Een populaire video kan duizenden reacties hebben, en het nuttige signaal, wat mensen geweldig vonden of waar ze vastliepen, verdrinkt in de ruis. Deze automatisering leest de hele commentaarsectie voor je.
sonnet3 dagenYouTube Data APIOpenAIPostgresSlack
Claude
76ROI
73Scale
$2.1k92Saved
ROI for
README.md
Waarom deze subagent
Een populaire video kan duizenden reacties hebben, en het nuttige signaal, wat mensen geweldig vonden of waar ze vastliepen, verdrinkt in de ruis. Deze automatisering leest de hele commentaarsectie voor je.
Hij groepeert reacties in thema's, telt er elk, en haalt echte citaten op zodat je de werkelijke woorden ziet. Makers leren wat ze hierna moeten maken; teams leren welke klacht zich blijft herhalen, zonder de thread met de hand door te scrollen.
Hoe hij werkt
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.
Cluster ze in thema's zoals lof, verwarring, verzoeken en klachten.
pending
Tel hoeveel reacties onder elk thema vallen en haal representatieve citaten op.
pending
Geef een samenvatting terug met de luidste thema's en de exacte reacties erachter.
pending
Voorbeelduitvoer
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.