ChatGPT, Google Drive ve n8n ile LinkedIn İçerik Otomasyonu: Hata ve Yayın Yönetimi
DigiWise | Teknik İnceleme
ChatGPT, Google Drive ve n8n ile LinkedIn İçerik Otomasyonu: Hata ve Yayın Yönetimi
Dosya eşleştirme, kontrollü tekrar deneme, Data Table ve belirsiz yayın sonuçlarını ayıran bir içerik mimarisi.
Giriş: Sosyal medya otomasyonu neden yalnızca paylaşım göndermek değildir?
İçerik üretimini otomatikleştirmek, birbirine bağlı birkaç uygulamanın doğru sırayla çalışmasından daha fazlasını gerektirir. Bir dosya listelenmesine rağmen indirilemeyebilir; bir API isteği zaman aşımına uğrayabilir; sosyal medya platformu paylaşımı kabul ettiği hâlde istemci yanıtı alamayabilir. Bu senaryoların her biri ayrı bir karar gerektirir. DigiWise için geliştirdiğim yaklaşımın odağı, ChatGPT, Google Drive ve n8n bileşenlerini birbirine bağlamanın yanında hataları, tekrarları ve belirsiz sonuçları kontrollü biçimde yönetmektir.
Mevcut blog otomasyonundan LinkedIn iş akışına geçiş
Önceki içerik akışında ChatGPT ile hazırlanan blog makaleleri HTML olarak Google Drive üzerinde tutuluyor, n8n tarafından işleniyor ve DigiWise REST API üzerinden web sitesine taslak olarak aktarılıyordu. İlgili PNG dosyası aynı dosya kökünden bulunarak makaleyle ilişkilendiriliyordu. LinkedIn için aynı dosya-merkezli yaklaşımı korurken yayın formatını değiştirdim: kişisel profil gönderileri UTF-8 TXT, eşlik eden görseller PNG olarak hazırlanıyor. LinkedIn akışında HTML dönüştürmeye veya blog API'sine gönderim yapmaya gerek yok. Her yayın kanalının kendi içerik formatını ve hata türlerini koruması önemli.
Mimarinin bileşenleri ve sorumlulukları
ChatGPT, yayınlanacak metnin ve görselin hazırlanmasına yardımcı oluyor; çıktının teknik ve editoryal kontrolü ayrıca yapılıyor. Google Drive iki ayrı klasörde kaynak dosyaları tutuyor. n8n bu klasörleri listeliyor, aynı kök ada sahip TXT ve PNG dosyalarını eşleştiriyor, dosyaları indiriyor, yayına uygun veriyi hazırlıyor ve LinkedIn gönderim adımını işletiyor. n8n Data Table ise işlem kimliği, dosya eşleşmesi, yayın durumu ve hata sınıfı gibi alanlarla takip katmanı oluşturuyor. Bu katman olmadan yeniden çalıştırılan akışın hangi içeriği işlediğini anlamak güçleşir.
Dosya adlandırma: küçük bir kural, önemli bir güvence
Örneğin 20261120-google-drive-linkedin-icerik-otomasyonu.txt ve 20261120-google-drive-linkedin-icerik-otomasyonu.png aynı dosya köküne sahiptir. n8n uzantıyı çıkarıp eşleşme arayabilir. Küçük harf, ASCII karakter, tire ve benzersiz kök kullanılması yanlış eşleştirme olasılığını azaltır. Ancak dosya adı tek başına yeterli değildir: eşleşen dosyanın gerçekten doğru klasörde bulunduğu, beklenen MIME türünü taşıdığı ve okunabildiği de doğrulanmalıdır. Dosya adı farklı veya görsel eksikse kayıt yayın kuyruğuna alınmamalıdır.
İşlem durumu ve Data Table tasarımı
Bir içerik için discovered, paired, downloading, ready, publishing, completed ve failed gibi durumlar kullanılabilir; bunlar örnek durum adlarıdır, mevcut tablonun birebir şeması olarak yorumlanmamalıdır. Özellikle publish_unknown veya manual_review benzeri ayrı bir durum, LinkedIn yanıtı belirsiz kaldığında kritik hâle gelir. Takip kaydında benzersiz dosya kökü, kaynak dosya ID’leri, deneme sayısı, son hata, son işlem zamanı ve mümkünse platform gönderi ID’si tutulması önerilir. Her durum geçişi açık bir koşulla yapılmalı; yalnızca HTTP isteği gönderildi diye 'completed' işaretlenmemelidir.
