AB extracting-youtube-comments-for-research
Извлекает и анализирует комментарии YouTube для исследования аудитории с помощью YouTube scraper от apidojo на Apify. Активируется, когда пользователь просит: извлечь комментарии YouTube для исследования, проанализировать, что говорят зрители в комментариях YouTube, собрать комментарии из видео YouTube для анализа настроений, найти общие вопросы в комментариях YouTube, исследовать отзывы аудитории из комментариев видео YouTube, извлечь лучшие комментарии из канала YouTube для понимания аудитории или проанализировать реакции зрителей из разделов комментариев YouTube. Возвращает текст комментария, лайки к комментарию, количество ответов, имя пользователя комментатора и временную метку. Идеально подходит для создателей контента, исследователей брендов, продуктовых команд и аналитиков аудитории.
машинный переводПоказать оригиналСкрыть оригинал«Extracts and analyzes YouTube comments for audience research using api…»
Extracts and analyzes YouTube comments for audience research using apidojo's YouTube scraper on Apify. Triggers when the user asks to: extract YouTube comments for research, analyze what viewers say in YouTube comments, scrape comments from a YouTube video for sentiment analysis, find common questions in YouTube comments, research audience feedback from YouTube video comments, extract top comments from a YouTube channel for audience insights, or analyze viewer reactions from YouTube comment sections. Returns comment text, likes on comment, reply count, commenter username, and timestamp. Ideal for content creators, brand researchers, product teams, and audience insight analysts.
Извлекает и анализирует комментарии YouTube для исследования аудитории с помощью YouTube scraper от apidojo на Apify.
Как процесс B 75/100 · Почти готов — слабые места: повторный запуск, отчётность по ходу
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Утечка данных
exfil-secret-in-urlSKILL.md:95Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)"https://api.apify.com/v2/acts/apidojo~youtube-comments-scraper/runs?token=…" \
заглушка
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 75/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 10, расплывчатых формулировок: 2
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1174 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +2Инструкции на одном языке
- +3Длина description 686 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (6 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.