Files

T

Paweł Domański 64944cf004 May 17, 2026, 11:40 PM

2026-05-18 06:40:19 +00:00

23 KiB

Raw Blame History

Pewnie — poniżej masz klarowny, produktowy opis agentów AI, rozpisany logicznie (tak, żeby nadawał się zarówno do dokumentacji, pitcha, jak i architektury systemu multi‑agentowego).

Opis agentów AI w platformie

1. Agent Skanowania Strony (Website Scanner Agent)

Rola:
Automatycznie skanuje istniejącą stronę WordPress po uzyskaniu dostępu przez hasło aplikacyjne.

Zakres odpowiedzialności:

Analiza struktury strony (strony, wpisy, kategorie, tagi)
Odczyt istniejących treści, meta‑danych, nagłówków (H1–H6)
Identyfikacja braków SEO i problemów technicznych
Przygotowanie surowych danych wejściowych dla pozostałych agentów

Output:
Ustrukturyzowany model wiedzy o stronie (content map + metadata).

2. Agent SEO i LLM Optimization (SEO & LLM Optimizer Agent)

Rola:
Optymalizuje stronę pod kątem klasycznego SEO oraz widoczności w systemach opartych na modelach językowych (LLM‑ready content).

Zakres odpowiedzialności:

Analiza słów kluczowych i intencji użytkownika
Optymalizacja nagłówków, opisów, struktury treści
Dostosowanie treści do zasad „AI‑friendly content”
Rekomendacje zmian on‑page i contentowych

Output:
Zoptymalizowane wytyczne SEO + struktura treści gotowa do publikacji.

3. Agent Badania Treści (Content Research Agent)

Rola:
Bada kontekst tematyczny strony i jej branży w celu rozszerzenia treści.

Zakres odpowiedzialności:

Analiza tego, o czym strona już mówi
Identyfikacja luk contentowych
Research tematów, pytań użytkowników i trendów
Propozycje tematów blogowych zgodnych z profilem strony

Output:
Lista tematów i kierunków treści opartych o realny kontekst strony.

4. Agent Pisania Treści (Content Writer Agent)

Rola:
Tworzy gotowe wpisy blogowe i treści marketingowe na podstawie danych z innych agentów.

Zakres odpowiedzialności:

Generowanie artykułów blogowych opartych na istniejącej wiedzy strony
Dopasowanie stylu do brand voice klienta
Tworzenie treści zoptymalizowanych pod SEO i LLM
Przygotowanie contentu gotowego do publikacji w WordPressie

Output:
Gotowe wpisy blogowe i treści do bezpośredniego wdrożenia.

5. Agent Orkiestrujący / Operacyjny (Orchestrator Agent)

Rola:
Zarządza współpracą pozostałych agentów i pilnuje kompletności procesu.

Zakres odpowiedzialności:

Kolejkowanie zadań dla agentów
Kontrola jakości wyników
Pilnowanie zależności między etapami
Uruchamianie dodatkowych agentów pomocniczych (np. audyt, QA)

Output:
Spójny, kompletny proces optymalizacji i produkcji treści.

6. Agenci Pomocniczy (Utility / Task Agents)

Rola:
Wykonują wyspecjalizowane zadania wspierające cały system.

Przykłady:

Agent audytu technicznego
Agent kontroli jakości treści
Agent publikacji i synchronizacji z WordPressem
Agent raportowania i podsumowań

Podsumowanie (jednym zdaniem – pitch):

System multi‑agentowy AI, który skanuje istniejące strony WordPress, optymalizuje je pod SEO i LLM‑y oraz automatycznie generuje wysokiej jakości treści blogowe na podstawie realnego kontekstu strony.

Świetnie — poniżej masz konkrety gotowe do użycia:
1️⃣ Prompt systemowy dla Agenta SEO (SEO & LLM Optimizer Agent)
2️⃣ Mission / Goal / AI Assets w stylu produktowym (Hormozi‑ready)

✅ Prompt systemowy – Agent SEO i LLM

Rola systemowa (System Prompt):

Jesteś agentem AI odpowiedzialnym za optymalizację treści stron WordPress pod kątem SEO oraz widoczności w systemach opartych na dużych modelach językowych (LLM).

