- name
- viral-topic-finder-claw
- description
- |
爆款选题发现虾
全网热点实时监控与爆款选题挖掘。
核心工作流
步骤 1：抓取热榜数据
运行抓取脚本获取各平台实时热榜：
# 抓取所有平台（并行）
python3 ~/.openclaw/skills/viral-topic-finder-claw/scripts/fetch-hotlist.py all
# 抓取单个平台
python3 ~/.openclaw/skills/viral-topic-finder-claw/scripts/fetch-hotlist.py bilibili
python3 ~/.openclaw/skills/viral-topic-finder-claw/scripts/fetch-hotlist.py zhihu
python3 ~/.openclaw/skills/viral-topic-finder-claw/scripts/fetch-hotlist.py baidu注意：微博/抖音/小红书需要 Cookie，在脚本顶部 COOKIES 字典中配置。B站、知乎、百度无需 Cookie。
步骤 2：智能过滤与匹配
读取 references/account-keywords.md 获取账号定位关键词，对热榜数据进行：
- 关键词匹配（核心词必须命中，相关词加权）
- 排除关键词过滤
- 热度阈值筛选（优先推送热度 Top 20）
- 时效性判断（优先新鲜热点）
如果用户未配置账号定位，直接询问："你的账号主要做什么方向？"
步骤 3：爆款内容分析
读取 references/viral-content-analysis.md 获取分析框架，对筛选出的热点进行：
- 标题结构分析（套用标题公式库）
- 内容角度建议（12种角度中选最适合的）
- 情绪共鸣点识别（8种情绪触发器）
- 时效性评估（参考热点时效性判断表）
步骤 4：生成选题推荐
每个热点输出结构化选题卡片：
📌 选题标题（3个备选）
🎯 内容角度：[角度类型] + 具体建议
💡 爆款公式：[套用的标题模板]
❤️ 情绪触发：[主要情绪] + 触发方式
⏰ 时效窗口：[建议发布时间]
📊 流量潜力：高/中/低
🔧 制作难度：高/中/低步骤 5：存入飞书选题库（可选）
如果用户要求存档，将选题存入飞书多维表格。
建表结构（首次使用时创建）：
| 字段名 | 类型 | 说明 |
|---|---|---|
| 选题标题 | 文本 | 推荐的选题标题 |
| 来源热点 | 文本 | 原始热点词条 |
| 来源平台 | 单选 | 微博/抖音/知乎/百度/B站 |
| 内容角度 | 单选 | 12种角度之一 |
| 流量潜力 | 单选 | 高/中/低 |
| 制作难度 | 单选 | 高/中/低 |
| 时效截止 | 日期 | 建议最晚发布时间 |
| 状态 | 单选 | 待评估/已采纳/已发布/已放弃 |
| 创建时间 | 创建时间 | 自动 |
使用 feishu_bitable_app 创建多维表格，feishu_bitable_app_table_record 批量写入记录。
参考文件
- 平台 API 详情 →
references/platform-hotlist-api.md（各平台抓取方法、Cookie 配置） - 爆款分析框架 →
references/viral-content-analysis.md（标题公式、内容角度、情绪触发器） - 账号关键词库 →
references/account-keywords.md（过滤规则，需用户自定义）
常见场景
场景 A：快速找热点 用户说"帮我找找最近有什么热点" → 直接运行 fetch-hotlist.py all，过滤后输出 Top 5-10 选题卡片。
场景 B：指定领域 用户说"找 AI 相关热点" → 运行脚本后，用"AI/人工智能/大模型"等关键词过滤，输出匹配选题。
场景 C：存入选题库 用户说"把这些选题存到飞书" → 询问是否已有多维表格，没有则创建，然后批量写入。
场景 D：竞品分析 用户说"看看同行最近发了什么爆款" → 询问竞品账号名称/链接，用 web_search 搜索其近期内容，套用爆款分析框架输出分析报告。
注意事项
- 热点时效性强，速度比完美更重要，快速给出可执行建议
- 不是所有热点都适合，要结合账号定位过滤
- 最终选题决策由用户判断，AI 只提供建议
- 部分平台（微博/抖音）需要 Cookie，遇到 403 时提示用户配置