Die OpenAI-Integration wird als eigene Schicht gekapselt. Der Content-Generator, das Quality-Gate und die Kommentarlogik sollen nicht direkt mit dem SDK arbeiten. Die Anwendung nutzt die Responses API. Die offizielle Dokumentation zeigt dafür client.responses.create(...), instructions, input und response.output_text als Standardmuster. (platform.openai.com) ...
Das System benötigt strukturierte Eingangsdaten. Diese Eingangsdaten werden nicht direkt veröffentlicht, sondern zuerst normalisiert und danach vom Content-Generator verarbeitet. Typische Quellen: Ziel ist ein einheitliches internes Format. Der Generator soll nicht wissen müssen, ob ein Buch aus JSON, CSV, SQLite, ...
Das Datenmodell bildet die Arbeitsobjekte des Systems ab: Für das MVP reichen JSON-Dateien. Sobald mehrere Plattformen, wiederkehrende Jobs, Reports und Dublettenprüfung dazukommen, ist SQLite sinnvoller. 5.1 Book Book beschreibt ein Buch als Content-Quelle. Minimalfelder: Beispiel als JSON: Python-Modell: 5.2 Author ...
Die Konfiguration trennt Code und Betriebsregeln. Plattformen, Accounts, Limits, Zeitfenster und Sicherheitsparameter gehören nicht hart in Python-Dateien, sondern in eine zentrale Konfigurationsdatei. Für das MVP reicht eine Datei: Die .env enthält nur sensible oder installationsabhängige Werte: Die config.yaml enthält fachliche ...
Dieses Kapitel setzt das technische Grundgerüst auf. Ziel ist kein fertiger Publisher, sondern ein lauffähiges Projekt mit Python, Playwright, OpenAI-Anbindung, Konfiguration, Verzeichnisstruktur und erstem Smoke-Test. Die Basis bleibt bewusst schlank: Playwright installiert die benötigten Browser separat; für Linux-Server kann Playwright ...
