Sanity Content Agent: Automatizacija audita sadržaja uz AI

Kako Sanity Content Agent proverava metapodatke, ažurnost i terminologiju. GROQ i TypeScript primeri za kontrolisan automatizovani audit sadržaja.

  • Content Agent pronalazi probleme u strukturiranom Content Lake sadržaju; greške javnog sajta traže dodatne provere.
  • GROQ deterministički otkriva nedostajuće metapodatke, stare izmene i sumnjive reference.
  • Prompt analizira izabrane zapise bez izmena; Transform priprema ciljane ispravke za pregled.
  • Pravila i selekcija pre AI analize smanjuju nepotrebne pozive modelu i rizik od pogrešnih izmena.
  • Sanity i dalje opisuje Prompt i Transform kao eksperimentalne Agent Actions.

Sanity Content Agent omogućava sistematičniju proveru kvaliteta sadržaja povezivanjem strukturiranih GROQ upita i analize uz pomoć AI. Tako se mogu identifikovati nedostajući metapodaci, potencijalno zastarele stranice, nedosledna terminologija i sadržaji koji se tematski preklapaju. Agent API omogućava da se te provere ponavljaju automatski i da se predložene ispravke pripreme kao nacrti za pregled. To ne zamenjuje tehnički audit sajta niti stručnu proveru.

Najveća vrednost nije u pojedinačnom promptu, već u pouzdanoj arhitekturi sadržaja. Jasno definisana polja i reference omogućavaju ponovljive provere. AI ima smisla kada jednostavna pravila ne mogu da procene jasnoću, doslednost ili preklapanje značenja.

Šta Sanity Content Agent omogućava tokom audita sadržaja

Sanity u svom vodiču za automatizaciju audita sadržaja opisuje dva pristupa: interaktivni Content Agent u Sanity okruženju i Agent Actions za programske analize i izmene.

Urednici mogu da zadaju proveru običnim jezikom. Agent koristi dostupne tipove dokumenata, polja i reference, pronalazi odgovarajući sadržaj pomoću GROQ upita i predlaže izmene. Predloge treba pregledati pre prihvatanja u obliku nacrta ili Content Releases. Objavljivanje ostaje zaseban korak.

Za ponavljajuće zadatke i integracije sa drugim sistemima Sanity nudi Agent API. Prompt analizira sadržaj i vraća tekst ili JSON bez izmene dokumenta, dok Transform može da promeni izabrana polja i kod standardnih tipova dokumenata uobičajeno upisuje izmene u nacrt. U dokumentaciji su Prompt i Transform i dalje označeni kao eksperimentalni API-ji.

Koji problemi mogu da se otkriju direktno u CMS-u?

Metapodaci: GROQ upiti mogu pronaći nedostajuće SEO naslove, prazne opise, slike bez alternativnog teksta ili članke bez kategorije. Pravila moraju odgovarati poljima iz stvarno implementirane šeme.

Ažurnost: datumi poslednje izmene pokazuju koji sadržaj dugo nije menjan. To ne dokazuje da su podaci netačni ili zastareli. Poseban datum stručne provere ili verzija podataka o proizvodu iz izvornog sistema često daju bolji signal.

Doslednost: moguće je izdvojiti razlike u nazivima proizvoda, zastarele termine, nepotpune jezičke verzije i članke sa sličnim sadržajem. Semantička sličnost je razlog za proveru, a ne dokaz kanibalizacije ključnih reči.

Reference: strukturirane veze pomažu da se pronađu dokumenti koji upućuju na proizvode koji više nisu odobreni. Za proveru da li spoljne URL adrese rade na javnom sajtu potrebni su posebni HTTP testovi.

Zašto GROQ treba koristiti pre jezičkog modela

Mnoga pravila kvaliteta mogu se proveriti deterministički. Nedostajući meta opisi, prazna obavezna polja i datumi stariji od zadatog praga ne zahtevaju jezički model. GROQ daje jasan i proverljiv skup kandidata.

AI se zatim koristi za kvalitativnu analizu izdvojenih dokumenata: Koja tvrdnja nije dovoljno jasna? Gde terminologija odstupa? Koji članci odgovaraju na isto pitanje? Time se smanjuje broj nepotrebnih poziva modelu i ograničavaju neželjene izmene.

