Статья от идеи до публикации — одним разговором

Как это работает

Чтобы данные из sendPulse автоматически попадали в Microsoft Teams, достаточно готового сценария — без выгрузок руками.

1. Запуск: Новое сообщение в чате
2. Затем: Оркестрация AI-агента
3. Затем: Форматировать данные для под-сценариев
4. Проверка: Маршрутизатор намерений
5. Если да — Форматировать полезную нагрузку намерения
6. Затем: AI-агент (составитель чата)
7. Затем: Логирование Chat Composer
8. Затем: AI-агент (чат)
9. Запуск: Ответить на вебхук
10. Если нет — Форматировать полезную нагрузку брифов
11. Затем: AI-агент (составитель брифа)1
12. Затем: Логирование брифа
13. Если нет — Форматировать полезную нагрузку черновиков
14. Затем: AI-агент (написание черновика)
15. Затем: Логирование черновика
16. Если нет — Форматировать данные оптимизатора
17. Затем: Оптимизатор AI-агента
18. Затем: Логирование оптимизатора
19. Если нет — Подготовить метаданные публикации
20. Затем: AI-агент (публикатор)
21. Затем: Логирование опубликованных данных
22. Затем: Отправить контент на утверждение
23. Проверка: Проверить статус утверждения
24. Если да — Опубликовать получателю
25. Если да — Отправить уведомление об успехе в Slack
26. Если нет — Подготовить метаданные монитора
27. Затем: AI-агент (мониторинг)
28. Затем: Логирование данных мониторинга
29. Затем: Парсер структурированного вывода1
30. Затем: Простая память
31. Затем: Получить оптимизированный черновик из таблицы
32. Затем: Получить опубликованную версию из таблицы
33. Затем: Получить метрики производительности
34. Затем: Модель классификации контента
35. Затем: Модель сводки аналитики
36. Затем: Чат-модель OpenAI Monitor
37. Затем: Краткосрочная память Monitor
38. Затем: Парсер вывода (JSON) Monitor
39. Затем: Чат-модель OpenAI Publisher
40. Затем: Краткосрочная память Publisher
41. Затем: Парсер вывода (JSON) Publisher
42. Затем: Чат-модель OpenAI Optimizer
43. Затем: Краткосрочная память Optimizer
44. Затем: Получить контекст из Google Sheets (Optimizer)
45. Затем: Парсер вывода (JSON) Optimizer
46. Затем: Краткосрочная память Draft
47. Затем: Получить контекст из Google Sheets (Draft)
48. Затем: Парсер вывода (JSON) Draft
49. Затем: Чат-модель OpenAI Brief
50. Затем: Краткосрочная память Brief
51. Затем: Получить контекст из Google Sheets (Brief)
52. Затем: Парсер вывода (JSON) Brief
53. Затем: Чат-модель OpenAI Chat Composer
54. Затем: Краткосрочная память Chat Composer
55. Затем: Получить строки из Google Sheets
56. Затем: Парсер вывода (JSON) Chat Composer
57. Затем: Чат-модель OpenAI
58. Затем: Простая память чата
59. Затем: Парсер структурированного вывода чата
60. Затем: Получить ссылку из элементов контента
61. Затем: Получить данные из версии контента
62. Затем: Получить данные из логов конверсии

Такой сценарий можно запустить в Scriptera: задача описывается обычными словами, сборка и запуск — на стороне сервиса.