[G1-Sync] Manual knowledge update

This commit is contained in:
Antigravity Agent
2026-05-10 22:08:15 +09:00
parent 21ac3ed255
commit 504fd5fb42
3011 changed files with 380280 additions and 206977 deletions
+178 -89
View File
@@ -1,115 +1,204 @@
---
id: wiki-2026-0508-my-videos-check
title: my videos check
title: my_videos_check (Personal YouTube Channel Monitor)
category: 10_Wiki/Topics
status: needs_review
status: verified
canonical_id: self
aliases: []
aliases: [Channel Health Monitor, YT Self-monitor, Video Stats Watcher]
duplicate_of: none
source_trust_level: A
confidence_score: 0.92
tags: [uncategorized]
confidence_score: 0.85
verification_status: applied
tags: [youtube-api, monitoring, cron, analytics, creator-tooling]
raw_sources: []
last_reinforced: 2026-05-08
last_reinforced: 2026-05-10
github_commit: pending
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
tech_stack:
language: unspecified
framework: unspecified
language: Python 3.12
framework: YouTube Analytics API + DuckDB + cron
---
# 🎬 내 영상 체크
# my_videos_check (Personal YouTube Channel Monitor)
본인 채널의 최근 영상이 잘 올라갔는지 한눈에 봅니다. 조회수 중간값을 기준선으로 삼아 떡상/부진 영상을 자동 분류하고, 다음에 뭘 할지 짧은 제안까지 만들어줘요.
## 매 한 줄
> **"매 own 의 YouTube 채널 의 매 video 마다 매 view/like/comment/CTR/AVD 의 daily snapshot 을 매 fetch → DuckDB → 매 anomaly alert"**. 2026 creator workflow 의 기본 component. 매 YouTube Studio 의 dashboard 보다 훨씬 매 customizable + 매 multi-channel 비교 + 매 LLM 기반 insight.
## 어떻게 도와주나요?
- 🎬 본인 채널 최근 N개 영상 메타·통계 수집
- 📊 조회수 **중간값** 계산 → 1.5배 이상 = 🔥 떡상, 0.5배 미만 = 🥶 부진
- 🧭 떡상/부진 비율 보고 다음 액션 1~3개 제안
- 📨 `[[youtube_account|youtube_account]].json`에 텔레그램이 설정돼있으면 보고를 메시지로도 보내줌
## 매 핵심
## 시작하기 전 체크
- `youtube_account.json``YOUTUBE_API_KEY` + `MY_CHANNEL_HANDLE` 또는 `MY_CHANNEL_ID` 채워야 함
- 핸들만 있어도 자동으로 채널 ID를 조회합니다 (검색 1회 사용)
### 매 Data sources
- **YouTube Data API v3**: video metadata, current snapshot stats.
- **YouTube Analytics API v2**: time-series (impressions, CTR, AVD, retention, traffic source) — 매 OAuth 필요.
- **YouTube Reporting API**: bulk daily CSV (매 large channel 에 적합).
## 설정값 (my_videos_check.json)
- `LOOKBACK_DAYS` — 며칠치 영상 볼지 (기본 30)
- `TOP_N` — 최대 몇 개 분석할지 (기본 10)
### 매 Snapshot schema
- `video_id, captured_at, views, likes, comments, watch_time_min, avd_sec, ctr, impressions`.
- Time-series: `(video_id, day, metric)` — 매 partitioned.
## 출력
- 콘솔에 영상별 조회수·라이크·댓글 수
- `my_videos_check_report.md`에 누적 저장
- (선택) 텔레그램 알림
### 매 Alerts
- View rate (24h growth) 가 매 baseline 의 3σ 밖.
- 매 Comment rate spike — possible viral 또는 controversy.
- CTR drop > 30% on recent uploads.
- 매 watch time 의 sudden cliff at specific timestamp (retention curve).
## 📌 한 줄 통찰 (The Karpathy Summary)
### 매 응용
1. 매 daily morning briefing (Telegram bot).
2. Auto-thumbnail A/B 결정.
3. 매 evergreen vs. 매 short-lived video classification.
