{"skill":{"slug":"ai-topic-scout-feishu","displayName":"ai-topic-scout-feishu","summary":"自动抓取指定YouTube频道和Twitter账号内容，分析聚合跨平台AI热门话题，生成带热度评分的选题报告并写入飞书多维表格。","description":"# AI Topic Scout (Feishu Edition)\n\n**AI 短视频选题追踪系统 — 飞书多维表格版**\n\n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。\n\n---\n\n## 功能\n\n1. **抓取内容**\n   - YouTube: 指定频道最新视频（标题、描述、观看数、发布时间）\n   - Twitter/X: 指定账号最新推文（内容、互动数、发布时间）\n\n2. **智能分析**\n   - 提取核心主题和关键词\n   - 跨平台话题聚合（发现同一主题在多个平台出现）\n   - 热度评分（基于互动数据 + 发布时间）\n   - 生成选题建议\n\n3. **数据管理**\n   - 自动写入飞书多维表格\n   - 支持去重（避免重复抓取相同内容）\n   - 按热度排序展示\n\n---\n\n## 使用场景\n\n- 定时抓取 AI 领域博主内容\n- 分析短视频选题热度\n- 跨平台话题聚合\n- 生成内容创作灵感\n\n---\n\n## 触发词\n\n- \"抓取选题\"\n- \"分析选题\"\n- \"选题 scout\"\n- \"AI 选题追踪\"\n- \"更新选题表\"\n\n---\n\n## 配置\n\n在使用前，需要配置:\n\n### 1. 创建飞书多维表格\n\n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:\n\n**数据表 1: YouTube 频道列表**\n- 频道 ID (文本, 如 @channelname 或 UCxxxxxx)\n- 频道名称 (文本)\n- 订阅数 (数字)\n- 最后抓取时间 (日期)\n- 是否启用 (复选框)\n- 备注 (文本)\n\n**数据表 2: Twitter 博主列表**\n- 用户名 (文本, 不含 @)\n- 显示名称 (文本)\n- 粉丝数 (数字)\n- 最后抓取时间 (日期)\n- 是否启用 (复选框)\n- 备注 (文本)\n\n**数据表 3: 原始内容**\n- 平台 (单选: YouTube / Twitter)\n- 博主名称 (文本)\n- 内容标题/正文 (文本)\n- 发布时间 (日期)\n- 互动数据 (数字: 观看数/点赞数/评论数等)\n- 链接 (超链接)\n- 数据源 (关联字段 → YouTube频道列表 或 Twitter博主列表)\n- 抓取时间 (创建时间)\n\n**数据表 4: 选题分析**\n- 主题名称 (文本)\n- 关键词 (多选)\n- 热度评分 (数字, 1-100)\n- 跨平台出现次数 (数字)\n- 选题建议 (文本)\n- 相关内容 (关联字段 → 原始内容)\n- 创建时间 (创建时间)\n\n### 2. 配置数据源\n\n**方式一: 直接在飞书多维表格中管理** (推荐)\n\n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:\n\n| 频道 ID | 频道名称 | 是否启用 |\n|---------|----------|----------|\n| @AndrewYNg | Andrew Ng | ✅ |\n| @lexfridman | Lex Fridman | ✅ |\n\n系统会自动读取表中**已启用**的数据源进行抓取。\n\n**方式二: 通过配置文件初始化**\n\n首次创建表格时，可在 `config.yaml` 中定义初始数据源:\n\n```yaml\nsources:\n  youtube:\n    - channel_id: \"@channelname\"\n      name: \"博主A\"\n    - channel_id: \"@another\"\n      name: \"博主B\"\n  \n  twitter:\n    - username: \"username1\"\n      name: \"推主A\"\n    - username: \"username2\"\n      name: \"推主B\"\n```\n\n创建表格时会自动导入这些数据源。\n\n### 3. API 密钥 (可选)\n\n如果需要更高的抓取频率，可配置:\n- YouTube Data API key\n- Twitter API bearer token\n\n---\n\n## 工作流程\n\n### 第一次运行\n\n```\n用户: \"创建 AI 选题追踪表\"\n```\n\n系统会:\n1. 创建飞书多维表格 (4 个数据表)\n2. 设置字段和关联关系\n3. 导入初始数据源 (如果 config.yaml 中有定义)\n4. 返回表格链接\n\n### 管理数据源\n\n**添加新数据源:**\n\n```\n用户: \"添加 YouTube 频道 @3blue1brown\"\n```\n\n系统会在 \"YouTube 频道列表\" 中插入新记录。\n\n**禁用某个数据源:**\n\n```\n用户: \"禁用 Twitter 账号 karpathy\"\n```\n\n系统会将该记录的 \"是否启用\" 字段设为 false。\n\n### 日常使用\n\n```\n用户: \"抓取选题\"\n```\n\n系统会:\n1. 