ScavioScavio
ProductoPreciosDocumentación
Iniciar sesionComenzar
  1. Inicio
  2. Flujos de trabajo
  3. LLM Wiki Ingestion Workflow
Flujo de trabajo

LLM Wiki Ingestion Workflow

Diario ingestion of nuevo fuentes for un Karpathy-style LLM Wiki. Scavio search a traves de web/Reddit/YouTube + extraer + embed.

Comenzar gratisDocumentacion API

Resumen

Diario wiki-ingestion: per topic, pull nuevo fuentes de Google + Reddit + YouTube via Scavio, extraer markdown, embed en Qdrant, dedupe by URL.

Desencadenador

Diario cron at 6am for el active topic lista

Programación

Diario at 6am

Pasos del flujo de trabajo

1

Iterate active topics

Pull topic lista de un Postgres tabla o YAML config.

2

Per topic: Scavio search a traves de 3 surfaces

search, reddit_search, youtube_search calls in parallel.

3

Dedupe candidate URLs contra Qdrant carga util index

Skip URLs ya ingested.

4

Per nuevo URL: Scavio /extraer for markdown

Cleaner than raw HTML; guarda embedding tokens.

5

Chunk + embed + upsert

Chunk to 500-token blocks, embed via your embedding model, upsert to Qdrant con URL as carga util.

6

Log new-doc conteo + per-topic cost

Cost-budget guardrail per topic.

Implementacion en Python

Python
import requests, os
from qdrant_client import QdrantClient
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}
qdrant = QdrantClient(url=os.environ['QDRANT_URL'])

def discover(topic):
    results = []
    for endpoint in ['search', 'reddit/search', 'youtube/search']:
        r = requests.post(f'https://api.scavio.dev/api/v1/{endpoint}', headers=H, json={'query': topic}).json()
        results.extend(r.get('organic_results', []) + r.get('posts', []) + r.get('videos', []))
    return results

def ingest_topic(topic):
    candidates = discover(topic)
    for c in candidates:
        url = c.get('link') or c.get('url')
        if not url or already_ingested(url): continue
        md = requests.post('https://api.scavio.dev/api/v1/extract',
            headers=H, json={'url': url, 'format': 'markdown'}).json().get('markdown', '')
        store(url, topic, md)

Implementacion en JavaScript

JavaScript
// Same flow in TS via Qdrant JS client + Scavio fetch calls.

Plataformas utilizadas

Google

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

Reddit

Comunidad, publicaciones y comentarios en hilos de cualquier subreddit

YouTube

Búsqueda de videos con transcripciones y metadatos

Preguntas frecuentes

Diario wiki-ingestion: per topic, pull nuevo fuentes de Google + Reddit + YouTube via Scavio, extraer markdown, embed en Qdrant, dedupe by URL.

Este flujo de trabajo usa un diario cron at 6am for el active topic lista. Diario at 6am.

Este flujo de trabajo usa las siguientes plataformas de Scavio: google, reddit, youtube. 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.

LLM Wiki Ingestion Workflow

Diario ingestion of nuevo fuentes for un Karpathy-style LLM Wiki. Scavio search a traves de web/Reddit/YouTube + extraer + embed.

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