ScavioScavio
ProductoPreciosDocumentación
Iniciar sesionComenzar
  1. Inicio
  2. Flujos de trabajo
  3. Deep Research Diario Pipeline
Flujo de trabajo

Deep Research Diario Pipeline

Diario deep research agent pipeline usando search, extraccion, y structured analisis. Replace multi-tool stacks con one API.

Comenzar gratisDocumentacion API

Resumen

Este flujo de trabajo ejecuta un diario deep research pipeline ese searches a traves de Google, Reddit, y YouTube for objetivo topics, extrae key contenido de top resultados, y compiles structured research briefs. It replaces un multi-tool stack (Serper + Jina + E2B) con un single API for search y extraccion.

Desencadenador

Cron programar (diario at 5:00 AM UTC)

Programación

Ejecuta diario at 5:00 AM UTC

Pasos del flujo de trabajo

1

Cargar research topics

Leer el diario research topic lista de configuracion. Topics puede be static palabras clave o dynamically generado de anterior day's senales.

2

Multi-platform search

Search cada topic on Google, Reddit, y YouTube to gather diverse perspectives y fuente types.

3

Extraer top resultado contenido

Use Scavio extraer endpoint to pull full contenido de el top 3 Google resultados for cada topic.

4

Compile research brief

Combine resultados de busqueda y extraido contenido en un structured research brief per topic.

5

Archive y notificar

Save research briefs to archive y enviar resumen notificacion via webhook o correo electronico.

Implementacion en Python

Python
import requests
import json
from pathlib import Path
from datetime import datetime

API_KEY = "your_scavio_api_key"
BASE = "https://api.scavio.dev/api/v1"

TOPICS = ["AI agent search tools 2026", "SERP API pricing changes", "MCP server adoption"]

def search_platform(query: str, platform: str) -> list[dict]:
    res = requests.post(
        f"{BASE}/search",
        headers={"x-api-key": API_KEY},
        json={"platform": platform, "query": query},
        timeout=15,
    )
    res.raise_for_status()
    return res.json().get("organic", [])

def extract_content(url: str) -> dict:
    res = requests.post(
        f"{BASE}/extract",
        headers={"x-api-key": API_KEY},
        json={"url": url},
        timeout=30,
    )
    res.raise_for_status()
    return res.json()

def research_topic(topic: str) -> dict:
    google_results = search_platform(topic, "google")
    reddit_results = search_platform(topic, "reddit")
    youtube_results = search_platform(topic, "youtube")

    # Extract top 3 Google results
    extracted = []
    for result in google_results[:3]:
        url = result.get("link", "")
        if url:
            try:
                content = extract_content(url)
                extracted.append({
                    "url": url,
                    "title": result.get("title", ""),
                    "content_preview": content.get("text", "")[:500],
                })
            except Exception:
                pass

    return {
        "topic": topic,
        "google_count": len(google_results),
        "reddit_count": len(reddit_results),
        "youtube_count": len(youtube_results),
        "extracted_pages": len(extracted),
        "top_reddit": [{"title": r.get("title", ""), "score": r.get("score", 0)} for r in reddit_results[:5]],
        "top_youtube": [{"title": r.get("title", ""), "views": r.get("views", 0)} for r in youtube_results[:5]],
        "extracted": extracted,
    }

def run():
    date = datetime.utcnow().strftime("%Y-%m-%d")
    briefs = [research_topic(t) for t in TOPICS]
    total_credits = sum(3 + b["extracted_pages"] for b in briefs)  # 3 searches + extractions per topic
    report = {"date": date, "topics": len(TOPICS), "credits_used": total_credits, "briefs": briefs}
    Path(f"research_{date}.json").write_text(json.dumps(report, indent=2))
    print(f"Research complete: {len(TOPICS)} topics, {total_credits} credits")
    for brief in briefs:
        print(f"  {brief['topic']}: {brief['google_count']}G {brief['reddit_count']}R {brief['youtube_count']}Y {brief['extracted_pages']}E")

if __name__ == "__main__":
    run()

