Для создания workflow, который автоматически формирует контент рассылки на основе входных JSON-данных, можно использовать следующий алгоритм: 1. **Получение JSON-данных с фактами о кошках:** * входные данные поступают в формате JSON, где каждый факт представлен отдельным объектом с ключами, например, `{"fact": "Текст факта"}`. * данные могут быть получены из API, файла или базы данных. 2. **Обработка каждого факта:** * использовать скрипт (например, на Python) для парсинга JSON и последовательной обработки каждого факта; * для каждого факта вызвать функцию, которая будет передавать его в большую языковую модель (LLM) для преобразования. 3. **Преобразование факта в HTML-блок с пояснением с помощью LLM:** * настроить доступ к LLM (например, OpenAI GPT, YandexGPT) через API; * сформулировать промпт для LLM, чтобы она преобразовала факт в оформленный HTML-блок. Например: «Преобразуй следующий факт о кошках в HTML-блок. Включи заголовок (h2) с ключевым моментом факта и краткое пояснение (p) с дополнительной информацией. Факт: {факт}»; * получить от LLM ответ в виде HTML-кода и сохранить его. 4. **Сбор всех HTML-блоков в единый шаблон:** * в скрипте собрать все полученные HTML-блоки в один общий шаблон; * добавить к шаблону базовую структуру HTML-документа, включая ``, ``, `` (с метаданными и стилями) и ``; * оформить рассылку с помощью CSS для улучшения визуального восприятия (можно использовать встроенные стили или ссылку на внешний CSS-файл). 5. **Подготовка итоговой рассылки:** * добавить в шаблон стандартные элементы email-рассылки: заголовок (``), метатеги, стили, логотип, приветственное сообщение и кнопку «отписаться»; * проверить валидность HTML-кода и корректность отображения в различных почтовых клиентах; * подготовить скрипт для отправки рассылки (например, с использованием SMTP-сервера или сервисов email-рассылок вроде SendGrid, Mailgun). **Пример кода на Python (упрощённо):** ```python import openai import json # Загрузка JSON с фактами with open('facts.json', 'r', encoding='utf-8') as file: facts = json.load(file) # Настройка API-ключа для LLM openai.api_key = 'YOUR_API_KEY' # Функция для преобразования факта в HTML def fact_to_html(fact): prompt = f"Преобразуй следующий факт о кошках в HTML-блок: {fact}. Используй заголовок h2 и пояснение в p." response = openai.Completion.create( engine="text-davinci-003", prompt=prompt, max_tokens=150 ) return response.choices[0].text.strip() # Сбор HTML-блоков html_blocks = [fact_to_html(fact['fact']) for fact in facts] # Создание общего HTML-шаблона html_template = f""" Ежедневные факты о кошках

Интересные факты о кошках

{''.join(html_blocks)} """ # Сохранение шаблона в файл with open('cat_facts_email.html', 'w', encoding='utf-8') as file: file.write(html_template) ``` Этот код нужно доработать, добавив обработку ошибок, настройку отправки писем и другие необходимые функции для полноценного workflow.

Автоматизация контента о кошках

Похожее