Communitygithub.com

signal-lab-apify-tools

Utiliza las API enfocadas de Signal Lab en Apify o las herramientas MCP oficiales para subtítulos públicos de YouTube, conversión de sitios web a Markdown para RAG, extracción de ofertas de empleo conocidas, seguimiento de precios en Amazon, investigación de Google Autocomplete, investigación en Reddit y extracción de menús de restaurantes. Úsalo cuando un agente necesite uno de estos flujos de trabajo con datos públicos y deba elegir una ruta acotada y veraz en lugar de inventar capacidades de scraping.

¿Qué es signal-lab-apify-tools?

Signal Lab Apify Tools es una habilidad de enrutamiento para agentes de IA que proporciona un conjunto acotado y veraz de flujos de trabajo sobre datos públicos. Permite a los agentes acceder a subtítulos públicos de YouTube (con marcas de tiempo), convertir sitios web a Markdown limpio para RAG, extraer campos normalizados de ofertas de empleo públicas (como salario, empresa y ubicación), rastrear precios de productos en Amazon, obtener sugerencias de Google Autocomplete, investigar en Reddit y extraer menús de restaurantes. La habilidad enfatiza el uso del Actor de Apify más específico para cada tarea, manteniendo las entradas acotadas y minimizando los costos. Soporta tanto clientes con protocolo MCP (a través del servidor MCP alojado de Apify) como flujos de trabajo sin MCP mediante la API REST de Apify. Las reglas clave incluyen: nunca intentar evitar controles de acceso, respetar las limitaciones de cada herramienta (por ejemplo, el extractor de YouTube solo extrae subtítulos existentes, no transcripción de audio), verificar la información en vivo del esquema y la pestaña de precios de Apify antes de ejecutar, y escalar gradualmente solo después de que el primer resultado acotado sea útil.

Compatible con✓Claude Code✓Codex CLI✓Cursor
npx skills add https://github.com/VZezelin/first/tree/main/skills/signal-lab-apify-tools
Ver original→Ver todas las habilidades

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentación

Signal Lab Apify Tools

Usa Signal Lab como una habilidad de enrutamiento para un conjunto pequeño de flujos de trabajo enfocados con datos públicos. Prefiere el Actor más específico que coincida con la tarea, mantén las entradas acotadas y trata el esquema de entrada en vivo del Actor de Apify y la pestaña de Precios como la fuente de verdad.

Cuándo Usarlo

  • El usuario necesita subtítulos públicos disponibles de YouTube o segmentos de subtítulos con marca de tiempo para investigación, RAG o análisis.
  • El usuario necesita un sitio web público o un rastreo acotado dentro del mismo dominio convertido a Markdown limpio para RAG, búsqueda semántica, indexación o análisis con LLM.
  • El usuario ya tiene una o más URL públicas de ofertas de empleo y necesita campos de empleo normalizados, especialmente datos de JobPosting de Schema.org cuando la página los expone.
  • El usuario necesita seguimiento de precios o disponibilidad de productos públicos de Amazon, sugerencias de palabras clave de Google Autocomplete en vivo, investigación pública en Reddit o extracción de menús de restaurantes compatibles.
  • Un cliente compatible con MCP debe exponer uno o más Actores de Signal Lab como herramientas a través del servidor MCP alojado de Apify.
  • Un flujo de trabajo sin MCP debe llamar al Actor correspondiente a través de la API REST de Apify y consumir su Dataset.

Cuándo No Usarlo

  • La tarea requiere evadir muros de inicio de sesión, muros de pago, CAPTCHAs, restricciones de robots, controles antibot, páginas privadas u otros controles de acceso.
  • El usuario solicita la transcripción de audio de un video de YouTube sin una pista de subtítulos públicos accesible; el Actor de YouTube extrae los subtítulos disponibles y no es un servicio de conversión de voz a texto.
  • El sitio web requiere renderizado JavaScript del lado del cliente que un rastreador solo HTTP no puede proporcionar; no afirmes que el Actor de Sitio Web a Markdown renderiza SPAs.
  • El usuario desea descubrimiento amplio de tablones de empleo en lugar de extracción de URL públicas de empleo compatibles conocidas; no impliques que el Job Vacancy Scraper busca en todos los tablones de empleo.
  • La fuente o el uso solicitado violaría las leyes aplicables, requisitos de privacidad, obligaciones de derechos de autor, términos del sitio o la autorización del usuario.
  • La tarea puede responderse directamente sin ejecución de datos externos; no inicies un Actor solo para demostrar la habilidad.

