TikTok-达人筛选库 | 青虎AI

青虎AI TikTok-达人筛选库：从 TikTok 达人库（T+1 更新）按站点、粉丝数、互动率、带货类目、性别、语言等条件批量筛选达人。当用户说「找美国站粉丝 1 万以上的美妆达人」「筛一批互动率高的带货达人」「按类目找达人建联」或提出同类需求时必须触发。关键词：青虎AI、qhkit、青虎数据、TikTok、TikTok Shop、抖音国际版、达人筛选、找达人、达人库、KOL、网红营销、达人列表。

从 TikTok 达人库（T+1 更新）按站点、粉丝数、互动率、带货类目、性别、语言等条件批量筛选达人。

数据来自青虎数据工具 tiktok_influencer_list（达人列表，平台：TikTok），通过 qhkit mcp 调用——不需要、也不要去宿主环境里找或配置 MCP server。

何时触发

• 「找美国站粉丝 1 万以上的美妆达人」
• 「筛一批互动率高的带货达人」
• 「按类目找达人建联」

调用流程

bash

qhkit mcp describe '{"names":["tiktok_influencer_list"]}'   # ① 本会话首次调用前查最新入参与计费（免费）
qhkit mcp estimate '{"names":["tiktok_influencer_list"]}'   # ② 单次基价（青虎积分，免费）
qhkit mcp call     '{"name":"tiktok_influencer_list","params":{"region":"<区域代码>","page_num":"<分页页码>","page_size":"<分页页数>"}}'

• call 的 params 照 describe 返回的 inputSchema 填（下表是快照，以 describe 为准）；上面 call 里的值只是占位示意，按用户需求替换，不要原样提交。
• 参数复杂或含中文 / 引号时，把 {"name":...,"params":{...}} 写进文件，用 qhkit mcp call @params.json 调用，避免 shell 转义问题。
• Windows 防乱码：Windows 上经 PowerShell 调 qhkit 时，stdout 里的中文会按系统代码页 GBK 解码成乱码（如「专图模型」变成「涓撳浘妯″瀷」），模型名、选项、报错都对不上——看到乱码不要据此判断模型或选项不存在。每条 qhkit 命令在同一行先切 UTF-8 再调用：[Console]::OutputEncoding=[Text.Encoding]::UTF8; qhkit <命令> <action> @params.json；仍有乱码就加全局参数 --out result.json（qhkit 0.15.0+），stdout 只回一行纯 ASCII 的文件路径，再按 UTF-8 读该文件拿完整结果。PowerShell 5.1 还会吞掉命令行 JSON 里的双引号（报「json_args 解析失败」），Windows 上参数一律写进文件走 @params.json。macOS / Linux / Git Bash 不受影响。
• 用户没说清的必填项（站点、时间周期、ID 等）先问清楚或按下表说明取值，不要猜。

入参（快照）

参数	必填	类型	说明	取值
gender		string	性别，基于头像和视频内容， 仅美区生效
max_interaction_rate		number	互动量范围筛选
max_per_video_product_views_avg_cnt		integer	平均带货视频播放量范围筛选
influencer_language		string	达人语言
product_category_id		string	达人带货的商品一级分类ID
min_total_digg_cnt		integer	点赞量范围筛选
sales_flag		integer	是否带货，>0时代表带货， 1=视频带货 2=直播带货 3=直播+视频都带 4=开通橱窗
influencer_category_name		string	达人分类名称
min_per_video_product_views_avg_7d_cnt		integer	平均带货视频近7日播放量（增量）范围筛选
seller_id		string	店铺ID
page_size	✅	string	分页页数，最大等于10
max_total_views_cnt		integer	总播放量范围筛选
min_total_views_7d_cnt		integer	最近7日播放量（增量）范围筛选
influencer_sort_field_v2		integer	列表排序字段，1=total_followers_cnt 2=total_followers_30d_cnt 3=total_post_video_cnt 4=per_views_avg_cnt 5=interaction_rate 6=total_product_cnt
page_num	✅	string	分页页码，从1开始，最大10000
min_interaction_rate		number	互动量范围筛选
min_per_video_product_views_avg_cnt		integer	平均带货视频播放量范围筛选
min_total_followers_cnt		integer	粉丝量范围筛选
max_total_followers_cnt		integer	粉丝量范围筛选
sort_type		integer	排序顺序，排序顺序 0=asc 1=desc
show_case_flag		integer	是否开通橱窗，1=是 0=否
max_total_digg_cnt		integer	点赞量范围筛选
max_total_views_7d_cnt		integer	最近7日播放量（增量）范围筛选
region	✅	string	区域代码，地区，例如US
max_per_video_product_views_avg_7d_cnt		integer	平均带货视频近7日播放量（增量）范围筛选
min_total_views_cnt		integer	总播放量范围筛选

