4 na Linggo Na: Pagbuo ng 10-Agent Marketing Platform Habang Natutulog

UPDATE (Nobyembre 2025): Live na ang STRATUM! Ang nagsimula bilang "4-week speed run" ay naging isang buong 9-agent marketing intelligence application. Basahin ang buong launch story: STRATUM: Ang 9-Agent Marketing Application na Binuo Ko sa 75 Araw

Subukan ngayon: sa stratum.chandlernguyen.com (Private Alpha - invitation-only access)

Anim na araw. Ganoon katagal ang hinintay ko pagkatapos i-launch ang DIALOGUE bago simulan ang susunod kong proyekto.

Maaaring iniisip mong "hindi ba dapat, ewan ko, i-market mo ang podcast generator mo? Kumuha ng users? Ayusin ang mga bugs?" At absolutamente tama ka. Pero ito ang bagay — gusto kong makita kung gaano kalayo at gaano kabilis ang kayang itulak ko sa mga bagong AI tools. Tawag mo na speed run, tawag mo na overambition, tawag mo na ang nangyayari kapag ang Claude Code at Gemini 2.5 Pro ay ginawang masaya ulit ang pag-build.

Ang Timeline na Hindi Dapat Posible

Hayaan mong ilagay ko ito sa perspektiba:

- DIALOGUE: 6-7 buwan mula sa unang linya ng code hanggang launch

- Marketing Suite: 4 na linggo pa lang, mayroon nang 3 working AI agents na nag-uusap sa isa't isa

Kapag tiningnan ang git history, sa katapusan ng unang araw, mayroon na akong:

- Multi-tenant architecture na may organization → client → campaign hierarchy

- Initial React frontend na may authentication

- Isang gumaganang Business Strategy Agent gamit ang 11 iba't ibang frameworks, sakop ang iba't ibang rehiyon. Ang mga framework na ito ay ginagamit ng mga nangungunang global/regional consultancy firms. Halimbawa:

- Supabase integration na may Row Level Security

Mas marami ito sa nagawa ko sa unang buwan ng pagbuo ng DIALOGUE.

Ang mga Numerong Nagpapapatuloy sa Akin

Ilang mabilis na metrics mula sa nakalipas na 4 na linggo:

- Mga feature na na-ship: 3 kumpletong agents + multi-tenant architecture

- Mga linya ng code: ~117,000 (Python: 39k, TypeScript: 58k, SQL: 20k, Javascript: ang natira)

- Mga database tables: 39 (bawat isa ay may tiyak na layunin - dagdag pa tungkol dito sa susunod)

- Mga git commits: 232 (sa loob ng mga 26 araw)

- Kape na ininom: Huwag na itanong

Bakit ang Proyektong Ito ay Talagang 10x Mas Mahirap

Complex ang DIALOGUE, oo. AWS Lambda functions, Step Functions, sa huli ay paglipat ng lahat sa Google Cloud Run. Pero fundamentally, isa itong single-purpose tool: gumawa ng mga podcast. Isang uri ng user. Isang workflow. Isang happy path.

Itong Marketing Suite? Hayaan mong ipakita sa iyo kung ano ang ibig kong sabihin:

Isang Tunay na Scenario: Isang agency ang nagma-manage ng Nike at Adidas (hypothetically). Ang strategist ng agency ay gumagamit ng Business Strategy Agent para suriin ang posisyon ng Nike. Ang analysis na iyon ay awtomatikong nagse-save sa strategy_outputs table. Kapag lumipat sila sa Persona Agent, kinukuha nito ang strategy ng Nike para ipagbigay-alam sa persona development — pero HINDI nila makikita ang data ng Adidas. Samantala, ang brand guidelines ng Nike sa brand_guidelines table ay umaabot pababa sa Content Agent, na tinitiyak na bawat piraso ng content ay gumagamit ng boses ng Nike, hindi ng Adidas.

Nangangailangan ito ng:

- organizations table na may SME vs AGENCY types

- clients table (para lang sa mga agencies)

- campaigns na may foreign keys sa pareho ng org AT client

- strategy_outputs na may campaign-level isolation

- brand_guidelines na may hierarchical inheritance

- Row Level Security policies sa bawat table

Iyon lang isang workflow. Ngayon i-multiply mo iyon ng 10 agents, bawat isa ay may sariling data requirements.

Ano ang Talagang Gumagana (At Ano ang Kaguluhan Pa Rin)

Gumagana (Ang 3 Live Agents + Business Intelligence)

Business Strategy Agent: Hindi ito ang typical na SWOT generator. Nag-a-apply ito ng 11 komprehensibong frameworks:

- SWOT Analysis

- Porter's Five Forces (Competitive rivalry, Supplier power, Buyer power, Threat of substitution, Threat of new entry)

- Business Model Canvas (9 building blocks ng business design)

- ICE Prioritization (Impact, Confidence, Ease scoring)

- BCG Growth-Share Matrix (Stars, Cash Cows, Question Marks, Dogs)

- VRIO Framework (Value, Rarity, Imitability, Organization)

- Three Horizons Model (Current core, Emerging opportunities, Future bets)

- Blue Ocean Strategy (Eliminate, Reduce, Raise, Create grid)

- McKinsey 7S Framework (Strategy, Structure, Systems, Shared Values, Skills, Style, Staff)

- OKRs Framework (Objectives and Key Results)

- Jobs to Be Done (Customer jobs, Pains, Gains)

Bawat framework ay gumagawa ng structured data na nagpapakain sa ibang agents. Kapag nag-run ka ng SWOT analysis, ang "Opportunities" ay awtomatikong nag-iinform sa growth tactics ng Marketing Strategy Agent.

