🪴 Brain

Marketing Agent Research

6 min read

Marketing Agent Research

🗒️ Description

Brief decyzyjny z dwufazowego researchu (31 itemów × 75 pól, walidacja 100%) nad agentem pełniącym rolę head of marketing / social media managera dla agentic-ai-system i agentic-ai-private. Człowiek zostaje w pętli i akceptuje; agent robi nasłuch, wybór tematów, drafty i planowanie.

Ta notatka jest wsadem do changu OpenSpec. Pełna baza dowodowa — content/_raw/research-workspaces/marketing-agent-research/report.md (1,27 MB, 14k linii) plus 31 JSON-ów w results/ — nie jest przeznaczona do czytania przez agenta implementującego: to proza per-pole, w której 156 wartości jest oznaczonych jako niepewne. Sięgać po nią punktowo, gdy potrzebny konkret.

🚀 Punkt wyjścia: dolna połowa łańcucha już działa

Nie zaczynamy od zera i to zmienia cały rachunek.

WarstwaStanGdzie
Publikacja multi-platformdziała — Publer API, 8 kanałów, karuzele, link w 1. komentarzuagentic-ai-private/tools/publer/
Brand voice i strategiadziała — tone-of-voice, writing-style, strategia z 31 postówcontext/brand/
Produkcja assetówdziała — Marp, cover-generator, HyperFramestools/hyperframes, slides/
Pipeline referencyjnydziała — fetch → select → generate → cover → social → publishtech_news_weekly_summary
Nasłuch, scoring, kalendarz, akceptacja, orkiestratorbrak—

ss:marketing w Agentic Skills Submodules to nadal placeholder TODO Phase 2.

☘️ Werdykt: czego nie da się kupić

Rozkład 31 werdyktów — 14 build, 8 wrap, 3 buy, 3 skip, 3 złożone. Cztery niezależne przeglądy potwierdziły, że gotowego produktu nie ma:

  • nie istnieje OSS czytający vault markdown i proponujący tematy (najbliższe to prototypy 0–2★)
  • nie istnieje wiarygodny OSS „commit → post” (rekord kategorii: 13★, martwe od 2024)
  • oficjalny plugin Marketing od Anthropic nie ma publikacji, kalendarza ani researchu trendów
  • cała kategoria pakietowych dostawców monitoringu okazała się hosted-only

Kupić da się warstwy — runtime, polski nasłuch, transkrypcję. Mózg redakcyjny budujemy sami.

🧩 Kolejność wdrożenia

Wiązka D (scoring) ma w time_to_first_post wpisane „zero direct contribution” — to bramki jakości, nie ścieżka publikacyjna. Ścieżka krytyczna biegnie inaczej:

FazaZakresDni
1Obsidian MCP przez obsidian-local-rest-api v5.1.0 · most git cliff --context (JSON)3–5
2Firecrawl change tracking w chmurze + changedetection.io · darmowa warstwa sygnałów (RSS, GDELT)3–5
3PR jako bramka akceptacji · Agent SDK z process-exit-and-resume4–7
4Bramka anty-slop · rubryka addytywna · Langfuse + dedup sqlite-vec5–8
5Polski STT + post-korekta Bielikiem · Newspoint Pro5–8

Pierwszy post wychodzi po fazie 3 — realnie w dwa tygodnie.

🔗 Decyzje architektoniczne do wpisania w spec

  • Silnik: Claude Agent SDK (wrap), nie Managed Agents (buy). Managed Agents kupują bezterminowe czekanie i zerowy koszt idle, ale PR jako bramka i tak przenosi akceptację poza runtime, co unieważnia ich największą przewagę. Zostaje lock-in i nieprzetestowany rachunek.
  • Akceptacja = merge PR-a. Nieograniczona pauza, 0 EUR/h czekania, akceptacja z aplikacji mobilnej i — kluczowe — natywna edycja przed akceptacją przez suggested changes. Ani defer, ani always_ask nie pozwala człowiekowi zmienić wejścia narzędzia. Commit gita jest jednocześnie dowodem weryfikacji redakcyjnej.
  • Stan redakcyjny w repo, nie u dostawcy: SQLite/Turso + sqlite-vec w jednym pliku obok gita — kalendarz, indeks dedupu i historia metryk razem.
  • Sufit autonomii L3. Agent planuje i czeka na akcept; L4 traktować jako niedostępne.
  • Reference memory stores montowane read_only — agent marketingowy z definicji połyka wrogą treść z internetu, a zapisywalna pamięć zamienia udany prompt injection w zaufaną pamięć kolejnych sesji.
  • Pętla zwrotna T+7 z API Publera (zasięg, wyświetlenia, kliknięcia) doczepiana do trace’u T+0 w Langfuse. Publer nie ma MCP, ale ma te metryki — to uzasadnia utrzymanie własnego klienta.

⚠️ Miny znane z góry

Każda z nich zawodzi cicho — bez błędu, bez ostrzeżenia. To jest właściwa wartość tego researchu i to musi trafić do specu jako wymagania negatywne.

