Por que construímos nosso próprio pipeline de blog com Claude, GPT-4o e Winston AI
Traduzido para Português Brasileiro
A maioria das agências terceiriza seu conteúdo ou contrata um escritor júnior para produzir posts de SEO que parecem ter sido gerados por um torrador. Tentamos isso. Não funcionou. Então construímos algo diferente -- um pipeline de IA multi-modelo que redige, humaniza, pontua e publica artigos em um ritmo que nenhum escritor individual poderia acompanhar, mantendo um padrão de qualidade que realmente reflete como pensamos sobre desenvolvimento web.
Esta é a história de como publicamos 91 artigos em menos de três meses, as ferramentas e modelos específicos que conectamos, e cada lição feia que aprendemos pelo caminho.
Índice
- O Problema Com Conteúdo de Agência
- Arquitetura do Nosso Pipeline de Blog
- Por Que Claude Opus 4 para Primeiros Rascunhos
- A Passagem de Humanização do GPT-4o
- Winston AI Detection e o Limite de 85%
- O Fluxo de Trabalho Completo Passo a Passo
- O Que 91 Artigos Nos Ensinaram Sobre Conteúdo de IA
- Análise de Custos e Dados de Desempenho
- Ferramentas Que Avaliamos e Rejeitamos
- FAQ
O Problema Com Conteúdo de Agência
Aqui está uma verdade que ninguém no mundo das agências quer admitir em voz alta: a maioria das agências de desenvolvimento é terrível em marketing de conteúdo. Não éramos exceção -- ou pelo menos, não éramos.
Tínhamos o problema clássico. Nosso time sabe como construir coisas com Next.js, Astro e várias plataformas de CMS headless. Entregamos produtos reais para clientes reais. Mas escrever sobre isso? Consistentemente? Em um ritmo que realmente move a agulha de SEO? Esse é um músculo completamente diferente.
Tentamos contratar escritores freelancers. A profundidade técnica era rasa. Tentamos ter desenvolvedores escrevendo posts. Eles produziam um artigo brilhante e depois desapareciam em um sprint por seis semanas. Tentamos geração de IA básica com ChatGPT -- o resultado parecia um artigo da Wikipédia tendo um bebê com um folheto de marketing.
Então nos perguntamos: e se tratássemos a produção de conteúdo como um problema de engenharia de software? E se construíssemos um pipeline?
Arquitetura do Nosso Pipeline de Blog
O pipeline tem cinco estágios. Cada estágio tem um modelo ou ferramenta específica responsável por ele, e cada um produz um resultado mensurável que alimenta o próximo estágio.
┌─────────────┐ ┌──────────────┐ ┌─────────────┐
│ Pesquisa & │────▶│ Claude Opus │────▶│ GPT-4o │
│ Brief Gen │ │ First Draft │ │ Humanizer │
└─────────────┘ └──────────────┘ └─────────────┘
│
▼
┌─────────────┐
│ Winston AI │
│ Detection │
└─────────────┘
│
▼
┌─────────────┐
│ Human Edit │
│ & Publish │
└─────────────┘
Estágio 1: Pesquisa e Geração de Brief
Usamos uma combinação de Ahrefs para pesquisa de palavras-chave e Tavily API para análise competitiva em tempo real. O brief é um documento JSON estruturado que inclui:
- Palavra-chave alvo e palavras-chave secundárias
- Os 10 principais artigos concorrentes (títulos, contagem de palavras, estruturas de H2)
- Perguntas de "People Also Ask" raspadas do Google
- Um esboço proposto com contagem de palavras alvo por seção
Este brief se torna o prompt de entrada para Claude.
Estágio 2: Primeiro Rascunho do Claude Opus
Claude Opus 4 escreve o primeiro rascunho. Mais sobre o porquê abaixo.
Estágio 3: Passagem de Humanização do GPT-4o
O rascunho passa por GPT-4o com um prompt de sistema cuidadosamente ajustado, projetado para fazer a escrita parecer que uma pessoa real a escreveu.
Estágio 4: Detecção Winston AI
Pontuamos cada artigo através do Winston AI. Se não atingir nosso limite, volta pela humanizadora com parâmetros diferentes.
Estágio 5: Edição Humana e Publicação
Uma pessoa real lê cada artigo. Verifica a precisão técnica, adiciona anedotas pessoais onde apropriado e cuida da formatação final.
