Из вирусных шортсов — в производство: 4 скилла контент-завода

Последние недели в ленте штормит: «Claude ведёт ваш YouTube-канал», «ИИ-агент ищет клиентов за тебя», «Клод убил трейдеров». Под каждым таким роликом — воронка «напиши слово в комментарии, пришлю курс». Мы разобрали три этих ролика подряд и в каждом обнаружили одну и ту же картину: блогер пересказывает чужой бесплатный репозиторий, не добавляя ни строчки.

Поэтому вместо пересказа мы сделали то, что умеем: забрали исходники и поставили их в собственное производство. Ниже — мануал по четырём скиллам, которые теперь работают в конвейере Automata. Статья написана как рабочая памятка: команды настоящие, выводы — из боевых прогонов этой недели.

Первоисточники (обоим авторам — уважение за инженерную культуру и честные дисклеймеры):

• youtube-agent-skill и instagram-agent-skill — Jakeschincariol, MIT;
• Harvey (пайплайн продаж) — ethanplusai, MIT.

Карта: что стоит в конвейере

Скилл	Задача	Ядро
hook-formulas	первая строка любого текста	47 формул хуков + скорер
viral-radar	«что сейчас взлетает в нише»	ранжирование по медиане самого канала
lead-pipeline	ниша → лиды → черновик письма	OSM-поиск + CMS-фингерпринт + HITL-гейты
script-doctor	качество текста и сценария	анти-нейрослоп RU/EN + тайминг beats

Все четыре живут в ~/.agents/skills/ и запускаются из любой сессии с агентом — формат скилла это просто Markdown-инструкция плюс Python-скрипты без зависимостей.

---

1. hook-formulas: банк из 47 формул хука

Хук — это первые 15 секунд видео или первая строка поста. У него три работы: подтвердить клик по заголовку, поднять вопрос, который читатель не может закрыть, и доказать, что обещанное существует. Хук, который делает только третью работу — это конспект, и он течёт.

Пять правил поверх всех формул (жёсткие):

1. Подтверди заголовок в первой фразе — хук, игнорирующий свой заголовок, теряет читателя на восьмой секунде.
2. Одна идея. Хук с двумя обещаниями не держит ни одного.
3. Конкретика бьёт масштаб: «с 400 до 200 000 за семь месяцев» сильнее «массивного роста».
4. Обещал артефакт — покажи в первые 20 секунд.
5. Никогда не открывай с «кто я». Питч подписки ещё не заработан.

Практика: перед любым зацепом генерируем пять кандидатов по разным формулам (не по одной!), выбираем сильнейший и сверяемся с разделом «как умирает» — у каждой формулы он свой.

Банк собран из двух файлов: hooks.json (21 формула YouTube-пака: Statistic, Contrarian Flip, The Receipt, I Tried It…) и ig-hooks.json (26 формул Instagram-пака, из них 19 уникальных: Cold Open Demo, The Flop Record, The Objection, Cost Confession, Mid-Sentence Start, Time Collapse…).

Для английских текстов работает скорер — он оценивает хук по пяти свойствам и выдаёт вердикт, в котором 40% веса несёт слабейшее звено (среднее скрывает дыру, а хук течёт именно в ней):

python3 ~/.agents/skills/hook-formulas/hookscore.py \
  --hook "97% of day traders lose money. Here is what the other 3% do differently."

Реальный вывод из нашего прогона:

SPECIFICITY   84
ADDRESS       26   ← say 'you' in the first six words
STAKES        62
CURIOSITY     41
BREVITY      100
VERDICT       48  WEAK

Хук с цифрой на 84 — и всё равно WEAK, потому что не называет адресата в первых шести словах. Скорер честен: он ловит плохие хуки, но не выбирает победителей (AUC 0.83 против 0.56 у автора калибровки) — его работа «убить очевидно слабое до съёмки».

Русские тексты скорер-регексы не разбирают — формулы применяются вручную по shape/example из банка. Для наших каруселей чаще всего работают The Teardown («вытащил девять самых залетевших видео месяца и разобрал, что общего в заголовках»), Direct Address («если у вас интернет-магазин на Битриксе — это про вас») и The Mistake («ваши первые 30 секунд — причина, почему досматривают мало»).

