>_ DevTrendspl

Język

Strona główna

Języki

Sekcje

Frontend Backend Mobilne DevOps AI / ML GameDev Blockchain Systemy wbudowane Bezpieczeństwo
Python

Jak bezpiecznie audytować konta reklamowe za pomocą Claude na 12 platformach

Claude Ads banner

Powierzanie modelom językowym zadań produkcyjnych zawsze budzi pewien niepokój. Jeśli chodzi o budżety reklamowe, strach wzrasta dziesięciokrotnie. Jedno nieprzemyślane działanie agenta w API platformy reklamowej, a miesięczny budżet trafia do niewłaściwego kierowania w ciągu kilku godzin. Dlatego większość zespołów nadal ręcznie kopiuje eksporty i przesyła je do interfejsów czatbotów, otrzymując mętne porady bez konkretnych liczb w zamian.

Niedawno natknąłem się na otwarte repozytorium claude-ads. Autor próbował zbudować ścisły system inżynieryjny na bazie możliwości agentowych Claude Code. Pomysł polega na przekształceniu Claude w nadzorowanego asystenta marketingu efektywnościowego z twardymi zabezpieczeniami, bezpieczeństwem typów i deterministycznymi kontrolami walidacji.

How it works diagram

Pod maską

Projekt to zbiór umiejętności i narzędzi CLI napisanych w Pythonie. Możesz z nim pracować przez Claude Code, Cursor, Windsurf, Gemini lub Codex. Główny nacisk kładziony jest tutaj na bezpieczeństwo danych i przewidywalność.

System obsługuje 12 platform reklamowych:

  • Wyszukiwarki i sieci społecznościowe: Google Ads, Meta Ads, YouTube Ads, LinkedIn Ads, TikTok Ads, Microsoft Advertising, Reddit Ads, Snapchat Ads, X Ads.
  • E-commerce i media retail: Apple Ads, Amazon Ads, Pinterest Ads.

Platform coverage

Zamiast dawać modelowi pełną swobodę przez niekontrolowane wywołania narzędzi, projekt dzieli workflow na odizolowane etapy.

Bezpieczeństwo i ochrona przed przypadkowymi obciążeniami

Architektura claude-ads domyślnie działa w trybie tylko do odczytu. Możesz przeprowadzać audyty, budować hipotezy, generować treści reklamowe i analizować metryki bez ryzyka uszkodzenia aktywnych kampanii.

Jeśli optymalizacja jest potrzebna, system wymaga przejścia kilku poziomów kontroli:

  • Dokładne identyfikatory kont i obiektów są jawnie określone.
  • Generowany jest klarowny diff stanu przed i po zmianach wraz z oceną strefy wpływu.
  • Ustawiane są ścisłe limity budżetowe, których agent fundamentalnie nie może przekroczyć.
  • Dla każdego żądania zapisu generowany jest klucz idempotencji i plan wycofania zmian.

Operacje pełnego usunięcia encji zostały po prostu usunięte z kodu w wersji drugiej. Dane logowania API nie trafiają do kontekstu modelu, raportów ani historii git: są odczytywane wyłącznie ze zmiennych środowiskowych lub magazynu sekretów systemu.

Architektura i ocena jakości kampanii

Wewnątrz repozytorium wszystko jest podzielone na wyraźne poziomy odpowiedzialności.

Architecture

Pojedynczy proces dyrygenta przyjmuje polecenia użytkownika, definiuje granice zakresu i dystrybuuje zadania do odizolowanych workerów. Każdy worker odpowiada za konkretny fragment analizy i zwraca ścisły JSON zgodny ze schematem. Jeśli którykolwiek z wymaganych workerów zakończy się błędem, cały przebieg jest oznaczony jako częściowy. System nie zamaskuje błędu i nie przedstawi niekompletnego raportu jako gotowego wyniku.

Kanoniczne wyjście to wersjonowany, zwalidowany JSON. Z niego narzędzie składa podsumowania w formacie Markdown, strony HTML lub PDF-y przez WeasyPrint.

Health score diagram

Ocenianie zdrowia konta reklamowego jest ciekawie zaprojektowane. Każda kontrola ma status pass, fail, unknown lub not_applicable. Kompletność zebranych danych jest oceniana oddzielnie od ogólnego wskaźnika zdrowia:

  • Jeśli 80% lub więcej kontroli jest pokrytych, przypisywana jest pełna ocena.
  • Przy pokryciu od 60% do 79%, ocena jest traktowana jako wstępna.
  • Jeśli dane są mniejsze niż 60%, ocenianie nie jest w ogóle przeprowadzane z powodu niewystarczających dowodów.
  • Funkcje beta i niedostępne funkcje platformy są wykluczane z obliczeń, aby nie obniżać oceny.

Jak wygląda praca z narzędziem

Demo GIF

Instalacja w Claude Code odbywa się przez menedżer wtyczek:

/plugin marketplace add AgriciDaniel/claude-ads
/plugin install claude-ads@ai-marketing-hub-claude-ads

Jeśli wolisz instalację lokalną lub używasz innych środowisk:

git clone https://github.com/AgriciDaniel/claude-ads.git
cd claude-ads
bash install.sh --source=local

Instalator obsługuje Pythona 3.11 i 3.12 na Linuksie, macOS i Windowsie. Jeśli brakuje bibliotek systemowych, skrypt zakończy się błędem przed wprowadzeniem jakichkolwiek zmian.

Po instalacji interakcja opiera się na poleceniach slash. Na przykład:

  • /ads setup konfiguruje profil klienta, docelowe KPI, akceptowalne granice budżetowe i reguły prywatności.
  • /ads audit all uruchamia pełny audyt połączonych kanałów z każdym wynikiem powiązanym z datowanymi metrykami.
  • /ads plan oblicza dystrybucję budżetu, plan mediów i plan testów podziału.
  • /ads optimize --draft przygotowuje szkic zmian stawek i kreacji bez ich stosowania na platformie.
  • /ads report generuje końcowy ustrukturyzowany raport.

Bezpośrednie skróty dla konkretnych kont również działają: /ads google, /ads meta, /ads reddit.

Dla kogo projekt będzie przydatny

Repozytorium raczej nie będzie potrzebne osobie prowadzącej jedną reklamę z budżetem kilku tysięcy złotych. Ale jeśli Twoja firma prowadzi reklamy na wielu platformach lub budujesz wewnętrzną automatyzację dla agencji, jest tutaj wiele do zbadania.

Nawet jeśli nie używasz narzędzia w pełni, kod źródłowy claude_ads_core i struktura katalogów control-plane/ stanowią solidny przykład tego, jak projektować niezawodne umiejętności dla LLM. Zamiast chaotycznych promptów tekstowych, autor zaimplementował kontrakty danych, schematy walidacji i obowiązkowe bramki potwierdzenia operatora. Repozytorium ma otwartą licencję (MIT), więc możesz swobodnie rozdzielać kod na własne moduły.

Powiązane projekty