каждая получает JSON-выход предыдущей и передаёт свой следующей:

Каждый этап — это не просто «действуй как редактор». Это детальные инструкции с конкретными критериями оценки, форматами вывода и чек-листами. Редактор делает 5-уровневую правку: структура → логика → факты → стиль → заголовок. Шеф-редактор выносит вердикт: ✅ утвердить, 🔄 на доработку, ❌ отклонить. Корректор проходит текст четырьмя проходами (Quad-pass) — орфография, пунктуация, типографика, стилистика.

28 гардов и 16 HARD BANS

AI-модели склонны к определённым паттернам: галлюцинации фактов, «контекстное загрязнение» (когда предыдущий ответ влияет на следующий), дрейф тона, злоупотребление штампами. Мы встроили защиту на каждом уровне:

• 28 AI-гардов: Data Hallucination → факт-чек на этапе копирайтера. Context Contamination → эхо-проверка на этапе шеф-редактора. Tone Drift → проверка консистентности стиля. Jargon Sprawl → проверка читаемости.
• 52 паттерна антидетекции: обход AI-фильтров Яндекс.Дзен. Вариативность длины предложений, естественные повторы, разговорные вставки, намеренно неидеальная структура абзацев.
• 16 HARD BANS: список конструкций, которые категорически запрещены в финальном тексте. «Не просто X, а Y», «в современном мире», «следует отметить», «является», «безусловно», «несомненно» и ещё десять маркеров машинного текста.

На выходе — 0 HARD BANS в финальном тексте и пять признаков человеческого письма: личный опыт, риторические вопросы, разговорные обороты, микро-отступление от темы, сторителлинг.

Оптимизация: с 5.5 минут до 3

Промпт на 120KB — это много. Каждый запрос к LLM с полным промптом занимал 5.5 минут. Анализ показал, что узкое место — не сама генерация, а передача контекста. Этап 1 (генерация тем) и Этап 8 (дизайнерские промпты) не требуют полного контекста редакционной цепочки.

Мы разделили промпт на четыре модуля:

• topic_generator.md (32KB) — только Этап 1. Правила генерации тем и заголовков. Отрабатывает за 10–20 секунд.
• multieagent_zen_polished.md (120KB) — этапы 2–10. Полный конвейер для статьи. 2–3 минуты.
• cover_generator.md (30KB) — только Этап 8. Промпты для Midjourney.
• multiply_generator.md (29KB) — только Этап 9. Мультипликация контента.

Результат: темы генерируются за 10–20 секунд вместо 5.5 минут. Статья — за 2–3 минуты. Полный цикл с десятью этапами (премиум-режим) — 5.5 минут. Пользователь не ждёт: бот работает асинхронно, уведомление приходит когда всё готово.

Экспорт: не просто текст

После генерации статья сохраняется локально в четырёх форматах:

• HTML — готовая к публикации страница с мобильной вёрсткой. Абзацы ≤4 предложений, H2/H3, CTA-блок. Поддерживает три площадки: Дзен, VC.ru, Telegram.
• DOCX — для редакторов, которым нужен документ в привычном формате.
• cover_{id}.txt — промпт для Midjourney. Обложка 16:9 в стиле статьи.
• multiply_{id}.txt — 6 коротких постов (пн–сб) для соцсетей. Каждый — самостоятельный микро-контент, не просто нарезка из лонгрида.

Всё сохраняется в output/articles/ с датой и темой в имени файла.

7 багов, которые стоили нервов

Ни одна система не работает с первого раза. Самые болезненные:

1. ap() возвращал {} при первой ошибке. Telegram API иногда отвечает 429 или 502. Функция ap() сразу возвращала пустой словарь, offset не обновлялся — бот зацикливался на одном апдейте и спамил запросами. Добавили 3 ретрая с паузой 2 секунды.

2. Дубль «Статья готова!» каждую секунду. Бот находил готовый файл в queue/, отправлял сообщение, но не перемещал файл в sent/ — на следующей итерации он находил его снова. Решение: shutil.move() до отправки сообщения.

3. Двойные ответы на /start. Два экземпляра бота запускались одновременно. Добавили lock-файл с PID процесса — при старте бот проверяет его的存在 и делает sys.exit(0) если файл уже есть.

Остальные четыре бага — пропуск апдейтов из цикла polling, Unicode-эмодзи в кнопках, двойной блок проверки req_, некорректная обработка offset = -1. Каждый — урок о том, что в реальном продакшене важно не только «работает», но и «не ломается».

Что в итоге

Цифры после отладки:

• 297 строк бота — без зависимостей, без фреймворков
• 2–3 минуты — полный цикл от темы до статьи
• 5.5 минут — с полными 10 этапами (премиум-режим)
• 7 760 знаков — средний объём статьи
• 0 HARD BANS в финальном тексте
• 20+ статей сгенерировано за тестовый период
• 5 признаков человеческого текста

Главный вывод не в цифрах. Главный вывод в том, что полноценный редакционный конвейер можно построить без облаков, без фреймворков и без команды редакторов. Один Python-скрипт, один промпт, одна видеокарта. Всё.

Почему это важно для бизнеса

Контент-маркетинг — один из немногих каналов, который не дорожает со временем. В отличие от контекстной рекламы, где ставки растут, качественная статья продолжает приносить трафик месяцами. Но узкое место — время производства.

Dzen Conveyor снимает это ограничение. Вы отправляете тему в Telegram, через три минуты получаете готовую статью. Не черновик, не «набросок, который надо допилить» — готовый к публикации материал с вёрсткой и обложкой.

Для агентств, ведущих десятки блогов, и для компаний с контент-стратегией это означает переход от модели «1 редактор = 3 статьи в неделю» к модели «1 оператор = 30 статей в неделю». Не увольнение редакторов — переключение их с рутины на стратегию и контроль качества.

Подробнее — в кейсе Dzen Conveyor.