---

2. viral-radar: идея — это не просмотры

Сырые просмотры ранжируют размер канала, а не силу идеи. 400 тысяч просмотров на канале с медианой 2 млн — обычный вторник. 400 тысяч на канале с медианой 30 тысяч — то, что надо изучать. Поэтому каждый ролик оценивается как кратность собственной медианы канала, и на канал нужно минимум 4 ролика, иначе медианы нет — инструмент честно пропускает такой канал, а не ранжирует шум.

Сбор — только публичные страницы, без логинов:

yt-dlp --flat-playlist -J "https://www.youtube.com/@канал/videos" > ch1.json

Собираем несколько каналов в один JSON (channel/title/views/url/duration), дальше:

python3 ~/.agents/skills/viral-radar/swipe.py collected.json --min 2.0

Порог 2.0 = «вдвое выше собственной нормы». Наш тестовый прогон на восьми ролках двух каналов сразу отделил зерно:

5.88x   50 000 vs 8 500 median   «97% разработчиков бросают блог до 30-го поста»
3.90x  410 000 vs 105 000 median «Почему ваши первые 30 секунд — причина оттока»

Чтение результата — три шага: топ-5 с кратностями и формулой хука каждого; ОДНА структурная общность топа (не пять); и главная строка — что из этого мы можем сделать на этой неделе, своим кейсом, своим голосом. Формула в выдаче — суждение о словах заголовка, а не доказательство «почему взлетело».

Правило этики: копипаста запрещена, только адаптация со кредитом источника. Тот же вход работает для Telegram-радара: channel = канал, views = просмотры поста, title = первая строка.

---

3. lead-pipeline: ниша → лиды → черновик, и ничего без «да»

Самый большой скилл — адаптация Harvey под наш стек. Философия оригинала сохранена: стадии связаны запросом к базе, а не передачей списков — каждая стадия спрашивает «кого я ещё не смотрел или что протухло» (сайт перечитывается через 90 дней — так видно, когда клиент сменил движок или агентство), и любой прогон переживает рестарт.

Три стадии, каждая — команда:

# DISCOVER: физический бизнес по региону через OpenStreetMap (бесплатно)
python3 ~/.agents/skills/lead-pipeline/discover.py "Саратов" --cat furniture --limit 15

# PROFILE: снимок сайта + CMS-фингерпринт
python3 ~/.agents/skills/lead-pipeline/profile.py --limit 11

# ENRICH: ЛПР, email, MX
python3 ~/.agents/skills/lead-pipeline/enrich.py --limit 4

Боевой прогон этой недели: Саратов, мебельные магазины → 11 компаний с сайтами из одного OSM-запроса. Профайлер разложил их по движкам: два магазина на 1С-Битриксе (кухни на заказ, интернет-магазин мебели), WordPress, Nuxt, федеральные сети легли как «недоступны» (анти-бот; они и не наши клиенты).

CMS-фингерпринт — это сердцевина: мы не просто «нашли компании», мы знаем, на чём стоит их сайт, и оффер рождается автоматически:

Сигнал profile.py	Оффер
Битрикс (+Aspro)	синхронизация сайт ↔ Битрикс24, ускорение, SEO
Tilda/uKit/Nethouse + магазин	миграция с конструктора на полноценный магазин
WooCommerce	миграция на 1С-Битрикс, интеграции
Сайт недоступен / без HTTPS	аварийный контур: «ваш сайт не открывается с половины устройств»

ENRICH честно ранжирует контакты: listed (email прямо на сайте) лучше pattern (info@/sale@ при живом MX — рискованно) лучше guess; нет MX — не существует. Если на сайте есть Telegram — канал первый: для нашего рынка TG/MAX живее холодной почты.

Гейты — главное отличие от «полной автоматизации» из роликов:

1. Ничего не отправляется само. Черновики пишутся в outbox и ждут команды «отправляй N» от владельца.
2. Лимиты: ≤20 первых касаний в день, с отдельного прогретого ящика, никогда — с основного домена.
3. Opt-out в первом же письме — и мгновенно в вечный стоп-лист.
4. На вопрос «ты ИИ?» агент отвечает правду.
5. LinkedIn-автоматизация и автодозвон — выключены принципиально (баны аккаунтов).

Это не перестраховка, а скопированный у Harvey паттерн «два „да” от человека + один PASS от риск-правил» — перед любым необратимым действием. Ровно этот же паттерн стоит применять каждому, чей агент трогает прод или деньги.

