TL;DR: O artigo ensina como criar um sistema automatizado de organização de conhecimento pessoal usando ferramentas no-code como Make.com, Telegram e IA. O sistema classifica e resume automaticamente diferentes tipos de conteúdo (links, vídeos, notas) salvando tudo em uma base organizada no Google Sheets. A solução elimina a bagunça dos favoritos tradicionais e permite recuperação eficiente de informações.

Takeaways:

• Use Make.com (1.000 operações gratuitas/mês) como plataforma principal, Telegram como interface e Google Sheets como armazenamento
• O sistema processa automaticamente textos, URLs, vídeos do YouTube e documentos do Google Docs usando Gemini 2.0 Flash para gerar títulos, resumos e tags
• Implemente subcenários para eliminar duplicação de código e facilitar manutenções futuras no workflow
• Para páginas web complexas (CSR), use serviços como ScrapeNinja que emulam navegadores reais
• Comece simples com fluxo básico Telegram → Google Sheets e adicione complexidade gradualmente

Como Criar uma Base de Conhecimento Pessoal Automatizada com IA No-Code em 2024

Você já se pegou salvando links interessantes nos favoritos do navegador ou usando o “Salvar” em posts do Facebook, Instagram ou Telegram? No final, tudo vira uma bagunça caótica onde encontrar qualquer coisa é quase impossível.

Se você se identificou com essa situação, você não está sozinho. A maioria de nós enfrenta o mesmo problema: acumulamos informações valiosas, mas não conseguimos organizá-las de forma eficiente.

Mas e se eu te dissesse que existe uma forma de automatizar completamente esse processo usando IA e ferramentas no-code? Neste artigo, vou compartilhar exatamente como construir um sistema inteligente que classifica e resume automaticamente suas notas, posts, artigos e vídeos.

Por Que Você Precisa de uma Base de Conhecimento Automatizada

Vivemos na era da sobrecarga de informações. Todos os dias, nos deparamos com dezenas de artigos interessantes, vídeos educativos e insights valiosos. O problema não é a falta de conteúdo – é a incapacidade de organizá-lo de forma que possamos realmente aproveitá-lo.

A maioria dos exemplos no-code que encontramos por aí foca apenas em um tipo de input. Isso me motivou a criar algo mais abrangente: um sistema que pudesse lidar com diferentes tipos de conteúdo de forma inteligente.

O sistema que vou te ensinar permite salvar diversos tipos de conteúdo, incluindo:

• Notas de voz do Telegram
• Links de artigos e páginas web
• Posts e mensagens importantes
• Transcrições de vídeos do YouTube
• Documentos do Google Docs

E o melhor de tudo? A IA gera automaticamente título, resumo e tags para cada entrada.

Ferramentas Necessárias: Começando do Zero

Para construir este sistema, você precisará de:

Make.com – Nossa plataforma no-code principal. Oferece um plano gratuito com 1.000 operações por mês, que pode ser suficiente para uso pessoal. Se você já tem um hosting pago, pode considerar o n8n (alternativa open-source), embora exija habilidades técnicas mais avançadas.

Telegram – Usaremos como interface principal, mas o sistema pode ser adaptado para Discord ou Slack.

Google Sheets – Para armazenar nossa base de conhecimento (usuários avançados podem usar Supabase).

Gemini 2.0 Flash – Nossa IA para classificação e resumos.

“I’m going to share how I built a no-code system that uses AI to automatically classify and summarize notes, posts, articles, and videos. This system will help you create a well-organized personal knowledge base — without the hassle of figuring out where to drop a link, a post, or your own ideas.” – Alexey Evdokimov

Primeiros Passos: Configurando a Automação Básica

Capturando Mensagens do Telegram

Se você é novo no Make.com, comece simples: capture uma mensagem do Telegram e salve-a em uma planilha do Google. Este será o foundation do nosso sistema mais complexo.