Flujo de Trabajo

  1. Identifica la necesidad exacta de datos y selecciona la herramienta más específica que coincida.
    • Subtítulos de YouTube: signal_lab/youtube-transcript-scraper
    • Sitio web a Markdown: signal_lab/website-to-markdown-crawler
    • Extracción de URL de empleo público conocida: signal_lab/job-vacancy-scraper
    • Seguimiento de precios de Amazon: signal_lab/amazon-price-tracker
    • Investigación de Google Autocomplete: signal_lab/google-autocomplete-keywords
    • Investigación pública en Reddit: signal_lab/reddit-search-comments
    • Extracción de menús de restaurantes: signal_lab/restaurant-menu-extractor
  2. Lee el esquema de entrada en vivo del Actor de Apify y la pestaña de Precios antes de ejecutar. Los precios, la disponibilidad y el esquema pueden cambiar; los ejemplos de documentación no sustituyen al estado en vivo.
  3. Elige la superficie de ejecución.
    • Prefiere MCP alojado en Apify cuando el cliente sea compatible con MCP y el usuario pueda autenticarse con Apify.
    • De lo contrario, usa la API REST de Actor de Apify con el token de Apify del usuario.
  4. Comienza con la entrada acotada más pequeña y útil.
    • Para rastreos, minimiza primero el número de páginas y la profundidad.
    • Para listas de URL/videos/productos, prueba un subconjunto pequeño antes de expandir.
    • Nunca aumentes el gasto o el alcance solo para recopilar más datos.
  5. Espera a que la ejecución termine, luego consume el Dataset predeterminado o la salida documentada del Actor.
  6. Verifica que los campos devueltos realmente provinieron de la fuente. La ausencia de campos fuente no es evidencia de que existan.
  7. Escala solo después de que el primer resultado acotado sea útil y el usuario acepte los precios/economía en vivo.

Enlaces Directos a las Herramientas

Usa estas páginas canónicas de la Tienda cuando un usuario o agente necesite inspeccionar el esquema en vivo, la pestaña de Precios, ejemplos o iniciar una ejecución:

Para clientes MCP, expón solo la(s) herramienta(s) necesaria(s) para la tarea actual a través del servidor MCP alojado de Apify, en lugar de darle al agente una superficie de herramientas más amplia de lo necesario.

Manejo de Fallos, Reintentos y Costos

  • Trata el HTTP 429 como contrapresión, no como permiso para aumentar la concurrencia. Respeta Retry-After cuando esté presente; de lo contrario, usa retroceso exponencial acotado con jitter.
  • Reintenta fallos transitorios 5xx, de red o de tiempo de espera solo un número pequeño de veces. No reintentes errores deterministas de validación/autenticación 4xx hasta que se corrija el problema de entrada o autenticación.
  • Si una ejecución de Actor alcanza FAILED, TIMED-OUT o ABORTED, inspecciona el estado de la ejecución/evidencia de los registros antes de decidir si un reintento está justificado. Nunca hagas un bucle de reintentos pagados a ciegas.
  • Para el sondeo, retrocede entre verificaciones de estado en lugar de golpear la API. Deja de sondear una vez que la ejecución sea terminal.
  • Mantén la entrada original acotada al reintentar. No aumentes maxPages, recuentos de elementos, profundidad de rastreo, concurrencia o alcance del proxy como respuesta genérica a fallos.
  • Vuelve a verificar la pestaña de Precios en vivo antes de expandir materialmente un reintento o lote. Una solicitud API exitosa no significa que la ejecución posterior sea gratuita.
  • Detente e informa el bloqueador si los reintentos transitorios repetidos fallan, la fuente bloquea el acceso legítimo, la autenticación no está disponible o el siguiente intento aumentaría materialmente el gasto.
  • Nunca conviertas una ejecución pagada fallida en una excusa para iniciar un Actor pagado diferente sin una clara adecuación a la tarea y una economía autorizada por el usuario.