Por Que Claude Opus 4 para Primeiros Rascunhos
Testamos todos os grandes modelos para geração de primeiro rascunho. Aqui está o que descobrimos:
| Modelo | Profundidade Técnica (1-10) | Qualidade da Estrutura (1-10) | Contagem Média de Palavras | Pontuação de Detecção de IA (Winston) | Custo por Artigo |
|---|---|---|---|---|---|
| GPT-4o | 7 | 8 | 2,400 | 32% humano | $0,18 |
| Claude Opus 4 | 9 | 9 | 3,100 | 28% humano | $0,42 |
| Claude Sonnet 4 | 8 | 8 | 2,600 | 35% humano | $0,08 |
| Gemini 2.5 Pro | 7 | 7 | 2,800 | 30% humano | $0,14 |
| Llama 3.1 405B | 6 | 6 | 2,200 | 41% humano | $0,03 |
Claude Opus 4 venceu nas duas dimensões que mais nos importavam: profundidade técnica e qualidade estrutural. As pontuações de detecção de IA foram na verdade piores do que o resultado bruto do GPT-4o, mas isso não importava porque não íamos publicar resultado bruto de nenhum modelo.
A coisa sobre Claude Opus que é difícil quantificar em uma tabela é esta: ele segue instruções complexas de forma mais fiel do que qualquer outra coisa que testamos. Quando dizemos "escreva como um desenvolvedor sênior compartilhando conhecimento adquirido com dificuldade," Claude realmente muda seu registro. GPT-4o tende a voltar para uma voz de assistente prestativo não importa o quanto você insista. Gemini produz conteúdo técnico decente, mas fica estranhamente formal em alguns lugares.
A diferença de custo é real -- Opus é aproximadamente 2-5x mais cara por token do que as alternativas. Mas quando você considera o tempo economizado em reescritas, é a opção mais barata no geral.
O Prompt de Sistema Que Fez a Diferença
Iteramos no nosso prompt de sistema Claude por cerca de três semanas antes de encontrar algo que consistentemente produzia bom resultado. Algumas coisas que aprendemos:
Banir frases específicas funciona melhor do que pedir um tom. Em vez de dizer "escreva em tom casual," mantemos uma lista de palavras e frases banidas. Coisas como "abrangente," "aproveitar," "na paisagem digital de hoje" -- os sinais reveladores de conteúdo gerado por IA.
Forçar restrições estruturais produz conteúdo melhor. Especificamos estruturas de título exatas, exigimos blocos de código, demandamos tabelas markdown. Claude Opus segue essas restrições quase perfeitamente.
Fornecer contexto real supera instruções genéricas. Alimentamos em pesquisa competitiva real. Dizemos a Claude o que os artigos mais bem classificados cobrem e onde eles ficam aquém. Isso produz conteúdo que é genuinamente diferenciado.
def generate_first_draft(brief: dict) -> str:
system_prompt = load_prompt("claude_writer_v14.txt")
messages = [
{"role": "user", "content": format_brief(brief)}
]
response = anthropic_client.messages.create(
model="claude-opus-4-20250514",
max_tokens=8192,
system=system_prompt,
messages=messages,
temperature=0.7 # slightly creative, not chaotic
)
return response.content[0].text
Nos estabelecemos em uma temperatura de 0,7. Menor do que isso e a escrita parece robótica. Maior e Claude começa a inventar coisas -- alucinando recursos de framework, inventando endpoints de API que não existem.
A Passagem de Humanização do GPT-4o
É aqui que as coisas ficam interessantes. E um pouco estranhas.
Depois que Claude produz um primeiro rascunho tecnicamente sólido, passamos por GPT-4o com um prompt de sistema completamente diferente. O trabalho deste prompt não é adicionar informações -- é fazer a escrita parecer mais humana.
O que isso realmente significa na prática? Algumas transformações específicas:
- Variação de comprimento de sentença. Modelos de IA tendem a escrever sentenças que são todas aproximadamente do mesmo comprimento. Humanos não fazem isso. Instruímos GPT-4o a misturar sentenças curtas e concisas com longas.
- Transições imperfeitas. Posts de blog reais não têm fluxo parágrafo-por-parágrafo perfeito. Às vezes você apenas salta para o próximo pensamento. A humanizadora adiciona essas quebras naturais.
- Inserções em primeira pessoa. "Em nossa experiência," "Descobrimos que," "Passei uma semana debugando isso" -- essas pequenas toque fazem uma enorme diferença nas pontuações de detecção de IA.