O cenário principal recebe uma mensagem de texto como entrada. Esta mensagem pode ser:

• Texto simples (suas próprias notas)
• URLs de páginas web
• Links de vídeos do YouTube
• Links de documentos do Google

Tratamento Inicial de Mensagens

O primeiro módulo do nosso workflow faz três coisas essenciais:

1. Extrai a URL (se presente) da mensagem
2. Identifica o tipo de entrada na base de conhecimento
3. Gera um título inicial usando Gemini 2.0 Flash

Para esta etapa, é melhor definir a temperatura como 0 para evitar que a IA gere variações criativas desnecessárias. Se o texto for longo, ele é resumido diretamente nesta etapa.

O cenário então se ramifica baseado na necessidade de processar o “link principal”:

• Sem link: Processa diretamente o texto da mensagem
• Com link: Analisa o conteúdo da página web primeiro

Organizando o Workflow com Subcenários

O Poder dos Subcenários

Uma das técnicas mais importantes que aprendi foi usar subcenários para eliminar duplicação. O salvamento na base de conhecimento é tratado em um módulo dedicado chamado “Call a subscenario”.

“Using subscenarios helps eliminate duplicate modules, thereby reducing the extra effort and the risk of errors when updates are made.” – Alexey Evdokimov

Isso significa que, independentemente do tipo de conteúdo processado, todos terminam chamando o mesmo subcenário para salvar os dados. Essa abordagem:

• Reduz o esforço de manutenção
• Minimiza o risco de erros
• Facilita atualizações futuras
• Mantém o código organizado

Variáveis Essenciais para Eficiência

Para evitar duplicação de texto entre módulos, defino várias variáveis importantes:

Prompt – As instruções principais da maioria dos prompts. Inclui seções como “Your task”, “Actions” e “Output format”.

Topics – As categorias disponíveis para classificação do conteúdo.

Input – Necessária especialmente para posts do Telegram que contêm imagens.

Source – Crucial para diferenciar suas notas pessoais de posts externos.

Processando Diferentes Tipos de Páginas Web

Três Ramificações Principais

O cenário se divide em três branches, cada uma lidando com um tipo diferente de página web:

1. Páginas web tradicionais (renderização server-side)
2. Páginas CSR (renderização client-side, como ChatGPT)
3. Documentos especiais (Google Docs, YouTube)

Todas as ramificações terminam chamando o mesmo subcenário, precedido por um módulo que envia uma solicitação para Gemini AI. Cada branch também contém módulos de mensagens do Telegram como manipuladores de erro.

Páginas Web Tradicionais

A forma mais fácil de analisar uma página web tradicional é:

1. Enviar uma requisição HTTP ao site
2. Converter a resposta HTML em texto simples usando o Text Parser do Make
3. Processar o texto com IA

O prompt usado inclui uma instrução importante:

“The %Input% has already been stripped of HTML markup but may still contain irrelevant elements, such as website layout or navigation, before and after the main content. Before executing %Actions%, identify where the main content starts and ends, and process only the main content.” – Alexey Evdokimov

Páginas CSR (Client-Side Rendering)

Para links compartilhados do ChatGPT e outras páginas CSR, o parsing direto não funciona. A solução é usar serviços especializados que emulam um navegador:

ScrapeNinja é o serviço que uso para isso. Ele:

• Emula um navegador real
• Espera o conteúdo carregar completamente
• Retorna o texto extraído via API

Para extrair o texto, o ScrapeNinja requer um ‘extractor’ – um snippet JavaScript que interage com Cheerio:

function extract(html, cheerio) { 
  const $ = cheerio.load(html); 
  const elements = $('div, p'); 
  const texts = elements.map((i, el) => $(el).text().trim()).get(); 
  return texts.filter(Boolean).join('\n'); 
}

Processando Google Docs

O Google Docs tem integração perfeita com o Gemini, permitindo organizar conversas exportadas em pastas no Google Drive, mantendo a formatação original.

A abordagem mais simples é usar o módulo Google Docs / Get Content of a Document. Diferente da conexão com Google Drive, a conexão com Google Docs não requer configurações complicadas.

O único desafio menor é extrair o Document ID (uma string sem barras) da URL do documento.

