Jak zarządzamy setkami stron CMS przez API i AI
Zarządzamy kilkuset stronami CMS na kilkunastu domenach. Strony firmowe, blogi, landing page’e, bazy wiedzy. Każda strona ma meta tagi, tłumaczenia, fields JSON, structured data.
Robimy to głównie przez API. Nie przez klikanie w panelu. Nie przez kopiowanie i wklejanie. Przez REST API i narzędzia AI.
Dlaczego API a nie panel
Panel CMS jest dobry do edycji jednej strony. Otwierasz, zmieniasz tekst, zapisujesz. Ale kiedy musisz zmienić meta description na 50 stronach albo dodać pole audio_url do 10 artykułów albo wyczyścić śmieciowe dane z fields na 30 wpisach - panel się nie sprawdza.
Przez API te operacje to pętla z PATCH. Pobranie listy artykułów, filtrowanie, aktualizacja. Skrypt w Pythonie albo polecenie curl w pętli. Minuty zamiast godzin.
Nasz CMS ma pełne REST API na wszystko - strony, artykuły, layouty, assety, domeny, helplinki. Każdy zasób ma endpointy GET, POST, PATCH, DELETE. Format JSON. Autoryzacja przez token API albo JWT.
Claude Code jako narzędzie content operations
Claude Code to CLI do Claude - Anthropic udostępnia je jako narzędzie deweloperskie. Mamy je podpięte do repozytorium kodu i do API naszych serwisów.
W praktyce wygląda to tak: mówię “dodaj audio_url do 10 artykułów na BitFaktura UA” i Claude Code pobiera listę artykułów przez API, identyfikuje te z nagraniami, robi PATCH z odpowiednim polem w fields. Ja weryfikuję wynik.
Albo: “wyczyść śmieciowe fields z artykułów InHelp”. Claude Code analizuje jakie klucze w fields faktycznie czyta szablon bloga, porównuje z tym co siedzi w artykułach, identyfikuje niepotrzebne dane (stare tłumaczenia, duplikaty kolumn modelu) i czyści 30 artykułów jednym skryptem.
To nie jest magia. To API + narzędzie które umie pisać curl’e i rozumie kontekst. Ale oszczędza mnóstwo czasu przy powtarzalnych operacjach na treściach.
Batch operacje - przykłady z życia
Oto co robiliśmy w ostatnich tygodniach przez API:
Migracja SEO meta tagów z 200 stron. Pobranie html_title i html_description ze starego systemu (Siteor API), mapowanie na nowe strony, batch PATCH. Ręcznie to byłby dzień pracy, przez API zajęło godzinę.
Czyszczenie fields na 30 artykułach InHelp. Artykuły miały po 25 kluczy w JSON - tłumaczenia en/fr, duplikaty danych z kolumn (article_title, article_author), klucze których szablon nie czytał. Po analizie szablonu zostało 0-2 klucze per artykuł. Czyszczenie: pętla z PATCH.
Dodanie audio do 10 artykułów BitFaktura UA. Upload plików MP3 do CMS Assets, pobranie URL-i, PATCH artykułów z audio_url w fields. System automatycznie wygenerował og:audio i AudioObject schema.
Tworzenie helplinków. Helplink to ikonka pomocy (?) przy elemencie UI, z tooltipem i linkiem do KB. Tworzenie przez API: POST z kluczem, treścią i powiązanym wpisem bazy wiedzy.
llms.txt - przygotowanie na AI crawlery
Oprócz klasycznego SEO (sitemap.xml, robots.txt, structured data) dodaliśmy do CMS obsługę pliku llms.txt. To jest stosunkowo nowy standard - plik na stronie który mówi AI crawlerom (GPT, Claude, Gemini) czym jest strona i co na niej znajdą.
Format jest prosty - nagłówek z opisem strony, potem linki do kluczowych podstron z krótkimi opisami. Nasz CMS generuje go automatycznie z danych stron - tytuł, opis, URL. Nie trzeba go pisać ręcznie.
Dlaczego to ważne? Coraz więcej ludzi szuka informacji przez AI zamiast przez Google. Jeśli AI asystent nie zna Twojej firmy - nie poleci jej. llms.txt to sposób żeby AI wiedziało o Tobie.
Workflow na co dzień
Typowy workflow wygląda tak:
- Identyfikacja problemu - np. artykuły nie mają structured data albo fields mają śmieci
- Analiza przez API - pobranie danych, sprawdzenie stanu
- Plan zmian - co zmienić, na ilu stronach, jakie pola
- Wykonanie - batch PATCH przez API
- Weryfikacja - pobranie zaktualizowanych danych, sprawdzenie na stronie
Cały cykl na 50 stronach zajmuje 15-30 minut. W panelu to byłoby pół dnia klikania.
Kluczowe: API pozwala na odwracalne operacje. Przed batch update’em zapisujesz stan fields, po update sprawdzasz. Jeśli coś poszło nie tak - przywracasz z backupu. W panelu nie masz takiego safety netu.
Czego nie da się zautomatyzować
Pisanie treści. AI może pomóc z draftem, ale końcowy tekst musi przejść przez człowieka. Szczególnie w artykułach technicznych - AI potrafi wymyślić szczegóły których nie ma albo opisać coś niedokładnie.
Design. Szablon HTML/CSS strony to praca ręczna. AI może zaproponować strukturę, ale finalne dopracowanie wymaga ludzkiego oka.
Decyzje strategiczne. Które frazy targetować, jaką strukturę URL wybrać, czy robić osobne domeny per język czy subfoldery - to wymaga kontekstu biznesowego.
Ale wszystko co jest powtarzalne i opiera się na danych (meta tagi, fields, structured data, redirecty, sitemapy) - to idealny materiał na automatyzację przez API.
Podsumowanie
CMS z API to nie jest luksus - to konieczność przy zarządzaniu wieloma stronami. Klikanie w panelu skaluje się do kilku stron. Powyżej tego potrzebujesz programowego dostępu do danych.
Narzędzia AI (Claude Code, skrypty z LLM) przyspieszają ten proces - nie dlatego że “robią za Ciebie”, ale dlatego że rozumieją kontekst i potrafią napisać poprawne wywołania API na podstawie opisu zadania. To oszczędza czas na najnudniejszej części pracy - pisaniu skryptów do batch operacji.