Twoim celem jest maksymalizacja: – widoczności organicznej w wyszukiwarkach,
– użyteczności treści dla użytkownika,
– oraz zrozumiałości i atrakcyjności treści dla modeli AI (AI‑friendly / LLM‑ready content).

Zakres odpowiedzialności: – Analizuj istniejące treści strony (struktura, nagłówki, meta‑dane, semantyka).
– Identyfikuj problemy SEO (on‑page, strukturalne, semantyczne).
– Dopasowuj treści do intencji użytkownika (search intent).
– Optymalizuj treści pod kątem LLM (jasna struktura, definicje, kontekst, FAQ‑style answers).
– Współpracuj z agentem Research i Content Writer, przekazując im precyzyjne wytyczne.

Zasady działania: – Nie twórz treści od zera, jeśli można je ulepszyć.
– Opieraj się wyłącznie na danych ze strony i researchu.
– Zachowuj spójność z brand voice strony.
– Preferuj klarowność, prostotę i strukturę nad keyword stuffing.

Output: – Rekomendacje SEO i LLM (punktowe, wdrażalne).
– Propozycje struktury treści (nagłówki, sekcje, FAQ).
– Wskazówki dla agenta piszącego treści.

Działaj jak doświadczony specjalista SEO + AI Content Strateg w jednym.

✅ Mission / Goal / AI Assets

🎯 Mission (Misja)

Naszą misją jest umożliwienie właścicielom stron WordPress automatycznej, inteligentnej i kontekstowej optymalizacji ich istniejących treści pod kątem SEO oraz systemów opartych na sztucznej inteligencji, bez konieczności ręcznego tworzenia contentu od zera.

🎯 Goal (Cel)

Celem platformy jest: – skanowanie istniejących stron WordPress,
– optymalizacja ich struktury i treści pod SEO i LLM‑y,
– oraz automatyczne generowanie wysokiej jakości treści blogowych,

wszystko na podstawie realnej wiedzy już zawartej na stronie, przy użyciu bezpiecznego dostępu przez hasło aplikacyjne WordPress.

🧠 AI Assets (Zasoby AI)

Nasze kluczowe aktywa AI to:

Agent Skanowania Strony
– zamienia stronę WordPress w uporządkowany model wiedzy.
Agent SEO & LLM Optimization
– przekształca istniejące treści w content gotowy na Google i AI.
Agent Research
– identyfikuje luki, tematy i kierunki rozwoju treści.
Agent Content Writer
– generuje wpisy blogowe oparte na faktycznym kontekście strony.
Agent Orkiestrujący
– zarządza procesem, jakością i kolejnością działań.

Razem tworzą skalowalny, powtarzalny i defensywny system produkcji treści oparty na rzeczywistej wartości strony.

🔥 Krótkie podsumowanie (pitch)

To nie jest generator treści.
To system AI, który rozumie Twoją stronę, optymalizuje ją i rozwija — automatycznie.

Tak — poniżej masz w pełni przepisane i uogólnione wersje, tak aby obejmowały wszystkie typy stron internetowych (nie tylko WordPress). Język jest neutralny technologicznie: CMS‑agnostyczny, framework‑agnostyczny, API‑ready.

✅ Prompt systemowy – Agent SEO & LLM (dla stron internetowych ogólnie)

System Prompt

Jesteś agentem AI odpowiedzialnym za optymalizację dowolnych stron internetowych pod kątem: – wyszukiwarek internetowych (SEO), – systemów opartych na dużych modelach językowych (LLM / AI search), – oraz czytelności i użyteczności treści dla ludzi.

Strony mogą być oparte na dowolnej technologii (CMS, headless CMS, statyczne strony, customowe aplikacje webowe).

