Как создать свой ИИ-контент-завод

Выпустить один пост с помощью нейросети несложно. Проблемы начинаются, когда постов больше сотни, и у каждого должна быть картинка. Приходится постоянно вводить промпты, сохранять результаты, вносить правки и руками публиковать контент. Но всю эту рутину можно собрать в единый контент-завод на базе ИИ, который останется лишь правильно настроить. 

В материале расскажем, как связать нейросети, облачное хранилище, почту и соцсеть в систему, которая сама готовит посты, отправляет их на согласование и публикует на нужных площадках. 

Что такое контент-завод 

ИИ-контент-завод — это система, которая берет одну тему или пост, превращает ее в серию готовых материалов под разные каналы и при необходимости публикует на нужных площадках. Сам завод обычно собирают в n8n, Make или аналогичном сервисе.  

Такой подход часто используют для ведения faceless-каналов на YouTube. Например, это может быть система, которая анализирует популярные запросы и ролики конкурентов, предлагает темы, собирает информацию и готовит сценарий. Затем нейросети генерируют озвучку, подбирают или создают визуал, собирают видео, делают обложку и пишут заголовок с описанием. После публикации можно дополнительно получить данные из YouTube Analytics по кликабельности, удержанию и досмотрам, чтобы скорректировать следующие ролики. Человек при этом просто утверждает темы, проверяет факты и не выпускает откровенный нейрослоп. 

Контент-завод на базе ИИ хранит исходные материалы и инструкции, запускает нужные сервисы, собирает результаты, отправляет их на проверку и следит за публикациями. 

Как создать ИИ-контент-завод: разбираем реальный шаблон 

Для примера возьмем AI-powered multi-platform social media content factory — открытый рабочий шаблон, опубликованный в каталоге n8n. В нем уже связаны генерация постов, поиск информации, создание изображений, согласование по почте, сохранение файлов и публикация в соцсетях.

После импорта шаблон откроется в редакторе n8n в том виде, в котором его собрал автор. Связи между блоками уже настроены, но доступы к сервисам, API-ключи и ссылки на документы не заполнены. Поэтому перед запуском схему нужно настроить под свои аккаунты.

В исходном шаблоне полностью собраны связи для публикации в LinkedIn, X, Instagram и Facebook. Threads и YouTube Shorts пока представлены только в промпте и схеме ответа: готовых модулей для публикации в них нет. Кроме того, шаблон не собирает Shorts: он может написать заголовок и описание, предложить идею видео и призыв к действию, но генерацию, монтаж и загрузку ролика придется добавлять отдельно. 

В рамках нашей статьи на практике разберем ветку LinkedIn и пройдем весь путь от темы до готовой публикации. Пользователь отправит тему через чат n8n, OpenAI подготовит пост и найдет свежую информацию через SerpAPI, а Pollinations.ai создаст изображение. Текст и файлы сохранятся в Google Drive, после чего материал придет в Gmail на согласование и после одобрения появится в LinkedIn.  

Подключаем сервисы к шаблону 

Пока сервисы не подключены, красные треугольники будут видны и на маршруте LinkedIn. После добавления учетных данных и обязательных настроек предупреждения на этой ветке должны исчезнуть. Треугольники на отключенных маршрутах других соцсетей оставляем — на публикацию в LinkedIn они не повлияют.

Кнопка Set up template предлагает подключить сразу все сервисы из исходной схемы, включая X, Facebook Graph API и Telegram. В нашем случае проще открывать нужные узлы по очереди и добавлять доступы прямо в них.

OpenAI и SerpAPI подключаются с помощью API-ключей. Google Docs, Gmail и Google Drive можно привязать к одному Google-аккаунту через авторизацию. Для узла LinkedIn Post нужно войти в LinkedIn и разрешить n8n создавать публикации от имени выбранного профиля или страницы.

В исходном шаблоне Pollinations.ai вызывается через HTTP-запрос, поэтому мастер Set up template не предлагает подключить этот сервис. 

Созданное изображение загружается на imgbb. Его API тоже не работает без ключа: обязательный параметр key передается вместе с изображением. 

