СТАТТЯ

ChatGPT не bulk-native: де зупинити UI, а bulk-каталог у Bubble запустити через API і batch

Віталій Дорошенко Опубліковано

ChatGPT зручний для розвідки й one-off QA, але не для сотень SKU. Для Bubble-каталогу — API Connector, OpenAI Batch або аналог з row-шаблонами, chunking у Data API та job/polling замість copy-paste з чату.

Коротко

Я колись намагався протягнути сотні SKU через ChatGPT — і швидко вперся в межу продукту. Digest і публічна документація OpenAI/Bubble сходяться: ChatGPT — інтерактивний consumer-продукт, а не рушій масового ETL по рядках таблиці. Для мене як Bubble-розробника це не «ChatGPT vs API», а де провести межу: exploration у чаті, production bulk — у workflow + HTTP batch.

BIAIG у brief — позиціонування «від рядка таблиці до batch-job» для Bubble builders. Публічно на biaig.com (станом на жовтень 2026) лише «Launching Soon»; перевірених POST /v1/batches + SKU-шаблонів для «BIAIG» у відкритих джерелах немає. Нижче — патерн, який я збираю в Bubble сьогодні, з OpenAI Batch API та BulkImagen як цитованими аналогами (third-party для останнього). Про це окремо: Стелю ~500 рядків у bulk-tools.

Що лишається в ChatGPT (і чому цього достатньо)

Exploration і один-off:

  • перевірити prompt для одного SKU (стиль, фон, заборони в тексті);
  • швидко порівняти 2–3 варіанти перед фіксацією шаблону;
  • зрозуміти, чи взагалі потрібна генерація, чи достатньо наявних assetів.

Саме так я фіксую шаблон — один SKU, кілька ітерацій. Далі в чат не лізу.

Hard limits UI (Help Center):

  • upload rate caps (наприклад, до ~80 файлів / 3 год на paid; Free — 3 uploads/day);
  • окремі ліміти Library/storage за планом;
  • правила upload для ChatGPT ≠ правила Files/API — те, що «працює в чаті», не масштабується на programmatic pipeline.

Shopping / Try on — інша поверхня. ChatGPT підтримує consumer shopping discovery і virtual try-on на eligible listings; merchants підключають product feeds (SFTP/API/платформи), а не bulk-paste SKU оператором у чаті (merchants, shopping help). Це не заміна Bubble як system of record і не bulk-генератор assetів для вашого каталогу. Про це окремо: ChatGPT virtual try-on і shopping.

Межа продукту: як тільки з’являється «таблиця з N рядків», job ID, retry і збереження файлів — ви вже не в ChatGPT UI.

Що обов’язково поза ChatGPT: batch + Bubble backend

1. OpenAI Batch API (офіційний bulk для API)

  • Вхід: JSONL → POST /v1/batches (Batch guide).
  • Масштаб: до 50 000 requests, файл до 200 MB; async, ціль ~24 год, без streaming; окремі batch rate limits (FAQ).
  • Endpoints у batch включають /v1/chat/completions і /v1/images/generations — релевантно для product imagery.
  • У production: custom_id на рядок/SKU, polling статусу, обробка error_file_id, idempotent retry — не транскрипт чату.

2. Bubble: API Connector ≠ batch runner

API Connector — outbound HTTP (action/data source) на виклик, без документованої нативної оркестрації OpenAI-style batch.

Типовий патерн для каталогу:

Шар Роль
Job record у Bubble batch_id, status, chunk, помилки
API Connector submit batch, poll GET status, завантажити output (з урахуванням 50 MB response limit — hard limits)
Schedule API workflow on a list до 100 000 scheduled workflows — fan-out по SKU/chunk
Data API bulk POST до 1 000 records/request, ~4 хв timeout (Data API)
Зовнішній worker/webhook (опційно) якщо polling + великі JSONL не вкладаються в WU/timeout

Bulk PATCH: офіційного bulk PATCH у Data API немає; community pattern — scheduled workflow на списку (forum). Плануйте оновлення полів (image_url, generation_status) через той самий механізм.

3. Row/SKU-шаблони (замість «каталог на copy-paste»)

Один рядок = один logical request:

  • стабільний SKU id → custom_id у JSONL;
  • prompt template з плейсхолдерами ({{title}}, {{color}}, {{category}}) — як у spreadsheet-actors (Apify приклад);
  • після completion — download + persist (S3/Bubble file); URL з sync/batch generation часто тимчасові — hotlink у каталозі ризикований.

Third-party аналог batch+sheet: BulkImagen POST https://bulkimagen.com/api/v1/batches, poll GET /v1/batches/{id} (docs) — той самий mental model, інший biller/ToS.

Практичний workflow для Bubble builder

  1. ChatGPT: один SKU → зафіксувати template + negative constraints.
  2. Експорт рядків з Bubble (CSV/API) → JSONL або batch-сервіс.
  3. Submit job (OpenAI Batch або обраний provider).
  4. Poll + map results по custom_id → chunk ≤1000 у Data API bulk create/update через scheduled workflows.
  5. QA slice: 5–10 рядків у UI перед повним прогоном; окремо — SLA: чи прийнятні ~24h batch vs sync/chunked.

Yield/retry: failed rows з error file → повтор лише для custom_id, без дублювання успішних assetів.

Чого не робити

  • Не будувати «bulk-каталог», копіюючи hundreds prompts/відповідей з ChatGPT — я пробував, масштаб не тримається.
  • Не плутати try-on/shopping UI з feed-based merchant ops або з bulk-генерацією для Bubble.
  • Не тримати production PII/каталог у consumer ChatGPT, якщо production path — API + Bubble backend (різні privacy posture).
  • Не описувати BIAIG як живий публічний API, доки немає spec (base URL, auth, schema) — використовуйте OpenAI Batch + BulkImagen як перевірені референси, а BIAIG — як цільову архітектуру «row → job → Bubble».

Джерела (межі статті)

OpenAI: upload limits ChatGPT vs API, Library storage, Batch API, Batch FAQ, shopping. Bubble: API Connector, Data API bulk, hard limits. Аналоги: BulkImagen API, Apify catalog example. BIAIG: biaig.com — placeholder, API не верифіковано. Поруч із цим: Meta Muse Image на fal.

Схожі статті

← Усі статті