读取配置的数据源\n2. 抓取最新内容（过去 7 天）\n3. 分析主题和热度\n4. 写入多维表格\n5. 返回摘要报告\n\n### 查看分析\n\n```\n用户: \"查看选题分析\"\n```\n\n系统会:\n1. 读取多维表格中的选题分析\n2. 按热度排序\n3. 展示 Top 10 热门选题\n\n---\n\n## 技术实现\n\n### 内容抓取\n\n- **YouTube**: 使用 `yt-dlp` 或 YouTube RSS feed\n- **Twitter**: 使用 `nitter.net` 公开接口或 Twitter API\n\n### 分析引擎\n\n使用 LLM 进行:\n- 主题提取\n- 关键词标注\n- 跨平台相似度匹配\n- 选题建议生成\n\n### 热度评分算法\n\n```\n热度 = (互动数 × 平台权重) × 时间衰减系数\n- 互动数: 观看/点赞/评论等\n- 平台权重: YouTube=1.2, Twitter=1.0\n- 时间衰减: 7天内=1.0, 7-14天=0.7, 14-30天=0.4\n```\n\n---\n\n## 执行逻辑\n\n### Step 1: 初始化检查\n\n```python\n# 检查是否已存在多维表格\nif not table_exists():\n    create_feishu_bitable()\n```\n\n### Step 2: 抓取内容\n\n```python\n# 从多维表格读取已启用的数据源\nyoutube_sources = get_enabled_sources(\"YouTube频道列表\")\ntwitter_sources = get_enabled_sources(\"Twitter博主列表\")\n\n# YouTube\nfor source in youtube_sources:\n    videos = fetch_youtube_latest(source[\"频道ID\"], days=7)\n    for video in videos:\n        if not exists_in_table(video.url):\n            insert_to_raw_content_table(video, source_id=source[\"记录ID\"])\n    \n    # 更新最后抓取时间\n    update_source_last_fetch_time(source[\"记录ID\"])\n\n# Twitter\nfor source in twitter_sources:\n    tweets = fetch_twitter_latest(source[\"用户名\"], days=7)\n    for tweet in tweets:\n        if not exists_in_table(tweet.url):\n            insert_to_raw_content_table(tweet, source_id=source[\"记录ID\"])\n    \n    # 更新最后抓取时间\n    update_source_last_fetch_time(source[\"记录ID\"])\n```\n\n### Step 3: 内容分析\n\n```python\n# 获取未分析的内容\nraw_contents = get_unanalyzed_contents()\n\n# 使用 LLM 批量分析\nanalysis_prompt = \"\"\"\n分析以下内容，提取:\n1. 核心主题（一句话概括）\n2. 关键词（3-5个）\n3. 选题建议（为什么值得做？如何切入？）\n\n内容列表:\n{raw_contents}\n\"\"\"\n\nanalysis_result = llm_analyze(analysis_prompt)\n\n# 聚合相似主题\ntopics = aggregate_similar_topics(analysis_result)\n\n# 计算热度并写入\nfor topic in topics:\n    topic.heat_score = calculate_heat_score(topic)\n    insert_to_topic_analysis_table(topic)\n```\n\n### Step 4: 返回报告\n\n```python\n# 生成摘要\nsummary = f\"\"\"\n✅ 抓取完成\n\n📊 数据统计:\n- YouTube 视频: {youtube_count} 条\n- Twitter 推文: {twitter_count} 条\n- 新增主题: {new_topics_count} 个\n\n🔥 热门选题 Top 5:\n{top_5_topics_with_heat_score}\n\n🔗 查看完整表格:\n{feishu_bitable_url}\n\"\"\"\n\nreturn summary\n```\n\n---\n\n## 自动化运行\n\n可配置 OpenClaw cron 定时执行:\n\n```yaml\n# gateway config\ncron:\n  jobs:\n    - name: \"AI选题追踪\"\n      schedule:\n        kind: cron\n        expr: \"0 9,21 * * *\"  # 每天 9:00 和 21:00\n        tz: \"Asia/Shanghai\"\n      payload:\n        kind: agentTurn\n        message: \"抓取选题\"\n        timeoutSeconds: 300\n      sessionTarget: isolated\n      delivery:\n        mode: announce\n```\n\n---\n\n## 依赖工具\n\n- `feishu_bitable_app`: 管理多维表格 App\n- `feishu_bitable_app_table`: 管理数据表\n- `feishu_bitable_app_table_field`: 管理字段\n- `feishu_bitable_app_table_record`: 读写记录\n- `web_search`: 补充信息查询\n- `exec`: 执行 yt-dlp 等工具\n\n---\n\n## 进阶功能 (可选扩展)\n\n- **自动生成脚本大纲**: 基于选题分析生成短视频脚本框架\n- **竞品监控**: 追踪同行业创作者的选题方向\n- **趋势预测**: 基于历史数据预测未来热门话题\n- **飞书通知**: 发现高热度选题时自动推送飞书消息\n\n---\n\n## 示例对话\n\n```\n用户: \"创建 AI 选题追踪表\"\n助手: ✅ 已创建多维表格 \"AI 选题追踪\"\n      包含 4 个数据表:\n      - YouTube 频道列表\n      - Twitter 博主列表  \n      - 原始内容\n      - 选题分析\n      🔗 https://xxx.feishu.cn/base/xxxx\n\n用户: \"添加 YouTube 频道 @3blue1brown\"\n助手: ✅ 已添加到 YouTube 频道列表\n      频道名称: 3Blue1Brown\n      状态: 已启用\n\n用户: \"抓取选题\"\n助手: [执行抓取和分析流程]\n      \n      ✅ 抓取完成\n      \n      📊 数据统计:\n      - YouTube 视频: 12 条 (来自 3 个频道)\n      - Twitter 推文: 28 条 (来自 5 个账号)\n      - 新增主题: 7 个\n      \n      🔥 热门选题 Top 5:\n      1. AI Agent 工作流优化 (热度: 89)\n      2. OpenAI o3 模型解读 (热度: 85)\n      3. 本地部署 LLM 实战 (热度: 78)\n      4. Prompt Engineering 新技巧 (热度: 72)\n      5. AI 视频生成工具对比 (热度: 68)\n      \n      🔗 查看完整表格: [链接]\n\n用户: \"分析 'AI Agent 工作流' 这个选题\"\n助手: [从表格读取详细信息并展示]\n```\n\n---\n\n## 注意事项\n\n1. **频率控制**: YouTube/Twitter 有请求限制，建议每天运行 2-3 次\n2. **去重逻辑**: 使用 URL 作为唯一标识，避免重复抓取\n3. **隐私保护**: 不要抓取包含敏感信息的私有账号\n4. **飞书授权**: 首次使用需完成用户 OAuth 授权\n\n---\n\n## 故障排查\n\n**Q: 抓取失败，返回 403/429 错误**\nA: 触发了平台限流，稍后重试或配置 API 密钥\n\n**Q: 重复内容写入表格**\nA: 检查去重逻辑，确保使用正确的唯一标识字段\n\n**Q: LLM 分析结果不准确**\nA: 调整 prompt 或使用更强的模型（如 opus）\n\n**Q: 飞书多维表格写入失败**\nA: 检查用户授权状态，运行 `feishu_oauth` revoke 后重新授权\n\n---\n\n## 作者 & 许可\n\n改编自钉钉版 AI Topic Scout，适配飞书多维表格\nLicense: MIT\n","topics":["Feishu","飞书"],"tags":{"latest":"1.0.0"},"stats":{"comments":0,"downloads":513,"installsAllTime":19,"installsCurrent":0,"stars":0,"versions":1},"createdAt":1773630813942,"updatedAt":1778491936802},"latestVersion":{"version":"1.0.0","createdAt":1773630813942,"changelog":"AI Topic Scout (Feishu Edition) 1.0.0\n\n- 首次发布，支持自动抓取指定 YouTube 频道和 Twitter 账号内容，进行主题分析与热度评分。\n- 聚合跨平台热点话题，生成选题建议，并写入飞书多维表格。\n- 支持飞书多维表格自动初始化与一键数据源管理，内置去重与热度排序功能。\n- 提供多种交互指令，涵盖内容抓取、分析、管理及话题展示。\n- 支持 OpenClaw 定时自动化任务与多项扩展能力（如内容创作辅助、飞书通知）。","license":"MIT-0"},"metadata":null,"owner":{"handle":"xdimtech","userId":"s17faw0aqrc0wq0zgr5rfv24sn84s5az","displayName":"xdimtech","image":"https://avatars.githubusercontent.com/u/188283513?v=4"},"moderation":null}