После подключения сервисов красных треугольников на маршруте LinkedIn быть не должно. 

Создаем промпт и схему ответа в Google Docs 

Создайте два документа и назовите их так, чтобы потом не перепутать, например: 

• LinkedIn System Prompt — инструкции для нейросети;
• LinkedIn Output Schema — структура готового ответа. 

Шаблон содержит текст системного промпта и схемы ответа, но самих файлов в Google Docs не создает. Исходники находятся на холсте n8n в двух больших заметках: синей System Prompt и красной Social Media Schema.

Скопируйте содержимое каждой заметки в отдельный Google-документ — мы создали их ранее. В первом файле будут храниться редакционные инструкции, во втором — структура данных, которую нейросеть должна вернуть после генерации.

Затем откройте узел Social Media Schema. В поле Doc ID or URL вместо тестового значения 12345 вставьте ID документа со схемой ответа.

Таким же способом откройте Social Media System Prompt и замените 12345 идентификатором документа с редакционными инструкциями.

Внутри документов встречаются конструкции < system >, < rules >, < linkedin > и < сommon >. Это не функции Google Docs и не команды для нейросети. Так узлы n8n отделяют общие инструкции от правил конкретной площадки: 

• < system > — общие требования к контенту;
• < rules > — требования к формату ответа;
• < linkedin > — правила подготовки поста для LinkedIn;
• < common > — поля, которые используются для всех соцсетей;
• < root > — описание исходного задания. 

Каждый блок закрывается такой же меткой с косой чертой. Например: 

< linkedin > 

Инструкции для LinkedIn 

< /linkedin > 

Названия тегов нельзя переводить, переименовывать или удалять. Узлы Parse System Prompt и Parse Schema ищут именно эти обозначения. Если заменить < linkedin > на < линкедин >, шаблон не найдет нужный фрагмент документа. 

В документе Social Media System Prompt отредактируйте текст внутри трех блоков: < system >, < rules > и < linkedin >. Остальные разделы пока оставьте без изменений. 

Пример:

«< system >

Ты готовишь посты для социальных сетей на русском языке. Используй тему, исходные данные и найденные источники. Не придумывай цифры, исследования, цитаты и события. Если информации недостаточно, не маскируй пробелы вымышленными фактами.

< /system >

< rules >

Верни результат в формате JSON по переданной схеме. Не добавляй вступления, пояснения и блоки кода.

< /rules >

< linkedin >

Аудитория: предприниматели, маркетологи и руководители команд. Стиль: профессиональный и живой, без канцелярии и рекламных штампов. Объем: от 700 до 1200 знаков. Структура: сильное начало, основная мысль, пример и вывод. Призыв к действию: один вопрос по теме. Хештеги: не больше пяти. 

< /linkedin >»

В документе Social Media Schema пока ничего не переименовывайте. Для LinkedIn шаблон использует четыре поля:

• post — основной текст;
• call_to_action — финальный вопрос или призыв;
• hashtags — список хештегов;
• image_suggestion — описание изображения.

Названия полей используются в следующих частях шаблона. Например, узел LinkedIn Post берет текст из поля post, призыв — из call_to_action, а хештеги — из hashtags. Если переименовать post в text, нейросеть сможет вернуть готовый ответ, но узел публикации продолжит искать поле post и не получит текст. 

Когда ID указаны в Social Media System Prompt и Social Media Schema, запустите каждый узел отдельно через Execute step. В правой панели OUTPUT должно появиться содержимое соответствующего Google-документа. Если n8n возвращает ошибку, проверьте подключенный Google-аккаунт, доступ к файлу и значение в поле Doc ID or URL. 

Отправляем тему через чат n8n 

Теперь отправим первое тестовое задание. Нажмите Open chat внизу редактора и начните запрос со слов: «Подготовь пост для LinkedIn…». Название площадки нужно указать прямо в сообщении — по нему маршрутизатор выберет нужную ветку шаблона.

