Как я полгода вайбкодил ИИ-платформу для создания контента

Всем привет!

Речь не об очередном проекте, сделанном за один вечер, и не о «чудесах» вайбкодинга. Это довольно большой проект, который я реализовал в одиночку: без единой самостоятельно написанной строки кода и без привлечения каких-либо специалистов.

При этом, как мне кажется, удалось продумать не только сам сервис, но и сопутствующие вещи: безопасность, нагрузку, архитектуру и масштабирование.

Надеюсь, мой опыт и эта история окажутся кому-то полезными.

Чтобы читатель лучше понимал контекст, сначала расскажу о том, как я вообще до этого докатился. Опыта разработки как таковой у меня нет, но я много лет занимался сайтами и трафиком. То есть, разбираюсь в текстах, SEO и сопутствующих делах, и по своему опыту знаю многие боли владельца или редактора сайта. 

Летом прошлого года открыл для себя Claude Code и решил попробовать создать что-то свое.  Выбрал понятную и знакомую сферу и начал ковыряться.

Я начал с того, что сгруппировал, с какими проблемами на ежедневной основе сталкиваются владельцы и редакторы сайтов. В первую очередь это статьи (создание, редакция, медиа-контент, публикация), иногда новости, иногда более глубокие исследования на ту или иную тему.

В общем, так и решил сделать сервис формата «для себя», который хотя бы частично автоматизирует эти вещи. То есть, сервис, который:

• самостоятельно пишет статьи на заданную тему и рерайтит новости из источника, 

• сам определяет оптимальную структуру материала или строго следует заданным требованиям,

• позволяет настраивать стиль автора,

• выдает текст без галлюцинаций, с фактчекингом, ссылками на источники и т.д.

И главное — все это за минимальный прайс. Например, если более-менее вменяемый автор с биржи копирайтинга пишет по тарифу 200-300 р./1000 знаков, то у нас стоимость должна быть даже не в разы, а более чем на порядок ниже.

При этом уже появилось много сервисов которые умеют генерировать статьи на заданную тему, добавлять картинку и даже постить на вордпрессе (и других платформах). Но все, что я находил — это просто обертки LLM. То есть между запросом пользователя и результатом — обычный промпт, который задается нейронке в один проход. Поэтому в 9/10 из случаев результат точно такой же, как в условном ChatGPT, с недостоверными неполными данными, с ошибками и иногда просто бредом.

Я решил подойти к задаче более основательно.

На старте у меня не было четкой картины того как я хочу это реализовать, стека технологий и так далее. Как и многие, я просто пробовал. 

С чего все начиналось

На первом этапе это был «конвейер» статей на Python (Python, потому что ничего другого я и не знал и назвал первый попавшийся язык), который состоял из почти 10 этапов. 

На входе он получал тему статьи, длину, пожелания, язык и другие базовые вводные. Дальше отправлял эти данные по API нейронке на первый этап, где готовился план статьи, потом отправлялись несколько десятков запросов в поиск для сбора/парсинга источников фактов (использовал API Firecrawl) и так далее, вплоть до последнего этапа — редакция и отправка напрямую на сайт в WordPress с помощью Rest API. 

Суммарно на 1 цикл делалось около 30 апи-запросов и себестоимость статьи получалась около 50-70 центов. Модели использовал Gemini и DeepSeek, какие точно — уже и не помню.

На фронте была обычная страница с полями настроек, кнопкой отправить, ну, и базовыми функциями — регистрация, авторизация и т.д.

То есть, это была буквально форма с полем для названия темы, парой тумблеров и кнопкой «Сгенерировать статью». Но в отличие от конкурентов, под капотом сервиса уже был сложный, многоэтапный алгоритм с несколькими LLM и другими инструментами.

Выглядел сервис примерно так (это сайдбар с полями для выбора):

И уже тут надо было, конечно, остановиться и потестировать на реальной аудитории, но я как и многие вместо этого полез «улучшать» сервис. В итоге я его полностью переписал и добавил кучу новых функций.

Второй этап

Я думал так: B2C-сервисы с ИИ сейчас либо представлены в виде чата/агента, либо агент — их основная часть. За счет этого пользователю не нужно вручную крутить миллион настроек — достаточно простым языком попросить чат сделать то, что нужно.

И вот так, шаг за шагом, проект из просто генератора статей и новостей превратился в полноценную рабочую среду автора, где не только ИИ напишет текст, но и с этим текстом можно работать прямо там, в том числе в формате редактора. 