- Contrações. Claude Opus tende a escrever "do not" e "it is" mesmo quando instruído de outra forma. A passagem humanizadora detecta esses e os converte.
def humanize_draft(draft: str) -> str:
system_prompt = load_prompt("gpt4o_humanizer_v8.txt")
response = openai_client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": f"Humanize this article while preserving all technical accuracy and structure:\n\n{draft}"}
],
temperature=0.8
)
return response.choices[0].message.content
Por que GPT-4o para esta passagem em vez de Claude? Honestamente, é porque GPT-4o é melhor em soar casual. A força de Claude é precisão técnica e obediência de instruções. A força de GPT-4o é imitar padrões de escrita humana. Estamos tocando os pontos fortes de cada modelo.
A Abordagem de Duplo-Modelo Não Era Nossa Primeira Ideia
Inicialmente tentamos fazer tudo com um único modelo. Um prompt, uma passagem, um resultado. Os resultados foram mediocres em todos os aspectos. O rascunho era tecnicamente forte mas robótico, ou conversacional mas raso.
Dividir o pipeline em estágios especializados foi o grande passo. É o mesmo princípio por trás dos microsserviços -- cada componente faz uma coisa bem.
Winston AI Detection e o Limite de 85%
Escolhemos Winston AI como nossa ferramenta de detecção depois de testar cinco detectores de conteúdo de IA diferentes. Aqui está o porquê:
| Detector | Consistência (mesma entrada, mesma pontuação?) | Taxa de Falso Positivo | API Disponível? | Preço/mês |
|---|---|---|---|---|
| Winston AI | Alta | Baixa (~3%) | Sim | $18/mês |
| Originality.ai | Alta | Médio (~8%) | Sim | $15/mês |
| GPTZero | Médio | Médio (~7%) | Sim | $10/mês |
| Copyleaks | Médio | Baixo (~4%) | Sim | $8/mês |
| Sapling | Baixo | Alto (~12%) | Sim | Nível gratuito |
Winston AI nos deu as pontuações mais consistentes em execuções. Se você alimentar a mesma matéria duas vezes, obtém quase a mesma pontuação humana. Isso importa quando você está construindo um pipeline automatizado -- você precisa de comportamento determinístico-ish para tomar decisões.
Nosso limite é uma pontuação humana de 85%. Abaixo disso, o artigo volta pela humanizadora com parâmetros ajustados (temperatura mais alta, ênfase de instrução diferente). Se falhar uma segunda vez, uma pessoa reescreve manualmente as seções sinalizadas.
Na prática, cerca de 70% dos artigos passam na primeira execução da humanizadora. Outros 20% passam na segunda. Os 10% restantes precisam de intervenção manual.
def check_detection(article: str) -> dict:
result = winston_client.scan(text=article)
return {
"human_score": result.score, # 0-100
"passed": result.score >= 85,
"flagged_sentences": result.flagged_sentences
}
O campo flagged_sentences é ouro. Em vez de re-executar o artigo inteiro, podemos mirar apenas nas sentenças que dispararam o detector. Isso economiza tokens e produz resultados melhores.
O Fluxo de Trabalho Completo Passo a Passo
Aqui está o que realmente acontece quando queremos publicar um novo artigo:
Seleção de palavra-chave -- Extraímos do nosso calendário de conteúdo (mantido em Notion) e fazemos referência cruzada com pontuações de dificuldade de palavra-chave do Ahrefs. Visamos KD < 30 para novos tópicos.
Pesquisa competitiva -- Nosso script acessa a API de pesquisa do Tavily e extrai os 10 melhores resultados. Extrai títulos, contagens de palavras e lacunas de conteúdo.
Geração de brief -- Uma chamada Claude Sonnet 4 (mais barata que Opus para esta tarefa) gera um brief estruturado a partir dos dados de pesquisa.
Primeiro rascunho -- Claude Opus 4 produz o artigo. Leva cerca de 45-90 segundos dependendo do comprimento.
Passagem humanizadora -- GPT-4o reescreve para voz e naturalidade. Outros 30-60 segundos.
Pontuação de detecção -- Winston AI pontua o resultado. Resultados voltam em cerca de 10 segundos.
Loop ou proceder -- Se pontuação < 85%, volte ao passo 5 com parâmetros modificados. Máximo 2 tentativas.