Для первого запуска подойдет такой запрос: 

«Подготовь пост для LinkedIn о том, как небольшой интернет-магазин может использовать ИИ для обработки отзывов. Аудитория — владельцы магазинов и руководители отделов маркетинга. Не используй выдуманные цифры, исследования и цитаты». 

Сообщение принимает узел When chat message received и передает его в Social Media Router Agent. К маршрутизатору подключены инструменты для разных соцсетей. Поскольку в запросе указан LinkedIn, агент должен вызвать инструмент LinkedIn.

Дальше запускается отдельная часть шаблона, которая начинается с узла When Executed by Another Workflow. Она загружает оба документа из Google Docs и обрабатывает их по двум параллельным маршрутам. В верхнем разбирается схема ответа, в нижнем — системный промпт. Затем Merge Prompts and Schema соединяет результаты, а Compose Prompt & Schema собирает из них задание для генератора контента.

В итоговое задание попадают сообщение из чата, общие инструкции, правила LinkedIn и схема ответа. Узел Social Media Content Creator отправляет их в OpenAI. К этому же агенту подключен SerpAPI: если для ответа потребуется поиск, модель сможет вызвать его как отдельный инструмент.

После выполнения откройте узел Social Content и перейдите в правую панель OUTPUT. В результате должны появиться данные, которые следующие узлы используют для подготовки публикации: текст поста, призыв к действию, хештеги и описание изображения. Если нужных полей нет, сначала проверьте результат Social Media Content Creator, а затем настройки узла Social Content. 

Создаем изображение и сохраняем материалы 

После генерации поста шаблон передает поле image_suggestion в узел pollinations.ai1. Из него собирается короткий промпт для изображения: схема заменяет пробелы дефисами, удаляет точки и запятые, а затем оставляет первые 100 символов. 

В исходном шаблоне запрос отправляется методом GET на устаревший адрес image.pollinations.ai/prompt/... без авторизации. Сейчас Pollinations.ai использует новый эндпоинт gen.pollinations.ai/image/... и требует API-ключ. Поэтому перед запуском откройте pollinations.ai1, замените адрес и передайте ключ в заголовке Authorization или параметре key. Актуальный формат запроса приведен в документации Pollinations.

Полученный файл передается в Save Image to imgbb.com. Этот узел отправляет изображение на imgbb методом POST. Ключ берется из переменной IMGBB_API_KEY, а сам файл — из бинарного поля data. В ответ imgbb возвращает сведения о загруженном изображении, включая прямую ссылку.

Еще одна ветка сохраняет картинку в Google Drive через узел Save Image to Google Drive. Название файла берется из поля name, которое нейросеть вернула вместе с постом. В настройках узла указан тестовый ID папки 12345 — его нужно заменить идентификатором своей папки в Google Drive.

После загрузки изображения узел Social Post JSON собирает в один объект выбранную соцсеть, сгенерированный пост, сведения об изображении и данные файла из Google Drive. Затем Save Social Post to Google Drive записывает этот объект в отдельный текстовый файл. Его содержимое представляет собой JSON, хотя расширение .json шаблон автоматически не добавляет.

Проверяйте участок по порядку: pollinations.ai1 должен вернуть изображение в поле data, Save Image to imgbb.com — ответ с данными загруженного файла, а Save Image to Google Drive — идентификатор сохраненного изображения. После этого Save Social Post to Google Drive должен создать второй файл с данными будущей публикации.

Согласовываем пост и публикуем в LinkedIn

После сохранения файлов шаблон готовит письмо с текстом поста и изображением. За эту часть отвечает узел Prepare Social Media Email Contents. Следом запускается Gmail User for Approval, который отправляет письмо и приостанавливает выполнение сценария до ответа пользователя.

Перед запуском откройте Gmail User for Approval и замените значение в поле To. В исходном шаблоне там указана переменная {{ $env.TELEGRAM_CHAT_ID }}, хотя Gmail ожидает адрес электронной почты. Впишите нужный email либо создайте отдельную переменную, например APPROVAL_EMAIL.

В настройках узла уже выбрана операция Send and Wait for Response. Получатель увидит в письме две кнопки — Approve и Decline. На ответ отведено 45 минут. Если этого времени мало, измените значение в разделе Limit Wait Time.

