Искусственный интеллект, Разработка | Олег Брагинский, Марина Строева
Основатель «Школы траблшутеров» Олег Брагинский и ученица Марина Строева разберут реальный кейс настройки ИИ-агента, который самостоятельно забирает документы из папки, извлекает текст, изображения, и публикует в сообществе VK по заготовленному расписанию.
Преимущество ИИ-агента, в том, что может писать код на Python для работы с API соцсетей, планировать задачи и управлять файлами на сервере. В данном кейсе управление агентом происходило через Telegram-интерфейс, что позволило настроить сложную автоматизацию прямо с телефона, не написав вручную ни единой строчки кода.
AI Agent в проекте взял на себя роль технического специалиста:
- планирование: разбил задачу на этапы – авторизация, извлечение контента, загрузка фото на сервер VK, публикация поста и архивация файлов
- инструменты: использовал библиотеку python-docx для парсинга документов и прямые запросы к VK API для загрузки медиафайлов
- файловая система: самостоятельно создал структуру папок для опубликованных материалов и настроил логирование.
Цель состояла в создании автономного Python-скрипта, который:
- мониторит папку с данными на сервере: сканирует на наличие файлов *.docx
- парсит контент: первый абзац документа делает заголовком, остальное – текстом поста, первую найденную картинку прикрепляет к записи
- публикует в VK: отправляет пост от имени сообщества sms_pulse
- соблюдает график: автоматический запуск ежедневно в 14:00 по МСК
- управляет архивом: после публикации переносит файл в папку used_docs_published, чтобы избежать дублей.
Настройка велась итерационно. Агент предлагал варианты, а мы проясняли детали и предоставляли доступы.
Промпт №1: Запрос требований
«Как создать агента для автоматизации постов в VK? Напиши всё, что тебе для этого нужно?»
Агент выдал чек-лист из девяти пунктов: от целей и KPI до технических доступов (токены, ID группы) и инфраструктуры (где запускать скрипт).
Промпт №2: Техническое задание
«Нужно публиковать каждый день в 14:00 от имени сообщества статьи из папки used_docs. Бери заголовок (первый абзац), изображение, текст. Напиши скрипт и сделай проверку сразу».
Агент изучил существующий на сервере скрипт для WordPress (word_to_wp.py) и на его основе создал новый – word_to_vk.py, адаптировав логику под методы VK API.
Промпт №3: Передача доступов и отладка
«Вот токены сообщества: [Service Token, Secure Key]. Вот ссылка на группу».
Здесь возникла первая трудность: агент проверил токены и сообщил, что Service Token не подходит для публикации с картинками. Объяснил разницу между типами и запросил User Token администратора с правами wall и photos.
Промпт №4: Финальный запуск
«Опубликуй для теста три статьи. Запусти в постоянном режиме (ежедневно в 14:00 МСК) прямо сейчас».
Агент выполнил тестовую публикацию, исправил ошибку длины URL (перевёл запросы на POST) и запустил фоновый процесс на сервере. Главная трудность, которая возникла при автоматизации: получение правильного токена.
VK имеет несколько типов токенов, выбор неправильного блокирует работу скрипта. Агент последовательно помог разобраться в каждом. Три типа токенов VK и почему важен выбор:
Как получить Community Access Token (шаг за шагом):
- Открыть группу → Управление.
- В левом меню: Настройки → Дополнительные → Работа с API.
- Вкладка «Ключи доступа» → кнопка «Создать ключ»:
- Отметить права:
- docs – если нужны файлы
- wall – обязательно для постинга
- groups – для управления группой
- photos – для загрузки изображений.
- Нажать «Создать» → подтвердить → скопировать токен.
Важно: при вызове wall.post указывать owner_id = -GROUP_ID (с минусом перед ID группы).
Когда нужен User Token администратора
Для публикации постов с изображениями из Word-файлов Community Token оказался недостаточным – метод photos.getWallUploadServer требует пользовательской сессии.
Для получения User Token воспользовались сторонним генератором vkhost, где достаточно выбрать нужные права и нажать «Разрешить»:
Остальные технические трудности:
- Ошибка 414 (Request-URI Too Large): при передаче длинных текстов через GET-запросы VK возвращал ошибку. Агент переписал функции на использование POST-запросов.
- Лимиты публикации: изначально скрипт брал один файл за запуск. По запросу пользователя был добавлен параметр --limit для пакетной публикации.
- Неверный путь к папке: агент изначально искал файлы в /home/agent/used_docs, тогда как реальный путь был doc/used_docs. После уточнения пути скрипт был перенастроен.
- Ошибка внешнего API агента: в один из моментов вернул ошибку Cannot use this model: auto – сбой на стороне LLM-сервиса. Решение – повторная отправка того же Промпта.
Результат:
- полностью рабочий скрипт word_to_vk.py, работающий в фоновом режиме
- автоматизация под ключ: файлы закидываются в папку, остальное делает агент
- система контроля: логирование всех действий в файл vk_autopost.log
- успешный тест: публикация трёх статей с изображениями (посты 130, 131, 132).
Весь процесс от первого вопроса до работающего фонового скрипта – занял 100 минут (с 20:50 до 22:30). Время включало написание кода, три итерации по токенам, исправление ошибок API и тестирование на реальных данных.
Автоматизация соцсетей через ИИ-агента позволяет владельцу бизнеса не вникать в дебри API. Самый сложный этап – не написание кода, а получение правильного токена. Именно здесь большинство людей теряют время.
Агент не только написал скрипт, но и провёл через весь лабиринт авторизации VK: объяснил разницу между типами токенов, помог обойти ошибку Security Error и дал пошаговую инструкцию.
В итоге папка с Word-документами превратилась в автоматическую редакцию, публикующую контент без участия человека.