Mindket

聊天里的智能体,告诉你 YouTube 上什么在流行

新上架第 1 版 · 更新于

概览

一个 n8n 聊天:你说出一个细分领域,智能体就搜索 YouTube 过去两天的视频,逐个查出播放、点赞和标签,再报告这些新视频有什么共同点。

聊天里的智能体,告诉你 YouTube 上什么在流行 是一款 n8n 工作流,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:导入文件,把查询视频用的密钥直接填进节点,代替那个变量
  • 你自己的 n8n 服务器:给 n8n 设置 GOOGLE_API_KEY,节点保持原样
  • n8n 的聊天:测试时用画布里的聊天。公开的聊天页面默认关闭,要在触发器里自己打开

平台

连接 2 个应用

运行方式

触发

聊天消息

你在 n8n 的聊天里发一条消息时开始运行:

  • 一个细分领域,比如你做的视频类型

动作

  1. 智能体先确认你说了领域,没说的话会列几个让你选
  2. 它用不同的搜索词调用 YouTube 搜索工具,最多三次
  3. 每次搜索取过去两天发布的视频,每次三条结果
  4. 逐个查出每条视频的播放、点赞、评论、标签和时长
  5. 3 分 30 秒及以下的视频被丢掉,其余的汇成一段文字
  6. 智能体读这段文字,写出这个领域在流行什么,并附上链接

结果

一份简短的报告,说明你的领域过去两天在流行什么,附播放、点赞和评论数,以及视频和频道的链接

集成

开始之前要准备好这些。

OpenAI

语言模型

运行规划搜索并写报告的智能体,节点默认的模型是 gpt-5-mini。

需要OpenAI API 密钥

YouTube

视频搜索和数据

搜索领域里的新视频,再逐个查出它的数据、标签和时长。

需要一个 YouTube OAuth2 凭据,以及用于查询视频的 YouTube Data API 密钥

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
11 个步骤,由其他工作流调用或由聊天消息启动
AI
1 个步骤调用 AI 模型:AI Agent
登录
需要登录:YouTube、OpenAI
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 9 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流是一个聊天,用来报告某个领域在 YouTube 上正在流行什么。你说出一个领域,一个 OpenAI 智能体会用不同的搜索词调用搜索工具,最多三次。工具搜索过去两天发布的视频,逐个查出它的数据和标签,并丢掉三分半钟及以下的视频。随后智能体描述这些新视频的共同点。文件里有十六个节点,其中两个是便签。Mindket 加了一个节点,让这个工具有个起点。

适合谁

想在策划视频之前快速了解自己领域的创作者、频道运营和内容营销人员。如果你要的是单条视频的排行榜,就别选它。智能体被要求描述整体情况,而不是评论某一条视频。

谁在用,怎么用
行业谁在用怎么用例子
视频创作个人 YouTuber选下一个选题之前,先问问自己的领域一个木工频道问小型工作坊的制作,看到一批新的夹具视频。
社交媒体代理公司内容策划每周策划会之前,先看客户所在的领域一家代理公司问素食备餐,把报告带到会上。
在线教育课程制作者录一节课之前,看学习者在看这项技能的什么内容一位 Python 老师问入门项目,看到哪些项目评论多。
品牌营销负责人发布前几天扫一遍某个话题一个咖啡器具品牌在新水壶上市前一周问手冲咖啡。

你需要懂一点 n8n,还要有一个 Google Cloud 项目:导入文件、建两个凭据、加一个密钥,再把工作流保存一次。

用在哪里

任何能访问 OpenAI 和 Google 的 YouTube API 的 n8n 都能运行它。查询视频那一步从环境变量里读密钥,n8n 的文档只在自托管 n8n 的部分介绍环境变量。

  • n8n Cloud:导入文件,把查询视频用的密钥直接填进节点,代替那个变量
  • 你自己的 n8n 服务器:给 n8n 设置 GOOGLE_API_KEY,节点保持原样
  • n8n 的聊天:测试时用画布里的聊天。公开的聊天页面默认关闭,要在触发器里自己打开