После нажатия кнопки шаблон продолжает работу с узла Is Approved?. Ответ Approve направляет материал в ветку публикации. При выборе Decline выполнение останавливается перед узлом LinkedIn Post, поэтому отклоненный текст не появится в профиле. 

Перед публикацией схема заново получает сохраненные материалы. Узел File Id извлекает идентификатор текстового файла, а Get Social Post from Google Drive скачивает его из Google Drive. Затем Extract as JSON разбирает содержимое и возвращает отдельные поля с названием площадки, текстом поста и сведениями об изображении. 

Параллельно Get Social Post Image получает картинку. Узел Merge Image and Post Contents соединяет ее с данными публикации, после чего маршрутизатор направляет результат в ветку выбранной соцсети. В нашем случае срабатывает LinkedIn Post.

Откройте LinkedIn Post и проверьте подключенный аккаунт. Если публиковать материалы нужно от имени страницы компании, выберите именно ее, а не личный профиль. Сам текст узел получает из объекта, который был сохранен в Google Drive и восстановлен после согласования.

После успешного выполнения LinkedIn Post должен вернуть данные созданной публикации. Откройте LinkedIn и убедитесь, что текст, хештеги и изображение отображаются правильно. Если узел отработал без ошибки, а публикации нет, проверьте выбранный профиль и разрешения, выданные n8n.

Проверяем весь workflow

Теперь можно запустить цепочку целиком через Open chat и еще раз отправить тестовое задание для LinkedIn. Во время выполнения последовательно проверьте, что: 

• Social Content вернул текст, хештеги, призыв к действию и описание изображения;
• pollinations.ai1 создал изображение в бинарном поле data;
• Save Image to imgbb.com получил прямую ссылку на загруженный файл;
• Save Image to Google Drive сохранил картинку в указанной папке;
• Save Social Post to Google Drive создал отдельный файл с данными публикации;
• Gmail User for Approval отправил письмо с кнопками согласования;
• после нажатия Approve сработал узел LinkedIn Post;
• готовая публикация появилась в выбранном профиле или на странице LinkedIn. 

Если цепочка остановилась, откройте последний успешно выполненный узел. В его правой панели будет видно, какие данные он передал дальше. Обычно причина находится именно на этом участке: отсутствует обязательное поле, указан неправильный ID файла, закончился срок ожидания ответа или подключенному аккаунту не хватает прав. 

После успешного теста шаблон можно активировать. С этого момента для подготовки нового поста достаточно отправить тему через чат и подтвердить готовый материал в письме. Остальные действия — генерация текста и изображения, сохранение файлов и публикация — схема выполнит сама. 

На этом простая версия контент-завода готова. 

Сколько стоит контент-завод на базе ИИ 

В нашем шаблоне деньги списывают несколько сервисов: n8n берет плату за запуски сценария, OpenAI — за обработанные токены, SerpAPI — за поисковые запросы, а Pollinations.ai — за созданные изображения. 

n8n 

Облачный тариф n8n Starter стоит 24 евро в месяц и включает 2500 запусков шаблона. При этом n8n считает выполнение всей схемы, а не каждый отдельный узел внутри нее. Для завода, выпускающего несколько десятков постов в месяц, этого лимита хватит с большим запасом.

Сам n8n можно установить на собственный сервер. Community Edition не требует покупки облачного тарифа, однако понадобится VPS и человек, который настроит обновления, резервные копии и доступ к системе. Такой вариант имеет смысл, когда на одном сервере работают сразу несколько автоматизаций. Ради одного контентного шаблона проще начать с n8n Cloud. 

OpenAI 

Подписка ChatGPT Plus вам не поможет: запросы из n8n проходят через API и оплачиваются отдельно. Стоимость зависит от выбранной модели и количества текста, который проходит через нее. 

В исходном шаблоне используются GPT-4o и более дешевая GPT-4o mini. По тарифам OpenAI, GPT-4o стоит $2,50 за миллион входных и $10 за миллион выходных токенов. Для GPT-4o mini цены составляют $0,15 и $0,60 соответственно. 

