Как в Semrush перестроили процесс обновления статей с помощью Claude Code

В какой-то момент в команде решили пересобрать весь процесс на основе Claude Code — ИИ-агента, который работает не по жёстко заданному сценарию, а сам читает файлы, принимает решения и пишет черновик с учётом контекста. Рассказываем, как устроен новый процесс и почему такой подход неожиданно быстро дал результат, которого не удавалось добиться месяцами.

Какие проблемы были при работе в n8n

Обновление статьи — это всегда два этапа: аудит и переработка текста.

Нужно постоянно отслеживать, что устарело, как изменились позиции текстов конкурентов, какие требования предъявляет ИИ‑поиск, какие новые функции продукта стоит упомянуть и как обновить текст так, чтобы не потерять его эффективность и целостность. Когда таких задач накапливается много, важно, чтобы процесс работы был быстрым, точным и последовательным.

Исследовательская часть n8n работала неплохо. Для каждой статьи система собирала:

• подробные данные поисковой выдачи по ключевому слову;

• материалы конкурентов, которые занимали более высокие позиции в выдаче;

• результаты ИИ‑поиска, сравнивающие статью Semrush с материалами конкурентов;

• обзоры от ИИ в Google;

• связанные запросы в Google;

• возможности для внутренней перелинковки.

А вот с черновиками не сложилось. Результаты почти не были похожи на то, что нужно было получить на выходе. Одним словом, их нельзя было публиковать.

Тон не соответствовал, система игнорировала указания по стилю, текст получался размытым и многословным. Но хуже всего были «галлюцинации»: ИИ описывал несуществующие функции Semrush, причём делал это очень убедительно.

Автор статьи на этом этапе перепробовал всё, что только можно: разные модели ИИ, более точные промпты, даже разбивал процесс создания текста на более мелкие этапы. И делал много другого. Но ни один из способов не давал стабильного результата. Иногда получался приемлемый черновик, но при следующем запуске он становился хуже и хуже.

18 полезных лайфхаков для копирайтинга в SEO, актуальных на 2026 год 

А вот черновик статьи требует редакторского мышления — субъективных решений о стиле, структуре и необходимых правках. Реальный редактор держит в голове всю статью целиком и одновременно опирается на руководство по стилю и предыдущие примеры. Инструменты для автоматизации рабочих процессов, как n8n, просто не созданы для таких задач.

Почему выбрали Claude Code

Нужно было решение, способное выполнять редакторскую работу в полном объёме: читать исходную статью, понимать суть задачи и определять, какие части нужно изменить, а какие оставить как есть.

Рассмотрели несколько вариантов — остановились на Claude Code:

• Это агент, который работает внутри отдельной папки на компьютере. Эта папка служит рабочим пространством, где хранятся все нужные файлы: руководство по стилю, предыдущие черновики, результаты исследований и статья, которую нужно обновить.

• Claude Code сам читает нужные документы. А результат работы сохраняет в новый файл, который можно использовать на следующем этапе.

• Ключевое отличие от n8n — в том, как ИИ встроен в процесс. В n8n последовательность действий задаётся заранее, а ИИ выполняет лишь отдельные шаги: написать раздел или обобщить данные. В Claude Code искусственный интеллект сам управляет процессом: считывает файлы, принимает решения и записывает результаты. Вместе со специальными инструкциями это даёт агенту и контекст, нужный для написания черновиков, и рамки, которые не дают ему уходить от задачи.

На каждом этапе у ИИ есть доступ к нужной информации и чётко поставленная задача. В результате получается файл, который можно передать на следующий этап или сразу отправить редактору.

Весь конвейер, включая запросы к API, которые хорошо работали и в n8n, перестроили в Claude Code. Поскольку всё хранилось в одной папке, на этапе черновика легко можно было обратиться к результатам исследования, исходной статье, прошлым черновикам и руководству по стилю — при необходимости.

Создали 1 000 страниц под низкочастотный спрос и за 5 месяцев подняли трафик интернет‑магазина «Главдача» в 2 раза 

Девять шагов обновления контента с Claude Code

Процесс команды Semrush в Claude Code состоит из девяти этапов, которые последовательно запускает главный скрипт.