В итоге вырос до платформы с гораздо более широким функционалом, чем изначально было в планах.

В основе лежит ИИ-агент, к которому подключены память, инструменты, скиллы, и недавно добавился встроенный редактор. А умный оркестратор гибко роутит запросы между моделями Claude и Gemini, учитывает контекст прошлых диалогов и следит за бюджетом токенов в реальном времени.

Полностью пересобрал «движок» чата, отказавшись от внешних CLI-процессов в пользу прямого использования Vercel AI SDK. Это дало полный контроль над потоком мыслей и инструментов ИИ.

Выглядит это теперь как простой чат, но с набором инструментов (слева) и редактором (справа):

В итоге путь от начала до более-менее готового продукта занял больше 7 месяцев.

Как все устроено

Внутри сервис содержит два основных направления:

• Большие пайплайны для статей, новостей и исследований, которые делают все за пользователя. Задал тему и прочие требования — сервис шаг за шагом сам все пишет. В каждый пайплайн входит последовательно более 50 запросов к ИИ и парсингу источников, чтобы собрать структуру, спланировать статью, найти трастовые материалы для фактчекинга и ссылок на трастовые ресурсы, финально отредактировать и т.д. Так что само «написание» статьи — это 1 из 6 этапов подготовки текста. На выходе получается полноценная полная статья на любую тему, без галлюцинаций и в авторском стиле. Плюсом есть инструмент для доработки, и автопостинг на сайт.

• Редакторский сервис. Это блочный редактор, где можно работать совместно с ИИ-агентом. В отличие от «длинного» пайплайна, агент работает почти мгновенно прямо внутри документа. Можно зайти в редактор и внести точечные правки: заменить абзац, вставить новый блок или удалить лишнее (соответственно, тут же догенерировать это агентом).

Говоря проще, есть генератор контента «под ключ» и есть workspace, где можно править текст вручную с агентом. Обе системы связаны: можно запустить автоматическую генерацию статьи через пайплайн, а когда она будет готова — открыть в редакторе и дошлифовать вместе с агентом. А можно и создать документ изначально через агента.

На чем это все работает:

• NestJS (Node.js) — основной каркас серверной части

• BullMQ на базе Redis — управляет сложными процессами (генерация статей и исследований)

• Библиотека Zod для строгой типизации входных данных инструментов ИИ

• Фреймворк Svelte 5 с использованием реактивных примитивов.

• Редактор ProseMirror и его надстройка ProseKit — для реализации «Рабочей среды» с поддержкой предложений правок от ИИ

Что касается моделей, используется многоуровневая система роутинга между моделями через Vercel AI SDK.

Как первичный провайдер используется OpenRouter. По моделям:

• Claude Sonnet 4.6 и Opus 4.6 — премиум-модели для чата и агента 

• Claude Haiku 4.5 — основная модель для агента и базовых запросов

• Gemini 2.5 и 3 — используется как основной движок чата и в пайплайнах генерации статей 

• Perplexity — для поиска информации в режиме исследования

• Jina AI — провайдер для DeepSearch, Reader и Reranker, нужен для обработки веб-страниц

• Exa — нейропоисковик, интегрированный в некоторые этапы планирования контента.

Ради экономии внедрил Prompt Caching, что снизило расход токенов до 90%.

В итоге себестоимость одной статьи или исследования — меньше 1 доллара.

Монетизация и юридические нюансы

Базово поддерживаются 6 языков — русский, английский, испанский, французский, немецкий и португальский. Что это значит — при смене языка в настройках сайт полностью переводится на нужный язык. 

Агент тоже подстраивается — он получает параметр языка в промпте и общается на выбранном языке. И источники для статей/новостей тоже могут отбираться на нужном языке — при этом язык итогового материала не обязательно должен с ним совпадать.

Ключевая целевая аудитория — это, понятно, Россия. Продвигаться на первом этапе тоже планирую среди российских пользователей. 

Но так как у меня сайт на Hetzner, я узнал для себя неприятную новость о том, что они блокируются в РФ. Так что пришлось делать роутинг и сейчас, трафик из РФ идет по одному маршруту — через сервер в РФ, а остальной мир — напрямую.

Во избежание правовых проблем сайт распознает гео юзера и показывает нужную версию — российскую (если IP из РФ) или международную (все остальные зоны).

Оплата для российских пользователей организована через ЮКассу. Если тест в РФ будет успешным — будем разворачиваться на другие страны, соответственно, будет и больше вариантов оплаты из-за рубежа.