Допустим, во время подготовки одного поста нейросеть получила 10 тысяч входных токенов и вернула 2 тысячи выходных. Если считать весь объем по цене GPT-4o, генерация обойдется примерно в 4,5 цента: 

10 000 × $2,50 / 1 000 000 + 2 000 × $10 / 1 000 000 = $0,045 

Тридцать таких публикаций будут стоить около $1,35. Реальный расход может оказаться выше, если агент несколько раз обращается к SerpAPI, получает длинные результаты поиска или повторно генерирует неудачный текст. Проверить точную сумму можно в разделе Usage платформы OpenAI после нескольких тестовых запусков. 

Снижать расходы за счет самой дешевой модели во всех узлах не обязательно. GPT-4o можно оставить в Social Media Content Creator, где создается основной материал, а разбор JSON, подготовку письма и другие технические операции передать GPT-4o mini. 

Поиск через SerpAPI 

SerpAPI дает 250 поисковых запросов в месяц бесплатно. Платный тариф Starter стоит $25 и включает 1000 запросов.
Один пост не всегда равен одному поиску. Модель самостоятельно решает, нужен ли ей SerpAPI, а для сложной темы может обратиться к поиску несколько раз. Если завод выпускает 30 материалов в месяц и делает по одному-два запроса для каждого, бесплатного лимита достаточно. Платный тариф пригодится при ежедневном выпуске нескольких публикаций или активном сборе новостей и свежей статистики. 

Сэкономить тоже можно: для этого запускайте поиск только для тем, где действительно важна актуальность. Посту о новом законе, исследовании или обновлении сервиса нужны свежие источники. Материалу о базовых принципах управления командой повторный поиск перед каждой генерацией обычно не требуется. 

Изображения 

Pollinations.ai использует внутренние кредиты Pollen: один кредит примерно соответствует одному доллару. Стоимость отдельной генерации зависит от модели, размера изображения и других настроек. Актуальные цены сервис возвращает через список моделей, поэтому заранее приписывать каждой картинке фиксированные десять или двадцать центов неправильно. 

Для API-ключа можно задать отдельный лимит Pollen. Это защищает от ситуации, когда сломавшийся шаблон начинает повторно создавать одну и ту же картинку и съедает весь баланс. После первых десяти публикаций посмотрите историю расходов и умножьте среднюю стоимость изображения на планируемое количество постов. 

Сервис Imgbb в этой схеме используется только для получения прямой ссылки на изображение. В открытой документации API отдельная плата за запросы не указана. Для рабочего проекта все равно стоит следить за правилами хранения файлов и не использовать imgbb как единственный архив. Основная копия изображения уже сохраняется в Google Drive. 

Сколько получится в месяц 

Для завода на 30 публикаций в месяц расчет выглядит примерно так: 

• n8n Cloud Starter — 20 евро;
• OpenAI — около $1–3;
• SerpAPI — $0, пока хватает 250 бесплатных запросов;
• imgbb и LinkedIn — без отдельной платы;
• Pollinations.ai — по фактическому расходу выбранной модели. 

Таким образом, простой завод можно содержать примерно за 20–30 евро в месяц. При 300 публикациях в месяц OpenAI по тому же расчету потребует около $13,5. Бесплатного лимита SerpAPI уже может не хватить, поэтому к бюджету добавятся еще $25 долларов. Тарифа n8n Starter вам хватит, пока общее количество запусков не превысит 2500 в месяц. 

Заключение 

Первая версия контент-завода может состоять из одного короткого маршрута. Тема приходит через чат, OpenAI готовит пост, Pollinations.ai создает изображение, Google Drive сохраняет файлы, Gmail запрашивает одобрение, а LinkedIn принимает готовую публикацию. Этой цепочки уже достаточно для ежедневной работы с одним аккаунтом. Позже к ней можно добавить Telegram, корпоративный блог, рассылку и сбор статистики. Новые ветки будут использовать уже настроенные источники, промпты и правила проверки.