Задача
Чтобы понять, что происходит с сайтом в поиске, специалист каждый раз вручную выгружает данные из Яндекс.Метрики и Вебмастера, сверяет их с прошлым периодом и просматривает страницы сайта. Это часы рутинной работы, поэтому делается она редко — и просадку по запросу или странице замечают с опозданием.
Отдать эту работу языковой модели напрямую нельзя: в данных сайта и аналитики встречаются телефоны, адреса почты и другие персональные данные, а модель не должна их видеть — ни при каких условиях.
Решение
Построили конвейер обработки данных, который раз в сутки собирает статистику Яндекс.Метрики и Яндекс.Вебмастера, обходит публичные страницы сайта, учитывает спрос по запросам из Вордстата и считает динамику к прошлому запуску. Сбор выполняет обычный код без участия модели — ключи от сервисов есть только у него.
Перед анализом данные проходят фильтр персональных данных: телефоны, адреса почты и другие ПД обезличиваются, из Метрики берутся только агрегированные отчёты, а обходчик не заходит в личные разделы сайта. Только после этого подключается Claude Code: модель разбирает изменения и, если данных не хватает, запрашивает их через ограниченный набор инструментов — каждый ответ снова проходит фильтр.
Готовый отчёт проверяется на персональные данные ещё раз и уходит в Telegram. Тем же конвейером агент предлагает темы статей по реальным запросам и пишет черновики, которые редактор правит и согласует.
Проект выполнен в рамках направления «Решения на базе ИИ». Кроме того, в работу вошло направление «SEO продвижение».
Результат
Каждый день специалист получает готовый разбор: что изменилось в поиске и на сайте и что править в первую очередь. Агент не имеет доступа к сайту, его базе и админке — он готовит данные и черновики, а решения принимает и правки вносит человек.
Запрет на персональные данные заложен в конструкцию, а не в инструкцию для модели: у неё нет ни сети, ни ключей, а всё, что она получает, заранее обезличено. Один агент ведёт несколько сайтов, у каждого — свои данные и свой канал отчётов.