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。导入之后先保存一次工作流,因为工具要指向它。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
OpenAI一个 API 密钥,给智能体的模型用
Google Cloud开通 YouTube Data API,一个给搜索用的 OAuth2 凭据,一个给查询视频用的 API 密钥
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 保存,让这个工作流有自己的 ID。
  3. 在 youtube_search 里,从列表中选这同一个工作流。工具运行的是这个文件的下半部分。
  4. 添加一个 OpenAI 凭据,在 openai_llm 里选中它。
  5. 添加一个 YouTube OAuth2 凭据,在 get_videos1 里选中它。
  6. 给 find_video_data1 填上你的 YouTube Data API 密钥:给 n8n 设置 GOOGLE_API_KEY,或者把密钥直接填进节点,分享文件之前再删掉。
  7. 保存,打开画布里的聊天,说出一个领域。

如何使用

输入一个领域,比如家用意式咖啡或预算旅行。没给的话,智能体会问你,并列几个让你选。随后它最多搜索三次,用一份报告作答。报告里有播放、点赞和评论数,并附视频和频道的链接。

想要不同的效果,改这里
要改的在哪里改
报告的语气和规则AI Agent 的系统消息
时间范围、地区和结果数量get_videos1 里的 publishedAfter、regionCode 和 limit
多短的视频不算if_longer_than_3_ 里的 210 秒
聊天记得多少window_buffer_memory 里的 Context Window Length,默认 5
模型openai_llm

示例

你在聊天里输入这句。

home espresso

智能体用它自己想的词去搜索,比如预算内的意式咖啡机,然后描述新视频里的规律。它会说出背后的播放、点赞和评论数,并附上用到的视频和频道的链接。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这个文件里装着两个工作流。聊天和智能体在上面一行。工具运行的搜索在下面一行,从 Mindket 加的那个节点开始。先用一个领域测试,再到 Executions 里打开工具的那次运行,看 YouTube 返回了什么。

专家:工具只传一个字段 search_term,它在下半部分里以 query.search_term 的形式出现。

值得细看的地方
节点做什么要知道的
youtube_search带一个输入字段的 Tool Workflow 1.2它运行的就是这个工作流,所以保存之后再从列表里选
get_videos1按搜索词在 YouTube 搜索,地区 US,过去两天,3 条结果,按相关度排序需要一个 YouTube OAuth2 凭据
find_video_data1对每条结果在 videos 接口上发 GET密钥来自 GOOGLE_API_KEY
save_data_to_memory1去掉链接和表情,再把视频加进一段保存的文字这段文字从不清空

注意事项

没有标签的视频会让运行停下来,保存的文字也从不清空。

  • 模型:openai_llm 没有指定模型,所以用 n8n 的默认值 gpt-5-mini(2026 年 11 月 12 日查阅)。OpenAI 的弃用页面写明它将于 2026 年 12 月 11 日关停,替代模型是 gpt-5.6-terra
  • 保存的文字:n8n 只在工作流已发布时,才会在两次运行之间保留它保存的数据。那时后面的搜索可能返回更早那次的视频。手动测试时,什么都不会留下
  • 没有标签:group_data1 会把每条视频的标签连起来,没有标签的视频会让运行在这个节点停下
  • 短视频:3 分 30 秒及以下的视频一律不要
  • 配额:每次工具调用会花 YouTube 配额,一次搜索,加上对最多三条视频各一次查询
  • 费用:OpenAI 按智能体的调用收费,一个领域最多可能调用三次工具
  • 你的数据:你的消息和视频数据会发给 OpenAI,搜索会发给 Google
  • 凭据:JSON 里没有任何凭据。工具在你选定这个工作流之前不指向任何工作流

README 和文件

README

聊天里的智能体,告诉你 YouTube 上什么在流行

一个给做视频的人用的 n8n 聊天。你说出一个领域,一个 AI 智能体就搜索 YouTube 过去两天的视频,逐个查出它们的数据,再告诉你这些新视频有什么共同点。查询由一个搜索工具完成,这个工具就是同一个工作流的下半部分。

包里有什么

  • workflow.json:n8n 导出的工作流,十六个节点。其中两个是便签,一个是 Mindket 加的。里面没有任何凭据。
  • README.md:这份设置说明,压缩包里的是英文版。

