Продолжение истории: как заброшенный портал ожил снова, но уже без редакции

После переезда на Hugo сайт из тяжёлого и постоянно падающего превратился в лёгкий и быстрый статический архив — и стало понятно, что этим дело не ограничится. Раз сайт теперь быстрый и не требует ни базы, ни сервера под нагрузкой, почему бы не дать ему вторую жизнь, но уже в сегодняшних условиях?

Сразу появились две проблемы. Первая — технически тривиальная, но не мгновенная: как добавлять материалы на статический сайт без движка, ведь Drupal с его админкой остался в прошлом. Вторая — куда более содержательная: откуда брать тексты, если полноценной редакции для города давно нет и уже не будет, потому что экономически это не имеет смысла.

Публикация без движка решилась почти сама собой

С Hugo первая проблема оказалась даже проще, чем я думал. После появления каждой новой статьи проект просто пересобирается — это одна команда сборки, которая заново генерирует статику из markdown-файлов. По затратам это ничтожная операция, в разы дешевле, чем отрисовать пару страниц на старой версии с Drupal и MySQL. То есть сайт полностью статический, но не застывший: публикация нового материала занимает секунды и не требует ни базы, ни тяжёлых PHP-хуков.

С контентом решили интереснее

Строить редакцию с нуля для города, который давно не приносит рекламных денег как медиарынок, — бессмысленная трата ресурсов. Но раз есть LLM, можно собрать конвейер, который делает примерно то же, что делала бы живая редакция, только без зарплат, планёрок и больничных.

Рабочий пайплайн получился буквально за полдня. Начинается всё с парсера, который обходит агрегатор новостей и по ключевым словам ищет материалы, потенциально относящиеся к региону. Найденный текст проходит цепочку обработки, которая повторяет путь материала в обычной редакции. Сначала из текста выделяются факты и цитаты — отдельно, в структурированном виде, а не сплошным текстом. Затем этот набор фактов в формате JSON проверяется на соответствие редакционной политике: не всякая тема нам интересна, и важно, чтобы материал был действительно привязан к региону, а не оказался общероссийским обзором, где город упомянут в одном предложении. Если проверка пройдена, факты и цитаты уходят в LLM на этап написания: модель собирает из них связный нейтральный текст, ничего не добавляя сверх исходных фактов. После этого готовая статья сверяется с источником на предмет фактической точности — не перепутаны ли цифры, имена, события. И только на последнем шаге добавляются мелкие улучшения — например, автоматический поиск упоминаний людей в тексте и ссылки на их поиск по архиву сайта. Для новостного портала с пятнадцатилетней историей это приятный бонус.

Отдельно стоит сказать о дедупликации. Прежде чем текст допускается до этапа написания, система проверяет, не публиковалось ли за последние дни что-то похожее по смыслу. Это отсекает ситуацию, когда одно и то же событие из разных источников превращается в три одинаковые новости подряд.

Итог — архив, который обновляется сам

Всё это работает по расписанию, без моего участия: парсер ищет, пайплайн фильтрует и пишет, готовая статья в виде markdown-файла уходит в коммит и публикуется на сайте после пересборки. Заброшенный архив пятнадцатилетней давности стал живым региональным дайджестом, который обновляется сам, без единого человека в штате.

По деньгам это выходит очень дёшево: если не считать времени на разработку, публикация одной новости обходится примерно в 0,2 цента. Раньше такой объём материалов требовал живых людей, зарплат и редакционного процесса, который перестал быть экономически оправданным. LLM в данном случае не заменила журналистику как профессию — она сделала экономически возможным то, что без неё было бы закрыто и забыто.