[verdetto][prompt curato][fonte: gojiberry.ai]
Posso vibecodare Gojiberry AI?
// una sessione, versione personale usabile
Ogni stadio del loop è già un pezzo che si compra: quello che scrivi davvero è la colla, lo scoring sull'ICP e la coda di invio, una sola sessione. L'asterisco è che stai affittando quattro servizi invece di scriverli, e l'outreach gira comunque su account LinkedIn veri, con limiti veri.
confidenza: media
cos’è: Sorveglia i segnali d'acquisto pubblici, dà un punteggio alle persone che ci stanno dietro e manda il primo messaggio su LinkedIn
Indice di costruibilità · gioco editoriale
- Prezzo 99 $/mese peso: più 3
- Tempo una sessione peso: più 3
- Categoria outreach commerciale non pesa
- Moat qualità di esecuzione · integrazioni peso: meno 2
- Confidenza media peso: zero
- Cosa perdi 5 voci peso: meno 2
- Sito gojiberry.ai (si apre in una nuova scheda) non pesa
Il conto sta in piedi, ma non di molto: guarda cosa perdi prima di partire.
Gioco editoriale: il verdetto dice se un agente può, l’indice se conviene.
Cosa costruisci
Interrogare a intervalli le pagine dei concorrenti e i creator sorvegliati per raccogliere like, commenti, follower e cambi di lavoro, dare un punteggio a ogni persona rispetto all'ICP, arricchire quelle che vale la pena contattare, scrivere una nota di collegamento a partire dal segnale esatto che è scattato e poi inviare e fare follow-up da più account LinkedIn tuoi, finché qualcuno non risponde.
cosa ti serve
- una sorgente di segnali: attori Apify, oppure un agent Hermes che esegue il monitoraggio su base programmata
- un provider di enrichment: MoltSets o Prospeo
- un account Unipile con uno o più account LinkedIn collegati
- una API key OpenAI o Anthropic
- Node con SQLite (better-sqlite3)
Ogni stadio è un pezzo comprato: Apify o un agent Hermes per i segnali, MoltSets o Prospeo per l'enrichment, Unipile per l'invio. La build one-shot è lo scoring sull'ICP e la coda che sta in mezzo, e il fatto che Unipile regga più account significa che la versione DIY invia più del piano da 99 $.
Il prompt
Una sessione con un agente di coding e la tua versione gira.
Build me a signal-triggered LinkedIn outreach agent to replace Gojiberry AI. Requirements:
- Local Node + TypeScript service: Express dashboard on localhost:3000, better-sqlite3
for storage, node-cron for the loop. No frontend framework.
- I define my ICP once in icp.yaml: titles, company sizes, geos, and the competitor
LinkedIn pages and creator profiles to watch.
- Every 6 hours, pull signals with apify-client (token in .env): likers and commenters
on watched posts, new followers, and job changes. Upsert each person into a prospects
table with the signal, its URL, and the date it fired.
- Score each prospect 0-100 against the ICP in one LLM call (key in .env) with a
two-line reason. Under 70 is never contacted.
- Enrich everyone above 70 through one provider, MoltSets or Prospeo · pick whichever
ships a Node client, and cache by profile URL so I never pay twice for the same person.
- Draft a connection note under 300 characters plus two follow-ups, written from the
profile and the exact signal that fired.
- Send through unipile-node-sdk. Connect several LinkedIn accounts and round-robin
across them at 20 invites and 40 messages per account per day, randomized gaps in
business hours, invite first and follow-ups only after acceptance. Poll replies every
15 minutes and stop the sequence the moment one lands.
- Drafts wait in an approval queue until I click Send · a --auto flag skips it. The
dashboard lists prospect, signal, score, sender account, and thread. No accounts, no
telemetry, everything on my machine except the Apify, enrichment, Unipile, and LLM
calls.
- Out of scope: email sequences and a hosted control plane. Do not scrape LinkedIn
directly, every LinkedIn action goes through Unipile.
- README: the Apify actors used, how to connect each LinkedIn account in Unipile, the
.env keys, and a warning that per-account limits are real, so keep the caps low for
the first two weeks. Prompt curato: scritto e rivisto a mano per questa app. In inglese di proposito — è la lingua in cui gli agenti di coding rendono meglio.
Cosa perdi
- un solo provider di enrichment invece di una cascata di oltre 15, quindi sui contatti difficili la copertura è più sottile
- il benchmarking tra clienti e la taratura automatica settimanale
- il setup in dieci minuti: la tua versione non esiste finché non la costruisci
- qualcun altro che assorbe le rotture quando un actor o un endpoint LinkedIn cambia
- una linea di supporto quando un account di invio finisce sotto restrizione
Perché pagano ancora
Si paga per saltare il montaggio e la manutenzione. Gojiberry trasforma l'URL di un sito in un agent che gira in dieci minuti, tiene in vita gli scraper quando cambia il layout di una pagina e mette sorgente dei segnali, cascata di enrichment ed entrambi i canali su una fattura sola. Affitta tu i pezzi e il costo mensile scende, ma ogni rottura è tua, ti ritrovi a riconciliare quattro dashboard, e i segnali restano utili solo se continui a dare nuove pagine e nuovi creator alla watchlist.
moat: Qualità di esecuzione Integrazioni cos’è un moat
l'inquadramento da agent e il setup in 10 minuti, non i dati
Chi l’ha già costruito
Partire da qui è vibecoding lo stesso: il prompt serve quando lo vuoi esattamente a modo tuo.
- Hermes Agent (si apre in una nuova scheda) — self-hosted agent that can run the signal watch on a schedule instead of a cron service you write
- n8n (si apre in una nuova scheda) — self-hostable workflow automation, the usual no-code way to wire signals to outreach
- Mautic (si apre in una nuova scheda) — open-source marketing automation with contacts, campaigns, sequences, and suppression
Sei d’accordo?
La bilancia dei voti
Ancora nessun voto: il tuo è il primo.
Nessun voto ancora — il primo pesa.