Как маркетолог без кода собрала AI-агента для Threads: 188 постов и живые ответы за $4–6 в месяц

Аккаунт проекта EverStory в Threads долгое время жил по остаточному принципу: пара постов в неделю, если о нём вспоминали, а в периоды релизов наступала полная тишина. Комментарии, в которых люди делились историями о бабушкиных альбомах и коробках с плёнками, просто лайкали и забывали. Разбирать эти живые отклики было некому, пока не появилась Amy.

Amy — это AI-агент, который взял на себя полное ведение Threads. Она публикует посты пять раз в день, отвечает на комментарии и раз в неделю присылает выжимку того, о чём говорит аудитория. Всё управление происходит через кнопки в Telegram, и без одобрения человека агент ничего не публикует.

Код написан с помощью Claude в Claude Code, а его автор — маркетолог, а не разработчик, что делает историю особенно примечательной. С момента запуска Amy опубликовала 188 постов строго по расписанию, без единого пропуска. Суммарно они набрали 13 184 просмотра, примерно по 70 на каждый.

Агент получил 61 развёрнутый ответ от 55 разных людей, не считая собственных реплаев, и оставил 24 комментария под чужими постами, самостоятельно находя релевантные треды. От момента появления нового комментария до черновика ответа в Telegram проходит всего пять минут. Стоимость такой автоматизации составляет от 4 до 6 долларов в месяц, а при активном комментировании чужих постов может доходить до 10 долларов.

Платными остаются только обращения к языковой модели, всё остальное работает на бесплатных тарифах. Автор подчёркивает, что не гналась за числом подписчиков, и цифры пока скромные, но за каждым ответом стоят реальные семейные истории, которые простой лайк никогда бы не рассказал. Технически всё завязано на cron-задачи.

Пять раз в день Amy берёт ближайший пост из очереди, при необходимости прикрепляет картинку, публикует и отчитывается в Telegram. Каждые пять минут проверяет новые комментарии, архивирует их и готовит черновик ответа, который присылает с тремя кнопками: «Опубликовать», «Поправить» и «Пропустить». Каждое утро проверяет очередь идей и, если черновиков меньше пяти, пишет новые, отправляя их на одобрение.

По понедельникам агент перечитывает все комментарии за неделю и ищет повторяющиеся темы. Если несколько разных людей сказали похожие вещи, это считается ярким сигналом, а одиночные или двойные упоминания уходят в копилку идей. Отчёт приходит в тот же чат, где Amy просит одобрения, — автор сознательно отказалась от отдельного дашборда, зная, что не станет в него заходить.

Поскольку аккаунт англоязычный, а английский у создательницы не свободный, Amy показывает оригинал комментария, его перевод на русский и черновик ответа тоже на русском. Если черновик не нравится, боту можно написать обычными словами, что исправить, и он пришлёт новый вариант. После одобрения агент сам переводит финальный ответ на нормальный английский и публикует.

Главная защита от ошибок — Amy никогда не публикует посты и ответы без подтверждения, не придумывает факты о продукте и не использует запрещённые слова вроде «cherish» или упоминаний смерти. Чтобы посты не превращались в безликий нейросетевой контент, в каждый запрос к модели подгружается четыре слоя контекста: информация о бренде и запрещённых словах, цель конкретного поста, угол восприятия аудитории и список тем, которые уже обсуждались за последние две недели. Всё это лежит в виде markdown-файлов в репозитории, и для изменений не нужно трогать код.

Посты делятся на три типа: 20% нацелены на подписку, 60% — на развёрнутые комментарии, и ещё 20% работают на тёплое присутствие бренда без продаж. Внутри генерации зашиты фреймворки виральности вроде STEPPS и связки Hook-Retain-Reward, а Amy сама следит, чтобы микс типов постов не перекашивался на длинной дистанции. При этом агент не проводит полноценных кастдев-интервью, а лишь вытаскивает формулировки и повторяющиеся темы, которые автор затем проверяет отдельно, сопоставляя с синтетическими интервью, разбором отзывов на G2 и Trustpilot и живыми разговорами.

Такой подход уже дал продукту несколько конкретных изменений. Формулировки из Threads, на которые люди ответили, ушли в рекламу и рассылки, подняв open rate писем с 14% до 15,5%. Узкие вопросы, собранные из комментариев, теперь встроены прямо в продукт после создания книги, потому что на них отвечают намного чаще.

Из обсуждений всплыли темы бабушкиных рецептов, генеалогии и оцифрованных кассет, а идея «хранителя памяти» в семье превратилась в задумку функции наследования аккаунта с книгами. Важное наблюдение касается алгоритма Threads: охват там даёт тема, а не размер базы подписчиков. Amy потребовалось около двух недель, чтобы алгоритм понял тематику аккаунта и начал показывать посты тем, кто интересуется семейными архивами и печатью фото, а не случайной ленте.

После этого и пошли комментарии от целевой аудитории. Внутри система построена на Next.js и TypeScript, развёрнута на Vercel с использованием GitHub Actions для частых задач, а очередь постов и файлы с голосом бренда хранятся прямо в репозитории в виде markdown.