Apa itu Amigo?
Amigo adalah bot Telegram universal milik Croco.Team untuk operasional pemasaran. Alih-alih menggunakan alat terpisah untuk konten, media sosial, dan analitik, Amigo menyediakan antarmuka terpadu untuk semua kebutuhan tim pemasaran modern - didorong oleh AI dan diperkuat oleh memori persisten.
Sistem Perintah
Amigo menyediakan 20+ perintah yang mencakup seluruh alur kerja pemasaran:
/trends memunculkan topik tren saat ini yang relevan dengan industri Anda, lengkap dengan atribusi sumber dan metrik keterlibatan. /content menghasilkan ide konten, kerangka, dan draf lengkap berdasarkan sinyal tren dan persyaratan kampanye. /script membuat skrip video, kerangka podcast, dan narasi presentasi. /reels menghasilkan konsep video berdurasi pendek yang dioptimalkan untuk TikTok, Instagram Reels, dan YouTube Shorts.
/image memicu pembuatan gambar AI untuk postingan sosial, iklan, dan materi pemasaran. /plan membuat rencana pemasaran terperinci dengan lini masa, persyaratan sumber daya, dan metrik keberhasilan. /analyze memberikan wawasan audiens, analisis kompetitor, dan diagnostik performa.
/search melakukan riset mendalam di berbagai sumber secara bersamaan. /translate menangani penerjemahan konten dengan adaptasi budaya, bukan sekadar konversi kata demi kata secara harfiah. /marketing menghasilkan naskah kampanye multi-saluran yang diadaptasi untuk persyaratan setiap platform. /twitter membuat tweet, thread, dan balasan yang dioptimalkan. /linkedin menghasilkan postingan profesional, artikel, dan strategi keterlibatan.
Perintah tambahan mencakup konten blog, pencatatan, manajemen memori, dan integrasi dengan layanan eksternal seperti Notion dan Google Workspace.
Agregasi Multi-Sumber
Bot ini mengagregasi konten dan data dari berbagai sumber:
SociaVault menyediakan aliran konten Twitter, Reddit, dan TikTok dengan analitik keterlibatan dan deteksi tren. HikerAPI terhubung ke Instagram untuk pemantauan kompetitor dan inspirasi konten. YouTube API memungkinkan riset video, ekstraksi transkrip, dan analisis video tren. Firecrawl menangani riset web dan pemantauan konten kompetitor. OpenRouter berfungsi sebagai antarmuka LLM utama dengan akses ke berbagai model melalui satu API.
Setiap sumber menyimpan hasil cache dengan masa berlaku 30 menit, menghindari panggilan API yang berlebihan sambil memastikan kesegaran data untuk pekerjaan yang sensitif terhadap waktu.
Memori Knowledge Graph
Amigo memelihara grafik pengetahuan persisten yang didukung oleh PostgreSQL dengan pgvector untuk pencarian semantik. Ekstraksi entitas mengidentifikasi orang, perusahaan, produk, dan konsep yang disebutkan dalam percakapan. Pelacakan hubungan membangun koneksi antar entitas seiring berjalannya waktu.
Sistem memori memungkinkan Amigo untuk merujuk pada percakapan sebelumnya, mengingat preferensi pengguna, dan membangun berdasarkan konteks yang telah ditetapkan. Alih-alih memulai setiap interaksi dari nol, bot ini mengumpulkan pengetahuan organisasi yang bermanfaat bagi semua anggota tim.
Integrasi Outline menyediakan memori tambahan - catatan, jurnal, dan folder disinkronkan secara dua arah dengan server wiki Outline. Halaman baru yang dibuat di Outline menjadi dapat dicari di Amigo; percakapan di Amigo dapat membuat atau memperbarui halaman Outline.
Arsitektur Model
Amigo menggunakan 10 peran model yang berbeda daripada mengodekan model tertentu secara kaku:
Chat menangani interaksi percakapan dengan keramahan dan kesadaran konteks. Structured menggerakkan tugas output JSON, pengisian formulir, dan ekstraksi data. Writer menghasilkan naskah pemasaran, postingan blog, dan konten sosial. Plan menghasilkan rencana proyek, strategi, dan peta jalan. Translate mengelola konten lintas bahasa dengan adaptasi budaya.
Marketing mengoptimalkan kampanye, menganalisis funnel, dan menghasilkan naskah yang berfokus pada konversi. Embedding membuat representasi vektor untuk pencarian semantik dan deteksi kemiripan. Image menangani prompt pembuatan gambar. Voice memproses transkripsi dan sintesis audio. Video mengelola analisis video dan pembuatan klip.
Pipeline Alur Kerja
Semua output melewati filter format-output yang menerapkan transformasi berbasis LLM - memastikan nada yang konsisten, pemformatan yang benar, dan tingkat detail yang tepat. Langkah polish-output menerapkan transformasi regex dan pembersihan LLM tambahan untuk penyempurnaan akhir.
Pipeline ini memastikan kualitas yang konsisten terlepas dari model dasar mana yang menghasilkan respons awal.
Catatan Konfigurasi Penting
Saat menggunakan model penalaran (reasoning models) melalui OpenRouter, @preset/manager harus mengatur Reasoning ke OFF. Model penalaran terkadang mengembalikan konten null, yang merusak ekspektasi bot. Menonaktifkan penalaran memastikan output yang stabil untuk semua operasional.
Deployment
Amigo berjalan di Docker Compose dengan tiga layanan: bot itu sendiri pada port 50501, PostgreSQL dengan pgvector pada port 50504, dan server wiki Outline pada port 50505. Orkestrasi alur kerja Mastra (terkunci pada v1.33.1) mengoordinasikan tugas multi-langkah di seluruh sistem agen.