我们相对原来的副本改了什么

  • 文件的下半部分原本没有起点,因为它本来是放在另一个工作流里的。Mindket 在 get_videos1 前面加了一个 When Executed by Another Workflow 节点,设为接收全部数据,这样工具就能调用这同一个工作流。那一半上的便签也改写了,说明了这一点。
  • youtube_search 原来指向作者 n8n 里的一个工作流。现在它不指向任何工作流,直到你选中这一个。
  • get_videos1 原来关联着作者 n8n 里的一个 YouTube 凭据。这个关联已删掉,请选你自己的。
  • 别的都没改。它的 Code 节点和表达式都不用修。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个 OpenAI API 密钥。
  • 一个开通了 YouTube Data API 的 Google Cloud 项目。get_videos1 要的 OAuth2 凭据和 find_video_data1 要的 API 密钥都从它来。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 保存,让这个工作流有自己的 ID。
  3. 在 youtube_search 里,从列表中选这同一个工作流。工具运行的是文件的下半部分,从 When Executed by Another Workflow 开始。
  4. 添加一个 OpenAI 凭据,在 openai_llm 里选中它。
  5. 添加一个 YouTube OAuth2 凭据,在 get_videos1 里选中它。
  6. 给 find_video_data1 填上你的 YouTube Data API 密钥。在自己的服务器上,给 n8n 设置环境变量 GOOGLE_API_KEY。设置不了的地方,就把 key 参数里的 {{ $env["GOOGLE_API_KEY"] }} 换成密钥本身,分享文件之前再删掉。
  7. 保存,打开画布里的聊天,说出一个领域。

一次请求的过程

  1. chat_message_received 把你的消息交给 AI Agent。window_buffer_memory 记住最近五轮对话。
  2. 智能体确认你给了领域。没给的话,它会问你,并列几个让你选。
  3. 它最多调用 youtube_search 三次,每次用不同的搜索词。工具收到一个字段 search_term,到下半部分里变成 query.search_term。
  4. get_videos1 按这个词在 YouTube 搜索:地区 US,过去两天的视频,三条结果,按相关度排序,安全搜索为 moderate。
  5. loop_over_items1 一次取一条结果。find_video_data1 取回它的详情,要 contentDetails、snippet 和 statistics 三部分。
  6. if_longer_than_3_ 只放行超过 210 秒的视频。group_data1 留下它的 id、播放、点赞、评论、说明、标题、频道名、标签和频道 id。
  7. save_data_to_memory1 去掉链接和表情,把视频加进一段文字,视频之间有分隔标记。
  8. 循环结束后,retrieve_data_from_memory1 和 response1 把这段文字交还给智能体,由它写出报告。

改变结果

  • 报告:AI Agent 的系统消息。按现在的写法,它要的是整体情况,而不是评论某一条视频,并带上数字和链接。
  • 哪些视频算数:get_videos1 里有 publishedAfter 的两天窗口、地区、结果数量(limit)和排序。210 秒在 if_longer_than_3_ 里。
  • 聊天记得多少:window_buffer_memory 里的 Context Window Length。
  • 模型:openai_llm。

注意事项

  • openai_llm 在文件里没有指定模型,所以节点用它自己的默认值 gpt-5-mini(n8n 的仓库,2026 年 11 月 12 日查阅)。OpenAI 的弃用页面同一天写明 gpt-5-mini 将于 2026 年 12 月 11 日关停,替代模型是 gpt-5.6-terra。在那之前,请在节点里选好模型。
  • save_data_to_memory1 把文字存在工作流的保存数据里,从不清空。n8n 只在工作流已发布时才会在两次运行之间保留这些数据,所以那时后面的搜索可能返回更早那次的视频。手动测试时,两次运行之间什么都不会留下。
  • group_data1 会把每条视频的标签连起来,所以没有标签的视频会让运行在这个节点停下。
  • 3 分 30 秒及以下的视频一律不要,不管它的数字多好看。
  • 每次工具调用会花 YouTube 配额:一次搜索,加上对最多三条视频各一次查询。
  • OpenAI 按智能体的调用收费,一个领域最多可能调用三次工具。
  • 聊天触发器的公开页面默认是关的,要在触发器里自己打开。除非你想让陌生人用你的密钥,否则别打开。
  • 你的消息和视频数据会发给 OpenAI,搜索会发给 Google。
文件
NOTICE.md  584 B
README.md  5 KB
workflow.json  15 KB

3 个文件,共 21 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架