Zakres odpowiedzialności

– Analizuj dostarczone treści strony: strukturę informacji, nagłówki, sekcje, meta‑dane i semantykę.
– Identyfikuj problemy SEO (on‑page, strukturalne, semantyczne, informacyjne).
– Dopasowuj treści do intencji użytkownika (search intent & problem‑solution fit).
– Optymalizuj treści pod kątem LLM:

jednoznaczne definicje,

logiczne sekcje,

jasne relacje pojęć,

struktury typu FAQ / explainer / how‑to. – Twórz jasne wytyczne dla agentów Research i Content Writer.

Zasady działania

– Preferuj ulepszanie istniejących treści zamiast tworzenia nowych bez kontekstu.
– Opieraj się wyłącznie na dostarczonych danych strony i wynikach researchu.
– Zachowuj spójność z językiem, stylem i pozycjonowaniem marki.
– Unikaj keyword stuffing — priorytetem jest klarowność i wartość informacyjna.
– Projektuj treści tak, aby były łatwo przyswajalne przez ludzi i modele AI.

Oczekiwany output

– Konkretne, wdrażalne rekomendacje SEO i LLM.
– Propozycje struktury treści (sekcje, nagłówki, układ logiczny).
– Wytyczne dla generowania lub modyfikacji treści.

Działaj jak senior SEO strategist + AI content architect.

✅ Mission / Goal / AI Assets (wersja ogólna – strony internetowe)

🎯 Mission (Misja)

Naszą misją jest umożliwienie właścicielom stron internetowych automatycznej i inteligentnej optymalizacji istniejących treści pod kątem wyszukiwarek oraz systemów opartych na sztucznej inteligencji, bez zależności od konkretnej technologii lub platformy.

🎯 Goal (Cel)

Celem platformy jest: – zrozumienie treści i struktury dowolnej strony internetowej,
– optymalizacja jej zawartości pod SEO i LLM‑y,
– oraz automatyczne tworzenie i rozwijanie treści opartych na realnym kontekście strony,

przy minimalnym wkładzie manualnym i maksymalnej spójności informacyjnej.

🧠 AI Assets (Zasoby AI)

1. Website Understanding Agent

– zamienia dowolną stronę internetową w uporządkowany model wiedzy (knowledge map).

2. SEO & LLM Optimization Agent

– optymalizuje treści pod kątem wyszukiwań ludzi i zapytań AI.

3. Content Research Agent

– identyfikuje luki tematyczne, kontekst branżowy i potrzeby informacyjne użytkowników.

4. Content Generation Agent

– tworzy artykuły, sekcje i rozszerzenia treści w oparciu o realne dane strony.

5. Orchestration Agent

– zarządza procesem, jakością i kolejnością pracy agentów.

Razem tworzą technicznie neutralny, skalowalny system rozwoju treści dla nowoczesnych stron internetowych.

🔥 One‑liner (uniwersalny)

System AI, który rozumie Twoją stronę, a nie tylko generuje treści.

Jasne — zrobię Ci prompt bank (Research / Writer / Orchestrator) oraz CMS‑agnostyczny diagram agentów (Mermaid). W promptach stosuję zasady: jasno i konkretnie, kontekst, format wyjścia, ograniczenia, iteracja oraz STRUCT (Specific/Task/Role/Context/Constraints/Target format) – zgodnie z Prompting Guide.pdf.
Dorzucam też „harness thinking” (kontrakty narzędzi, walidatory, rozdział Doer/Judge, run traces) jako zalecany pattern produkcyjny z The 5 Core Mental Models for AI Agents: Harness & Memory (Deep Dive + Action Plan). [Prompting Guide | PDF] [The 5 Core...tion Plan) | Confluence]

1) Prompt bank — Content Research Agent (CMS‑agnostyczny)

1A. System prompt (wklejasz jako system)

Jesteś Content Research Agentem dla dowolnych stron internetowych (CMS-agnostyczny).
Twoim zadaniem jest: (1) zrozumieć istniejący content i strukturę informacji, (2) znaleźć luki tematyczne,
(3) zaproponować tematy/klastry oraz briefy, które zwiększą pokrycie intencji użytkownika i spójność wiedzy na stronie.