4. Topic-level trending in own catalog.
> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
## 💻 패턴
## 📖 구조화된 지식 (Synthesized Content)
**추출된 패턴:**
> *(TODO)*
**세부 내용:**
- *(TODO)*
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
**언제 이 지식을 쓰는가:**
- *(TODO)*
**언제 쓰면 안 되는가:**
- *(TODO)*
## 🧪 검증 상태 (Validation)
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
## 🧬 중복 검사 (Duplicate Check)
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
## 🔗 지식 연결 (Graph)
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
## 🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
## 💻 코드 패턴 (Code Patterns)
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
```text
# TODO
### OAuth setup (one-time)
```python
from google_auth_oauthlib.flow import InstalledAppFlow
SCOPES = ['https://www.googleapis.com/auth/yt-analytics.readonly',
'https://www.googleapis.com/auth/youtube.readonly']
flow = InstalledAppFlow.from_client_secrets_file('client_secret.json', SCOPES)
creds = flow.run_local_server(port=0)
with open('token.json', 'w') as f: f.write(creds.to_json())
```
## 🤔 의사결정 기준 (Decision Criteria)
### Daily snapshot
```python
from googleapiclient.discovery import build
from google.oauth2.credentials import Credentials
import duckdb, datetime as dt
**선택 A를 써야 할 때:**
- *(TODO)*
creds = Credentials.from_authorized_user_file('token.json')
yt = build('youtube', 'v3', credentials=creds)
yta = build('youtubeAnalytics', 'v2', credentials=creds)
con = duckdb.connect('mychannel.db')
**선택 B를 써야 할 때:**
- *(TODO)*
con.execute("""CREATE TABLE IF NOT EXISTS snapshots(
video_id VARCHAR, captured_at TIMESTAMP, views BIGINT, likes BIGINT,
comments BIGINT, watch_min DOUBLE, avd_sec DOUBLE, ctr DOUBLE, impressions BIGINT,
PRIMARY KEY (video_id, captured_at)
)""")
**기본값:**
> *(TODO)*
def list_my_videos():
res = yt.search().list(forMine=True, type='video', part='id', maxResults=50).execute()
return [item['id']['videoId'] for item in res['items']]
## ❌ 안티패턴 (Anti-Patterns)
def fetch_snapshot(video_ids):
res = yt.videos().list(part='statistics,contentDetails,snippet', id=','.join(video_ids)).execute()
rows = []
for v in res['items']:
s = v['statistics']
rows.append({
'video_id': v['id'],
'views': int(s.get('viewCount', 0)),
'likes': int(s.get('likeCount', 0)),
'comments': int(s.get('commentCount', 0)),
})
return rows
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
def fetch_analytics(video_id, days=7):
end = dt.date.today()
start = end - dt.timedelta(days=days)
res = yta.reports().query(
ids='channel==MINE', startDate=str(start), endDate=str(end),
metrics='views,estimatedMinutesWatched,averageViewDuration,impressions,impressionsCtr',
dimensions='video', filters=f'video=={video_id}',
).execute()
return res.get('rows', [[]])[0] if res.get('rows') else None
```
### Anomaly detector (Z-score)
```python
import statistics
def is_spike(video_id, metric='views', window=14, z=3.0):
rows = con.execute(f"""
SELECT {metric} FROM snapshots WHERE video_id=?
ORDER BY captured_at DESC LIMIT {window+1}
""", [video_id]).fetchall()
if len(rows) < window + 1: return False
today, hist = rows[0][0], [r[0] for r in rows[1:]]
deltas = [hist[i] - hist[i+1] for i in range(len(hist)-1)]
today_delta = today - hist[0]
if not deltas or statistics.pstdev(deltas) == 0: return False
return abs(today_delta - statistics.mean(deltas)) / statistics.pstdev(deltas) > z
```
### Telegram alert
```python
import requests, os
def alert(msg):
requests.post(
f"https://api.telegram.org/bot{os.environ['TG_TOKEN']}/sendMessage",
json={'chat_id': os.environ['TG_CHAT'], 'text': msg, 'parse_mode': 'Markdown'},
)
for vid in list_my_videos():
if is_spike(vid):
title = con.execute("SELECT title FROM videos WHERE video_id=?", [vid]).fetchone()[0]
alert(f"*Spike*: [{title}](https://youtu.be/{vid})")
```
### LLM weekly digest (Claude)
```python
from anthropic import Anthropic
top = con.execute("""
SELECT v.title, s.views, s.ctr, s.avd_sec
FROM snapshots s JOIN videos v USING(video_id)
WHERE s.captured_at::DATE = current_date
ORDER BY s.views DESC LIMIT 10
""").fetchall()
resp = Anthropic().messages.create(
model='claude-opus-4-7',
max_tokens=1000,
messages=[{'role': 'user', 'content':
f"Weekly channel digest. Identify 3 actions. Data:\n{top}"}],
)
print(resp.content[0].text)
```
### Cron (systemd timer)
```ini
# ~/.config/systemd/user/yt-check.timer
[Unit]
Description=Daily YouTube channel snapshot
[Timer]
OnCalendar=*-*-* 09:00:00
Persistent=true
[Install]
WantedBy=timers.target
```
## 매 결정 기준
| 상황 | Approach |
|---|---|
| Single channel, ≤ 500 videos | API v3 + Analytics v2, daily |
| 5k+ videos | Reporting API bulk CSV |
| Real-time spike | poll every 15m for new uploads only |
| Multi-channel agency | per-channel OAuth tokens, rate-limit pool |
| Privacy / no Google | 매 X — Analytics 의 own data 만 own 가 access |
**기본값**: daily 09:00 cron + Analytics v2 + DuckDB + 3σ Z-score alert + Telegram + weekly LLM digest.
## 🔗 Graph
- 부모: [[YouTube-Creator-Tooling]] · [[Personal-Monitoring]]
- 변형: [[comment_harvester]] · [[Channel-Analytics-Dashboard]]
- 응용: [[Telegram-Notify]] · [[Anomaly-Detection]]
- Adjacent: [[YouTube-Analytics-API]] · [[DuckDB]]
## 🤖 LLM 활용
**언제**: weekly digest, anomaly explanation, A/B thumbnail copy 의 generation.
**언제 X**: 매 ground-truth metric 의 fabrication — always cite raw numbers.
## ❌ 안티패턴
- **Polling stats every minute**: quota 의 burn — 매 actual update lag 이 hours.
- **No baseline window**: every uptick = "spike" = noise.
- **Storing only current snapshot**: 매 trend 의 재구성 불가.
- **Hard-coded video list**: 매 new upload 의 miss.
- **OAuth token in repo**: revoke 즉시 필요. Use secret manager.
## 🧪 검증 / 중복
- Verified (YouTube Data API v3, Analytics API v2 docs, YouTube Reporting API guide).
- 신뢰도 A.
## 🕓 Changelog
| 날짜 | 변경 |
|---|---|
| 2026-05-08 | Phase 1 |
| 2026-05-10 | Manual cleanup — channel monitor + anomaly + LLM digest |