Достаточно указать URL статьи, которую нужно обновить, и целевое ключевое слово — и на выходе получается черновик. Дальше он проходит стандартный редакционный процесс, как и любая другая статья: рецензирование, доработки, редактура и подбор изображений. Все решения по редактуре принимает команда. Вот эти шаги:

Количество этапов намеренно ограничили девятью. Это минимум, который позволяет выделить отдельную задачу под каждую проблему, — и дальше их решит Claude.

Эти файлы называют артефактами процесса. Среди них результаты исследования, план, черновик и сравнение версий. Раз каждый шаг сохраняется в виде файла, любой этап можно перезапустить отдельно, не начиная всё сначала. А ещё любой сотрудник может открыть эти файлы и проверить, всё ли сделано правильно и на каком этапе могла возникнуть проблема.

Что изменилось после перехода на Claude Code

С запуском Claude Code в Semrush заметили два важных изменения.

Стало легче находить галлюцинации 

Они могут появиться на любом этапе генерации. Процесс устроен так, чтобы находить их быстро. Одна из авторов Semrush проверяла черновик и наткнулась на правдоподобное описание функции, которой на самом деле не существует. В старой версии на n8n такая ошибка могла бы остаться незамеченной или потребовать долгой перепроверки.

Технические ошибки на сайте, из‑за которых ИИ вас не видит 

Автор открыла окно сравнения версий, посмотрела на тот же раздел в исходной статье, убедилась, что там этой функции не было, и убрала выдуманный текст. На всё это ушло около минуты:

Именно для этого и нужны «артефакты» процесса. ИИ всё ещё может ошибаться, но процесс устроен так, чтобы рецензент находил и исправлял ошибки за минуту, а не тратил на это почти полчаса.

Черновики стали выглядеть так, будто их написал человек

Несколько месяцев автор статьи пытался настроить генерацию черновиков так, чтобы текст звучал в стиле Semrush — с правильным стилем, тоном, структурой и тем, как компания описывает собственные продукты. В n8n получался черновик, который мог точно попадать в один из этих параметров, но упускал остальные три. А при следующем запуске получалась уже совсем другая комбинация.

А вот в Claude Code нужного результата удалось добиться всего за три цикла, внеся между ними небольшие правки. К третьему запуску черновики стабильно выходили высокого качества.

Стиль соответствовал уже существующей статье, структура следовала руководству по стилю. Тон выдержан в духе Semrush, а позиционирование бренда было верным. ИИ точно описывал продукты — одни и те же ошибки больше не повторялись в разных местах.

Конечно, кое‑что по‑прежнему требовало редактуры, как и любой черновик. Например, приходилось дорабатывать вступление, переформулировать разделы или сглаживать неровные переходы от одной темы к другой. Но серьёзных проблем, с которыми сталкивались при работе с n8n, в черновиках больше не было.

Какие выводы можно сделать

Три вещи остаются неизменными на протяжении всех циклов:

1. Создание черновика требует полного контекста. Если превращать работу с LLM в изолированный этап, текст получится несвязным. При работе над черновиком важно учитывать и саму статью, и руководство по стилю, и результаты исследования.

2. Цепочка файлов — это целостная система. Каждый этап сохраняет результат перед тем, как запустится следующий. Именно по этой цепочке команда находит проблемы, и именно поэтому можно перезапустить любой отдельный этап, не начиная всё сначала.

3. Меньше этапов — больше доработки. Девяти шагов оказалось достаточно, чтобы выполнить всю работу. Каждый раз, когда появлялось желание добавить десятый этап, правильным решением было доработать один из уже существующих девяти.

Система работает, команда активно её использует, авторы заметно экономят время.

Если вы столкнулись с проблемой качества ИИ‑контента, стоит задать себе вопрос: на каком этапе алгоритм принимает решение о том, что и как писать? Если это происходит в самом начале процесса, возможно, дело именно в этом.

Исследование Ahrefs показало, что Google наказывает не ИИ‑контент, а низкое качество 

Ещё по теме

ТОП нейросетей для SEO: какие задачи они решают и с чем справляются лучше всего

Как я собрал интернет‑магазин на 700 страниц за 3 часа — и через 3 месяца он принёс заявку на 8 миллионов

Как создать ИИ‑контент, ориентированный на E‑E‑A‑T

Ваша пробная версия Premium закончилась