Projekt · MarketingGo
MarketingGo wybiera tematy, pisze artykuły i posty, robi krótkie filmy, sprawdza wszystko drugim modelem AI i publikuje według kalendarza. Obsługuje cztery moje projekty, także The Prompt, który właśnie czytasz. Nie sprzedaję go. Pokazuję, jak buduję automatyzacje, i mogę zbudować podobną dla Ciebie.
Liczby z bazy MarketingGo · stan na 9 października 2026
Podgląd
Prawdziwe dane z systemu, odczytane z jego bazy. Kliknij zakładki i kroki, żeby zobaczyć, co dzieje się na każdym etapie.
1. Temat queued
Każdy projekt ma plan około 500 tematów dobranych pod zapytania z wyszukiwarki. Codziennie o stałej porze system bierze kolejne i odrzuca te, które powtarzają coś, co już było.
2. Szkic generating
Model pisze artykuł według briefu projektu: dla kogo, jakim językiem, z jakimi źródłami i linkami wewnętrznymi.
3. Sprawdzenie w kodzie reviewing
Najpierw twarde reguły bez AI: długość, nagłówek, poprawność linków, linki wewnętrzne tylko do istniejących artykułów, minimalna liczba źródeł, zakazane znaki. Szkic, który ich nie spełnia, nie trafia dalej.
4. Recenzja AI reviewing
Drugi model czyta tekst jak redaktor: sprawdza fakty ze źródłami, zgodność z tematem i briefem. Wynik to „przechodzi” albo lista uwag.
5. Poprawka correcting
Uwagi wracają do autora-modelu. Liczba automatycznych rund poprawek jest ograniczona, zwykle wystarcza jedna. Co dalej nie przechodzi, czeka na decyzję człowieka albo odpada.
6. Akceptacja awaiting_approval
Projekt decyduje, czy publikacja czeka na człowieka, czy idzie sama po recenzji. Każda ręczna zmiana tworzy nową wersję, która znowu przechodzi recenzję.
7. Publikacja published
Artykuł trafia do repozytorium strony. System sprawdza, czy tekst naprawdę jest na żywej stronie, i dopiero wtedy oznacza go jako opublikowany. Każde wydanie można cofnąć.
Artykuł opublikowany w TerazRobot: „Claude Code Max czy Pro: jaki plan wybrać do nauki?”. Dwie recenzje tego samego tekstu, słowo w słowo z systemu.
needs_changes Wersja 1
Ceny, zasady limitów i opisane polecenia są zgodne z otwartym cennikiem oraz dokumentacją producenta. Artykuł odpowiada tematowi i zawiera praktyczne wskazówki, ale wymaga wyjaśnienia terminów zgodnie z briefem dla początkujących. Istnienia czterech stron wskazanych linkami wewnętrznymi nie udało się potwierdzić.
correcting Poprawka
Autor-model dostał te uwagi i przygotował drugą wersję tekstu. Ta wersja przeszła całą recenzję od nowa, bez taryfy ulgowej.
passed Wersja 2
Artykuł odpowiada tematowi i zawiera praktyczny sposób oceny potrzeby droższego planu. Podane ceny i ograniczenia potwierdzają cennik Claude oraz opis planu Max, a działanie poleceń potwierdza podlinkowana dokumentacja. Nie stwierdzono błędów blokujących publikację; pozostały drobne uwagi dotyczące czytelności.
Plany tematów czterech projektów razem. Przykładowe tytuły z kolejki i ze zrobionych.
9 października 2026, czas polski. Cykle dwóch projektów z tego dnia.
Start cyklu: 4 artykuły na dziś.
Start cyklu: 3 artykuły na dziś.
Dwa tematy wymienione na zapasowe po dwóch nieudanych próbach. Cykl nie staje, bierze kolejne z planu.
Cykl zamknięty: wszystkie artykuły po recenzji i na stronie.
Cykl zamknięty: 3 artykuły opublikowane.
Posty do nowych artykułów idą do kalendarza, o różnych porach, z odstępem między publikacjami na tym samym kanale.
Z jednego artykułu The Prompt powstały dwa różne posty, każdy pod swój kanał. Fragmenty opublikowanych tekstów.
Zanim wybierzesz Claude Code, Cursora lub Copilota dla zespołu, sprawdź, ile czasu zajmuje doprowadzenie zmiany do akceptacji. Wlicz też przegląd i poprawki.
Pilotaż zaczynam od małych zadań. Przykład: pusty adres e-mail w formularzu rejestracji ma wyświetlać błąd bez wysyłania żądania. Agent dostaje konkretny zakres, a recenzent sprawdza, czy zmiana spełnia wymaganie.
Jeśli AI skraca pisanie kodu, ale wydłuża przegląd i poprawki, trzeba policzyć cały nakład pracy. Przy wyborze Claude Code, Cursora lub GitHub Copilota za podstawę oceny przyjmuję czas uzyskania zaakceptowanej zmiany.
Polecam zacząć od jednego repozytorium i małych, podobnych zadań. Przy każdym zadaniu warto zapisać czas programisty oraz recenzenta, a także liczbę powrotów do poprawki.
Dla programistów
Node.js i TypeScript, SQLite, kolejka zadań z ponawianiem. Każda treść to maszyna stanów: od tematu do publikacji, z historią każdej wersji.
Modele OpenAI przez Codex CLI, osobno w roli autora i recenzenta. Recenzent dostaje źródła i brief projektu, nie tylko tekst.
Walidacja w kodzie odrzuca szkic, zanim zapłacę za recenzję: struktura, linki, źródła, długość, znaki zakazane w danym projekcie.
Commit i push do repozytorium strony, potem sprawdzenie, czy tekst jest na żywej stronie. Wydania są niezmienne, więc każde można cofnąć.
Posty planowane przez API Buffera. Krótkie filmy składane w Remotion, z lektorem z ElevenLabs i napisami.
Aplikacja desktopowa w Electronie i React: przegląd dnia, akceptacje, kalendarz, historia i ustawienia każdego projektu osobno.
Narzędzia, które łączy MarketingGo
Modele AI piszą i sprawdzają, ElevenLabs czyta lektora, Buffer publikuje na Facebooku, LinkedInie, YouTube i TikToku.
Gdzie pracuje
Dla Ciebie
MarketingGo to jeden przykład. Ten sam sposób pracy działa przy każdym procesie, który powtarza się co tydzień: najpierw rozmowa, potem wycena na piśmie, potem system z kontrolą jakości.
Buduję automatyzacje i asystentów AI. Odpowiadam osobiście.
Pytania
Nie. To mój własny system i pokazuję go jako przykład. Jeśli potrzebujesz podobnej automatyzacji, zbuduję ją pod Twoją firmę, Twoje kanały i Twój sposób pracy.
Tak, i mówię to wprost: artykuły w The Prompt mają przy autorze informację, że powstały z pomocą AI. Wartość jest w tym, co dzieje się dookoła: plan tematów, źródła, recenzja, poprawki i kontrola przed publikacją.
Zdarza się, dlatego system ma kilka bramek. Z 153 recenzji 87 skończyło się odesłaniem tekstu do poprawki, a 26 artykułów odpadło całkiem. Gdy znajdziesz błąd, napisz: poprawka dostaje własną datę.
To zależy od procesu i narzędzi, które już masz. Po krótkiej rozmowie dostajesz wycenę na piśmie. Jeśli automatyzacja się nie opłaca, powiem to wprost.