En populær video kan have tusindvis af kommentarer, og det nyttige signal – hvad folk elskede eller gik i stå på – drukner i støj. Den her automatisering læser hele kommentarfeltet for dig.
sonnet3 dageYouTube Data APIOpenAIPostgresSlack
Claude
76ROI
73Scale
$2.1k92Saved
ROI for
README.md
Hvorfor denne subagent
En populær video kan have tusindvis af kommentarer, og det nyttige signal – hvad folk elskede eller gik i stå på – drukner i støj. Den her automatisering læser hele kommentarfeltet for dig.
Den grupperer kommentarerne i temaer, tæller hvert enkelt og trækker ægte citater, så du ser de faktiske ord. Skabere finder ud af, hvad de skal lave næste gang; teams finder ud af, hvilken klage der bliver ved med at gentage sig – uden at scrolle tråden igennem i hånden.
Sådan kører den
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Klyng dem ind under temaer såsom ros, forvirring, forespørgsler og klager.
pending
Tæl, hvor mange kommentarer der falder under hvert tema, og hæv repræsentative citater.
pending
Returner et overblik over de mest dominerende temaer med de konkrete kommentarer bag dem.
pending
Eksempel på output
json
// Sample output
// (generated when the pipeline finishes)
Cluster the video comments into themes and return each theme with a count, sentiment, and three verbatim example comments.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.