Model ne treba samostalno da odlučuje o brisanju, preusmeravanju ili objavljivanju sadržaja. Za takve odluke potrebni su podaci o pretrazi, odgovorna osoba i kontekst javnog sajta.

Primer koda 1: Pronalaženje nedostajućih SEO opisa

Sledeći GROQ upit bira članke kod kojih polje seoDescription ne postoji ili je prazno. Primer pretpostavlja tip dokumenta post i polje seoDescription. Oba moraju postojati u konkretnoj Sanity šemi.

GROQ: Audit metapodataka

Upit samo čita podatke i vraća početni skup od najviše 25 dokumenata. Za veće kolekcije potrebni su paginacija i način određivanja prioriteta.

Plain text
*[
  _type == "post" &&
  (!defined(seoDescription) || seoDescription == "")
][0...25]{
  _id,
  title,
  "slug": slug.current,
  _updatedAt
}

Primer koda 2: Identifikovanje potencijalno zastarelih članaka

Provera ažurnosti takođe počinje upitom. Ovaj primer izdvaja dokumente čiji je tehnički datum poslednje izmene stariji od 180 dana. Prag je ilustrativan i treba ga prilagoditi vrsti sadržaja, učestalosti revizije i važećim zahtevima.

GROQ: Provera ažurnosti sadržaja

Važno: _updatedAt se menja i zbog redakcijskih ili tehničkih izmena. Za proizvode koji se vode u drugim sistemima poslovnu ažurnost treba proveravati putem zasebnih polja i nadležnih izvora podataka.

Plain text
*[
  _type == "post" &&
  dateTime(_updatedAt) < dateTime(now()) - 180 * 24 * 60 * 60
][0...25]{
  _id,
  title,
  _updatedAt,
  publishedAt
}

Primer koda 3: Analiza kandidata pomoću Agent API-ja

Za kvalitativne provere Prompt dopunjuje prethodnu selekciju zasnovanu na pravilima. Primer učitava ograničenu listu članaka i prosleđuje ih AI analizi. Rezultat je strukturiran izveštaj, bez automatskog objavljivanja.

Potrebni su serversko izvršavanje, token sa odgovarajućim pravima i kompatibilna verzija paketa @sanity/client. Sanity vodič naveden u izvornom članku navodi verziju 7.1.0 ili noviju i apiVersion vX za Agent Actions. Pre implementacije proverite aktuelne release notes i API potpise.

TypeScript: Analiza pomoću Prompt bez izmene podataka

Ovaj kod je implementacioni primer, a ne integracija testirana na produkcionom projektu. Tokene čuvajte isključivo u serverskim promenljivama okruženja. Dobijeni JSON treba validirati pre upotrebe u izveštajima ili sistemu za zadatke, uz izvore, vremenske oznake i status provere.

TypeScript
import {createClient} from '@sanity/client'

const client = createClient({
  projectId: process.env.SANITY_PROJECT_ID!,
  dataset: 'production',
  apiVersion: 'vX', // Agent Actions zahteva vX
  token: process.env.SANITY_AUDIT_TOKEN,
  useCdn: false,
})

const candidates = await client.fetch(
  '*[_type == "post" && (!defined(seoDescription) || seoDescription == "")][0...15]{_id,title,excerpt,_updatedAt}'
)

if (candidates.length > 0) {
  const report = await client.agent.action.prompt({
    instruction: [
      'Pregledaj CMS zapise u $documents.',
      'Označi nedostajuće ili nejasne SEO metapodatke.',
      'Ne izmišljaj podatke o poseti ili učinku.',
      'Vrati JSON: {"findings":[{"id":"...","issue":"...","priority":"high|medium|low"}]}.',
    ].join(' '),
    instructionParams: {
      documents: {
        type: 'constant',
        value: JSON.stringify(candidates),
      },
    },
    format: 'json',
  })

  console.log(report) // Prosledi rezultat u izveštaj ili sistem zadataka
}

Primer koda 4: Ispravka samo određenog polja

Tek posle pregleda nalaza treba menjati izabrane zapise. Transform koristi ID dokumenta, ID zaista deployovane šeme i ograničenje izmene na konkretno polje. Primer obrađuje najviše pet članaka kako bi svaki predloženi SEO opis mogao zasebno da se proveri.

