Autoblogg med AI-agenter: Så fungerar ett människofritt redaktionsteam

Artikeln du läser genererades inte av en enda "skriv en artikel om det här inlägget"-uppmaning, utan av en autoblogg – ett system som består av flera AI-agenter med olika roller, som en traditionell redaktion, fast utan människor. Valery Danyuk, författaren till 1001site AI, byggde om artikelgenereringssystemet för sin blogg och släppte det som ett separat open source-projekt i början av oktober. Jag ska utforska vad det här systemet består av, hur det skiljer sig från en typisk neural nätverksåterberättelse av ett inlägg, och varför det är vettigt att gå så långt. Om du driver en blogg själv eller skapar innehåll för kunder, här är de specifika stegen i systemet, inte generaliseringar om "AI-magi".

Varför var ni tvungna att bygga om systemet för artikelgenerering?

Det korta svaret: det gamla systemet var en återvändsgränd – det var dyrt och det fanns nästan inga ansökningar, trots att artiklar publicerades regelbundet.

Anledningen är hur sökningen i sig har förändrats. Eran med exakt sökordsmatchning är på väg att ta slut: sökningar utvärderar nu text baserat på betydelse – genom kontext, synonymer, morfologi och rubrikstruktur. Ett system som är anpassat till de gamla reglerna är meningslöst enligt de nya reglerna: du kan ange ett sökord tio gånger och ändå inte svara på den fråga folk faktiskt söker efter. Hela arkitekturen var tvungen att ändras – hur en artikel skapas, vem som granskar den och vad som händer efter publicering.

Vilka agenter består redaktionen nu av?

I inlägget beskriver författaren den resulterande uppsättningen som ett fullfjädrat redaktionsteam – en journalist, fotograf, korrekturläsare, chefredaktör, varumärkeschef och försäljningschef – förutom att alla roller fylls av AI-agenter. I praktiken är varje rolls uppgift uppdelad i sju steg:

1. Ämnesval baserat på efterfrågan. Systemet använder Wordstat och Google Trends för att förstå vad målgruppen söker efter just nu. Ämnen genereras inte bara slumpmässigt av redaktören; de styrs av målgruppens faktiska sökintresse.
2. Konkurrentanalys. De 10 främsta sökresultaten analyseras för att hitta luckor – problem som konkurrenterna inte har åtgärdat eller har ignorerat. Den här nya artikeln tar upp just det som sökresultaten hittills bara ytligt har täckt.
3. Kanalövervakning. Ett nytt inlägg i författarens Telegram kanal plockas upp separat och anpassas för SEO och det format som citeras av AI-svar (AI-översikter, förvirring) – det är så det här fallet uppstod.
4. Källmaterial från ett personligt arkiv. Utkastet är skrivet med hjälp av författarens "andra hjärna" – samlade anteckningar, fallstudier och figurer; i detta skede verifieras de mot primärkällor.
5. Redaktionell granskning. Ett steg kontrollerar texten och stopporden, ett annat tar bort byråkratiskt språk och stavfel. Att kontrollera stopporden är ingen formalitet: varje kommersiell plattform har sin egen lista över förbjudna och juridiskt riskabla fraser, och en utelämnad fras kan skapa verkliga problem för ett företag.
6. Samlänkning och erbjudande. Länkar till relaterat material placeras genom hela den färdiga texten, och där det är relevant läggs ett produkterbjudande till noggrant. Länkar pekar på faktiska publicerade sidor, inte slumpmässiga – annars hindrar sammanlänkning läsaren snarare än hjälper dem.
7. Publicering och verifiering. Artikeln publiceras på webbplatsen, systemet verifierar att sidan visas korrekt och lämnar automatiskt en länk till artikeln i kommentarerna under det ursprungliga Telegram inlägget.

Hur en färdig artikel ser ut: ett verklighetsexempel

Inga av skärmdumparna nedan är iscensatta – det här är samma sidor från 1001site bloggen som öppnas i din webbläsare om du besöker den just nu. Det är enklast att demonstrera resultaten med hjälp av en redan publicerad text – en fallstudie om en AI-driven reparationsmanual för en tysk tillverkare.

