Автоматизация контента с ИИ: генерация постов, статей и рассылок по расписанию через API TokenMaster

2026-11-04 · контент smm автоматизация ai

Большие языковые модели умеют генерировать тексты для соцсетей, блога и email-рассылок по заданному расписанию — без ручной работы с каждой публикацией. Достаточно подготовить список тем и написать небольшой скрипт, который сам обратится к модели через OpenAI-совместимый API и сохранит готовые тексты в файлы. В этой статье разберём весь путь: от получения ключа TokenMaster до скрипта, который создаёт посты, статьи и рассылки по списку тем.

Что понадобится

API-ключ TokenMaster (создаётся в разделе «Ключи» после регистрации).
Python 3.8+ на компьютере или сервере, либо готовый инструмент автоматизации вроде n8n.
Список тем, по которым нужно сгенерировать тексты.
Пакет openai (устанавливается командой pip install openai).

Если писать код не хочется, тот же результат можно собрать в n8n: узел HTTP-запроса обращается к API, а узел планировщика запускает генерацию по расписанию. Но скрипт на Python даёт полный контроль над промптами и удобен, когда текстов нужно много.

Пошаговая настройка скрипта

Создайте файл generate.py. Скрипт проходит по списку тем, отправляет запрос к модели с промптом и сохраняет каждый результат в отдельный файл:

import os
from pathlib import Path
from openai import OpenAI

client = OpenAI(
    base_url="https://tokenmaster.ru/v1",
    api_key=os.environ["TOKENMASTER_API_KEY"],  # ваш ключ вида sk-...
)

topics = [
    "Почему бизнесу стоит автоматизировать рутину",
    "Как ИИ ускоряет подготовку контента",
    "5 идей постов для соцсетей на неделю",
]

system_prompt = (
    "Ты — редактор SMM-агентства. Пиши на русском языке, "
    "в деловом тоне, объёмом 500–700 слов. Структура: заголовок, "
    "вступление, три подзаголовка, вывод."
)

for i, topic in enumerate(topics, start=1):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": f"Напиши статью на тему: {topic}"},
        ],
        temperature=0.7,
        max_tokens=1200,
    )
    text = response.choices[0].message.content
    Path(f"article_{i}.md").write_text(text, encoding="utf-8")
    print(f"Готово: {topic}")

Главное в автоматизации — качество промпта. В system_prompt стоит задавать тон (деловой, дружелюбный, экспертный), длину и структуру текста. Чем точнее инструкция, тем стабильнее результат: модель перестаёт «угадывать» и выдаёт тексты в едином стиле. Для постов и рассылок можно менять только промпт и max_tokens, не трогая логику скрипта.

Ещё два параметра управляют результатом. temperature задаёт «креативность»: значение около 0.7 даёт живой, но связный текст, а 0.2 — более предсказуемый и строгий. max_tokens ограничивает длину ответа, что удобно для коротких постов: поставили 300 — получили компактный текст, 1200 — полноценную статью. Чтобы генерация запускалась сама, оберните скрипт в cron на Linux или «Планировщик заданий» в Windows — и тексты будут готовиться, например, каждое утро.

Подключение TokenMaster

TokenMaster — это AI-шлюз с OpenAI-совместимым API, поэтому код выше использует стандартный клиент OpenAI. Подключение сводится к двум параметрам:

Зарегистрируйтесь на tokenmaster.ru и создайте API-ключ в разделе «Ключи».
Укажите в скрипте:
- Base URL: https://tokenmaster.ru/v1
- API Key: ваш ключ вида sk-…

Почему TokenMaster? Один ключ и один баланс для моделей DeepSeek, GLM (Zhipu) и Qwen, оплата из России. Base URL единый — https://tokenmaster.ru/v1.

Проверка работы

Запустите скрипт командой python generate.py. Если в папке появились файлы article_1.md, article_2.md и так далее, генерация работает. Типичные ошибки:

401 / invalid api key — ключ скопирован не полностью или неверно; проверьте, что он начинается с sk-.
connection error — Base URL указан неправильно; он должен быть ровно https://tokenmaster.ru/v1.
insufficient quota — на балансе недостаточно средств; пополните его в личном кабинете.

Частые вопросы

Чем это лучше ручного написания постов? Скрипт генерирует десятки черновиков за минуты, а вы оставляете за собой редактирование и финальную вычитку. Время уходит только на правку, а не на создание с нуля.

Можно ли запускать генерацию по расписанию? Да. Оберните скрипт в планировщик (cron на Linux или «Планировщик заданий» в Windows), и тексты будут создаваться автоматически — например, каждое утро. В n8n для этого есть отдельный узел расписания.

Какой модели отдать предпочтение для контента? DeepSeek хорошо пишет длинные тексты, GLM (Zhipu) — силён в структуре и логике, Qwen подходит для коротких постов. Переключаются они сменой одного параметра model.

Итог

Автоматизация контента через LLM избавляет от рутины: скрипт сам генерирует посты, статьи и рассылки по списку тем, а промпт задаёт нужный тон и структуру. Подключите стандартный клиент OpenAI к Base URL https://tokenmaster.ru/v1, добавьте ключ sk-… — и генерация контента заработает по расписанию.