Hangi hatada tekrar denemek güvenlidir?
Google Drive dosya indirmesi geçici ağ hatası veya hız sınırlaması nedeniyle başarısız olursa belirli sınırlar içinde yeniden denenebilir. Örneğin üç deneme ve artan bekleme aralıkları, kontrolsüz sonsuz döngüden daha güvenlidir. Kalıcı 403 yetki hatası veya yanlış dosya ID'si aynı şekilde tekrarlandığında genellikle düzelmez; bunlar düzeltme gerektiren hata sınıflarıdır. İndirme başarısızlığında yayın gönderimi gerçekleşmediği için tekrar mantığı çoğunlukla daha basittir. Buna karşılık yayın çağrısında zaman aşımı oluştuysa platformun gönderiyi kabul etmiş olması mümkündür. Bu durumda otomatik yeniden gönderim mükerrer paylaşım doğurabilir.
Belirsiz yayın sonucu ve mükerrer gönderiyi önleme
n8n’in isteği göndermesi ile LinkedIn'in yanıtının istemci tarafından alınması aynı olay değildir. Yanıt alınamadığında işlem 'başarısız' kabul edilip körlemesine tekrar gönderilmemeli; 'sonucu belirsiz' olarak kaydedilip kontrol edilmelidir. Güvenilir bir sistemde mümkün olan yerlerde platform gönderi kimliği ve kayıt kontrolü kullanılır. Platform kesin sonuç sağlayamıyorsa manuel inceleme daha güvenli tercihtir. Data Table'da önceden tamamlanan dosya köklerinin atlanması da tekrarları azaltır. Ancak sadece dosya adına bağlı koruma tüm eşzamanlı çalışma yarışlarını çözmez; aynı kaydı işleyen iki paralel yürütme için kilitleme veya atomik sahiplenme yaklaşımı ayrıca değerlendirilmelidir.
Uçtan uca testte neler doğrulanmalı?
Test yalnızca metin paylaşımının görünüyor olmasıyla bitmez. Kaynak TXT ve PNG dosyalarının okunması, doğru eşleşmesi, görselin LinkedIn'e yüklenmesi, metinle birlikte yayınlanması ve sonuç kimliğinin kaydedilmesi ayrı ayrı kontrol edilmelidir. Aynı dosyalarla yeniden çalıştırıldığında mükerrer gönderim oluşmaması; bilerek oluşturulan indirme hatası ve belirsiz yayın yanıtının doğru durumlara düşmesi de sınanmalıdır. Bu mimaride kişisel LinkedIn hesabına temel bir test paylaşımı yapılmış durumda; tam metin + görsel zincirinin uçtan uca doğrulaması ise bu içerik hazırlığı sırasında henüz tamamlanmış olarak değerlendirilmemelidir.
İşletmeler bu mimariyi nerelerde kullanabilir?
Benzer prensipler blog yayınlarında, CRM veri aktarımında, teklif ve müşteri iletişiminde, operasyon raporlarında ve periyodik belge üretiminde de kullanılabilir. Her süreç için ortak sorular şunlar: işlem tekrarlanabilir mi, yan etki yaratır mı, hangi kayıt tekil kimliktir ve hatadan sonra nasıl toparlanılır? Dayanıklı otomasyonun değeri yalnızca manuel işi azaltması değildir; denetlenebilir bir süreç sunmasıdır.
Sonuç: Başarılı akış değil, yönetilebilir süreç
İyi bir iş akışı normal koşullarda sonuç üretir. Güvenilir bir iş akışı ise koşullar normal olmadığında hangi adımın yeniden denenebileceğini, hangisinin durdurulacağını ve ne zaman insan kontrolünün gerektiğini bilir. DigiWise'da yazılım, entegrasyon ve otomasyon projelerine bu açıdan yaklaşıyoruz. Kurumunuz için mevcut süreçleri analiz etmek veya dayanıklı bir otomasyon mimarisi tasarlamak isterseniz https://www.digiwise.tr/ üzerinden iletişime geçebilirsiniz.