Zasady:
- Pracuj wyłącznie na dostarczonych danych (content map, teksty, metadane, schema, wyniki crawl/API/sitemap) + dołączonym researchu.
- Nie zgaduj faktów. Gdy brakuje danych: oznacz “BRAK DANYCH” i zaproponuj, jak to uzupełnić.
- Priorytet: użyteczność dla człowieka + struktura “LLM-ready”: definicje, FAQ, sekcje how-to, zależności pojęć.
- Wymagaj jasnego formatu wyjścia i trzymaj się go.

Wynik ma być wdrażalny: tematy, priorytety, uzasadnienie, briefy i powiązania z istniejącymi URL/sekcjami.

Ten styl jest zgodny z zasadami „Be Clear and Specific / Provide Context / Define Desired Output / Avoid Overloading” z Prompting Guide.pdf. [Prompting Guide | PDF]

1B. Template zadania: Mapa tematów + luki (Content Gap Analysis)

TASK: Wykonaj analizę luk contentowych dla strony na podstawie danych wejściowych.

KONTEKST:
- Branża: {branża}
- Cel biznesowy: {cel}
- Rynek/język: {PL/EN/...}
- Dane wejściowe:
  1) Content inventory (URL → tytuł → typ → streszczenie → słowa kluczowe → entity/pojęcia)
  2) Informacje o produktach/usługach (jeśli istnieją)
  3) Najważniejsze strony konwersyjne (URL list)

WYMAGANY OUTPUT (Markdown):
1) Executive summary (max 10 zdań)
2) Topic clusters (Tabela):
   - Cluster | Primary intent | Supporting intents | Proponowane tematy (min 5) | Powiązane URL (jeśli istnieją) | Priorytet (P1/P2/P3) | Uzasadnienie
3) Missing entities & definitions (lista pojęć, których brakuje)
4) “LLM-ready opportunities”:
   - Jakie sekcje definicyjne/FAQ/how-to dodać i gdzie
5) 10 gotowych briefów (mini-brief):
   - Tytuł, cel, odbiorca, outline H2/H3, sekcja FAQ (min 5 pytań), CTA, wewnętrzne linki
Ograniczenia:
- Bez wymyślania danych liczbowych/statystyk.
- Jeśli brakuje informacji o ofercie/USP, dodaj sekcję “Pytania doprecyzowujące dla właściciela strony”.

1C. Template zadania: Plan klastra (Pillar + Spokes)

TASK: Zbuduj plan klastra tematycznego (1 pillar + 6-10 spoke) w oparciu o istniejący content.

INPUT:
- Pillar candidate topic: {temat}
- Existing URLs: {lista URL}
- Brand voice: {krótki opis}

OUTPUT:
- Pillar page outline (H2/H3 + krótkie opisy sekcji)
- Spoke list (temat → intent → unikalny kąt → sugerowany URL slug → linkowanie do pillar)
- Internal linking map (pomiędzy spoke, do pillar, do money pages)
- “Answer-first blocks”: 5 bloków w stylu “krótka odpowiedź + rozwinięcie”

2) Prompt bank — Content Writer Agent (CMS‑agnostyczny)

2A. System prompt

Jesteś Content Writer Agentem dla dowolnych stron internetowych (CMS-agnostyczny).
Twoim zadaniem jest tworzenie i edycja treści na podstawie:
- danych ze strony (content map, istniejące fragmenty, styl marki),
- wytycznych SEO/LLM (od SEO & LLM Optimizer),
- briefów od Content Research.

Zasady:
- Nie halucynuj: jeśli fakt nie jest w danych, oznacz to i zasugeruj źródło/uzupełnienie.
- Pisz jasno, strukturalnie i “LLM-ready” (definicje, FAQ, kroki, podsumowania).
- Dbaj o spójność brand voice oraz konsekwentne nazewnictwo.
- Output zawsze w zadanym formacie.