Överst finns en titel, ett videoinlägg och en kort sammanfattning: klientens uppgift, vad som gjordes, deadline och resultatet, allt på en rad. Detta är utformat specifikt för dem som på några sekunder bestämmer sig för om de ska fortsätta läsa.

Därefter kommer artikelns brödtext med underrubriker i form av en fråga eller berättelse ("Vad hände", "Vad vi gjorde") och riktiga foton av objektet.

Nedan finns källor, en frågestund och länkar till projektet. Samma tre block avslutar också artikeln du läser nu: de besvarar frågan "Var är detta bekräftat?" som ställts av kräsna läsare.

Kan vi lita på den "personliga erfarenhet" som AI extraherar?

Frågan är ärlig, och svaret är inte "ja, helt och hållet". Bara det faktum att systemet inkluderar ett "faktakontroll"-steg betyder inte att ett påstående som "Jag kontrollerade" automatiskt blir sant. Agenten presenterar inte sitt arbete som en persons personliga erfarenhet: figurer och exempel inkluderas i texten endast från verifierade arkiv med en källa – eller inte alls. Alla kontroversiella eller overifierbara detaljer anonymiseras eller raderas i detta steg.

Denna begränsning minskar risken för fiktiva fall och siffror just där automatisering oftast misslyckas mest – i läsarens tillit till ett specifikt påstående.

Därför en enkel regel för att kontrollera vilken AI-artikel som helst: om ett specifikt fall eller en figur citeras utan källa är det en anledning att vara mer försiktig. I en text konstruerad enligt denna princip bör varje nummer ha ett synligt spår – en arkiverad inspelning, en skärmdump eller en offentlig länk, som i den här artikeln.

Hur mycket kostar ett sådant system och kan jag prova det gratis?

Det är gratis för personligt bruk, och koden är öppet tillgänglig på GitHub. Det är också gratis för aktiva journalister – medlemmar i Ukrainas nationella journalistförbund och europeiska journalistorganisationer. Kommersiell användning kräver en betald licens – författaren specificerar inte det exakta beloppet i inlägget; de aktuella villkoren bör hittas i själva arkivet. För frilansare eller webbstudior som tar betalt av kunder för innehåll är detta ett kommersiellt scenario – den kostnadsfria personliga licensen gäller inte.

Vem passar det här bloggautomatiseringsschemat för?

En utmärkt kandidat är en frilansare eller en liten webbstudio som hanterar bloggar för flera kunder och kämpar med brist på personal för redigering och faktagranskning. För ett sådant team är den dyraste delen inte själva skrivandet (AI ensam kan hantera det), utan det rutinmässiga arbetet kring det: att kontrollera konkurrenter, undvika fel i siffror, följa plattformens juridiska begränsningar och noggrant länka till kundens befintliga innehåll. Denna metod täcker just denna rutin: ämnesval, faktagranskning, stoppord och länkning.

Inte alla vill förstå och anpassa ett öppen källkodsprojekt. Många behöver fortfarande en stadig ström av artiklar till sin webbplats, och en liknande automatiseringsprincip är redan inbyggd i 1001site AI, som är värd för denna blogg. Den fokuserar dock på själva webbplatsen, inte själva bloggen: sidinnehåll tillhandahålls via en länk, automatisk publicering till Telegram och WhatsApp, och automatisk SEO-markering utan manuell konfiguration. Webbplatsen byggs och uppdateras med hjälp av instrumentpanelens AI-assistent – gränssnittet är utformat som en budbärare, så det finns inget behov av att skriva kod för redigering.

Vad händer nu: Automatisk videoklippning

Pipelinen är inte helt stängd än: enligt författaren planeras en modul för att automatiskt klippa ut Reels and Shorts från befintligt innehåll till mitten av oktober. Detta är en uttalad plan – funktionen är ännu inte i drift, och artikeln gör inga påståenden om motsatsen.

Källor

• Inlägg från kanalen "Affärer med AI": https://t.me/promtvibeadd/450
• Artiklar (journalist) på GitHub: https://github.com/DanikVR/journalist
• Blogg 1001site: https://1001site.com/blog/