---

4. script-doctor: анти-нейрослоп и тайминг

Последний скилл — про то, чем мы отличаемся от пересказчиков: наш текст не должен пахнуть тем же конвейером, который мы критикуем. Два инструмента.

detect.py: пять метрик вместо «мне кажется»

python3 ~/.agents/skills/script-doctor/detect.py draft.txt

• BURSTINESS — люди рвут длину предложений, модели пишут ровно;
• SPECIFICITY — числа, имена, ₽: цель 4+ маркера на 100 слов;
• SLOP DENSITY — попадания словаря штампов;
• FINGERPRINT — невидимые символы, машинная типографика;
• VOICE — местоимения и структурные теллы.

Тот же прогон на двух текстах дал ровно то, зачем ставили. Типичный ИИ-пост («В современном мире инновационные технологии играют ключевую роль…») — 11 из 100, FLAGGED: девять слоп-попаданий, ноль конкретики, пойман структурный телл «не просто X, а Y». Живой кейс («Сайт клиента открывался 9 секунд. Мы сократили до 1,4 — конверсия выросла на 19% за месяц») — 55 из 100: ноль слопа, пять маркеров конкретики.

Словарь — наш, пополняемый: 116 слов и 73 фразы с заменами (канцелярит «данный→этот», «осуществляет→делает»; хайп «инновационный→новый»; филлеры «важно отметить, что → в никуда»; рекламу «не упустите возможность→успейте») плюс 19 структурных теллов. Замены humanize.py намеренно грубые — финал всегда глазами.

beats.py: тайминг сценария до съёмки

python3 ~/.agents/skills/script-doctor/beats.py script.txt --target 20

Скрипт раскладывается по таймкодам (~165 слов в минуту) и флагует четыре убийцы шортса. На нашем тестовом сценарии 20 секунд он поднял все: хук длился 5,8 секунды (за красной чертой в 3 секунды — палец уже решил), три бита длиннее 4 секунд без смены кадра, финал не перекликался с первой строкой (нет лупа — нет пересмотра). Поймали и мелочь: числа, написанные прописью («девять секунд»), конкретикой не считаются — в сценариях пишем цифрами.

---

Сквозные маршруты

Пост от идеи до публикации:

идея → 5 хуков (hook-formulas) + hookscore
     → сценарий → beats.py (тайминг, хук ≤3с)
     → detect.py / humanize.py (SLOP < 15, ноль невидимых)
     → публикация → через 90 дней сайт-кандидат снова в profile

Ниша → лиды:

viral-radar (что взлетает у конкурентов)
     → hook-formulas (зацеп для первого касания)
     → lead-pipeline discover → profile → enrich
     → сегмент-оффер по CMS → черновик в outbox
     → «отправляй N» → ручная отправка по каналу (email/TG/MAX)

Памятка: грабли, уже зарытые в код

• Overpass (OSM) капризен: тело запроса — только form-encoded; при 502 — бэкофф 4/8/16 секунд по трём попыткам и зеркала. Не паникуйте, просто подождите.
• Tarpit-серверы (соединение принято, ответа нет) рвут наивные HTTP-таймауты: fetch в потоке с жёстким join(timeout), авто-редиректы выключены, только HTTPS.
• Скоры detect.py калиброваны на английском корпусе: для русских текстов число — ориентир, решают попадания SLOP/FINGERPRINT (они почти языконезависимы).
• Скоринг хуков не выбирает победителей — только отсеивает слабых. Победителя выбирает ваш голос и ваш кейс.
• В viral-radar короткие каналы (меньше 4 роликов) пропускаются — это не ошибка.

Почему мы выкладываем это публично

Потому что барьер — не секретность, а дисциплина. Тот же код лежит в открытых репозиториях; воронки продают его пересказ за «слово в комментарии». Разница между пересказом и производством — в гейтах, словарях и готовности каждое утро прогонять тексты через детектор, включая собственные. Если после статьи захотите такой же конвейер под свою нишу — напишите нам, поставим и настроим.

---

📞 +7 (906) 311-77-69 · ✉ hello@automata.sale · 💬 Telegram: @automatasale · 🌐 automata.sale

ИП Урядов Евгений Евгеньевич · ИНН 645112058391 · ОГРНИП 312645301900058 Работаем по России, Беларуси и Казахстану