Implementacion en JavaScript

JavaScript
const API_KEY = "your_scavio_api_key";
const BASE = "https://api.scavio.dev/api/v1";
const TOPICS = ["AI agent search tools 2026", "SERP API pricing changes", "MCP server adoption"];

async function search(query, platform) {
  const res = await fetch(`${BASE}/search`, {
    method: "POST",
    headers: { "x-api-key": API_KEY, "content-type": "application/json" },
    body: JSON.stringify({ platform, query }),
  });
  if (!res.ok) throw new Error(`scavio ${res.status}`);
  return (await res.json()).organic ?? [];
}

async function extract(url) {
  const res = await fetch(`${BASE}/extract`, {
    method: "POST",
    headers: { "x-api-key": API_KEY, "content-type": "application/json" },
    body: JSON.stringify({ url }),
  });
  if (!res.ok) return null;
  return res.json();
}

async function run() {
  const fs = await import("fs/promises");
  const briefs = [];
  for (const topic of TOPICS) {
    const [google, reddit, youtube] = await Promise.all([
      search(topic, "google"), search(topic, "reddit"), search(topic, "youtube"),
    ]);
    const extracted = [];
    for (const r of google.slice(0, 3)) {
      if (r.link) { const c = await extract(r.link); if (c) extracted.push({ url: r.link, title: r.title ?? "", preview: (c.text ?? "").slice(0, 500) }); }
    }
    briefs.push({ topic, google: google.length, reddit: reddit.length, youtube: youtube.length, extracted: extracted.length });
  }
  const date = new Date().toISOString().slice(0, 10);
  await fs.writeFile(`research_${date}.json`, JSON.stringify(briefs, null, 2));
  for (const b of briefs) console.log(`  ${b.topic}: ${b.google}G ${b.reddit}R ${b.youtube}Y ${b.extracted}E`);
}

run();

Plataformas utilizadas

Google

Búsqueda web con grafo de conocimiento, PAA y resúmenes de IA

YouTube

Búsqueda de videos con transcripciones y metadatos

Reddit

Comunidad, publicaciones y comentarios en hilos de cualquier subreddit

Preguntas frecuentes

Este flujo de trabajo ejecuta un diario deep research pipeline ese searches a traves de Google, Reddit, y YouTube for objetivo topics, extrae key contenido de top resultados, y compiles structured research briefs. It replaces un multi-tool stack (Serper + Jina + E2B) con un single API for search y extraccion.

Este flujo de trabajo usa un cron programar (diario at 5:00 am utc). Ejecuta diario at 5:00 AM UTC.

Este flujo de trabajo usa las siguientes plataformas de Scavio: google, youtube, reddit. Cada plataforma se llama a traves del mismo endpoint de API unificado.

Si. El plan gratuito de Scavio incluye 50 creditos al registrarte sin tarjeta de credito. Es suficiente para probar y validar este flujo de trabajo antes de escalarlo.

Deep Research Diario Pipeline

Diario deep research agent pipeline usando search, extraccion, y structured analisis. Replace multi-tool stacks con one API.

Obtener tu clave APILeer la documentacion
ScavioScavio

API de busqueda en tiempo real para agentes de IA. Busca en todas las plataformas, no solo en Google.

Producto

  • Funciones
  • Precios
  • Panel
  • Afiliados

Desarrolladores

  • Documentacion
  • Referencia de API
  • Inicio rapido
  • Integracion MCP
  • Python SDK

Alternativas

  • Alternativa a Tavily
  • Alternativa a SerpAPI
  • Alternativa a Firecrawl
  • Alternativa a Exa

Herramientas

  • Formateador JSON
  • cURL a codigo
  • Contador de tokens
  • Todas las herramientas

© 2026 Scavio. Todos los derechos reservados.

Featured on TAAFT
Terminos de servicioPolitica de privacidad