Maksym Lytvyn

# Automatizovaný monitoring zmínek v uzavřených FB skupinách

Vytvořte systém, který bude sledovat zmínky o Shoptetu v soukromých FB skupinách a automaticky je agregovat — ať už přes API, browser automation, nebo kombinaci s AI klasifikací sentimentu.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Maksym Lytvyn má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Zmínil jste, že ručně sledujete soukromé FB skupiny kvůli zmínkám o Shoptetu a že script na automatizaci zatím nefunguje dobře.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Maksym Lytvyn pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: Claude Code, Puppeteer/Playwright, Slack API.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Zmapujte si, které konkrétní FB skupiny jsou nejdůležitější, a otestujte přístup přes browser automation na jedné z nich.

## Starter prompt

```
Potřebuji navrhnout systém pro monitoring zmínek o značce Shoptet v soukromých Facebook skupinách. Facebook API má omezení pro soukromé skupiny. Navrhni mi 3 technicky realistické přístupy (včetně browser automation, webhooků, nebo hybridních řešení), pro každý uveď: technickou náročnost, spolehlivost, rizika (včetně porušení ToS), a doporučený tech stack. Výstup chci jako srovnávací tabulku.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.

# AI-powered GEO dashboard pro sledování viditelnosti v LLM modelech

Postavte si dashboard, který systematicky testuje a sleduje, jak různé LLM modely (ChatGPT, Claude, Gemini, Perplexity) odpovídají na dotazy relevantní pro Shoptet — a jak se viditelnost mění v čase.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Maksym Lytvyn má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Jste zodpovědný za GEO (viditelnost v LLM modelech) a máte technické schopnosti stavět komplexní systémy.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Maksym Lytvyn pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: Lovable, Claude Code, OpenAI API, Anthropic API, Google AI API.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Definujte si 10–15 klíčových dotazů, na které chcete sledovat odpovědi LLM modelů, a otestujte ruční sběr přes API.

## Starter prompt

```
Chci postavit GEO monitoring dashboard pro značku Shoptet. Systém by měl: 1) Pravidelně odesílat sadu definovaných dotazů (např. 'nejlepší e-shop platforma v ČR', 'srovnání e-shop řešení') do API ChatGPT, Claude a Gemini, 2) Analyzovat odpovědi — zda a jak je Shoptet zmíněn, sentiment, pozice vs. konkurence, 3) Ukládat výsledky do databáze a vizualizovat trendy v čase. Navrhni architekturu, tech stack (preferuji Lovable pro frontend, Claude Code pro backend) a datový model.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.

# Rozšíření Slack agenta o automatickou přípravu draftu newsletteru

Váš stávající agent sbírá novinky — přidejte vrstvu, která z nasbíraných zdrojů automaticky připraví návrh newsletteru nebo příspěvků na sociální sítě.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Maksym Lytvyn má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Agent už prohledává webové zdroje a posílá novinky do Slacku jako podklady pro newsletter a sociální sítě.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Maksym Lytvyn pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: Claude Code, Slack API, Claude API.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Projděte si posledních 20 novinek, které agent nasbíral, a definujte kritéria pro výběr těch nejrelevantnějších.

## Starter prompt

```
Mám Slack agenta, který sbírá AI novinky z webových zdrojů a posílá je do kanálu. Chci ho rozšířit o tyto funkce: 1) Na konci týdne automaticky vygeneruje draft newsletteru z nejdůležitějších novinek (seřazených podle relevance pro e-commerce), 2) Ke každé novince navrhne krátký příspěvek pro LinkedIn a Twitter/X, 3) Draft se pošle do Slacku ke schválení s tlačítky 'schválit', 'upravit', 'zahodit'. Navrhni implementaci včetně promptů pro sumarizaci a generování příspěvků.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.

# Šablonový systém pro opakované stavění klientských aplikací

Z CRM projektu extrahujte opakovaně použitelné komponenty (autentizace, mobilní rozhraní, generování dokumentů, emailové odesílání) do šablon pro rychlejší stavění dalších klientských projektů.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Maksym Lytvyn má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: CRM systém obsahuje řadu komponent (přihlašování, mobilní app, generování dodacích listů, email přes Resend), které jsou přenositelné do dalších projektů.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Maksym Lytvyn pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: Lovable, Claude Code.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Identifikujte 3 komponenty z CRM, které byste použili v dalším projektu beze změny, a oddělte je do samostatných modulů.

## Starter prompt

```
Mám hotový CRM systém postavený v Lovable s těmito komponentami: uživatelské účty s rolemi (majitel, technik), mobilní rozhraní, plánování úkolů, sledování času, fotodokumentace, generování PDF dodacích listů, odesílání emailů přes Resend, statistiky. Chci z toho vytvořit modulární šablonový systém pro rychlé stavění podobných aplikací pro další klienty. Navrhni: 1) Které komponenty jsou nejlépe znovupoužitelné, 2) Jak je strukturovat jako samostatné moduly, 3) Jak vytvořit 'startovací šablonu' v Lovable, ze které půjde nový projekt odstartovat za hodiny místo dnů.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.

# AI-asistovaná SEO obsahová pipeline s automatickou optimalizací

Propojte SEMrush/Marketing Miner data s AI generováním a optimalizací SEO obsahu do jednoho workflow — od identifikace příležitostí přes tvorbu po publikaci.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Maksym Lytvyn má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Jste zodpovědný za SEO obsah, používáte SEMrush a Marketing Miner, a máte schopnosti napojovat nástroje přes MCP a API.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Maksym Lytvyn pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: Claude, MCP, SEMrush API, Marketing Miner API.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Otestujte napojení na SEMrush API přes MCP a stáhněte keyword gap analýzu pro 5 klíčových témat.

## Starter prompt

```
Chci vytvořit SEO obsahovou pipeline pro e-commerce značku. Workflow by měl: 1) Stáhnout keyword data z SEMrush API (keyword gap, pozice, search volume), 2) Identifikovat top 10 obsahových příležitostí podle potenciálu, 3) Pro každou příležitost vygenerovat brief (cílové klíčové slovo, struktura článku, konkurenční analýza), 4) Na základě briefu vygenerovat draft článku optimalizovaný pro SEO, 5) Zkontrolovat draft proti SEO checklist (keyword density, headings, meta description, internal linking návrhy). Navrhni architekturu tohoto workflow s využitím MCP napojení na Claude a SEMrush API.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.