AI Topic Scout (Feishu Edition)
AI 短视频选题追踪系统 — 飞书多维表格版
自动抓取指定 YouTube 博主视频和 Twitter 博主推文，分析内容，聚合跨平台热点主题，生成带热度评分和选题建议的分析报告，结果写入飞书多维表格。
功能
- 抓取内容
- YouTube: 指定频道最新视频（标题、描述、观看数、发布时间） - Twitter/X: 指定账号最新推文（内容、互动数、发布时间）
- 智能分析
- 提取核心主题和关键词 - 跨平台话题聚合（发现同一主题在多个平台出现） - 热度评分（基于互动数据 + 发布时间） - 生成选题建议
- 数据管理
- 自动写入飞书多维表格 - 支持去重（避免重复抓取相同内容） - 按热度排序展示
使用场景
- 定时抓取 AI 领域博主内容
- 分析短视频选题热度
- 跨平台话题聚合
- 生成内容创作灵感
触发词
- "抓取选题"
- "分析选题"
- "选题 scout"
- "AI 选题追踪"
- "更新选题表"
配置
在使用前，需要配置:
1. 创建飞书多维表格
首次运行时，系统会自动创建一个名为 "AI 选题追踪" 的多维表格，包含以下 4 个数据表:
数据表 1: YouTube 频道列表
- 频道 ID (文本, 如 @channelname 或 UCxxxxxx)
- 频道名称 (文本)
- 订阅数 (数字)
- 最后抓取时间 (日期)
- 是否启用 (复选框)
- 备注 (文本)
数据表 2: Twitter 博主列表
- 用户名 (文本, 不含 @)
- 显示名称 (文本)
- 粉丝数 (数字)
- 最后抓取时间 (日期)
- 是否启用 (复选框)
- 备注 (文本)
数据表 3: 原始内容
- 平台 (单选: YouTube / Twitter)
- 博主名称 (文本)
- 内容标题/正文 (文本)
- 发布时间 (日期)
- 互动数据 (数字: 观看数/点赞数/评论数等)
- 链接 (超链接)
- 数据源 (关联字段 → YouTube频道列表 或 Twitter博主列表)
- 抓取时间 (创建时间)
数据表 4: 选题分析
- 主题名称 (文本)
- 关键词 (多选)
- 热度评分 (数字, 1-100)
- 跨平台出现次数 (数字)
- 选题建议 (文本)
- 相关内容 (关联字段 → 原始内容)
- 创建时间 (创建时间)
2. 配置数据源
方式一: 直接在飞书多维表格中管理 (推荐)
在多维表格的 "YouTube 频道列表" 和 "Twitter 博主列表" 数据表中手动添加记录:
| 频道 ID | 频道名称 | 是否启用 |
|---|---|---|
| @AndrewYNg | Andrew Ng | ✅ |
| @lexfridman | Lex Fridman | ✅ |
系统会自动读取表中已启用的数据源进行抓取。
方式二: 通过配置文件初始化
首次创建表格时，可在 config.yaml 中定义初始数据源:
sources:
youtube:
- channel_id: "@channelname"
name: "博主A"
- channel_id: "@another"
name: "博主B"
twitter:
- username: "username1"
name: "推主A"
- username: "username2"
name: "推主B"创建表格时会自动导入这些数据源。
3. API 密钥 (可选)
如果需要更高的抓取频率，可配置:
- YouTube Data API key
- Twitter API bearer token
工作流程
第一次运行
用户: "创建 AI 选题追踪表"系统会:
- 创建飞书多维表格 (4 个数据表)
- 设置字段和关联关系
- 导入初始数据源 (如果 config.yaml 中有定义)
- 返回表格链接
管理数据源
添加新数据源:
用户: "添加 YouTube 频道 @3blue1brown"系统会在 "YouTube 频道列表" 中插入新记录。
禁用某个数据源:
用户: "禁用 Twitter 账号 karpathy"系统会将该记录的 "是否启用" 字段设为 false。
日常使用
用户: "抓取选题"系统会:
- 读取配置的数据源
- 抓取最新内容（过去 7 天）
- 分析主题和热度
- 写入多维表格
- 返回摘要报告
查看分析
用户: "查看选题分析"系统会:
- 读取多维表格中的选题分析
- 按热度排序
- 展示 Top 10 热门选题
技术实现
内容抓取
- YouTube: 使用
yt-dlp或 YouTube RSS feed - Twitter: 使用
nitter.net公开接口或 Twitter API
分析引擎
使用 LLM 进行:
- 主题提取
- 关键词标注
- 跨平台相似度匹配
- 选题建议生成
热度评分算法
热度 = (互动数 × 平台权重) × 时间衰减系数
- 互动数: 观看/点赞/评论等
- 平台权重: YouTube=1.2, Twitter=1.0
- 时间衰减: 7天内=1.0, 7-14天=0.7, 14-30天=0.4执行逻辑
Step 1: 初始化检查
# 检查是否已存在多维表格
if not table_exists():
create_feishu_bitable()Step 2: 抓取内容
# 从多维表格读取已启用的数据源
youtube_sources = get_enabled_sources("YouTube频道列表")
twitter_sources = get_enabled_sources("Twitter博主列表")
# YouTube
for source in youtube_sources:
videos = fetch_youtube_latest(source["频道ID"], days=7)
for video in videos:
if not exists_in_table(video.url):
insert_to_raw_content_table(video, source_id=source["记录ID"])
# 更新最后抓取时间
update_source_last_fetch_time(source["记录ID"])
# Twitter
for source in twitter_sources:
tweets = fetch_twitter_latest(source["用户名"], days=7)
for tweet in tweets:
if not exists_in_table(tweet.url):
insert_to_raw_content_table(tweet, source_id=source["记录ID"])
# 更新最后抓取时间
update_source_last_fetch_time(source["记录ID"])Step 3: 内容分析
# 获取未分析的内容
raw_contents = get_unanalyzed_contents()
# 使用 LLM 批量分析
analysis_prompt = """
分析以下内容，提取:
1. 核心主题（一句话概括）
2. 关键词（3-5个）
3. 选题建议（为什么值得做？如何切入？）
内容列表:
{raw_contents}
"""
analysis_result = llm_analyze(analysis_prompt)
# 聚合相似主题
topics = aggregate_similar_topics(analysis_result)
# 计算热度并写入
for topic in topics:
topic.heat_score = calculate_heat_score(topic)
insert_to_topic_analysis_table(topic)Step 4: 返回报告
# 生成摘要
summary = f"""
✅ 抓取完成
📊 数据统计:
- YouTube 视频: {youtube_count} 条
- Twitter 推文: {twitter_count} 条
- 新增主题: {new_topics_count} 个
🔥 热门选题 Top 5:
{top_5_topics_with_heat_score}
🔗 查看完整表格:
{feishu_bitable_url}
"""
return summary自动化运行
可配置 OpenClaw cron 定时执行:
# gateway config
cron:
jobs:
- name: "AI选题追踪"
schedule:
kind: cron
expr: "0 9,21 * * *" # 每天 9:00 和 21:00
tz: "Asia/Shanghai"
payload:
kind: agentTurn
message: "抓取选题"
timeoutSeconds: 300
sessionTarget: isolated
delivery:
mode: announce依赖工具
feishu_bitable_app: 管理多维表格 Appfeishu_bitable_app_table: 管理数据表feishu_bitable_app_table_field: 管理字段feishu_bitable_app_table_record: 读写记录web_search: 补充信息查询exec: 执行 yt-dlp 等工具
进阶功能 (可选扩展)
- 自动生成脚本大纲: 基于选题分析生成短视频脚本框架
- 竞品监控: 追踪同行业创作者的选题方向
- 趋势预测: 基于历史数据预测未来热门话题
- 飞书通知: 发现高热度选题时自动推送飞书消息
示例对话
用户: "创建 AI 选题追踪表"
助手: ✅ 已创建多维表格 "AI 选题追踪"
包含 4 个数据表:
- YouTube 频道列表
- Twitter 博主列表
- 原始内容
- 选题分析
🔗 https://xxx.feishu.cn/base/xxxx
用户: "添加 YouTube 频道 @3blue1brown"
助手: ✅ 已添加到 YouTube 频道列表
频道名称: 3Blue1Brown
状态: 已启用
用户: "抓取选题"
助手: [执行抓取和分析流程]
✅ 抓取完成
📊 数据统计:
- YouTube 视频: 12 条 (来自 3 个频道)
- Twitter 推文: 28 条 (来自 5 个账号)
- 新增主题: 7 个
🔥 热门选题 Top 5:
1. AI Agent 工作流优化 (热度: 89)
2. OpenAI o3 模型解读 (热度: 85)
3. 本地部署 LLM 实战 (热度: 78)
4. Prompt Engineering 新技巧 (热度: 72)
5. AI 视频生成工具对比 (热度: 68)
🔗 查看完整表格: [链接]
用户: "分析 'AI Agent 工作流' 这个选题"
助手: [从表格读取详细信息并展示]注意事项
- 频率控制: YouTube/Twitter 有请求限制，建议每天运行 2-3 次
- 去重逻辑: 使用 URL 作为唯一标识，避免重复抓取
- 隐私保护: 不要抓取包含敏感信息的私有账号
- 飞书授权: 首次使用需完成用户 OAuth 授权
故障排查
Q: 抓取失败，返回 403/429 错误 A: 触发了平台限流，稍后重试或配置 API 密钥
Q: 重复内容写入表格 A: 检查去重逻辑，确保使用正确的唯一标识字段
Q: LLM 分析结果不准确 A: 调整 prompt 或使用更强的模型（如 opus）
Q: 飞书多维表格写入失败 A: 检查用户授权状态，运行 feishu_oauth revoke 后重新授权
作者 & 许可
改编自钉钉版 AI Topic Scout，适配飞书多维表格 License: MIT