As ferramentas que uso para rodar um blog automatizado com IA

O lowcode.ai publica todo dia no blog e no Instagram, e a maior parte disso acontece sem eu abrir o computador. Por trás tem um conjunto pequeno de ferramentas, cada uma com um papel bem definido. Esta é a lista das ferramentas que uso para rodar um blog automatizado com IA, com o que cada uma faz no meu dia a dia, onde ela me atrapalhou e para quem eu recomendaria.

Nenhuma delas entrou aqui por indicação de terceiros. São as que estão rodando agora, com os problemas reais que apareceram no caminho.

Resumo rápido

1. Lovable: onde tudo foi construído

O site inteiro, o painel com agenda editorial, a tela de agentes, a importação de posts e as rotas do servidor foram construídos no Lovable, conversando com o agente dele. Eu descrevo o que quero, ele propõe um plano, eu aprovo e ele escreve o código.

O que mais pesa a favor é a velocidade de ir da ideia ao sistema funcionando, com banco, login e deploy resolvidos. Nesta semana, por exemplo, tirei a renderização dos carrosséis do navegador e levei para o servidor em uma tarde de conversa.

Onde ele me atrapalhou: o agente segue o pedido ao pé da letra. Eu pedi um logo "com no máximo 5% da largura" e ele entregou exatamente isso, um logo de 54 pixels, praticamente invisível na capa. O erro foi meu, mas mostra o hábito que você precisa ter: ler o que foi feito antes de publicar, e não só testar se funciona. Cada mensagem também consome créditos, então mudanças pequenas e mal pensadas custam caro no fim do mês.

Para quem serve: quem quer construir produto ou site com sistema por trás sem montar time. Para quem não serve: quem não está disposto a revisar o que a IA fez. Nesse caso, o guia de como debugar um app que a IA escreveu é leitura obrigatória antes.

2. Supabase: o banco que também agenda

O Supabase guarda todos os posts, a fila de reviews, os logs da automação e as imagens. Ele também roda as edge functions que buscam notícias e publicam, e o pg_cron, que dispara essas funções nos horários certos.

O ponto forte é ter banco, funções, agendamento e storage num lugar só, com SQL de verdade por baixo. Quando algo falha, eu consulto a tabela e vejo o estado exato de cada post.

Onde ele me atrapalhou: o pg_cron roda em UTC, e não no horário de Brasília. Todo agendamento precisa ser convertido (7h aqui é 0 10 * * * lá). E a segurança das tabelas depende das políticas de acesso (RLS), que você precisa configurar com cuidado. Eu reuni o que conferir no checklist de segurança do Lovable com Supabase.

Para quem serve: qualquer projeto que vai além de um site estático. Para quem não serve: quem quer zero contato com banco de dados. Mesmo usando IA para escrever as consultas, você vai precisar entender o básico de tabelas e permissões.

3. Claude: o redator e o editor

O Claude, pela API da Anthropic, faz duas coisas na automação: escolhe qual notícia vira post e escreve todo o texto, do título da capa aos slides, legenda, hashtags e a versão longa para o blog. Ele também é o modelo que uso nas conversas em que planejo a semana editorial.

O que pesa a favor é a obediência a regras de estilo longas e específicas. O guia editorial do lowcode.ai tem várias proibições (sem travessão, sem adjetivo vazio, sem número inventado), e ele segue a maior parte delas sem precisar repetir.

Onde ele me atrapalhou: mesmo seguindo bem as regras, ele erra às vezes, e por isso o código tem uma função que remove travessões de todo texto gerado, como rede de segurança. A saída também precisa ser validada: se um campo vem fora do formato ou um número não aparece na fonte, o sistema descarta antes de publicar. A comparação com o principal concorrente está em ChatGPT vs Claude.

Para quem serve: textos longos em português com regras editoriais definidas. Para quem não serve: quem espera publicar a saída do modelo sem nenhuma checagem.

4. GPT-Image: as capas

As imagens de capa do blog e do Instagram vêm do GPT-Image, pela API da OpenAI. O prompt combina um guia de estilo fixo com a cena que o Claude descreveu para aquela notícia.

O ponto forte é a qualidade fotográfica e a capacidade de seguir instruções de composição, como deixar a parte de baixo da imagem escura para receber o título.