典型需求：「获取 美国站 粉丝数 10000 以上的前 10 个达人」

工具说明（线上原文整理）

提供Tiktok（T+1更新）库的达人数据，适用于需要大批量获取达人数据的场景。

【类目ID获取】当入参需要 category_id、category_l2_id、category_l3_id、product_category_id 等类目ID，而用户只提供类目名称或关键词时。应先将关键词翻译为目标站点/国家对应语言，再调用 tiktok_search_items 搜索并获取类目信息，最后使用匹配到的类目ID调用本工具；不要凭空编造类目ID。只取用tiktok_search_items工具的类目数据。

上下游

• 类目 ID 从哪来：用户只说了类目名称时，先用 tiktok_search_items（关键词先翻成目标站点语言再搜，只取它返回的类目数据）查出 category_id / product_category_id 等类目 ID 再填，不要编 ID。
• 相关工具：tiktok_search_items（TikTok-站内搜索）。括号里是它们各自对应的「青虎AI」专项技能；需要时也可直接 qhkit mcp call 调用（计费授权规则同下）。

计费与授权

• 付费工具。单次基价参考约 2 青虎积分（2026-10 快照，会调整），报价前先跑 qhkit mcp estimate，以它返回的 baseCredits 为准。
• 按返回结果量计费：返回条数越多实扣越高——报价说「约 X 积分起，以实际扣费为准」，大批量拉取前先说明。
• 本会话首次调用前：把要调用的工具（中文名 + 用途）和预计积分一次性告诉用户，征得同意后本会话内不再重复询问；同一需求要连调上下游工具时，一起列出、一次授权。用户拒绝或只同意一部分时，未同意的不调用。
• 实扣以 call 返回的 credits 为准（已经是青虎积分，不要再换算）；业务数据里自带的「积分 / points」字段是数据源自己的口径，不要引用。
• 同一轮回复内付费调用不超过 10 次；还要更多数据时，先说明还差什么、要再调几次，征得同意后下一轮继续。
• 有付费调用的那一轮，在回复最末尾另起一行、单独一行写：本次共消耗 X 青虎积分（X 为本轮全部 credits 之和，小数按实际写）。

结果处理

• stdout 恒为一行 JSON。成功为 {"ok":true,"stage":"done","name":...,"credits":...,"data":...}；失败为 {"ok":false,"stage":"...","message":"..."}，把 message 原样转告用户。stderr 的提示行不是错误。
• 小结果直接在 data 里。大结果返回 large:true + file（完整 JSON 的本地路径）+ records（记录数）/ fields（字段）/ preview（前几条）——后续筛选、统计、导出一律读 file，不要逐行抄写，也不要凭预览推断全量。
• 记录 ≥ 10 条时整理成表格文件交付（装了 qinghu-excel-export 技能就用它），不要把大数据集铺成聊天里的 markdown 表格；回复保持精简：结论 + 文件 + 不超过 5 行关键预览。
• 结论先行：先回答用户真正关心的问题（值不值得做、谁最强、趋势向上还是向下），再给支撑数据；数字标明平台、站点、周期与样本量，不同站点或周期的数字不要混在一张表里比。
• stage:"validate"：本地校验没过，未发起、未扣费——按 details.inputSchema 改参数后重试。
• stage:"call" / stage:"mcp"：服务端失败（401/50x CLI 已自动重试过）。先 qhkit config show 确认密钥，再转述 message；参数问题先想清楚再改，不要连环试错——失败也可能扣费。

能力边界

• 本技能只负责「TikTok-达人筛选库」这一项查询（工具 tiktok_influencer_list）。用户要的数据超出它的返回范围时，用下方上下游工具或同系列技能补齐，不要用名字相近的工具凑合，也不要改用浏览器抓网页。
• 拿不到的 ID / 类目 / 账号标识，按上文「上下游」从对应工具取，不要凭印象编。
• 要做完整分析（选品决策、竞品拆解、蓝海挖掘等多步编排）时，转交同系列场景技能：「TikTok-选品决策专家 | 青虎AI」、「TikTok-单品分析师 | 青虎AI」、「TikTok-达人带货选品建联专家 | 青虎AI」、「TikTok-蓝海爆品采集师 | 青虎AI」、「TikTok-社媒运营专家 | 青虎AI」。
• 其他平台 / 其他数据类型，或想按需求检索全部 200+ 个青虎数据工具，用总技能「青虎AI」（qhkit mcp search）。

