Content Repurposer Bot

O Contexto

O X (Twitter) e o LinkedIn viraram máquinas de conteúdo. Todo dia dezenas de tweets incríveis sobre IA e marketing passam pelo feed — insights que poderiam virar posts, artigos, conteúdo de valor. Mas o processo manual de ler, selecionar, adaptar, escrever e formatar tomava horas.

Pensei: se eu sei automação, por que não automatizar isso?

O Problema

Como transformar tweets virais em conteúdo pronto pra LinkedIn e blog — sem esforço manual, sem custo e em escala?

Decisões Técnicas

n8n como orquestrador — o mais flexível pra automação, visual, open source. Zapier e Make são mais limitados e pagos
Apify para scraping do Twitter — scraping de Twitter é complexo (anti-bot, rate limits, mudanças de API). Apify tem actors prontos que resolvem, com free tier de US$5/mês que cobre o projeto inteiro
Gemini Flash como IA geradora — melhor IA gratuita pra texto. 1500 requests/dia no free tier, sem cartão de crédito. GPT-4 seria mais potente mas custa
Supabase como banco — PostgreSQL real, free tier generoso, node nativo no n8n
Telegram como canal de entrega — bot em 2 minutos, sem custo, notificações instantâneas no celular

Stack inteira no free tier. Custo mensal: R$0.

O Processo

O pipeline funciona em etapas:

Scraping — Apify coleta tweets sobre IA e Marketing com alto engajamento
Scoring — sistema de pontuação com pesos: likes ×1, retweets ×2, replies ×3. Quanto mais interação qualitativa, maior o score
Armazenamento — tweets salvos no Supabase com deduplicação
Geração — Gemini Flash recebe o tweet e gera dois outputs: post pra LinkedIn (tom profissional, em português) e artigo de blog SEO com ~1000 palavras (título, meta description, headings, keywords)
Entrega — tudo enviado via Telegram com formatação, link do tweet original e score de engajamento

O maior desafio não foi a IA — foi o scraping. Twitter está cada vez mais restritivo. Testei 4 actors diferentes da Apify até achar um que funcionava no free tier. Aprendi que automação em produção é 80% lidar com rate limits, timeouts e formatos inesperados.

Outro problema: chamadas síncronas pra APIs lentas não funcionam. Tive que migrar pro padrão assíncrono (fire → wait → fetch) pra não dar timeout no n8n.

Um insight sobre o Gemini Flash: ele gastava 95% dos tokens “pensando” e cortava a resposta. Desligar o thinking mode (thinkingBudget: 0) resolveu. Nem sempre mais “inteligência” é melhor — às vezes você só quer o output direto.

E o parser de JSON foi o node que mais deu trabalho. IA não retorna JSON perfeito sempre — precisa de fallbacks robustos.

O Resultado

5-10 posts gerados por dia automaticamente (LinkedIn + blog SEO completo)
~2 horas economizadas por dia de pesquisa e escrita
76 tweets coletados e ranqueados por engajamento na primeira execução
Um tweet de 2 linhas vira um artigo de 1000 palavras com título, meta description, headings e keywords
Custo mensal: R$0

Aprendizados

Automação em produção é 80% lidar com edge cases — rate limits, timeouts, formatos inesperados, APIs que mudam
Padrão assíncrono (fire → wait → fetch) é essencial pra APIs lentas em orquestradores como n8n
Nem sempre mais “inteligência” da IA é melhor — desligar o thinking mode do Gemini Flash resolveu o problema de respostas cortadas
Parser de JSON precisa de fallbacks robustos — IA não retorna JSON perfeito 100% das vezes
Stack 100% gratuita é possível pra projetos reais — free tiers bem combinados cobrem muita coisa