Za standardne tipove dokumenata Transform po pravilu upisuje u nacrte, osim ako se eksplicitno zahteva pisanje u objavljenu verziju. liveEdit dokumenti zahtevaju posebnu pažnju; forcePublishedWrite ne treba olako uključivati u procesu sa odobravanjem.

TypeScript: Kontrolisana ispravka metapodataka

ID šeme nije isto što i ID projekta: mora se preuzeti iz deployovane registracije šeme. Primer poziva operacije sinhrono, bez oslanjanja na status asinhronog posla. Stručna provera i objavljivanje obavljaju se naknadno u Sanity Studio okruženju.

TypeScript
// Koristi autentifikovani serverski klijent iz prethodnog primera.
const candidates = await client.fetch(
  '*[_type == "post" && (!defined(seoDescription) || seoDescription == "")][0...5]{_id,title}'
)

for (const doc of candidates) {
  const result = await client.agent.action.transform({
    schemaId: process.env.SANITY_SCHEMA_ID!,
    documentId: doc._id,
    instruction: [
      'Napiši jedan sažet SEO opis na srpskom latinicom',
      'samo na osnovu postojećeg dokumenta.',
      'Najviše 160 znakova.',
      'Ne izmišljaj tvrdnje, statistiku ili rezultate klijenata.',
    ].join(' '),
    target: {include: ['seoDescription']},
  })

  console.log('Proveri nacrt za:', doc._id, result)
}
// Proveri svaki nacrt u Studio pre objavljivanja.

Četiri koraka pouzdanog procesa audita

1. Definisati pravila. Koji tipovi dokumenata su poslovno važni, koja polja su obavezna i koja terminologija je odobrena? Model sadržaja, kategorije i reference moraju odražavati te zahteve.

2. Izdvojiti kandidate. GROQ proverava nedostajuća polja, nepotpune reference i dogovorene pragove ažurnosti. Veće kolekcije obrađuju se u kontrolisanim grupama.

3. Proceniti sadržaj u kontekstu. Agent API analizira prioritetne dokumente prema jasnim kriterijumima. Za tehničke tvrdnje po potrebi treba obezbediti pouzdane podatke iz ERP, PIM, PLM sistema ili dokumentacije.

4. Ispraviti uz kontrolu. Promene se pripremaju po pojedinačnim poljima, proveravaju ih nadležni stručnjaci i tek potom se objavljuju. Nalaz, odluku i rezultat treba evidentirati.

Zašto je audit višejezičnog sadržaja složeniji

Engleski članak može sadržati aktuelne informacije, dok nemačka ili srpska verzija još koriste starije podatke o proizvodu. Zato audit treba da upoređuje ne samo pojedinačne dokumente, već i njihove jezičke verzije i zajedničke identitete proizvoda.

Za to su potrebne stabilne veze između prevoda, usklađena terminologija i mogućnost praćenja izmena izvorne verzije. URL adrese, canonical oznake i hreflang moraju odgovarati stvarnoj frontend implementaciji.

O lokalizaciji uz pomoć AI detaljnije pišemo u tekstu Sanity AI Translations. Za odgovornost nad podacima u celoj organizaciji pogledajte i Sanity Context i nezavisna data platforma.

Content Lake nije zamena za kompletnu proveru sajta

Content Agent može proveravati informacije u Content Lake sistemu i podatke dostupne kroz njegov kontekst. Postojanje validne vrednosti seoDescription ne dokazuje da se ona ispravno prikazuje u HTML-u. Ni interna veza sačuvana u CMS-u ne garantuje da javna ruta radi bez preusmerenja ili greške 404.

Potpuna provera kvaliteta povezuje pravila unutar CMS-a sa tehničkim crawlerima, pregledom renderovanog HTML-a, podacima o indeksiranju i analitikom. Search Console podaci i rezultati eksternog crawlinga zahtevaju zasebne integracije; Content Agent ih nema automatski.

Za međunarodnu vidljivost ove provere pripadaju oblasti Search & AI Visibility. Model sadržaja, integracije i izvršavanje celog procesa ostaju inženjerski zadaci.

Rad u produkciji, prava pristupa i AI troškovi

Sanity Content Agent koristi dodeljena prava pristupa i predlaže izmene za pregled. Programski Agent Actions zahtevaju posebne pristupne tokene, ograničene privilegije i jasna pravila o tome koji dokumenti smeju da se menjaju.