Para documentos com estrutura complexa, você pode usar uma combinação de dois módulos:

1. Download a Document (formato HTML)
2. HTML to Markdown para melhorar os resultados da IA

Transcrevendo Vídeos do YouTube Automaticamente

O Desafio das Transcrições

A extração de texto de vídeos do YouTube é um grande ganho de tempo. Uso principalmente estas plataformas:

• aistudio.google.com (gratuito)
• perplexity.ai (requer assinatura Pro)

Mas o que fazer quando você quer automatizar completamente o processo?

Solução com Supadata.ai

A API própria do YouTube só fornece acesso a legendas para vídeos que você mesmo enviou. Serviços como apify.com e 0codekit.com conseguiam extrair URLs temporárias de legendas, mas o YouTube bloqueou esse método.

Para contornar isso, uso um serviço menos conhecido chamado Supadata.ai:

• Fornece 100 requisições gratuitas por mês
• Você simplesmente passa a URL do vídeo
• Retorna uma transcrição palavra por palavra, sem timestamps

“To work around this, I used a lesser-known service called Supadata.ai, which provides 100 free requests per month. You simply pass in the video URL, and it returns a word-for-word transcript — without any timestamps.” – Alexey Evdokimov

Otimizações e Melhorias Futuras

Melhorias Possíveis

O sistema básico pode ser aprimorado de várias formas:

Edição via Messenger – Permitir editar entradas existentes diretamente pelo Telegram.

Auto-treinamento – Treinar automaticamente o classificador e gerador de títulos baseado no seu histórico.

Busca Semântica – Implementar busca inteligente na base de conhecimento.

Respostas Baseadas em IA – Criar um chatbot que responde perguntas baseado no seu conhecimento acumulado.

Considerações de Custo

Com o plano gratuito do Make.com (1.000 operações/mês), você pode processar aproximadamente:

• 30-50 entradas por mês (dependendo da complexidade)
• Ideal para uso pessoal moderado
• Upgrade necessário para uso intensivo

Implementação Prática: Começando Hoje

Passo a Passo Inicial

1. Crie sua conta no Make.com e configure o webhook do Telegram
2. Configure o Google Sheets como sua base de conhecimento inicial
3. Defina suas categorias principais de conteúdo
4. Configure o Gemini 2.0 Flash para classificação
5. Teste com conteúdo simples antes de expandir

Estrutura Recomendada do Google Sheets

Prompts Essenciais

Para o módulo de classificação inicial, use este template:

Analise o conteúdo fornecido e:
1. Gere um título descritivo (máximo 60 caracteres)
2. Crie um resumo conciso (máximo 200 palavras)
3. Classifique em uma das categorias: [suas categorias]
4. Gere 3-5 tags relevantes

Formato de saída:
Título: [título]
Resumo: [resumo]
Categoria: [categoria]
Tags: [tag1, tag2, tag3]

Conclusão: Transforme Sua Forma de Organizar Conhecimento

Construir uma base de conhecimento pessoal automatizada não é apenas sobre tecnologia – é sobre transformar a forma como você consome e organiza informações.

Este sistema que compartilhei resolve três problemas fundamentais:

1. Eliminação do atrito para salvar conteúdo interessante
2. Organização automática usando IA
3. Recuperação eficiente de informações quando você precisar

A beleza das ferramentas no-code é que você não precisa ser um programador para criar soluções poderosas. Com Make.com, Telegram e algumas APIs inteligentes, você pode construir um sistema que rivals soluções enterprise.

Lembre-se: comece simples. Configure primeiro o fluxo básico de Telegram para Google Sheets, depois vá adicionando complexidade gradualmente.

Sua futura versão agradecerá por ter começado a organizar seu conhecimento de forma inteligente hoje.

Pronto para começar? Configure seu primeiro cenário no Make.com agora mesmo e dê o primeiro passo rumo a uma base de conhecimento verdadeiramente organizada e automatizada.

Fonte: Alexey Evdokimov. “How to Build Your Own No-Code AI Tool to Grow Your Knowledge Base”. Disponível em: https://www.example.com/how-to-build-your-own-no-code-ai-tool.