[verdetto][prompt generato][fonte: scalenut.com]
Posso vibecodare Scalenut?
// si costruisce in un weekend, ma restano buchi veri
Fare ricerca su un argomento, costruire un brief e scrivere seguendo i concetti selezionati dalla SERP si costruisce, ma un sostituto su cui contare è un progetto da un weekend o più giorni. Il limite di Scalenut sono i dataset SEO e il clustering degli argomenti che ci gira sopra.
confidenza: media
cos’è: Fai ricerca su un argomento, costruisci un brief di contenuto e scrivi seguendo i concetti selezionati dalla SERP
Indice di costruibilità · gioco editoriale
- Prezzo 49 $/mese peso: più 3
- Tempo più giorni peso: più 1
- Categoria scrittura con ai non pesa
- Moat dati proprietari · qualità di esecuzione peso: meno 3
- Confidenza media peso: zero
- Cosa perdi 5 voci peso: meno 2
- Sito scalenut.com (si apre in una nuova scheda) non pesa
Si pareggiano. È il caso in cui decide quanto ti sta antipatico l’abbonamento.
Gioco editoriale: il verdetto dice se un agente può, l’indice se conviene.
Cosa costruisci
Fare ricerca su un argomento, costruire un brief di contenuto, scrivere seguendo i concetti selezionati dalla SERP e le fonti fornite dall'utente, e tenere citazioni e revisioni agganciate a ciascuna sezione.
cosa ti serve
- una API key OpenAI
- Node.js 22
- un deploy locale o self-hosted
- fonti fornite dall'utente
Il confronto editoriale prende come riferimento il piano Essential e, come sostituto DIY, una postazione personale per i contenuti. Riverificare il prezzo prima del merge.
Il prompt
Un weekend con un agente di coding. I buchi che restano sono qui sotto, in «cosa perdi».
Build a personal replacement for Scalenut in an empty repository.
Use Next.js 15, TypeScript, Tailwind CSS, SQLite, Drizzle ORM, and the OpenAI Responses API; do not offer alternative stacks.
The core loop is: research a topic, build a content brief, draft against selected SERP concepts and user-supplied sources, and keep citations and revisions attached to each section.
Make the first run work locally with one documented command.
Store all user data locally by default and make export straightforward.
Put secrets in .env, ship .env.example, and never commit credentials.
Build a brief form with audience, objective, tone, source URLs, and prohibited claims.
Store imported source text locally and chunk it for retrieval with SQLite FTS5.
Generate an outline first and require approval before drafting sections.
Attach source references to generated paragraphs and flag unsupported claims.
Provide rewrite controls for shorten, clarify, change tone, and add evidence.
Export clean Markdown plus a JSON research bundle.
Include clear empty, loading, success, and recoverable error states.
Add input validation, safe filenames, and graceful handling of unavailable APIs.
Write focused tests for the core transformation and one end-to-end happy path.
Create a README with setup, architecture, permissions, data location, and backup steps.
Do not add accounts, billing, telemetry, analytics, or a hosted control plane.
Deliberately leave out live search-engine rank data.
Deliberately leave out automatic publishing to third-party CMSs.
Deliberately leave out multi-user approvals and brand governance.
Finish by running the tests and listing the exact commands used.Prompt generato dai dati della scheda, non ancora rivisto a mano. In inglese di proposito — è la lingua in cui gli agenti di coding rendono meglio.
Cosa perdi
- i dataset SEO, il clustering degli argomenti, l'automazione del workflow e le funzioni di team
- i dati proprietari sul posizionamento
- i modelli addestrati sul brand
- i workflow di team
- le grandi librerie di template
Perché pagano ancora
Si continua a pagare Scalenut perché l'abbonamento mette insieme un workflow rifinito, segnali proprietari, template e una qualità dell'output prevedibile per un team. Il costo ricorrente paga la manutenzione dei prompt, la qualità del retrieval, la gestione delle fonti, i cambi di provider e il QA editoriale, non solo l'interfaccia che si vede.
moat: Dati proprietari Qualità di esecuzione cos’è un moat
workflow, dati e messa a punto dei modelli
Chi l’ha già costruito
Partire da qui è vibecoding lo stesso: il prompt serve quando lo vuoi esattamente a modo tuo.
- Open WebUI (si apre in una nuova scheda) — Active open-source interface for local and API-backed language models with retrieval features.
Sei d’accordo?
La bilancia dei voti
Ancora nessun voto: il tuo è il primo.
Nessun voto ancora — il primo pesa.