Одна статья в пересчете на рубли стоит для пользователя около 150 рублей.

Что уже умеет сервис

Сервис вместо простой генерации вплотную приблизился к уровню платформы «все-в-одном» для работы с текстовым контентом. 

В основе взаимодействия пользователя с сервисом лежит агент. Он может вызывать нужные инструменты и скиллы, может сам править материалы в редакторе, а может просто отвечать в чате.

У агента есть память — предпочтения и инструкции, которые он будет учитывать во всех чатах. Данные можно вносить вручную, а можно попросить агента прямо через чат.

Базовых функций три:

• Статьи. Пользователь задает тему и язык статьи, по желанию описывает авторский стиль (о нем дальше), дополнительные требования, длину статьи, тип ссылок. Генерируется статья в среднем от 15 до 30 минут — сразу с заголовком и метатегами. Потом при необходимости можно запросить доработку прямо в том же чате.

• Новости. Задаем до 5 поисковых запросов, сервис выдает список релевантных новостей из Google News. Выбираем какие нужно переписать, при желании настраиваем стиль и дополнительные требования. Рерайт быстрый — меньше минуты на новость. Есть автопостинг (статей это тоже касается).

• Исследования. Алгоритм примерно как у статьи, упор на максимум источников и фактчекинг.

Это те большие пайплайны, которые работают на автомате после запроса пользователя. 

Следующий блок — инструменты, связанные со стилем. Их тоже три:

• Авторский стиль. Создает детальный промпт для генерации статей или новостей, описывающий нужный юзеру стиль автора. Его можно сделать автоматически — скормить готовый фрагмент текста, а можно настроить вручную с кучей настроек и маркеров авторского стиля. Авторский стиль сохраняется в профиле, потом его можно применять к любой генерации. Стоит всего 20 рублей, а промпт потом можно скопировать и в любой другой нейронке использовать.

• ИИ-детекция. Оценивает процент через инструменты Gemini, и через свой собственный. Если процент ии-шности высокий, можно прямо там гуманизировать текст.

• Гуманизатор. По тому же заданному стилю переписывает текст, чтобы он не был похож на ии-шный. Этот сервис пока условно рабочий — не хватило сил его по-хорошему доработать, чтобы он реально обходил ИИ-детекторы. Это оказалось непростой задачей.

И еще есть два вспомогательных инструмента для подготовки статей:

• Сбор фактов. Вводим тему статьи и дополнительные требования по желанию, получаем гигантский документ на 100+ фактов по теме, со ссылками на источники, оценкой достоверности, и быстрым поиском по всему этому.

• Создание структуры статьи. Тоже по теме статьи создает детальную структуру, с ключевыми тезисами по каждому разделу и ссылками на источники.

Любую статью, новость или исследование можно открыть во встроенном редакторе. И у этого редактора есть фича — глубокая интеграция с агентом. То есть, агент видит открытый документ и может в режиме реального времени его править по запросу. Ну а можно руками внести какие-то правки — чтобы потом готовый текст опубликовать на сайте.

И то, что добавил недавно — скиллы. Если говорить коротко, то скилл — это большой набор инструкций, который решает конкретную прикладную задачу. Есть скилл для авторского текста, продающего текста, художественного текста, фактчекинга, написания email, новостных текстов и сценариев видео. То есть, скилл не создает текст с нуля, а помогает двигаться в нужном направлении. И все это работает нативно в чате агента. 

Что в итоге

В ближайших планах — доделать скиллы и онбординг для пользователя. Суть в том, что связка данных о пользователе (его роль и для чего ему вообще нужны тексты) с памятью агента и авторским голосом даст результат генерации текста, максимально приближенный к запросу.

Ну а дальше в планах на этом пока остановиться. За 7 месяцев разработки проект, мягко говоря, вышел далеко за пределы MVP. 

Сам проект, если вам интересно посмотреть: kotia.app

Следующая цель — найти свою аудиторию и собрать обратную связь от реальных пользователей. 

В целом проект делался для себя, но, зная все боли владельцев сайтов, я понимаю — он может быть достаточно полезен. И не просто как еще один ИИ-генератор текстов, а как комплексная платформа для работы с контентом. С весьма демократичным прайсом, и — так уж вышло — написанная одним человеком.

И с киллер-фичами: авторским голосом, скиллами и агентом-редактором. Новостной сервис тоже, кстати, достаточно уникальная штука.

В комментариях буду рад конструктивной критике. Необязательно по работе самого сервиса — интересно и мнение об общей концепции проекта.