Reglas

  • Siempre usa la autenticación de Apify del propio usuario para la ejecución pagada o la autorización MCP.
  • Nunca incrustes, expongas, actúes como proxy o solicites las credenciales del propietario de Signal Lab.
  • Nunca trates un contador de ejecuciones públicas de Actor, el total de usuarios, un listado de directorio o una solicitud API exitosa como prueba de ingresos del creador.
  • Nunca prometas campos que la página fuente o la pista de subtítulos no exponga.
  • Nunca declares capacidades de evasión de controles de acceso.
  • Prefiere llamadas reversibles y acotadas y el volumen mínimo de datos requerido.
  • Usa la pestaña de Precios en vivo de Apify como la fuente de verdad comercial antes de la ejecución.
  • Para Sitio web a Markdown, respeta su limitación de rastreador HTTP y los controles de rastreo acotados.
  • Para YouTube, describe la salida como subtítulos/marcas de tiempo públicos disponibles, no como transcripción generada.
  • Para la extracción de ofertas de empleo, descríbela como extracción de URL públicas conocidas y análisis consciente de Schema.org, no como búsqueda universal de empleo.

Ejemplos

Subtítulos de YouTube para RAG

Necesidad del usuario: "Obtén marcas de tiempo de estos videos públicos de YouTube para construir un índice RAG con citas."

Usa signal_lab/youtube-transcript-scraper con un conjunto pequeño de URL públicas, solicita segmentos con marca de tiempo y luego conserva la URL fuente, el idioma, el texto de la transcripción y el tiempo del segmento al construir el índice posterior.

Documentación de sitio web a Markdown

Necesidad del usuario: "Convierte este sitio de documentación en un pequeño corpus Markdown para mi LLM."

Usa signal_lab/website-to-markdown-crawler. Comienza con una página o un valor bajo de maxPages, mantén sameDomainOnly habilitado, mantén la profundidad de rastreo baja y respeta las reglas de robots. Inspecciona las primeras filas del Dataset antes de expandir.

Oferta de empleo conocida a JSON estructurado

Necesidad del usuario: "Normaliza título, empresa, ubicación, salario y fechas de estas cinco URL de empleo."

Usa signal_lab/job-vacancy-scraper solo para las URL públicas proporcionadas. Devuelve los campos que las páginas realmente exponen y señala los valores faltantes en lugar de inventarlos.

Conexión MCP

Para una herramienta enfocada de Sitio web a Markdown, un cliente compatible con MCP puede usar:

{
  "mcpServers": {
    "signal-lab-markdown": {
      "url": "https://mcp.apify.com?tools=signal_lab/website-to-markdown-crawler"
    }
  }
}

Apify maneja la autenticación. No coloques un token de propietario en la configuración compartida.

Casos Especiales

  • Si la autenticación de Apify no está disponible, proporciona la ruta correcta del Actor o la conexión MCP, pero no ejecutes trabajo pagado con las credenciales de otra persona.
  • Si el esquema en vivo del Actor difiere de esta habilidad, sigue el esquema en vivo y actualiza las suposiciones en consecuencia.
  • Si la página es solo JavaScript y el rastreador HTTP devuelve contenido incompleto, detente y explica la limitación de renderizado en lugar de escalar a técnicas de evasión de controles de acceso.
  • Si YouTube no expone subtítulos públicos utilizables, detente e informa esa limitación; no cambies silenciosamente a un producto de transcripción pagado diferente.
  • Si una página de empleo carece de salario o metadatos estructurados, devuelve los campos que están verificablemente presentes y marca el resto como faltantes.
  • Si una ejecución solicitada podría volverse grande o costosa, reduce la entrada inicial y solicita aprobación antes de expandir materialmente el gasto.

Referencias

Skills relacionados

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community