Automatizare știri RCA: pipeline editorial și publicare asistate de AI
01 Provocarea
Publicarea rapidă a știrilor despre asigurările auto din România presupune monitorizarea mai multor site-uri, extragerea conținutului relevant, verificarea informațiilor, rescrierea editorială și publicarea în Joomla.
Procesul manual generează mai multe probleme:
• Surse fragmentate, cu structuri și ritmuri de publicare diferite.
• Extragere nesigură din cauza navigării, subsolurilor juridice și HTML-ului neuniform.
• Muncă editorială repetitivă pentru relevanță, ton, structură, etichete și SEO.
• Răspunsuri AI variabile, inclusiv JSON invalid sau câmpuri incomplete.
• Limite API și indisponibilitatea temporară a furnizorilor.
• Necesitatea aprobării umane înainte de publicare.
• Publicare complexă a articolelor și imaginilor în Joomla.
• Actualizări concurente realizate de scraping, AI, Telegram și CMS.
Proiectul necesita un pipeline editorial rezilient, capabil să normalizeze conținutul, să păstreze starea articolelor, să recupereze erorile și să publice doar materiale aprobate explicit.
02 Soluția
Am proiectat și dezvoltat o platformă Python pentru agregarea, verificarea și publicarea știrilor RCA, care conectează sursele publice, furnizorii AI, Telegram și Joomla.
Sistemul include:
• Scrapere multi-sursă construite cu requests, BeautifulSoup și o clasă comună BaseScraper.
• Extragere în mai multe etape, cu eliminarea navigării, scripturilor, subsolurilor și textelor repetitive.
• Stări persistente în SQLite: new, pending_review, published, rejected, skipped și ai_failed.
• WAL mode, timeouturi și interogări FIFO indexate pentru procesare multithread sigură.
• Filtrare și rescriere AI prin Groq, cu Mistral ca fallback.
• Repararea defensivă a răspunsurilor JSON invalide sau incomplete.
• Rate limiting pentru limitele API pe minut și pe zi.
• Control editorial în Telegram pentru editare, categorizare, aprobare, respingere și trimiteri manuale.
• Threaduri separate pentru scheduler și polling, cu oprire controlată și limite pe rulare.
• Publicare Joomla REST în două etape pentru articol și imagini.
• Mod dry-run pentru testare fără publicare live.
AI pregătește și organizează materialele, însă decizia finală de publicare rămâne întotdeauna la editor.
03 Impactul în business
Platforma transformă un proces editorial fragmentat într-un singur flux trasabil, care conectează fiecare articol sursă, decizie AI, draft, modificare și acțiune de publicare.
Principalele beneficii sunt:
• Monitorizarea automată a mai multor surse din asigurări și reglementare.
• Conținut sursă mai curat, fără navigare și boilerplate inutil.
• Reducerea muncii repetitive pentru verificare, rescriere, formatare, etichete și SEO.
• Aprobare umană explicită înainte de publicare.
• Gestionarea recuperabilă a răspunsurilor AI defecte și a erorilor furnizorilor.
• Stări transparente pentru fiecare articol.
• Verificare mai rapidă prin procesare FIFO și încărcarea automată a următorului material.
• Suport pentru conținut extras automat și trimiteri manuale.
• Testare Joomla mai sigură prin modul dry-run.
• Fundație extensibilă pentru surse, modele AI, comenzi și reguli noi.
Rezultatul este o platformă editorială automatizată și supravegheată de oameni, care îmbunătățește viteza și consecvența, păstrând responsabilitatea umană pentru articolul publicat.
Galeria proiectului
Folosește săgețile, punctele, tastatura sau glisarea pentru navigare.
