Steg 2: Sätt upp nyckelordsutvinning med Mistral

Dessa noder genererar nyckelordsfraser som används som input till YouTube-scrapen.

1. Öppna Generate Keyword Phrases och ställ in Text till =You are a YouTube content strategist. The input of the request is the following content idea : {{ $json.query }}.
2. Säkerställ att Generate Keyword Phrases har Has Output Parser aktiverat.
3. Öppna Mistral Chat Engine och ställ in Model till mistral-large-latest.
4. Inloggningsuppgifter krävs: Anslut era mistralCloudApi-uppgifter i Mistral Chat Engine.
5. I Keyword Output Parser ställer ni in JSON Schema Example till { "Keyword1": "string", "Keyword2": "string", "Keyword3": "string" }.
6. Observera att Keyword Output Parser är en undernod till Generate Keyword Phrases—inloggningsuppgifter ska anges i Mistral Chat Engine, inte i parsern.

Steg 3: Konfigurera YouTube-scrape och kör statusloop

Den här delen skickar nyckelordsfraserna till Apify, väntar och pollar tills körningen är klar.

1. I Initial Pause behåller ni standardinställningarna för att låta scrape-jobbet hamna i kö.
2. Öppna YouTube Query Scrape och ställ in URL till https://api.apify.com/v2/acts/streamers~youtube-scraper/runs?token=[CONFIGURE_YOUR_TOKEN].
3. Ställ in Method till POST och JSON Body till ={"dateFilter":"year","lengthFilter":"between420","maxResults":10,"searchQueries":["{{ $json.output.Keyword1 }}","{{ $json.output.Keyword2 }}","{{ $json.output.Keyword3 }}"],"sortingOrder":"relevance"}.
4. Öppna Check Run Status och ställ in URL till https://api.apify.com/v2/acts/streamers~youtube-scraper/runs/last?token=[CONFIGURE_YOUR_TOKEN].
5. I Status Decision bekräftar ni att villkoret kontrollerar att Left Value ={{ $json.data.status }} är lika med SUCCEEDED.
6. Använd Retry Delay för att pausa innan ni kontrollerar körstatus igen.

Steg 4: Hämta data, beräkna CTR och filtrera högpresterare

Arbetsflödet hämtar datasetobjekt, beräknar ett CTR-liknande score, slår ihop mätvärden och filtrerar sedan fram högpresterande resultat.

1. I Retrieve Dataset Items ställer ni in URL till https://api.apify.com/v2/acts/streamers~youtube-scraper/runs/last/dataset/items?token=[CONFIGURE_YOUR_TOKEN].
2. Retrieve Dataset Items skickar output parallellt till både Compute CTR Score och Combine Video Metrics.
3. I Compute CTR Score behåller ni Mode inställt på runOnceForEachItem och lämnar JavaScript-logiken oförändrad.
4. I Combine Video Metrics ställer ni in Mode till combine och Combine By till combineByPosition.
5. I Filter High CTR Videos verifierar ni att villkoret använder Left Value ={{ $json.ctrPercent }} med Operation gt och Right Value 0.1.
6. Filter High CTR Videos skickar output parallellt till både Iterate Videos och Aggregate Title List.

Steg 5: Generera titel-mönster och titelförslag

Den här grenen analyserar högpresterande titlar och tar fram nya alternativ.

1. I Aggregate Title List behåller ni JavaScript-koden som mappar titlar till arrayen titles.
2. Öppna Derive Title Patterns och ställ in Text till =You are an expert in YouTube video title optimization. Here is your input : {{ $json.titles.join('\n') }}.
3. Inloggningsuppgifter krävs: Anslut era mistralCloudApi-uppgifter i Mistral Title Analyst (används av Derive Title Patterns).
4. Använd Delay for Titles som en kort buffert innan ni genererar nya alternativ.
5. I Compose Title Options ställer ni in Text till =You are an expert in YouTube video title optimization. och behåller Has Output Parser aktiverat.
6. Inloggningsuppgifter krävs: Anslut era mistralCloudApi-uppgifter i Mistral Title Writer (används av Compose Title Options).
7. I Title Output Parser ställer ni in JSON Schema Example till { "title1": "string", "title2": "string", "title3": "string", "title4": "string", "title5": "string" }.
8. Observera att Title Output Parser är en undernod till Compose Title Options—inloggningsuppgifter ska anges i Mistral Title Writer, inte i parsern.

Steg 6: Analysera thumbnails och skapa en bildprompt

Den här grenen använder högpresterande thumbnails för att generera en visuell prompt för bildrendering.

1. I Iterate Videos behåller ni standardbeteendet för batch för att loopa igenom filtrerade objekt.
2. Öppna Thumbnail Insight Review och verifiera att Image URLs är inställt på ={{ $json.thumbnailUrl }}.
3. Inloggningsuppgifter krävs: Anslut era openAiApi-uppgifter i Thumbnail Insight Review.
4. Använd Analysis Delay som en buffert före aggregering.
5. I Aggregate Thumbnail Notes behåller ni JavaScript-koden som samlar in choices[0].message.content.
6. Öppna Craft Image Prompt och behåll Text som You are an expert visual prompt engineer..
7. Inloggningsuppgifter krävs: Anslut era mistralCloudApi-uppgifter i Mistral Visual Analyst (används av Craft Image Prompt).

Steg 7: Rendera och koda thumbnail-bilden

Arbetsflödet använder en Hugging Face inference-endpoint för att generera en bild och konverterar den sedan till Base64.

1. Använd Image Queue Delay för att pausa innan rendering.
2. I Render Thumbnail Image ställer ni in URL till https://api-inference.huggingface.co/models/black-forest-labs/FLUX.1-dev.
3. Ställ in Method till POST och JSON Body till ={"inputs":"{{ $json.text }}","parameters":{"height":720,"width":1280,"num_inference_steps":30,"guidance_scale":8.0}}.
4. Säkerställ att headern Authorization är inställd på Bearer [CONFIGURE_YOUR_TOKEN].
5. I Encode Image Base64 ställer ni in Operation till binaryToPropery och Encoding till base64.

Steg 8: Slå ihop titlar och bild och bygg HTML-output

Slutresultatet kombinerar genererade titlar med Base64-bilden och bygger en HTML-förhandsvisning.

1. Koppla Compose Title Options till Join Titles and Image och koppla även Encode Image Base64 till Join Titles and Image.
2. Verifiera att Join Titles and Image slår ihop titel-output med bildens binära ström.
3. I Build HTML Output behåller ni fältet HTML som det är angivet, inklusive {{ $('Encode Image Base64').first().json.data }} och de fem titelplatshållarna.
4. Bekräfta att Join Titles and Image skickar output till Build HTML Output.

Steg 9: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test och verifiera att outputen blir korrekt innan ni aktiverar för användning i produktion.

1. Klicka på Execute Workflow i Manual Start Trigger för att köra hela pipelinen.
2. Bekräfta lyckade svar i YouTube Query Scrape, Retrieve Dataset Items och Render Thumbnail Image.
3. Verifiera att Build HTML Output returnerar en HTML-sida med en inbäddad Base64-bild och fem titlar.
4. När ni har verifierat, slå på arbetsflödet Active för att aktivera användning i produktion.