Конвейер статей: как n8n пишет черновики пачками
63 ноды, которые ведут тему от очереди до готового Markdown: бриф, статья, метаданные, строгий чек-лист, две доработки и отправка в Telegram.
Одна статья — это не один запрос к языковой модели. Это бриф, черновик, метаданные, редактура, проверка структуры, доработка и только потом файл. Если делать это в чате, легко потерять тему, версию и критерии. Workflow «Блог: SEO/GEO-статьи из очереди тем» собирает весь конвейер в n8n: 63 ноды, которые ведут статью от очереди до готового Markdown.
Почему одного промпта мало
Можно попросить LLM «написать статью на 2000 слов» — и получить текст, который выглядит нормально, но не отвечает на запрос, не имеет структуры и не проходит проверку. Конвейер разбивает задачу на этапы, и на каждом этапе есть свой контракт.
- Бриф. Аналитик определяет интент, аудиторию, вопросы читателя, план H2 и GEO-углы.
- Статья. Копирайтер пишет H1, лид, 5–8 разделов, список, таблицу, FAQ и CTA в Markdown.
- Метаданные. Отдельная модель собирает title до 60 символов, description до 155, slug, теги и FAQPage JSON-LD.
- Редактор. Строгий чек-лист ищет воду, неестественные ключи, неподтверждённые цифры и нарушения структуры.
- Доработка. Если есть блокеры — до двух циклов переписывания, потом возврат в очередь или алерт.
Откуда берутся темы
Очередь живёт в Data Table blog_topics: тема, ключевые слова, статус, попытки, последняя ошибка. Workflow умеет запускаться по расписанию в 10:00 или вручную через форму. Перед стартом он проверяет, что тема не в работе и у неё заполнены ключевые слова. Если что-то не так — Telegram-алерт, а не тихая остановка.
Хороший конвейер не просто генерирует текст. Он умеет остановиться, объяснить причину и не брать одну и ту же тему дважды.
Как устроена защита от плохого черновика
После генерации статья проходит программный чек-лист: количество слов, число H2, наличие FAQ, длина title и description, JSON-LD, лид с прямым ответом. Если блокеры есть, запускается доработка — не бесконечная, а максимум два раза. После третьей неудачи тема получает статус «требует внимания», а в Telegram уходит сообщение с причиной.
Это важная деталь: LLM не получает право бесконечно переписывать текст. Ограничение по попыткам защищает бюджет, время и нервы.
Что получается на выходе
- Готовый Markdown-файл с front matter и JSON-LD.
- Понятный статус темы: черновик отправлен, требует внимания, в работе.
- Еженедельная сводка по очереди: сколько тем, что в работе, средний объём.
- Человек в цикле: черновик приходит в Telegram, финальное решение — за редактором.
Честное ограничение
Это не «кнопка, которая публикует статьи без человека». AI-черновик нужно проверять: факты, цифры, ссылки, юридические формулировки. Автоматизация снимает рутину и держит структуру, но ответственность за публикацию остаётся на редакторе.
Что внутри технического задания
ТЗ описывает схему Data Table, этапы, промпты-контракты, лимиты токенов, правила чек-листа, две итерации доработки, обработку ошибок и стоимость прогона. Это документ, по которому конвейер можно собрать заново — или адаптировать под свою редакцию.