Czym jest Amigo?
Amigo to uniwersalny bot Telegrama zespołu Croco.Team do operacji marketingowych. Zamiast osobnych narzędzi do treści, mediów społecznościowych i analityki, Amigo zapewnia ujednolicony interfejs do wszystkiego, czego potrzebuje nowoczesny zespół marketingowy - napędzany przez AI i rozszerzony o trwałą pamięć.
System Komend
Amigo udostępnia ponad 20 komend obejmujących pełny proces pracy marketingowej:
/trends wyszukuje aktualne trendy istotne dla Twojej branży, wraz z przypisaniem źródła i metrykami zaangażowania. /content generuje pomysły na treści, konspekty i pełne szkice w oparciu o sygnały trendów i wymagania kampanii. /script tworzy scenariusze wideo, konspekty podcastów i narracje do prezentacji. /reels generuje koncepcje krótkich form wideo zoptymalizowanych pod TikTok, Instagram Reels i YouTube Shorts.
/image inicjuje generowanie obrazów przez AI do postów w mediach społecznościowych, reklam i materiałów marketingowych. /plan tworzy szczegółowe plany marketingowe z harmonogramami, wymaganiami zasobowymi i metrykami sukcesu. /analyze dostarcza wglądu w grupę docelową, analizę konkurencji i diagnostykę wydajności.
/search przeprowadza pogłębiony research w wielu źródłach jednocześnie. /translate zajmuje się tłumaczeniem treści z adaptacją kulturową, a nie dosłownym przekładem słowo w słowo. /marketing generuje treści kampanii wielokanałowych dostosowane do wymagań każdej platformy. /twitter tworzy zoptymalizowane tweety, wątki i odpowiedzi. /linkedin tworzy profesjonalne posty, artykuły i strategie zaangażowania.
Dodatkowe komendy obejmują treści blogowe, robienie notatek, zarządzanie pamięcią oraz integrację z zewnętrznymi usługami, takimi jak Notion i Google Workspace.
Agregacja z wielu źródeł
Bot agreguje treści i dane z wielu źródeł:
SociaVault dostarcza strumienie treści z Twittera, Reddita i TikToka wraz z analityką zaangażowania i wykrywaniem trendów. HikerAPI łączy się z Instagramem w celu monitorowania konkurencji i poszukiwania inspiracji treściowych. YouTube API umożliwia research wideo, ekstrakcję transkrypcji i analizę trendujących filmów. Firecrawl zajmuje się researchem stron internetowych i monitorowaniem treści konkurencji. OpenRouter służy jako główny interfejs LLM z dostępem do wielu modeli poprzez jedno API.
Każde źródło przechowuje wyniki w pamięci podręcznej z 30-minutowym czasem wygaśnięcia, co pozwala uniknąć nadmiarowych wywołań API, zapewniając jednocześnie aktualność danych w pracach wrażliwych na czas.
Pamięć Grafu Wiedzy
Amigo utrzymuje trwały graf wiedzy oparty na PostgreSQL z pgvector do wyszukiwania semantycznego. Ekstrakcja encji identyfikuje osoby, firmy, produkty i pojęcia wspomniane w konwersacjach. Śledzenie relacji buduje powiązania między encjami w czasie.
System pamięci umożliwia Amigo odwoływanie się do poprzednich rozmów, zapamiętywanie preferencji użytkownika i budowanie na ustalonym kontekście. Zamiast zaczynać każdą interakcję od zera, bot gromadzi wiedzę organizacyjną, która przynosi korzyści wszystkim członkom zespołu.
Integracja z Outline zapewnia dodatkową pamięć - notatki, dzienniki i foldery synchronizują się dwukierunkowo z serwerem wiki Outline. Nowe strony utworzone w Outline stają się przeszukiwalne w Amigo; konwersacje w Amigo mogą tworzyć lub aktualizować strony w Outline.
Architektura Modelu
Amigo wykorzystuje 10 odrębnych ról modeli zamiast sztywnego przypisywania konkretnych modeli:
Chat obsługuje interakcje konwersacyjne z ciepłem i świadomością kontekstu. Structured napędza zadania z wyjściem JSON, wypełnianie formularzy i ekstrakcję danych. Writer tworzy teksty marketingowe, wpisy na blogi i treści do mediów społecznościowych. Plan generuje plany projektów, strategie i mapy drogowe. Translate zarządza treściami wielojęzycznymi z adaptacją kulturową.
Marketing optymalizuje kampanie, analizuje lejki sprzedażowe i generuje teksty skoncentrowane na konwersji. Embedding tworzy reprezentacje wektorowe do wyszukiwania semantycznego i wykrywania podobieństw. Image obsługuje prompty do generowania obrazów. Voice przetwarza transkrypcję i syntezę audio. Video zarządza analizą wideo i generowaniem klipów.
Potok Pracy (Workflow Pipeline)
Wszystkie wyniki przechodzą przez filtr formatowania wyjścia (format-output), który stosuje transformację opartą na LLM - zapewniając spójny ton, poprawne formatowanie i odpowiedni poziom szczegółowości. Krok szlifowania wyjścia (polish-output) stosuje transformacje regex i dodatkowe czyszczenie przez LLM w celu końcowego dopracowania.
Potok ten zapewnia spójną jakość niezależnie od tego, który model bazowy wygenerował pierwotną odpowiedź.
Ważna Uwaga dotycząca Konfiguracji
Podczas korzystania z modeli rozumujących (reasoning models) przez OpenRouter, w @preset/manager opcja Reasoning musi być ustawiona na OFF. Modele rozumujące czasami zwracają pustą treść (null content), co narusza oczekiwania bota. Wyłączenie rozumowania zapewnia stabilne wyniki dla wszystkich operacji.
Wdrożenie
Amigo działa w Docker Compose z trzema usługami: samym botem na porcie 50501, PostgreSQL z pgvector na porcie 50504 oraz serwerem wiki Outline na porcie 50505. Orkiestracja przepływu pracy Mastra (przypięta do wersji v1.33.1) koordynuje wieloetapowe zadania w systemie agentów.