Revisão humana -- Um membro da equipe lê o artigo, verifica fatos, adiciona capturas de tela ou diagramas, e formata para nosso CMS.
Publicar -- O artigo vai ao vivo através do nosso pipeline de implementação de CMS headless.
Tempo total por artigo: cerca de 35 minutos de atenção humana. Os estágios de IA levam cerca de 3 minutos de tempo de computação.
O Que 91 Artigos Nos Ensinaram Sobre Conteúdo de IA
Estamos executando este pipeline desde janeiro de 2025. Aqui estão os padrões que emergiram:
Conteúdo Técnico Funciona Melhor
Nossos artigos com melhor desempenho são peças profundamente técnicas sobre frameworks e ferramentas específicas. Artigos sobre padrões de desenvolvimento Next.js ou otimização de desempenho Astro consistentemente superam conteúdo genérico "o que é CMS headless".
Isso faz sentido. Conteúdo genérico gerado por IA está em todos os lugares agora. Os algoritmos de classificação do Google estão claramente favorecendo especificidade e profundidade. Nosso pipeline é projetado para produzir exatamente esse tipo de conteúdo.
Os Primeiros 30 Artigos Foram Ásperos
Não vou fingir que acertamos de primeira. O primeiro lote de artigos teve problemas:
- Voz inconsistente entre artigos
- Alguns alucinaram estatísticas (Claude confidentemente citou um "relatório Gartner de 2024" que não existia)
- Exemplos de código que não compilavam
- Estruturas de seção repetitivas
Corrigimos esses problemas através de iteração de prompt e revisão humana mais rigorosa. O prompt de sistema agora está na versão 14. Cada versão abordava modos de falha específicos que identificamos no conteúdo publicado.
Detecção de IA É um Alvo em Movimento
Winston AI atualizou seu modelo de detecção duas vezes durante nossa execução de três meses. Cada vez, nossas pontuações caíram 5-10 pontos e tivemos que ajustar o prompt humanizador. Esta é uma corrida armamentista contínua, e se você está construindo algo semelhante, planeje manutenção.
Revisão Humana É Inegociável
Tentamos pular a revisão humana para um lote de 5 artigos como experimento. Dois deles tinham erros factuais que nos teriam envergonhado. Um referenciou uma API que foi descontinuada em 2023. Outro afirmava que Next.js 15 suportava um recurso que na verdade ainda está em RFC.
Cada artigo recebe olhos humanos. Período.
Análise de Custos e Dados de Desempenho
Aqui estão os números reais de nossa execução de 91 artigos:
| Métrica | Valor |
|---|---|
| Total de artigos publicados | 91 |
| Contagem média de palavras | 2,847 |
| Custos totais de API de IA | $127,40 |
| Custo médio por artigo (IA apenas) | $1,40 |
| Assinatura Winston AI (3 meses) | $54,00 |
| Assinatura Ahrefs (3 meses) | $297,00 |
| Custos da API Tavily | $42,00 |
| Tempo de revisão humana (média por artigo) | 35 min |
| Total de horas humanas | ~53 horas |
| Artigos passando Winston na primeira tentativa | 64 (70%) |
| Artigos precisando reescrita manual | 9 (10%) |
| Pontuação humana média Winston AI (final) | 89% |
| Aumento de tráfego orgânico (jan-mar 2025) | +340% |
| Aumento de páginas indexadas | +86 |
O custo de $1,40 por artigo em custos de IA é notavelmente baixo. A despesa real é tempo humano -- 53 horas em três meses para revisão e edição. Mas compare isso com o que um escritor técnico freelancer cobra. A $0,15/palavra para conteúdo técnico de qualidade, um artigo de 2,847 palavras custaria cerca de $427. Estamos produzindo conteúdo de qualidade comparável por aproximadamente $35 em tempo humano (em uma taxa de $40/hora) mais $1,40 em custos de IA.
Essa é uma redução de custo de 91%. E o resultado é mais tecnicamente preciso porque os modelos de IA têm conhecimento mais amplo do que qualquer escritor freelancer individual.
Ferramentas Que Avaliamos e Rejeitamos
Nem tudo que tentamos chegou ao pipeline final:
- Jasper AI -- Muito focado em cópia de marketing. Não consegue produzir a profundidade técnica que precisamos. Também caro em $59/mês para seu nível empresarial.
- Copy.ai -- Problemas semelhantes ao Jasper. Ótimo para cópia de anúncio, não para artigos técnicos de 3.000 palavras.
