Produkcyjny pipeline LLM do artykułów SEO do wiki gry
Automatyczny pipeline treści dla OnlyFarms.gg: czyta terminy z gier z pliku CSV, dla każdego generuje zwalidowany artykuł SEO dwoma sekwencyjnymi wywołaniami GPT-4o i publikuje go prosto do admin API.
- Stack
- Python · GPT-4o · FastAPI · GCS · LangChain
- Zastępuje
- 20–40 min pracy pisarza na termin
- Wynik
- zwalidowany HTML + metadane SEO, auto-publikacja
Ręczne pisanie treści SEO do wiki nie skaluje się
Wiki gry żyje szerokością: setki terminów, każdy potrzebuje własnego artykułu. A każdy artykuł to nie tylko tekst — potrzebuje strukturalnego ciała HTML, poprawnych linków wewnętrznych do istniejących stron wiki, sluga, meta description i wezwania do działania, wszystko spójne z konwencjami platformy.
Pisarz robiący to ręcznie poświęca 20–40 minut na termin. To do przyjęcia przy kilku stronach i niewykonalne przy katalogu, który wciąż rośnie. Praca jest powtarzalna i oparta na regułach, czyli dokładnie taka, która przechodzi testy na automatyzację procesu — pod warunkiem, że wynik jest na tyle wiarygodny, by publikować go bez czytania każdej linijki przez człowieka.
Od CSV z terminami do opublikowanych artykułów
Pipeline czyta terminy z gier z pliku CSV — albo z bucketa GCP Cloud Storage przy automatycznych dziennych uruchomieniach, albo z pliku lokalnego przy ręcznych partiach. Każdy termin niesie własny kontekst: nazwę gry, ID kategorii, powiązane adresy usług do wyboru CTA oraz opcjonalny prompt sterujący.
Dla każdego terminu uruchamiają się dwa sekwencyjne wywołania GPT-4o. Pierwsze generuje pełne ciało HTML. Drugie generuje metadane SEO — h1, slug, długi tytuł, meta description oraz tekst i adres CTA. Między nimi działa krok walidacji linków, więc do wywołania metadanych i finalnej publikacji trafia tylko sprawdzony HTML.
Model wymyśla linki — więc mu na to nie pozwalamy
Charakterystyczny tryb awarii modelu językowego piszącego treści do wiki to wymyślanie linków wewnętrznych: wiarygodnie wyglądających adresów do stron, które nie istnieją. Bez kontroli zapełnia to wiki martwymi linkami i po cichu podkopuje zarówno SEO, jak i zaufanie czytelnika.
Radzimy sobie z tym w dwóch miejscach. Przed wywołaniem ciała parser pobiera żywą onlyfarms.gg/sitemap.xml i wstrzykuje pasujące adresy stron wiki do promptu, żeby model linkował do stron, które naprawdę istnieją, zamiast zgadywać. Potem wynik jest sprawdzany: każdy tag <a> dostaje żywe HTTP GET, a każdy link zwracający 404 albo wskazujący poza znaną sitemapę zostaje rozpakowany — tekst zakotwiczenia zostaje, uszkodzony link znika. Dalej idzie tylko zwalidowany HTML.
Strukturalny wynik, który publikuje się sam
Wywołanie metadanych działa z response_format=json_object, więc wynik modelu jest zawsze parsowalnym JSON-em — nie ma wyciągania regexem z dowolnego tekstu ani kruchego kroku parsowania, który mógłby po cichu zawieść na produkcji.
Pełny payload — obiekt seo, zwalidowana treść, kategorie, CTA i obraz — jest POST-owany do admin API OnlyFarms z uwierzytelnianiem tokenem Bearer. To właśnie znaczy tu „produkcyjny pipeline LLM”: nie prompt uruchamiany ręcznie, lecz generacja oparta na źródłach, żywa walidacja linków i strukturalny, parsowalny maszynowo wynik, spięte end-to-end tak, by artykuł przeszedł od wiersza w CSV do opublikowanej strony bez człowieka w pętli.
Zobacz, jak wyglądałoby to w Twoich procesach.
30 minut · wskazujemy 3 najlepsze obszary do automatyzacji · bez zobowiązań