Buduję systemy, które podejmują decyzje i działają bez człowieka. Sześć lat przy automatyzacji - najpierw programując zrobotyzowane stanowiska spawalnicze na produkcji, dziś w n8n i Make.com.
Pięć workflow, które codziennie zbierają dane z ośmiu źródeł, raz w tygodniu je analizują, flagują kampanie reklamowe do wyłączenia albo zwiększenia budżetu i układają plan treści na cztery tygodnie. System pracuje na produkcji i obsługuje realny sklep e-commerce.
Nie wszystko trafia do modelu. Decyzje o pieniądzach muszą być powtarzalne i audytowalne - ten sam zestaw danych wejściowych zawsze da tę samą flagę, i da się to odtworzyć oraz wytłumaczyć. Model dostaje zadania, w których nie istnieje jedna poprawna odpowiedź: interpretację trendów i dobór tematów treści.
Zasada jest prosta: co da się zapisać regułą, zapisuję regułą.
Flagowanie budżetu kampanii · ranking wzorów produktowych na sygnałach behawioralnych · scalanie konfiguracji skanu rynku
Co zadziałało i dlaczego · jakie tematy chwytają w niszy · dopasowanie targetu · tematy treści na kolejne tygodnie
Analiza z jednego tygodnia zmienia to, czego system szuka w tygodniu kolejnym. Nikt nie edytuje listy zapytań ręcznie.
pn 6:30 STEP 4 → czyta apify_configs → odpala aktorów Apify
pn 8:00 STEP 3 → analizuje rynek + własne dane
→ model zwraca: hashtagi_dodac[], hashtagi_usunac[]
→ kod normalizuje, transliteruje, deduplikuje
→ PATCH apify_configs
pn 6:30 STEP 4 → czyta apify_configs ← JUŻ ZE ZMIENIONĄ LISTĄ
(za tydzień)
Bezpiecznik: jeżeli po usunięciach zostałoby mniej niż dwa zapytania, kod przywraca poprzednią listę. Model nie może jednym błędnym wynikiem wyłączyć całego skanu rynku.