环境自举（缺什么装什么，不要因环境缺失放弃任务）

本技能依赖 qhkit 命令（npm 包 @iqinghu/qhkit，mcp 命令需 0.14.0+），可完全独立安装。按顺序检测，缺失就地补齐：

1. 有 qhkit 吗？ qhkit config show 能跑通即就绪，跳到第 4 步。

2. 没有 qhkit 但有 node/npm → 全局安装（推荐）：

   bash

   npm i -g @iqinghu/qhkit
   

   默认走 npm 官方源；官方源访问慢或超时（国内网络常见）时，再加镜像参数 --registry=https://registry.npmmirror.com（阿里维护的 npm 官方镜像，仅作网络兜底）。仅当全局安装因权限失败且无法提权时，才退而用 npx @iqinghu/qhkit <命令> ...（npx 必须写包全名）。

3. 连 node 都没有（要求 Node ≥ 18）：先装 Node 再回到第 2 步。

   bash

   # Linux 二进制安装（装到用户目录，无需 root；先校验官方 SHA256 再解包）：
   cd /tmp && curl -fsSLO https://nodejs.org/dist/v22.22.3/node-v22.22.3-linux-x64.tar.xz
   cd /tmp && curl -fsSL https://nodejs.org/dist/v22.22.3/SHASUMS256.txt | grep ' node-v22.22.3-linux-x64.tar.xz$' | sha256sum -c -
   mkdir -p "$HOME/.local/lib" && tar -xJf /tmp/node-v22.22.3-linux-x64.tar.xz -C "$HOME/.local/lib"
   export PATH="$HOME/.local/lib/node-v22.22.3-linux-x64/bin:$PATH"
   

   校验行输出 OK 才继续；校验失败就删掉重下，绝不解包未通过校验的文件。nodejs.org 访问不通时，把两个下载 URL 的前缀 https://nodejs.org/dist 整体换成镜像 https://registry.npmmirror.com/-/binary/node（目录结构相同，SHASUMS256.txt 也有镜像，校验步骤不变）。export PATH 只对当前 shell 生效，跨命令调用时每个新 shell 都要先执行这行（或追加进 ~/.bashrc）。macOS 用 brew install node；Windows 用 winget/官网安装包。arm64 机器把 x64 换成 arm64。

4. 密钥：无密钥时（命令返回 stage:"config"），执行 qhkit config set --token <密钥> --env prod（密钥让用户打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1788417429126 注册/登录后，从 https://www.iqinghu.com/workbench/dashboard/api-keys?urlCode=1788417429126 获取），或设环境变量 QHKIT_TOKEN。

5. 自检：qhkit config show 输出脱敏配置即全部就绪。 核对站点（本技能对接国内版 iqinghu.com）：config show 返回的 site 必须是 cn。是 intl（baseHost 为 autoagc.com）说明本机残留了国际版配置——不要按国际站引导用户取密钥，也不要拿国际站的模型清单答复（那边是 gpt-image-2 / gemini-3.1-flash 这类底层模型名，和本技能对不上）；直接把第 4 步的国内站取密钥文案发给用户，拿到密钥后执行 qhkit config set --token <密钥> --env prod 覆盖。source 为 env 时配置来自环境变量，要请用户删掉 QHKIT_TOKEN / QHKIT_ENV 或把 QHKIT_ENV 改成 prod。只有用户明确说自己用的是国际版（AutoAGC）账号时才保留 intl。调用报 401 / 未登录时同样先跑 config show 核对站点：国内版密钥配在国际站必然 401。

升级：命令返回 {"ok":false,"stage":"version",...}（版本门禁，message 里就是升级命令），或返回 stage:"runtime" 且 message 为「未知命令：mcp」（本机 qhkit 太老），都先升级再重试原命令：

bash

npm i -g @iqinghu/qhkit@latest

官方源慢或超时时同样加 --registry=https://registry.npmmirror.com。安装/配置失败时把具体报错告诉用户（常见：无写权限 → 提示用户提权或改用 npx；无网络 → 让用户处理网络）。