Persona Agent: Gumagawa ng detalyadong customer personas na may 15+ attributes AT — ito ang nakakakilig — maaari mong i-interview sila. Aktwal na usapan:

You: "Ano ang pinakanakaka-frustrate sa iyo tungkol sa kasalukuyang project management tools?"

Persona (Tech Startup Founder): "Ang patuloy na context switching. Kailangan kong tingnan ang Slack, tapos Asana, tapos ang aming analytics dashboard. Sa oras na malaman ko kung ano ang kailangang bigyang pansin, nawala na ang 30 minuto."

Bawat interview response ay nagiging mas matalino dahil hinihila nito mula sa persona_interactions history. Gumagastos ang mga users ng 20-30 minuto sa mga interview na ito. Sinabi ng isang user na "Parang focus groups pero instant at talagang kapaki-pakinabang."

Marketing Strategy Agent: Ito ang tulay. Kinukuha nito ang iyong business strategy, iniintindi ang iyong mga personas, at gumagawa ng actionable na go-to-market plans. Hindi lang nito sinasabing "gumamit ng social media" — nagma-map ito ng specific na personas sa specific na channels na may specific na messaging. Zero-budget tactics para sa bootstrapped na startups. 70-20-10 budget allocation para sa SMEs. Multi-channel orchestration para sa enterprises.

Business Intelligence (Ang Hidden Hero): Bawat pag-uusap sa kahit anong agent ay awtomatikong nag-e-extract ng insights at nagbubuo ng organizational knowledge. Kausapin ang Strategy Agent tungkol sa pagpasok sa European market? Sine-save ang insight na iyon sa ai_insights table. Sa susunod na linggo kapag gumagamit ka ng Content Agent, alam na nito ang iyong European expansion plans. Walang paulit-ulit na pagpapaliwanag. Walang nawawalang context.

Binubuo Pa (Ang Susunod na 7 Agents)

Campaign Execution Agent: Dito nagsisimulang maging nakakatakot. Paano mo ligtas na ii-store ang mga API keys para sa Google Ads, Meta, LinkedIn, TikTok? Ang kasalukuyang plano ay gumagamit ng encrypted storage sa platform_credentials table na may audit logs para sa bawat API call. Pero ang permission model ay nagpapagising sa akin sa gabi.

Analytics Agent: Aling mga APIs ang i-integrate muna? Google Analytics 4? Meta ads? LinkedIn Analytics? Ang hamon ay hindi lang pagkuha ng data — ang pag-normalize nito sa mga platform para talagang maihahambing mo ang magkakatulad.

ROI & Budget Agent: Real-time tracking sa maraming platform na may iba't ibang attribution models. Paano mo ire-reconcile ang data-driven attribution ng Google sa modelo ng Meta? Ini-figure out pa rin ito.

Ang Iba Pang 4 na Agents: Quick Wins (paghahanap ng agarang pagkakataon), Competitive Intelligence (etikal na competitor analysis), Client Success (retention strategies), at Content Agent (na talagang gumagana na pero kailangang i-polish).

Ang Mahihirap na Tanong na Nagpapagising sa Akin

- Brand name: ano ang dapat kong itawag sa application na ito? :P Kung may magandang mga suhestiyon ka, ipaalam mo sa ibaba!

- API Security: Paano mo hinahandle ang mga API keys para sa maraming ad platforms nang hindi nagiging security nightmare?

- Cohesive Experience: Paano mo ginagawang pakiramdam ng 10 specialized agents na isang unified platform sa halip na 10 magkakaibang tools na nilagyan ng duct tape

- at marami pa :)

Ang Ebolusyon ng Architecture: Natututo Mula sa Sakit

Sa DIALOGUE, natutuhan ko nang mahirap ang tungkol sa race conditions. Naaalala mo yung 3-minute signup bug? Naghihintay ang mga bagong users habambuhay dahil nagkakarera ang auth trigger at Edge Function na gumawa ng parehong user record.

Sa pagkakataong ito, binuo ko itong tama mula sa unang araw. Narito ang isang aktwal na halimbawa mula ilang araw na ang nakakaraan:

Ang Problema: Kailangan ng Marketing Strategy Agent na malaman kung anong mga personas ang umiiral, kung anong mga strategies ang nagawa na, at kung anong brand guidelines ang susundin — lahat habang pinapanatili ang kumpletong data isolation.