Različiti koraci audita nemaju istu cenu. Deterministički upiti razlikuju se od analiza pomoću modela i transformacija dokumenata. Česti pregledi celog sadržaja i nekontrolisane Transform petlje mogu trošiti nepotrebne AI kredite. Zato je redosled važan: prvo selekcija, zatim analiza, pa izmene u malim grupama.

Redovne provere mogu se pokretati kroz zakazane zadatke, CI/CD ili Sanity Scheduled Functions. U produkciji su dodatno potrebni monitoring, obrada grešaka, ograničenje trajanja, idempotentnost i proverljivo evidentiranje rezultata. Izdvojeni integracioni adapter olakšava prilagođavanje budućim izmenama API-ja.

Kada ovaj pristup ima smisla, a kada ne

Kombinacija je naročito korisna za velike i dobro strukturirane kolekcije sadržaja u kojima slična pravila kvaliteta treba primeniti na mnogo dokumenata. Jasna šema smanjuje troškove ponavljajućih provera i ciljanih izmena.

Ako je model sadržaja nedosledan, reference nisu jednoznačne ili nadležni sistemi daju protivrečne podatke o proizvodima, najpre treba urediti arhitekturu podataka. Dodatni AI promptovi ne mogu zameniti jasno vlasništvo nad podacima i pouzdane veze između zapisa.

CMS agent ne može samostalno oceniti ni indeksiranje, konverzije ili stvarnu raspoloživost proizvoda. Ti signali dolaze iz drugih sistema i treba ih planski uključiti u audit.

Česta pitanja o auditu sadržaja pomoću Sanity platforme

Šta Sanity Content Agent može automatski da proveri?

Može pomoći pri pronalaženju nedostajućih metapodataka, nepotpunih polja, problema sa referencama, odstupanja u terminologiji i potencijalno sličnog sadržaja. Tačnost zavisi od šeme, uputstva i dostupnih podataka.

Može li Content Agent sam da objavi izmene?

Interaktivni agent predlaže izmene za proveru, ali ih ne objavljuje samostalno. Kod programskih Agent Actions potrebno je posebno razmotriti režim pisanja i tip dokumenta.

Može li se audit automatski pokretati u određenim intervalima?

Da. Programske provere mogu biti deo zakazanih poslova ili Sanity Scheduled Functions. Učestalost i infrastruktura zavise od projekta i raspoloživih ograničenja.

Može li agent otkriti neispravne linkove i hreflang oznake?

Može proveriti strukturirane reference u CMS-u. HTTP statusi, renderovani HTML, canonical i hreflang na javnom sajtu zahtevaju dodatne tehničke provere.

Da li svaki nalaz mora da proveri jezički model?

Ne. Nedostajuća polja, datumske granice i fiksna terminološka pravila najbolje je proveravati deterministički. AI je korisniji za kvalitativnu procenu.

Da li je Agent API stabilan?

U Sanity dokumentaciji korišćenoj za izvorni tekst Prompt i Transform i dalje su označeni kao eksperimentalni. Pre upotrebe u produkciji treba ponovo proveriti verzije, API interfejse i obradu grešaka.

Zaključak: Kvalitet sadržaja kao kontrolisan proces

Sanity Content Agent može pretvoriti povremene ručne provere u ponovljiv postupak. Ključno je razdvojiti proverljiva pravila nad podacima, procenu uz pomoć AI i odgovorno odobravanje. Tako nalazi ostaju sledljivi, a ispravke kontrolisane.

Razvijamo potrebnu arhitekturu sadržaja i integracija: od šeme koja može da se proverava, preko pravila validacije i AI agenata, do poređenja sa stvarnim ponašanjem javnog sajta.

Početne uslove i mogući obim implementacije vašeg postojećeg CMS-a možemo proceniti kroz Consulting & Diagnostics.

Platform Engineering

Povežite audit sadržaja i AI procese uz kontrolu

Proveravamo model sadržaja, odgovornost za podatke i postojeće procese kontrole kvaliteta. Zatim razvijamo arhitekturu za redovne provere, ciljane ispravke i povezivanje sa vašim sistemima.

Zakažite razgovor

Aleksandar Basara

Managing Director

aleks@valanor.co

Bulevar Milutina Milankovića 7Đ, 11070 Beograd, Srbija

Aleksandar Basara