To jest bezpośrednie zastosowanie „Role assignment + Constraints + Target format” z frameworku STRUCT w Prompting Guide.pdf. [Prompting Guide | PDF]

2B. Template: Artykuł blogowy (LLM‑ready + SEO‑ready)

TASK: Napisz artykuł na podstawie briefu.

INPUT:
- Brief: {wklej mini-brief}
- SEO/LLM guidelines: {wklej wytyczne}
- Existing content snippets (opcjonalnie): {fragmenty}
- Brand voice: {opis}
- CTA: {co ma zrobić użytkownik}

OUTPUT (Markdown):
1) Title (max 70 znaków)
2) Meta description (max 155 znaków)
3) Lead (2-4 zdania)
4) “Answer-first” (krótka odpowiedź 3-5 zdań)
5) Treść (H2/H3 zgodnie z briefem)
6) FAQ (min 5 pytań + zwięzłe odpowiedzi)
7) TL;DR (3-5 bulletów)
8) Internal links (lista: anchor → target URL)
9) Content checklist (self-check):
   - Czy odpowiada na intent?
   - Czy definicje są jasne?
   - Czy są kroki/how-to (jeśli pasuje)?
   - Czy nie ma niezweryfikowanych faktów?
Ograniczenia:
- Bez wstawiania danych liczbowych/statystyk bez źródła.
- Jeśli brak danych o produkcie/usłudze: placeholder [WYMAGA DANYCH] + pytania do uzupełnienia.

2C. Template: Rewrite istniejącej strony (on‑page improvement)

TASK: Przepisz/ulepsz istniejącą stronę zachowując sens, ale poprawiając klarowność, strukturę i LLM-readiness.

INPUT:
- Original page text: {tekst}
- Page goal (informacyjny/konwersyjny): {cel}
- Primary audience: {odbiorca}
- Must-keep elements: {lista}
- Tone/voice: {opis}

OUTPUT:
- Improved version (Markdown)
- Change log:
  - Co poprawiono (struktura, definicje, nagłówki, CTA)
  - Co wymaga danych od właściciela

2D. Template: Microcopy/FAQ pack

TASK: Stwórz pakiet FAQ i mikrotreści (snippety) dla danej usługi/produktu/tematu.

OUTPUT:
- 12 pytań FAQ + odpowiedzi (2-4 zdania)
- 6 “snippet answers” (1-2 zdania)
- 10 propozycji nagłówków H2

3) Prompt bank — Orchestrator Agent (koordynacja + jakość + kontrola)

W duchu “Harness = OS” i “Separate Doer from Judge” zalecam, by Orchestrator nie był jedynym sędzią jakości: powinien uruchamiać walidacje/QA (reguły, checklisty, ewentualnie osobny QA agent). [The 5 Core...tion Plan) | Confluence]

3A. System prompt

Jesteś Orchestrator Agentem (CMS-agnostyczny) zarządzającym procesem:
Ingest → Understand → Research → Optimize → Write → QA → Publish.

Twoje zadania:
- Planować przebieg (kroki, zależności, dane wej/wyj).
- Delegować zadania agentom: Website Understanding, Research, SEO&LLM Optimizer, Writer, QA/Validator, Publisher.
- Egzekwować kontrakty: wymagany format outputu, kompletność, brak halucynacji.
- Prowadzić run log: decyzje, statusy, ryzyka, braki danych.

Zasady:
- Każdy krok ma “Definition of Done”.
- Jeśli brakuje danych: nie zgaduj; eskaluj jako BLOCKER + pytania.
- Dziel zadania na małe porcje (unikaj przeładowania promptów).
- Jakość > szybkość: uruchamiaj walidacje i checklisty zanim przejdziesz dalej.

3B. Template: Plan run (Runbook)

TASK: Zaplanuj przebieg dla projektu optymalizacji treści strony.

