Ein beliebtes Video kann Tausende Kommentare haben, und das nützliche Signal, was Leute geliebt oder wo sie festgehangen haben, geht im Rauschen unter. Diese Automation liest den ganzen Kommentarbereich für Sie.
sonnet3 TageYouTube Data APIOpenAIPostgresSlack
Claude
76ROI
73Scale
$2.1k92Saved
ROI for
README.md
Warum dieser Subagent
Ein beliebtes Video kann Tausende Kommentare haben, und das nützliche Signal, was Leute geliebt oder wo sie festgehangen haben, geht im Rauschen unter. Diese Automation liest den ganzen Kommentarbereich für Sie.
Sie gruppiert Kommentare in Themen, zählt jedes und zieht echte Zitate, sodass Sie die tatsächlichen Worte sehen. Creator erfahren, was sie als Nächstes machen sollten; Teams erfahren, welche Beschwerde sich wiederholt, ohne den Thread von Hand zu durchscrollen.
So läuft er
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.
Sie in Themen wie Lob, Verwirrung, Wünsche und Beschwerden clustern.
pending
Zählen, wie viele Kommentare unter jedes Thema fallen, und repräsentative Zitate ziehen.
pending
Eine Zusammenfassung mit den lautesten Themen und den genauen Kommentaren dahinter zurückgeben.
pending
Beispiel-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.