[verdetto][prompt curato][fonte: snitchfeed.com]
Posso vibecodare SnitchFeed?
// il valore è la rete, i dati o l’infrastruttura
Una build da weekend ti dà un matcher di keyword; SnitchFeed è una raffineria di segnali — cinque piattaforme in un solo flusso, filtri booleani, punteggio AI su pertinenza e intenzione d'acquisto. A restare fuori dalla portata di una build one-shot sono la copertura di X e LinkedIn e il punteggio messo a punto.
confidenza: media
cos’è: Trova i compratori nel momento di massima intenzione: monitoraggio 24/7 di Reddit, X, LinkedIn, Bluesky e Hacker News, con punteggio AI e consegna in tempo reale al tuo team o ai tuoi agent.
Indice di costruibilità · gioco editoriale
- Prezzo 59 $/mese peso: più 3
- Tempo non è un vero sostituto; build di consolazione in uno o due giorni peso: meno 1
- Categoria social media non pesa
- Moat dati proprietari · integrazioni · qualità di esecuzione peso: meno 4
- Confidenza media peso: zero
- Cosa perdi 5 voci peso: meno 2
- Sito snitchfeed.com (si apre in una nuova scheda) non pesa
Il moat pesa più del prezzo: rifarlo è un progetto, non una sera.
Gioco editoriale: il verdetto dice se un agente può, l’indice se conviene.
Cosa costruisci
Fare polling su un paio di feed aperti e gratuiti (l'API di Reddit, il firehose di Bluesky, l'API Algolia di Hacker News) cercando le keyword, passare ogni risultato a un LLM per un'etichetta approssimativa di pertinenza e sentiment, e spingere le corrispondenze su un webhook Slack o Discord.
cosa ti serve
- le credenziali di un'app API Reddit (gratis)
- una app password Bluesky per accedere a firehose e ricerca
- l'API Algolia di Hacker News (nessuna chiave richiesta)
- una API key OpenAI/Anthropic per le etichette di pertinenza e sentiment
- Postgres in hosting più un worker cron o una coda
- uno o più URL di webhook in ingresso su Slack/Discord
Voce di credibilità: il moat è lo stack di raffinazione (cinque piattaforme in un flusso solo, riduzione del rumore a strati, azione in un clic), non l'interfaccia. Uno dei pochi strumenti qui dentro costruiti per essere usati da agenti AI via MCP, non solo per essere sostituiti da uno.
Il prompt
Il verdetto è NON PROPRIO, e il prompt resta lo stesso: non rimpiazza l’app, ricostruisce il pezzo che è davvero codice. Il resto è il moat.
Build a personal social-listening tool inspired by SnitchFeed, starting from an empty folder. This is an honest consolation build: it watches free, open feeds only and does not replace SnitchFeed's aggregation, tuned scoring, or automation layer.
Stack (use exactly this): Next.js 15 + TypeScript + PostgreSQL + BullMQ + Redis.
Core loop:
- Let me define keywords/brand terms and a poll interval per source.
- Poll Reddit's API, Bluesky's search, and Hacker News's Algolia API via a BullMQ worker on a cron schedule; dedupe matches by source + id.
- Score each match's relevance and sentiment with one LLM call (OpenAI or Anthropic); store both alongside the raw post.
- Push new matches to a Slack or Discord incoming webhook.
- Smallest polished UI that closes the loop: add a keyword, watch matches stream in, mark them read or irrelevant.
Rules:
- Single-user and private by default; all data in local Postgres.
- Every API key, app password, and webhook URL in .env, with .env.example provided; never log secrets; validate untrusted input.
- No analytics, telemetry, ads, or accounts beyond what's declared.
- Clear empty, loading, validation, success, and failure states.
Deliberately out of scope (do not fake these): X/Twitter and LinkedIn coverage, cross-platform aggregation and dedup at scale, continuously tuned relevance scoring and noise auditing, a live real-time dashboard, and any agent-facing API/MCP layer.
Finish line:
- Unit tests for the dedupe logic and the scoring call, plus one end-to-end smoke test: keyword added, fake match flows through to a webhook call.
- README covering setup, the exact free APIs used and their rate limits, and this build's limitations versus a paid multi-source listening tool.
- Scripts for install, development, test, build, and a production-style local run.
- Run the tests and the build before finishing; fix errors rather than describing them.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
- la copertura di X/Twitter e LinkedIn, del tutto (nessuna delle due ha una API di ricerca pubblica e gratuita): due delle cinque piattaforme semplicemente spariscono
- un unico flusso aggregato e deduplicato su cinque piattaforme, invece di cinque poller che funzionano a metà
- lo stack di riduzione del rumore: grammatica delle query booleane, punteggi AI di aderenza, sentiment, tag di intenzione e un audit automatico del rumore che continua a tarare cosa passa
- una dashboard in tempo reale con feed curati, viste salvate e report analitici, invece di un ping su Slack che impari a ignorare
- una superficie nativa per gli agent: un server MCP e una API REST pubblica, così i tuoi agenti AI possono cercare le menzioni, creare listener e agire direttamente sull'intenzione
Perché pagano ancora
Perché qui una menzione non è qualcosa da leggere, è qualcosa su cui agire. Chi scrive «che strumento uso per X?» è al picco dell'intenzione, e quella finestra si chiude in poche ore; SnitchFeed ti consegna quel thread già valutato ed etichettato, e poi alimenta il seguito: webhook verso stack di outreach come Clay e HeyReach, oppure un agente AI che lavora la coda via MCP. Un matcher fai-da-te trova le menzioni; non ci fa girare una pipeline.
moat: Dati proprietari Integrazioni Qualità di esecuzione cos’è un moat
il moat è lo stack di raffinazione, non un singolo feed: cinque piattaforme aggregate in un flusso solo, una riduzione del rumore a strati (grammatica delle query, punteggio AI, audit del rumore) che ne fa una lista corta, e percorsi in un clic per agire, per le persone via Slack/Discord/dashboard e per gli agenti AI via un server MCP vero e una API REST
Alternative gratuite
Non hai voglia di costruirtelo? Queste esistono già, sono gratis o open source, e le abbiamo controllate una per una.
Scartate (1) — e perché
- Google Alerts (si apre in una nuova scheda) — Il consiglio di default, ma sorveglia l'indice di Google invece dei thread dal vivo · quando scatta, la finestra di massima intenzione si è già chiusa.
Chi l’ha già costruito
Partire da qui è vibecoding lo stesso: il prompt serve quando lo vuoi esattamente a modo tuo.
- Huginn (si apre in una nuova scheda) — Self-hosted agent system for watching sites/feeds and triggering actions on events.
Sei d’accordo?
La bilancia dei voti
Ancora nessun voto: il tuo è il primo.
Nessun voto ancora — il primo pesa.