Ang Solusyon: Sa halip na bawat agent ay mag-query ng maraming tables (mabagal, complex, error-prone), gumawa ako ng Enterprise Context Service na nagsisilbing iisang source of truth:

// Before: Each agent making multiple queries
  const personas = await supabase.from('personas').select()
  const strategies = await supabase.from('strategies').select()
  const guidelines = await supabase.from('brand_guidelines').select()

  // After: One intelligent service
  const context = await getEnterpriseContext(campaignId)
  // Returns filtered, cached, properly-scoped data in 45ms

Ang resulta? Ang Content Agent ay agad na maa-access ang brand voice guidelines, makikita kung aling mga personas ang isusulatan, at maiintindihan ang marketing strategy — lahat sa isang tawag na nirerespeto ang data boundaries.

Tunay ang Pagkakaiba sa Bilis

Ang September 14 ay sobrang intense. Tingnan ang aktwal na git log na may timestamps:

08:04 AM - Migrated frontend to standardized API client
08:19 AM - Completed API standardization (100% coverage)
11:34 AM - Phase 1: Centralized route configuration
            (no more hardcoded URLs anywhere)
1:00 PM  - Phase 2: Standardized all 10 agent pages
            (consistent URL patterns like /agents/strategy/:campaignId)
1:10 PM  - Phase 3.1: Core context management
            (workspace → client → campaign hierarchy in URLs)
4:31 PM  - Phase 3.2: Navigation components became context-aware
            (breadcrumbs show "Nike › Summer Campaign › Strategy Agent")
4:38 PM  - Phase 3.3: All agents integrated with context system
            (switching campaigns preserves your place)
5:03 PM  - Phase 3.4: Testing & Polish
            (92% bundle size reduction through code splitting)

Anim na major architectural improvements. Ang URL system lang ay umapekto sa 40+ files sa buong codebase. Bago ang AI assistance, ito ay magiging week-long na refactor na may malamang ilang sirang features.

At hindi ako talagang nasa harap ng computer karamihan ng oras :D

Linggo kasi kaya nagsimba kami, nag-grocery, nag-full lunch na may seafood, natulog ng tanghali, pumunta sa Costco at naglaro ng games sa iPad ko. Posible ito dahil sa AI assisted coding. Salamat kay Claude Code at Gemini CLI! Narito kung ano ang ibig sabihin ng URL standardization na iyon para sa mga users:

// Before: Lost context when switching between agents
  "/strategy" // Which campaign? Which client? Who knows?

  // After: Context preserved in URL
  "/workspace/nike/campaign/summer-2025/agents/strategy"
  // Bookmark it, share it, refresh it - context stays intact

Bakit Gawin Ito Habang Kakalaungan ng DIALOGUE?

Dahil kaya ko. Dahil ganoon na kaganda ang mga tools. Dahil pagkatapos ng 20+ taon sa advertising, sa wakas ay may mga kakayahan na akong gawin ang marketing platform na lagi kong gusto gamitin.

Pero higit sa lahat? Dahil gusto kong i-document kung ano ang posible kapag pinagsama mo ang domain expertise sa mga modernong AI tools. Hindi ito tungkol sa pagpapalit ng mga developers — ito ay tungkol sa pag-amplify sa kanila. Apat na linggo na ang nakakaraan, ang pagbuo ng isang bagay na ganito ka-complex ay mangangailangan ng isang team. Ngayon kailangan lang nito ng determinasyon, magagandang AI assistants, at isang mapanganib na dami ng kape. (Kahit na gaya ng natuklasan ko nang maglaon noong gumawa ng native iOS app nang hindi marunong ng Swift, ang AI ay dinadala ka sa mga 60% ng daan — ang huling 40% ng taste at polish ay purely human pa rin.)

Ano ang Susunod?

Target ko ang alpha launch sa Oktubre/Nobyembre. Narito ang kailangang mangyari:

- Tapusin ang natitirang 7 agents

- Buuin ang campaign planning interface

- Alamin ang ad platform integration security

- Tiyakin na sensible ang agency UI/flow

- I-test ang lahat sa mga aktwal na users (nakakatakot)

Ang Analytics Agent lang ay kailangang mag-aggregate ng data mula sa Google Analytics, ad platforms, at internal metrics sa unified dashboards. Ang ROI Agent ay nangangailangan ng near real-time budget tracking sa maraming platform.

Bawat isa ay isang proyekto na sa sarili. Pero sa ganitong bilis? Talagang parang posible???

Gusto mong sumunod? Magbabahagi pa ako ng mga updates habang nagbubuo.

Ang pag-build in public ay nangangahulugan ng pagbabahagi ng kaguluhan kasama ang mga tagumpay. Sa ngayon, halos puro kaguluhan. Pero produktibong kaguluhan iyon, at iyon ang mahalaga.

Bumalik ka sa isang buwan. Kung magiging maayos ang lahat, makakasubukan ka ng marketing platform na may mga AI agent na ginagawa ang trabaho ng isang buong marketing department. Kung hindi — well, kahit man lang ang mga blog posts ay entertaining. :P