ig-competitor-research
Skill0 starsChanged 59 days agoMITView on GitHub
Pesquisa de concorrentes no Instagram: raspa posts do período, ranqueia por engajamento, extrai hook/frames/transcript de cada post vencedor e monta relatório HTML com análise. Use quando pedirem 'pesquisa de concorrentes IG', 'pesquisa concorrentes <nicho>', 'o que está viralizando no nicho X', 'analisa esses perfis do Instagram', ou pesquisa de conteúdo pra criar posts/reels. Custo baixo (Apify, com crédito grátis mensal, + FFmpeg/Whisper local).
- Reads credentials
- Installs packages
In this repository10 other files it gives its agents.
- deep-researchSkill
- emitir-nfseSkill
- excalidrawSkill
- folder-organizerSkill
- image-prompt-generatorSkill
- memorySkill
- roastSkill
- screenwatchSkill
- site-builderSkill
- slide-creatorSkill
The file
We split this skill into the rules it gives an agent
1 rule. About 0 are common, 0 are distinctive, and 1 is very specific to this project.
≈0
Common · estimate
Many files like this have a rule of this kind.
≈0
Distinctive · estimate
This author's own choices. Worth a look.
1
Very specific
Tied to their project's names, files or tools. Probably skip.
- Common
- Distinctive
- Very specific
- Very specific: line 16
Período: default últimos 7 dias; ou range YYYY-MM-DD..YYYY-MM-DD.
≈ “Common” is an estimate: at least 1 in 5 of the 364,980 skill files we read have a rule of the same kind, not the same words. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.
Files
IG Competitor Research
Raspa concorrentes do Instagram e devolve o top conteúdo do período com hook, formato, transcript e "why it worked" num relatório HTML. Trabalho mecânico é determinístico (scripts); só a análise por post usa subagentes.
Fluxo interativo (OBRIGATÓRIO: pergunte antes de rodar)
NÃO rode nada antes de confirmar.
Passo 1: Pergunte
- Handles: um slug de arquivo (
data/competitors/<slug>.txt) ou os@colados agora (aceita os dois juntos). - Período: default últimos 7 dias; ou range
YYYY-MM-DD..YYYY-MM-DD. - Top N: default 15.
Passo 2: Confirme em texto + custo
"Vou rodar: N handles · período X · top N · custo Apify estimado ~$Y (cap 60/handle × N × $2.30/1000). OK?"
Passo 3: Prepare (determinístico)
cd <skill-dir>
npx tsx scripts/run.ts --prepare --slug <slug> [--handles @a,@b] [--from YYYY-MM-DD --to YYYY-MM-DD] [--top 15]Isso gera outputs/<slug>/<data>/prepared.json com métricas, ranking e paths de frames/transcript por post.
Passo 4: Fan-out de análise (VOCÊ, via Agent tool)
Leia prepared.json. Para CADA post em posts[], dispare um subagente (Agent tool, general-purpose, em paralelo: todos numa só mensagem). Sem subagentes disponíveis (ex.: Codex), analise post a post, na mesma ordem. O prompt de cada subagente deve:
- Ler visualmente os arquivos em
framePaths. - Ler o
transcriptPath(se houver) e acaption. - Devolver SÓ um JSON com
hook,visualFormat,topic,whyItWorked,transcript. - Regra No-Invention: só o que os frames/transcript mostram; PT-BR, sem travessões.
(O texto exato do prompt está em scripts/analysis.ts::buildAnalysisPrompt: use como referência.)
Junte os JSONs num array e salve em outputs/<slug>/<data>/analysis.json. Cada objeto precisa do campo shortcode correspondente.
Passo 5: Render
npx tsx scripts/run.ts --render --slug <slug>Gera report.html (self-contained, abre no navegador) e report.json.
Passo 6: Loop de reuso
Ofereça: "Quer que eu leia o report.json e gere ideias de conteúdo pro seu nicho, já treinado nesse top content?"
Setup (uma vez)
cd <skill-dir>
npm install
cp .env.example .env # e cole o seu tokenAPIFY_TOKENem.env: crie a conta em apify.com e copie em Settings > API & Integrations. O.envnunca vai para o git.- Node.js 20+.
- FFmpeg: Windows
winget install Gyan.FFmpeg, Macbrew install ffmpeg. - Whisper local:
pip install whisper-ctranslate2(transcreve os Reels na sua máquina, sem custo de API). - Valide com
ffmpeg -versionewhisper-ctranslate2 --help.
Arquivo de concorrentes
data/competitors/<slug>.txt: um @handle por linha, # = comentário. Veja data/competitors/exemplo.txt. Suas listas reais ficam fora do git.
Limitações honestas
- Whisper
smallerra em Reel com música/ruído. videoUrldo Apify pode expirar → post marcadodegraded, análise usa só frames+legenda.- Copiar formato do concorrente commoditiza; a skill dá matéria-prima, a criação continua sua.
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