Onde ele me atrapalhou: quando eu pedia para ele escrever o título na imagem, cada capa saía com uma fonte diferente, e apareciam textos inventados na cena, incluindo uma data errada. Hoje a regra é que o modelo nunca escreve: ele faz só a foto e o texto é aplicado em código. A geração também leva tempo, por isso ela roda em segundo plano e não trava o resto da automação.

Para quem serve: capas e ilustrações sem texto. Para quem não serve: quem precisa de tipografia consistente dentro da imagem.

5. Brave Search API: a fonte das pautas

A automação de notícias usa a Brave Search API para buscar notícias recentes de cada tema configurado (vibe coding, inteligência artificial, SaaS e automação).

O que pesa a favor é a integração simples: uma consulta por tema, resposta em JSON, com título, link e um resumo.

Onde ela me atrapalhou: o resumo traz só duas ou três frases. Escrever um post a partir disso é pedir para o modelo preencher lacunas com suposição. Por isso o sistema baixa o texto completo da página original antes de escrever. Temas muito amplos também trazem pautas fora do público, e a solução foi usar sinônimos mais específicos em cada tema.

Para quem serve: quem quer um radar automático de notícias por palavra-chave. Para quem não serve: quem precisa do conteúdo completo das matérias direto da API.

6. Make: a ponte com o Instagram

O Make recebe cada post pronto por um webhook, publica o carrossel pelo app Instagram for Business e avisa o site se deu certo ou não.

O ponto forte é não precisar lidar diretamente com a API da Meta, que tem muitas exigências de conta e de permissão. O cenário é visual e fácil de ajustar.

Onde ele me atrapalhou: o tratamento de erro não vem pronto. No meu cenário, a rota de erro devolvia uma mensagem vazia, e o painel só dizia que a publicação falhou, sem motivo. Foi preciso mapear a mensagem de erro do módulo do Instagram no retorno. Se você ainda está escolhendo a ferramenta de automação, a comparação completa está em Make vs n8n.

Para quem serve: quem quer conectar sistemas sem escrever integração com cada API. Para quem não serve: fluxos com volume muito alto, em que o custo por execução pesa mais que hospedar a própria automação.

7. Google Search Console e GA4: o placar

O Search Console mostra o que o Google indexou e por quais buscas o site aparece. O GA4 mostra de onde vêm as visitas e o que as pessoas leem.

Foi pelo Search Console que acompanhei o site sair de 1 para mais de 80 páginas indexadas depois de corrigir problemas técnicos, e foi lá que entendi que vários avisos assustadores eram comportamento esperado. As "páginas alternativas com canonical adequado", por exemplo, eram só variações de filtro apontando para a página certa.

Onde eles me atrapalharam: o GA4 subestima o tráfego que vem do Instagram, porque link em comentário não é clicável e quem copia a URL entra como acesso direto. A solução foi uma página de links na bio com UTM em cada link.

Para quem serve: todo site, sem exceção. São gratuitos.

Como eu montaria hoje, começando do zero

Eu começaria só com Lovable, Supabase e Search Console, publicando à mão por algumas semanas. Depois entraria o Claude para acelerar a escrita, ainda com revisão de cada post. Imagem automática, busca de notícias e publicação pelo Make viriam por último, quando o processo manual já estivesse claro.

A ordem importa porque cada ferramenta automatiza um processo que você precisa entender antes. Automatizar uma etapa que você nunca fez à mão é a forma mais rápida de publicar erro em escala. Os custos de rodar um projeto assim estão detalhados em quanto custa rodar um micro SaaS feito com IA.

O que fazer agora

1. Liste o que você faz toda semana para publicar: pauta, texto, imagem, agendamento, divulgação. Marque quanto tempo cada etapa leva.
2. Escolha uma única etapa para automatizar primeiro, de preferência a que mais toma tempo e menos depende do seu julgamento.
3. Cadastre o site no Google Search Console hoje, mesmo que ainda tenha poucos posts. O histórico começa a contar a partir do cadastro.
4. Antes de automatizar texto com IA, escreva o seu guia de estilo com as proibições e o formato de entrega. Ele vira o prompt.
5. Para cada ferramenta nova, defina onde o erro vai aparecer quando ela falhar. Se a resposta for "em lugar nenhum", resolva isso antes de ligar a automação.