LinkedIn Post Creation System

Ein Multi-Agent AI System für die automatisierte Erstellung von LinkedIn Posts mit umfassender Profilanalyse und iterativem Writer-Critic Workflow.

🚀 Features

• LinkedIn Profil Scraping via Apify
• AI-gestützte Profilanalyse mit Stil- und Tonalitätserkennung
• Automatische Themenextraktion aus bestehenden Posts
• Research Agent für neue Content-Themen (Perplexity)
• Writer-Critic Multi-Agent System für Post-Erstellung
• Schickes TUI (Terminal User Interface) mit Textual
• Supabase Datenbank für persistente Speicherung
• OpenAI & Perplexity Integration

📋 Voraussetzungen

• Python 3.12+
• Supabase Account
• OpenAI API Key
• Perplexity API Key
• Apify Account

🛠️ Installation

1. Repository klonen und Setup

cd LinkedInWorkflow
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# oder
.venv\Scripts\activate  # Windows

2. Dependencies installieren

pip install -r requirements.txt

3. Umgebungsvariablen konfigurieren

Erstelle eine .env Datei basierend auf .env.example:

cp .env.example .env

Fülle die .env Datei mit deinen API Keys:

# API Keys
OPENAI_API_KEY=sk-...
PERPLEXITY_API_KEY=pplx-...
APIFY_API_KEY=apify_api_...

# Supabase
SUPABASE_URL=https://xxx.supabase.co
SUPABASE_KEY=eyJ...

# Apify
APIFY_ACTOR_ID=apify/linkedin-profile-scraper

# Development
DEBUG=true
LOG_LEVEL=INFO

4. Supabase Datenbank Setup

1. Gehe zu Supabase und erstelle ein neues Projekt
2. Öffne den SQL Editor
3. Führe das Schema aus: config/supabase_schema.sql

-- Kopiere den Inhalt von config/supabase_schema.sql
-- und führe ihn im Supabase SQL Editor aus

🎯 Nutzung

TUI Starten

python main.py

Workflow

1. New Customer Setup 🚀

• LinkedIn Profil wird gescraped
• Alle Posts werden analysiert
• Schreibstil wird extrahiert
• Themen werden identifiziert
• UUID wird generiert und gespeichert

2. Research Topics 🔍

• Neue Themen werden recherchiert (Perplexity)
• Basierend auf Branche und Zielgruppe
• Bereits behandelte Themen werden vermieden
• 5-7 aktuelle Topic-Vorschläge

3. Create Post ✍️

• Thema auswählen
• Writer erstellt initialen Post
• Critic reviewed und gibt Feedback
• Bis zu 10 Iterationen
• Finaler Post wird gespeichert

4. View Status 📊

• Übersicht aller Kunden
• Anzahl Posts, Topics, etc.
• Status der Analysen

📁 Projektstruktur

LinkedInWorkflow/
├── src/
│   ├── agents/              # AI Agents
│   │   ├── base.py          # Base Agent Klasse
│   │   ├── profile_analyzer.py
│   │   ├── topic_extractor.py
│   │   ├── researcher.py
│   │   ├── writer.py
│   │   └── critic.py
│   ├── database/            # Datenbank
│   │   ├── client.py        # Supabase Client
│   │   └── models.py        # Pydantic Models
│   ├── scraper/             # LinkedIn Scraper
│   │   └── apify_scraper.py
│   ├── tui/                 # Terminal UI
│   │   └── app.py
│   ├── config.py            # Konfiguration
│   └── orchestrator.py      # Workflow Orchestrator
├── config/
│   └── supabase_schema.sql  # DB Schema
├── logs/                    # Log Files
├── main.py                  # Entry Point
├── requirements.txt
├── .env.example
└── README.md

🤖 AI Agents

ProfileAnalyzerAgent

• Analysiert LinkedIn Profil und Posts
• Extrahiert Schreibstil, Tonalität, Perspektive
• Identifiziert linguistische Fingerabdrücke
• Erkennt Zielgruppe und Content-Strategie

TopicExtractorAgent

• Extrahiert Themen aus bestehenden Posts
• Kategorisiert und clustert ähnliche Themen
• Speichert Topics mit Konfidenz-Score

ResearchAgent

• Recherchiert aktuelle Themen (Perplexity)
• Filtert basierend auf Branche und Zielgruppe
• Vermeidet bereits behandelte Themen
• Liefert 5-7 konkrete Topic-Vorschläge

WriterAgent

• Schreibt Posts im Stil der Person
• Nutzt Profil-Analyse für Authentizität
• Unterstützt Revisionen basierend auf Feedback

CriticAgent

• Reviewed Posts auf Qualität und Authentizität
• Vergibt Scores (0-100)
• Gibt konkrete Verbesserungsvorschläge
• Genehmigt oder fordert Revision

🔧 Technologie-Stack

• Python 3.12
• Textual - Modernes TUI Framework
• OpenAI GPT-4o - Profil-Analyse, Writing, Critic
• Perplexity - Research & Topic Discovery
• Apify - LinkedIn Scraping
• Supabase - PostgreSQL Datenbank
• Pydantic - Data Validation
• Loguru - Logging

📊 Datenbank-Schema

Das System nutzt folgende Tabellen:

• customers - Kundendaten und LinkedIn URLs
• linkedin_profiles - Gescrapte Profildaten
• linkedin_posts - Gescrapte Posts
• topics - Extrahierte und recherchierte Themen
• profile_analyses - AI-generierte Profilanalysen
• research_results - Research-Ergebnisse
• generated_posts - Erstellte Posts mit Iterationen

🎨 TUI Navigation

• Arrow Keys / Tab - Navigation zwischen Elementen
• Enter - Button/Option auswählen
• Escape - Zurück zum Hauptmenü
• Q - Quit Application

📝 Logging

Logs werden automatisch in logs/ gespeichert:

• Tägliche Rotation
• 7 Tage Retention
• Detaillierte Error-Tracking

🔒 Sicherheit

• API Keys niemals committen (.env ist in .gitignore)
• Supabase Row Level Security aktivieren
• Apify Proxy für LinkedIn Scraping nutzen

🐛 Troubleshooting

"Supabase connection failed"

• Prüfe SUPABASE_URL und SUPABASE_KEY in .env
• Stelle sicher, dass das Schema ausgeführt wurde

"Apify scraping failed"

• Prüfe APIFY_API_KEY
• Stelle sicher, dass der Actor apify/linkedin-profile-scraper verfügbar ist
• LinkedIn URLs müssen öffentlich zugänglich sein

"OpenAI rate limit"

• Warte kurz und versuche es erneut
• Erhöhe Rate Limits in deinem OpenAI Account

🚧 TODO / Roadmap

• Multi-Customer Selection in TUI
• Topic Selection Interface
• Export zu n8n Workflow
• LinkedIn Publishing Integration
• Analytics Dashboard
• Batch-Processing für mehrere Posts

📄 Lizenz

Proprietary - Alle Rechte vorbehalten

👥 Author

Entwickelt als AI-Automatisierungs-Projekt für LinkedIn Content Creation.

🙏 Credits

• OpenAI für GPT-4o
• Perplexity für Research
• Apify für LinkedIn Scraping
• Textualize für Textual Framework

linkedinworkflow