Как настроить ИИ-агента для SEO-агентства: файлы, коннекторы, навыки и память проекта

ИИ-агент для SEO-агентства представляет собой рабочую систему, которая объединяет файлы проекта, внешние сервисы, инструкции для ролей и накопленный контекст. Одна подписка на ChatGPT или Claude такой системой не становится: по мнению автора, ИИ нужно «нанять», обучить и встроить в конкретные процессы агентства.

Начинать нужно не с красивого промпта.

Для регулярной работы важнее определить, какие данные агент видит, какие действия ему разрешены, по каким правилам принимает решения и где сохраняет результаты.

Почему подписка на ИИ не заменяет рабочий процесс

Обычный чат отвечает на запрос в пределах доступного ему контекста. Если специалист каждый раз заново отправляет клиентские файлы, описывает ограничения и объясняет, какие задачи уже выполнены, система не накапливает полноценную историю проекта. Автор называет такой режим постоянным переобучением ИИ: новый диалог снова требует вводных, даже если похожая работа уже выполнялась.

Рабочий ИИ-агент устроен иначе: он получает доступ к согласованным источникам, использует инструкции нужной роли, обращается к материалам проекта и формирует результат в заранее определённом формате. Ответ всё равно проверяет специалист. Автор отдельно подчёркивает, что ИИ не заменяет SEO-экспертизу и не должен без контроля публиковать материалы или отправлять клиентам сообщения.

Четыре компонента ИИ-агента для SEO-агентства

В описанной автором конфигурации система состоит из четырёх частей: файлов проекта, коннекторов, навыков и памяти проекта. Каждый компонент решает отдельную задачу, поэтому объединять их в один длинный промпт не стоит.

• Файлы проекта. Здесь хранятся исходные данные, выгрузки, аудиты, правила и результаты предыдущих работ.
• Коннекторы. Они связывают ИИ с внешними сервисами, где находятся позиции, документы, платежи, встречи и другие рабочие сведения.
• Навыки. Это инструкции для конкретной роли или процесса, например для написания текста, технического аудита или подготовки HTML.
• Память проекта. Она сохраняет решения, ограничения клиента, прошлые ошибки и сведения о том, что уже сделано.

Такое разделение упрощает сопровождение. Когда меняется правило клиента, его не приходится искать среди десятков универсальных инструкций. Если меняется сервис или доступ, достаточно скорректировать коннектор, не затрагивая всю логику агентства.

Как организовать файловую память проекта

Файловая память проекта представляет собой структурированную базу документов, к которой агент обращается при новых задачах. Автор описывает вариант, в котором ИИ работает непосредственно с файлами в папке проекта на компьютере, а не только с материалами, вручную прикреплёнными специалистом к текущему чату. Конкретный способ доступа зависит от используемого приложения, режима работы, операционной системы и разрешений.

Папка проекта должна отражать рабочую логику, а не превращаться в склад случайных файлов. Материалы удобно разделить на несколько уровней:

1. Правила. Форматы отчётов, требования к тону, порядок согласования и ограничения по источникам.
2. Исходные данные. Семантика, выгрузки позиций, данные аналитики, технические логи и материалы от клиента.
3. Результаты. Аудиты, контент-планы, коммерческие предложения, отчёты и готовые документы.
4. История решений. Что изменили, почему приняли решение и какой результат получили.
5. Ошибки и неудачные попытки. Примеры неверных выводов, пропущенных условий и способов, которые нельзя повторять.

Память проекта не должна состоять только из переписки. В авторском подходе она включает правила работы, клиентские ограничения, выгрузки, прошлые аудиты и описание неудачных попыток. Благодаря этому новый чат в рамках проекта понимает, что уже сделано, какие задачи остались и в каком виде нужно подготовить следующий документ, если нужные материалы действительно сохранены и доступны агенту.

Клиентские ограничения нужно фиксировать отдельно

Представим правило: «Работаем только по файлам с компьютера, облачную копию не трогаем». Если такая инструкция останется в одном старом сообщении, новый диалог легко её пропустит. Запись в памяти проекта и размещение в разделе ограничений превращают правило в постоянное условие работы агента.

Что произойдёт, если агент найдёт более свежий файл в облачном хранилище? Ответ определяется не предположением модели, а сохранённым правилом проекта. Если доступ к облачным данным всё же нужен, его следует разрешить отдельной инструкцией.

Какие внешние сервисы подключать к ИИ-агенту

Коннектор связывает ИИ с внешним сервисом и передаёт ему только те данные и действия, которые разрешены подключённой учётной записью, рабочим пространством и настройками приложения. В справочных материалах OpenAI отдельно указано, что доступность подключённых приложений зависит от плана, региона, роли, модели и настроек рабочего пространства. Установка приложения не отменяет авторизацию провайдера или административное согласование.

Для SEO-агентства автор рассматривает такие источники:

• сервис мониторинга позиций, например SE Ranking;
• Google Search Console для проверки поисковых данных и состояния сайта;
• Google Документы и другие файлы проекта;
• сведения об оплатах клиентов;
• календарь и список встреч;
• системы учёта задач, переписки и клиентских обращений, если они используются в агентстве.

Подключать всё сразу не стоит. Сначала определите задачу, затем источник данных, требуемые права и допустимый результат. Для мониторинга позиций достаточно чтения отчётов. Отправка сообщения клиенту требует отдельной проверки текста и явного подтверждения человека. Возможность читать данные не означает права изменять их или выполнять действия без согласования.