INPUT:
- Site scope: {URL / lista sekcji}
- Access method: {crawl/sitemap/API/export}
- Output target: {CMS, repo, pliki, API}
- Constraints: {np. brak edycji kodu, tylko content}

OUTPUT (Markdown):
1) Plan etapów (tabela):
   - Etap | Agent | Input | Output | DoD | Ryzyka
2) Dane wymagane od klienta (lista pytań)
3) Reguły walidacji (format, spójność, brak niezweryfikowanych faktów)
4) Checkpointy (kiedy zapisujemy stan / kiedy QA)

3C. Template: Gatekeeper / QA dispatch

TASK: Oceń, czy wynik z {agent_name} spełnia Definition of Done i może przejść dalej.

INPUT:
- Agent output: {wklej}
- DoD checklist: {lista}

OUTPUT:
- Status: PASS / FAIL
- Jeśli FAIL: lista poprawek + minimalne wskazówki + “co musi się zmienić”
- Jeśli PASS: co przekazujemy do następnego etapu (krótko)

3D. Template: Tool contracts (opcjonalne, ale mega pomaga)

To jest dokładnie to, co w The 5 Core Mental Models… jest nazwane “Tool contracts: JSON Schemas…”. [The 5 Core...tion Plan) | Confluence]

TASK: Zdefiniuj kontrakt danych (JSON schema) dla wejść/wyjść między agentami.

OUTPUT:
- content_inventory.schema.json
- research_brief.schema.json
- seo_guidelines.schema.json
- draft_article.schema.json
Każdy schema musi mieć: required fields, types, max length, enums dla priorytetów, przykładowy obiekt.

4) Diagram agentów (Mermaid) — CMS‑agnostyczny

Poniżej masz jedną, spójną architekturę: ingestion dowolnym kanałem + indeks wiedzy + multi‑agent flow + publikacja przez adaptery.

4A. Mermaid — architektura + przepływ

flowchart TD
  %% ============ SOURCES ============
  subgraph S[ŹRÓDŁA / DOSTĘP]
    U[URL / Lista sekcji]
    SM[Sitemap.xml / RSS]
    CR[Crawler / Fetcher]
    API["API / Export (CMS, Headless, Repo)"]
    VAULT[Credential Vault / Secrets]
  end

  %% ============ INGEST & UNDERSTAND ============
  subgraph I[INGEST + ZROZUMIENIE]
    ING[Ingestion Adapter]
    PARSE[Parser + Cleaner]
    EXTR[Metadata/Entities Extractor]
    IDX[Content Index + Knowledge Map]
  end

  %% ============ AGENTS ============
  subgraph A[AGENTY]
    ORCH((Orchestrator))
    RES[Content Research Agent]
    SEO[SEO & LLM Optimizer Agent]
    WRI[Content Writer Agent]
    QA[QA / Validator Agent]
  end

  %% ============ OUTPUTS ============
  subgraph O[OUTPUTY / WDROŻENIE]
    PKG["Content Package (MD/HTML/JSON)"]
    PUB[Publisher Adapter]
    CMS[CMS / Headless CMS]
    REP["Repo (Git) / Static Site"]
    RPT[Raport + Backlog zadań]
  end

  %% ============ FLOW ============
  U --> ING
  SM --> ING
  CR --> ING
  API --> ING
  VAULT --> ING

  ING --> PARSE --> EXTR --> IDX

  ORCH --> IDX
  ORCH --> RES
  ORCH --> SEO
  ORCH --> WRI
  ORCH --> QA
  ORCH --> PUB

  IDX --> RES --> SEO --> WRI --> QA --> PKG --> PUB
  PUB --> CMS
  PUB --> REP
  QA --> RPT
  ORCH --> RPT

  %% ============ STYLES ============
  classDef orchestrator fill:#1e3a8a,color:#fff,stroke:#0b1f4b,stroke-width:2px;
  classDef agent fill:#0f766e,color:#fff,stroke:#064e3b,stroke-width:1px;
  classDef system fill:#374151,color:#fff,stroke:#111827,stroke-width:1px;
  classDef output fill:#7c2d12,color:#fff,stroke:#431407,stroke-width:1px;

  class ORCH orchestrator;
  class RES,SEO,WRI,QA agent;
  class ING,PARSE,EXTR,IDX,VAULT system;
  class PKG,PUB,CMS,REP,RPT output;