  • Firecrawl self-hosted nie robi diffów. Linia bazowa idzie z Google Cloud Storage; bez GCS_BUCKET_NAME sterowanie wpada w else { changeStatus: "new" } — każde sprawdzenie raportuje zmianę w nieskończoność. Zmiennej nie ma w .env.example, a wskaźnik bazowy przechodzi przez nieopublikowaną funkcję Postgresa diff_get_last_scrape_v7. → Trzymać change tracking w chmurze, nigdy nie self-hostować tej funkcji.
  • Angielskie bramki anty-slopu przepuszczają polski slop. sloptrim (71 wzorców) i content-quality-scorer.py od ericosiu są wyłącznie angielskie — na polskim tekście zwracają czysty wynik. Cichy fałszywy pozytyw w bramce, która ma chronić.
  • faststylometry wycina polskie znaki. Domyślny tok_match_pattern = r'^[a-z][a-z]+$' usuwa każde słowo z ą ć ę ł ń ó ś ź ż i zwraca wiarygodne liczby będąc rozwalonym.
  • Whisper odpada dla polskiego — 42,26% WER na realnych nagraniach wobec 10,58% dla ElevenLabs Scribe. Uwaga: self-hostowana Vexa transkrybuje właśnie faster-whisperem.
  • Pause w Kestrze ma domyślnie behavior: RESUME — po upływie czasu leci dalej, jakby zaakceptowano. Cicha auto-publikacja.
  • waitForEvent w Cloudflare Workflows ma domyślny timeout 24h, dokładnie w oknie oczekiwania na człowieka; firmowy przykład HITL łapie go i „proceeds with default action”.
  • Required reviewers w GitHub Actions działają tylko na repo publicznych dla planów Free/Pro/Team. Merge PR-a omija to całkowicie.
  • Dedup międzyjęzykowy wymaga wymiaru language w kluczu, inaczej zablokuje legalne tłumaczenie PL/EN tej samej myśli.
  • PLLuM ma reżim CC-BY-NC-4.0. Do post-korekty komercyjnie bezpieczny jest Bielik (Apache-2.0).

✍️ Czego nie robić

  • Nie budować predykcji zaangażowania. To wynik o zasadniczej nieprzewidywalności, nie o brakujących danych (Martin et al., WWW 2016; LOLA na 17 681 realnych testach A/B — ledwie lepiej niż losowo). Budować atrybucję post-hoc.
  • Nie stosować bandita na formatach. Przy 15 postach miesięcznie reguła Kohaviego daje 79–493 lata na ramię, a format jest przypisywany per post, więc wyświetlenia są randomizowane klastrowo. Rotacja blokowa ze stratyfikacją + miesięczny shrinkage empirical-Bayes.
  • Nie bramkować głosu sędzią LLM. PersonalBench: sędziowie oceniali teksty jako zróżnicowane tam, gdzie stylometria pokazywała, że nie są. Metryka stylometryczna, nie sędzia.
  • Nie kupować monitoringu — Kadoa, Diffbot, Visualping, Distill i Superfeedr odrzucone, żaden nie jest self-hostowalny. Visualping zapisany jako imienny następca, gdyby changedetection.io stracił jedynego maintainera.

📒 Do rozstrzygnięcia przez człowieka

  1. Wolumen. 15 postów miesięcznie na dwie marki to ~1,8 tygodniowo na markę — poniżej progu skuteczności (2–5/tydz. wg analizy 4,8 mln postów). Albo rośnie wolumen, albo jedna marka dostaje priorytet.
  2. Podział marek jako jawna decyzja uznaniowa. Teza „długie cykle zakupowe ⇒ przechył na markę” nie ma publikowanej podstawy; interwału dla consultingu IT nikt nie zmierzył. → Dwadzieścia datowanych przeszłych zleceń z własnej listy klientów zamknie to lepiej niż literatura.
  3. Własny gold set STT: 30–60 minut z waszych webinarów. Deklaracje dostawców o polskim zawyżają rzeczywistość ~4–5× na mowie spontanicznej (29,90% vs 12,96% mediany WER), a utrzymywany polski leaderboard ASR nie istnieje.
  4. Test empiryczny: czy idle w Managed Agents jest naliczany (godzina, przed budżetowaniem).
  5. Test empiryczny: czy Publer zdziera manifest C2PA przy uploadzie.

🎨 Poza zakresem, ale większe

Ekspozycja Qamera AI na art. 50(2) AI Act. Jako podmiot wprowadzający na rynek generatywny system obrazu podlegacie własnemu obowiązkowi znakowania maszynowo odczytywalnego, a deep fake z art. 50(4) ¶1 nie ma wyjątku dla ludzkiej weryfikacji — bramka akceptacji tam nie pomoże. To ryzyko produktowe, nie marketingowe, i wymaga osobnego postępowania.

Doprecyzowanie do wcześniejszych ustaleń: art. 50 nie obejmuje treści marketingowych jako takich (obowiązek dotyczy tekstu informującego opinię publiczną o sprawach interesu publicznego), a kary dla MŚP to niższa z wartości 3% obrotu albo 15 mln EUR.

📖 Further reading

Graph View