- Undetectable.ai -- Tentamos isso como humanizadora em vez de GPT-4o. O resultado era gramaticalmente desajeitado e às vezes mudava o significado técnico das sentenças. Passada firme.
- Surfer SEO -- Boa ferramenta, mas preferimos construir nossa própria análise de SEO com dados do Ahrefs. O editor de conteúdo do Surfer parecia muito limitante.
- Perplexity API -- Testamos isso para o estágio de pesquisa. Os resultados foram bons, mas o formato de citação não se integrou bem com nossa estrutura de brief. Podemos revisitar.
FAQ
Isto não é apenas spam de conteúdo? Não. Cada artigo passa por revisão humana para precisão técnica e utilidade genuína. Não estamos girando conteúdo ou publicando páginas finas. Cada peça visa uma palavra-chave específica com profundidade real. A IA cuida do trabalho pesado de geração de primeiro rascunho, mas o julgamento editorial é inteiramente humano. Verifique nosso conteúdo em todo o site -- nos mantemos no mesmo padrão que gostaríamos de um blog técnico que lemos.
Por que não apenas contratar escritores? Ainda usamos escritores humanos para certos artigos -- estudos de caso, peças de opinião e qualquer coisa que exija experiência direta do cliente. Mas para explicadores técnicos e artigos de comparação, nosso pipeline produz primeiros rascunhos melhores do que a maioria dos escritores freelancers porque os modelos de IA têm conhecimento técnico mais amplo e atual. A economia também permite publicar em volume que seria proibitivamente caro com freelancers sozinhos.
O Google penaliza conteúdo gerado por IA? A posição oficial do Google desde sua atualização de março de 2024 é que avaliam a qualidade do conteúdo independentemente de como é produzido. Eles penalizam conteúdo de baixa qualidade e produzido em massa -- seja gerado por IA ou escrito por uma fazenda de conteúdo em um idioma que o escritor não fala nativamente. Nosso conteúdo é classificado porque é genuinamente útil, tecnicamente preciso e bem estruturado. Vimos melhorias consistentes de indexação e classificação em nossos 91 artigos.
O que exatamente significa a pontuação humana do Winston AI? Winston AI analisa padrões de texto -- perplexidade, explosividade, variação de estrutura de sentença, distribuição de vocabulário -- e produz uma pontuação de 0 a 100 representando a probabilidade de o texto ter sido escrito por um humano. Uma pontuação de 85 significa que Winston acredita haver 85% de chance de um humano ter escrito. Nenhum detector é perfeito, mas a consistência do Winston o torna útil como um portão de qualidade em um pipeline automatizado.
Você poderia disponibilizar este pipeline em código aberto? Consideramos. A lógica principal não é tão complexa -- é principalmente chamadas de API costuradas com Python. O valor real está nos prompts, e esses são ajustados especificamente para nossa voz e domínio técnico. Podemos lançar uma versão genérica em algum momento. Se está interessado, entre em contato conosco.
Como você lida com exemplos de código em artigos? Esta é uma área onde a revisão humana é crítica. Claude Opus gera código sintaticamente correto cerca de 90% do tempo, mas os 10% restantes incluem bugs sutis, APIs descontinuadas ou padrões que fariam um desenvolvedor experiente fazer uma careta. Cada bloco de código é manualmente verificado. Para código específico de framework, geralmente executamos localmente para confirmar que funciona.
O que acontece quando os modelos de IA são atualizados? As atualizações de modelo podem quebrar tudo. Quando Anthropic lançou Claude Opus 4, nossos prompts que funcionavam perfeitamente em Claude 3 Opus precisavam de rework significativo. Mantemos prompts versionados e testamos contra um conjunto de benchmark de 10 artigos sempre que um modelo é atualizado. Orce tempo para isso -- aconteceu três vezes em nossa execução de três meses.
Qual é o próximo passo para o pipeline? Estamos trabalhando em adicionar geração de screenshot automatizada usando Playwright, integrando com nosso pipeline de implementação de CMS headless para publicação com um clique, e construindo um loop de feedback onde dados do Google Search Console influenciam quais tópicos priorizamos a seguir. O objetivo é reduzir esse tempo de revisão humana de 35 minutos sem sacrificar qualidade. Provavelmente escreveremos sobre quando estiver pronto. Verifique nossa página de preços se está curioso sobre como aplicamos pensamento sistemático semelhante aos projetos dos clientes.