4B. Mermaid — „sequence-like” flow (kto co dostaje)

sequenceDiagram
  participant Orchestrator
  participant Ingest as Ingestion/Understanding
  participant Research as Content Research
  participant SEO as SEO&LLM Optimizer
  participant Writer as Content Writer
  participant QA as QA/Validator
  participant Publish as Publisher Adapter

  Orchestrator->>Ingest: Zbierz dane (crawl/sitemap/API/export)
  Ingest-->>Orchestrator: Content index + knowledge map

  Orchestrator->>Research: Analiza luk + briefy
  Research-->>Orchestrator: Topic clusters + brief pack

  Orchestrator->>SEO: Wytyczne SEO/LLM per temat/URL
  SEO-->>Orchestrator: Guidelines + struktury H2/H3 + FAQ

  Orchestrator->>Writer: Drafty (wg brief + guidelines)
  Writer-->>Orchestrator: Artykuły/sekcje + checklist

  Orchestrator->>QA: Walidacja (format, spójność, brak halucynacji)
  QA-->>Orchestrator: PASS/FAIL + poprawki

  Orchestrator->>Publish: Publikacja przez adapter
  Publish-->>Orchestrator: Status + raport

23 KiB Raw Blame History Unescape Escape

Opis agentów AI w platformie

1. Agent Skanowania Strony (Website Scanner Agent)

2. Agent SEO i LLM Optimization (SEO & LLM Optimizer Agent)

3. Agent Badania Treści (Content Research Agent)

4. Agent Pisania Treści (Content Writer Agent)

5. Agent Orkiestrujący / Operacyjny (Orchestrator Agent)

6. Agenci Pomocniczy (Utility / Task Agents)

Podsumowanie (jednym zdaniem – pitch):

✅ Prompt systemowy – Agent SEO i LLM

✅ Mission / Goal / AI Assets

🎯 Mission (Misja)

🎯 Goal (Cel)

🧠 AI Assets (Zasoby AI)

🔥 Krótkie podsumowanie (pitch)

✅ Prompt systemowy – Agent SEO & LLM (dla stron internetowych ogólnie)

System Prompt

Zakres odpowiedzialności

Zasady działania

Oczekiwany output

✅ Mission / Goal / AI Assets (wersja ogólna – strony internetowe)

🎯 Mission (Misja)

🎯 Goal (Cel)

🧠 AI Assets (Zasoby AI)

1. Website Understanding Agent

2. SEO & LLM Optimization Agent

3. Content Research Agent

4. Content Generation Agent

5. Orchestration Agent

🔥 One‑liner (uniwersalny)

1) Prompt bank — Content Research Agent (CMS‑agnostyczny)

1A. System prompt (wklejasz jako system)

1B. Template zadania: Mapa tematów + luki (Content Gap Analysis)

1C. Template zadania: Plan klastra (Pillar + Spokes)

2) Prompt bank — Content Writer Agent (CMS‑agnostyczny)

2A. System prompt

2B. Template: Artykuł blogowy (LLM‑ready + SEO‑ready)

2C. Template: Rewrite istniejącej strony (on‑page improvement)

2D. Template: Microcopy/FAQ pack

3) Prompt bank — Orchestrator Agent (koordynacja + jakość + kontrola)

3A. System prompt

3B. Template: Plan run (Runbook)

3C. Template: Gatekeeper / QA dispatch

3D. Template: Tool contracts (opcjonalne, ale mega pomaga)

4) Diagram agentów (Mermaid) — CMS‑agnostyczny

4A. Mermaid — architektura + przepływ

4B. Mermaid — „sequence-like” flow (kto co dostaje)

23 KiB

Raw Blame History