Как описывать навыки через должностные обязанности

Навык в этой системе представляет собой не короткий промпт, а описание должностной обязанности. В нём нужно указать, что агент делает, какие источники использует, в каком формате возвращает результат и какие действия ему запрещены.

Автор применяет навыки для написания текстов, создания иллюстраций, веб-дизайна, передачи макетов в Figma, генерации HTML, а также фронтенд-, бэкенд- и фулстак-разработки. Такой подход разделяет роли: агент, который готовит контент-план, не обязан иметь права на изменение кода сайта, а агент-разработчик не должен самостоятельно отправлять клиенту коммерческое предложение.

Структура одного навыка

• Роль. Например, SEO-аналитик, редактор, разработчик или проверяющий.
• Входные данные. Файлы, выгрузки, ссылки на разрешённые источники и обязательные поля.
• Порядок работы. Последовательность проверки, анализа и подготовки результата.
• Критерии качества. Полнота, соответствие данным, отсутствие неподтверждённых утверждений и соблюдение формата.
• Ограничения. Запрет на публикацию, изменение исходных файлов или использование неподключённых источников.
• Форма ответа. Документ, таблица, список задач, черновик сообщения или код.

Автор рекомендует не заставлять агента постоянно задавать уточняющие вопросы. Если данных недостаточно, инструкция может требовать принять наиболее разумное решение и отдельно указать использованное допущение. Такой режим ускоряет работу, однако последующая проверка спорных мест всё равно обязательна, поскольку модель может неверно оценить значение отсутствующих данных.

Автоматический ежедневный обзор

В описанной автором системе компьютер остаётся включённым, а агент запускается без человека у экрана. Он сравнивает позиции сайта с предыдущим днём или неделей, проверяет оплаты, календарь и дневники проектов. Это авторский рабочий сценарий, а не универсальная возможность любой подписки: автоматический запуск зависит от конкретного инструмента, подключённых сервисов, прав и настроек безопасности.

Результат ежедневного обзора автор делит на три блока:

1. срочные вопросы, которые требуют реакции;
2. задачи непосредственно для руководителя или специалиста;
3. сообщения и статусы, которые нужно передать клиентам.

Такой формат полезнее длинного пересказа всех изменений. Руководитель сразу видит, где требуется решение человека, а какие операции можно оставить в очереди на выполнение.

Проверка результатов и роль человека

Доступ к файлам и сервисам сам по себе не делает ИИ-агента надёжным. Автор приводит случаи, когда модель перепутала тематику сайта, проигнорировала часть данных или сравнила разные сезонные периоды. Без проверки специалиста ошибка могла попасть в опубликованный материал или клиентский отчёт.

Для снижения риска автор использует отдельного агента-верификатора. Тот независимо читает созданный документ, ищет ошибки и сообщает исходному агенту, что нужно исправить. Такая проверка требует дополнительных ресурсов и не гарантирует абсолютную точность, зато разделяет создание и контроль результата.

Технический аудит тоже нельзя полностью передавать модели. По оценке автора, его автоматизированная система закрывает около 80% вопросов аудита, однако нестандартные sitemap, ошибки HTTP 500 и ложные срабатывания требуют ручного разбора. Автор дублирует результаты несколькими инструментами и сравнивает их между собой, поскольку расхождения между проверками помогают выявить места, требующие дополнительного анализа.

Как работать с контентом

Автор не рекомендует просить ИИ писать статьи «из головы». По его оценке, в таком режиме разумнее получать каркас, а фактическую основу собирать из материалов клиента: голосовых сообщений, видео, тезисов и документов. Затем ИИ объединяет разрозненные сведения, оформляет текст, готовит скриншоты и вставки кода.

Массовая генерация по шаблону, по мнению автора, лучше подходит для карточек товаров и категорий интернет-магазина, где страниц могут быть тысячи. Информационные материалы требуют другого процесса: сначала собираются исходные знания и ограничения, затем создаётся структура, после чего редактор проверяет факты, логику и соответствие задаче страницы.

Как проверить, что новый чат использует контекст проекта

Проверка должна быть практической. Откройте новый чат в рамках проекта и попросите агента перечислить активные ограничения, выполненные задачи, незакрытые вопросы и источники, которыми он собирается пользоваться. Не передавайте эти сведения в новом сообщении заранее.

• Попросите назвать правило, запрещающее работу с облачной копией, если оно сохранено в памяти.
• Дайте задачу на основе файла, который уже находится в проектной папке.
• Проверьте, отличает ли агент исходные материалы от финальных результатов.
• Запросите список допущений, если часть данных отсутствует.
• Убедитесь, что агент не предлагает действие, на которое у него нет разрешения.

Если новый чат не видит правило или путает версии файлов, проблема находится не в формулировке очередного запроса, а в архитектуре проекта: память не структурирована, права доступа настроены неверно или нужный источник не подключён.

Итоговая схема внедрения

Начните с одного повторяющегося процесса, например ежедневного мониторинга позиций или подготовки черновика аудита. Сначала соберите файлы и правила, затем подключите один источник данных, опишите навык и добавьте проверку результата. После нескольких циклов станет понятно, какие действия можно автоматизировать, а где согласование специалиста остаётся обязательным.

По концепции автора, руководитель сохраняет роль контролёра, а ИИ-агенты выполняют отдельные должностные обязанности. Такая модель работает только при ясных границах: агент знает, к каким данным обращаться, что ему разрешено делать и в какой момент передать результат человеку. Подписка даёт доступ к инструменту, а файлы, коннекторы, навыки и память превращают его в рабочую систему SEO-агентства.