This is a submission for the GitHub Copilot CLI Challenge
What I Built
autopilot-ctrl es una herramienta de línea de comandos que audita contenido de redes sociales generado por IA antes de publicarlo. Piénsalo como un "quality gate" para tu pipeline de contenido.
El Problema
Mi blog tiene un sistema de autopilot que genera automáticamente posts para Twitter, LinkedIn y Newsletter cada vez que publico un artículo. Funciona genial... la mayoría del tiempo. Pero a veces la IA produce:
- 🐦 Tweets genéricos sin gancho
- 💼 Posts de LinkedIn sin estructura
- 📧 Newsletters que revelan demasiado (o muy poco)
Necesitaba una forma de evaluar la calidad ANTES de publicar y, si algo no pasaba el corte, mejorarlo automáticamente.
La Solución
autopilot-ctrl usa GitHub Copilot CLI para:
- Auditar contenido contra criterios específicos por plataforma
- Asignar un score de calidad (0-10)
- Identificar problemas específicos
- Generar versiones mejoradas del contenido que falla
📊 Audit Results
┌─────────────┬─────────┬───────────┬─────────────────────────────────────────┐
│ Platform │ Score │ Status │ Issues │
├─────────────┼─────────┼───────────┼─────────────────────────────────────────┤
│ Twitter │ 3.0/10 │ [XX] FAIL │ No hook, missing hashtags │
│ Linkedin │ 7.0/10 │ [OK] PASS │ - │
│ Newsletter │ 8.0/10 │ [OK] PASS │ - │
└─────────────┴─────────┴───────────┴─────────────────────────────────────────┘
Demo
Comandos disponibles:
# Verificar que Copilot CLI está instalado
python -m ctrl check
# Auditar contenido
python -m ctrl audit content.json
# Arreglar contenido que falla
python -m ctrl fix content.json --apply
Screenshots del flujo:
Código fuente: github.com/Dalaez/datalaria/autopilot/ctrl
My Experience with GitHub Copilot CLI
🚀 Cómo Usé Copilot CLI
La magia de autopilot-ctrl está en cómo integra Copilot CLI en modo no interactivo:
# auditor.py
result = subprocess.run(
['copilot', '-s', '--no-ask-user', '-p', prompt],
capture_output=True,
text=True,
timeout=60,
encoding='utf-8'
)
Cada auditoría envía un prompt estructurado a Copilot CLI y parsea la respuesta natural para extraer:
- Score numérico (ej: "Rating: 7/10")
- Lista de issues (ej: "No engagement", "Generic hook")
- Sugerencias de mejora
💡 Lo Que Aprendí
-
El orden de las flags importa:
-pDEBE ser el último argumento - Prompts simples funcionan mejor: Los prompts largos y estructurados en modo no interactivo devuelven respuestas vacías
- Copilot responde en lenguaje natural: Tuve que crear parsers flexibles para extraer datos de respuestas como "Rating: 7/10"
⚡ El Impacto en Mi Workflow
Antes de autopilot-ctrl, revisaba manualmente cada post generado. Ahora:
-
git push→ Autopilot genera contenido -
python -m ctrl audit generated_content.json→ Copilot evalúa - Si algo falla →
python -m ctrl fixgenera mejoras - Contenido aprobado → Se publica automáticamente
Tiempo ahorrado: ~15 minutos por publicación.
🛠️ Stack Técnico
- Python + Click: Framework CLI
- Rich: UI de terminal con tablas y colores
- GitHub Copilot CLI: Motor de evaluación IA
- YAML configs: Prompts personalizables por plataforma
Conclusión
autopilot-ctrl demuestra que GitHub Copilot CLI no es solo para generar código. Es una herramienta poderosa para integrar IA en cualquier pipeline - en este caso, evaluación de calidad de contenido.
Si tienes un sistema que genera contenido automáticamente, considera añadir un "quality gate" con Copilot CLI. Tu audiencia (y tus métricas de engagement) te lo agradecerán.
¿Preguntas? Déjalas en los comentarios 👇
Este post es parte de la serie Proyecto Autopilot, donde documento cómo automatizo la creación y publicación de contenido usando IA.





Top comments (0)