Hot Topic Tracker

【2026增强版】自动抓取抖音/小红书/知乎/B站/微博热点榜单，使用当前可用最强模型进行智能分析，生成选题库并保存到腾讯文档。支持多模态热点识别、趋势预测、竞品对比。当用户说"今天有什么热点"、"生成选题库"、"抓取热点榜单"、"帮我看看最近什么火"、"分析热门趋势"、"热点选题"时触发此技能。

热点追踪器 (Hot Topic Tracker) - 2026增强版

概述

本技能自动抓取多个平台的热点榜单，使用当前可用的最强AI模型进行深度分析，生成内容选题建议，并自动保存到腾讯文档。

💡 模型选择策略：优先使用session当前模型（由model route自动选择最优），无需硬编码特定模型名。

2026年新特性

• 多模态热点识别：不仅抓取文本内容，还能识别视频封面、图片热点
• AI趋势预测：基于历史数据预测话题热度走向
• 竞品内容分析：自动分析竞品爆款内容的结构和技巧
• 多平台一键分发：生成内容后可自动适配不同平台格式

使用场景

• 内容创作者需要每日选题灵感
• 自媒体运营需要追踪热点趋势
• 营销团队需要实时监控热门话题
• 企业需要竞品内容分析和差异化策略

完整工作流

1. 抓取热点（2026增强版）

使用以下方式抓取热点：

核心方式（按优先级）：

1. web_search工具（首选）

   • 搜索各平台"热点榜单"获取最新数据
   • 支持freshness参数限定时间范围

2. xbrowser技能（进阶方案）

   • 使用真实登录态抓取抖音/小红书真实数据
   • 配置profile="user"复用用户浏览器
   • 适合需要登录态才能查看的内容

3. multi-search-engine技能（批量搜索）

   • 同时搜索多个平台，一次性获取
   • 适合快速概览

各平台搜索关键词：

平台	搜索关键词	备注
抖音	"抖音热点榜单 今日"	热点榜、飙升榜
小红书	"小红书热门话题"	热门笔记、话题榜
知乎	"知乎热榜"	科学榜、数码榜
B站	"B站热门视频"	全站榜、分区榜
微博	"微博热搜榜"	实时热搜、话题榜
微信	"微信热点" / "微信AI Agent"	搜一搜热词
AI Agent	"Claude Fable 5" / "Mythos 5" / "AI Agent 2026"	AI模型动态
AI视频	"可灵AI" / "即梦AI" / "Seedance" / "AI视频生成"	视频工具格局
科技	"GPT-5" / "DeepSeek" / "大模型" / "AI编程"	大模型动态

数据获取技巧：

• 优先使用web_search，关键词加时间限定如 site:weibo.com
• 需要登录数据时使用xbrowser profile=user
• 批量抓取用multi-search-engine并发搜索

2026增强能力：

• 多模态识别：分析图片/视频封面的视觉元素
• 情感分析：抓取评论分析用户反馈
• 趋势预测：基于历史数据预测热度走向
• AI Agent赛道追踪：追踪 Claude Fable 5/Mythos 5 等发布动态对内容创作的影响
• 微信AI生态：微信AI Agent内测动态、A2A协议协作
• AI视频格局：可灵3.0/Seedance 2.0/即梦AI格局变化

2. 数据分析（AI增强）

使用 当前平台模型 对抓取的热点进行深度分析：

1. 智能热度排序：

   • 不仅按播放量/点赞数排序，还计算"互动率"（评论+转发/点赞）
   • 识别"黑马话题"（低粉丝高互动的内容）

2. AI自动标签：

   • 使用多模态AI自动识别内容主题（不仅限于预设标签）
   • 生成"话题聚类"，发现潜在关联话题

3. 趋势预测：

   • 基于历史数据预测未来24-48小时的热度走向
   • 标记"稍纵即逝"的快闪话题 vs "持续发酵"的长效话题

4. 竞品内容拆解（2026新增）：

   • 自动分析爆款内容的结构（开头hook、转折点、结尾call-to-action）
   • 提取高频词汇和情感倾向
   • 生成"爆款公式"参考

3. 生成选题建议（AI辅助创作）

基于热点和竞品分析，使用当前平台的强推理模型生成内容选题：

每个选题包含：

• 标题变体（3个）：

  • 吸引眼球的标题（悬念式/数字式/反问式）
  • SEO优化标题（包含高频搜索词）
  • 平台定制化标题（适配不同平台的标题风格）

• 内容角度：

  • 痛点切入：解决用户什么问题？
  • 干货分享：提供什么实用价值？
  • 情感共鸣：触发什么情绪？
  • 争议讨论：有什么对立观点？

• 平台适配：

  • 抖音：15-60秒短视频脚本大纲
  • 小红书：图文笔记结构 + 封面文案
  • 知乎：回答框架 + 参考资料
  • B站：中长视频分镜脚本

• AI热度预测：

  • 高/中/低热度概率（基于历史数据训练）
  • 最佳发布时间建议
  • 标签和话题推荐

• 竞品参考：

  • 同类爆款内容链接
  • "差异化角度"建议（如何做得比竞品更好）

4. 保存到腾讯文档（智能排版）

使用 tencent-docs 技能将选题库保存到腾讯文档：

文档结构：

1. 封面页：

   • 标题："热点选题库 - YYYY-MM-DD"
   • 今日概览：共追踪X个平台，发现Y个高潜力选题
   • 热度趋势图（使用腾讯文档的智能图表）

2. 热点总览表：

   • 表格形式展示所有抓取的热点
   • 列：排名 | 标题 | 平台 | 热度值 | 24h变化 | AI标签 | 操作按钮（点击跳转原文）

3. 选题建议详情（按平台分类）：

   • 每个选题一个卡片式段落
   • 包含：标题变体、角度分析、脚本大纲、竞品参考、发布建议

4. 趋势预测页（2026新增）：

   • AI预测的未来24小时热点演化
   • "值得提前布局"的长效话题列表

自动化命名规则：

• 每日版："热点选题库 - 2026-06-13"
• 每周精选版："本周热点精选 - 2026-W24"
• 月度报告版："6月热点趋势报告"

示例代码

Python 脚本：热点数据清洗与趋势分析

如果需要处理大量热点数据，可以创建 scripts/analyze_hot_topics.py：

python

import json
from datetime import datetime, timedelta
from collections import defaultdict

def analyze_trend(historical_data):
    """分析热点趋势，预测未来热度"""
    # 按话题分组
    topics = defaultdict(list)
    for item in historical_data:
        topic_key = item.get('title')[:20]  # 用标题前20字作为key
        topics[topic_key].append({
            'timestamp': datetime.fromisoformat(item.get('timestamp')),
            'heat': item.get('heat', 0)
        })
    
    # 计算趋势
    predictions = []
    for topic, data_points in topics.items():
        if len(data_points) < 3:
            continue
            
        # 简单线性回归预测
        data_points.sort(key=lambda x: x['timestamp'])
        hours = [(dp['timestamp'] - data_points[0]['timestamp']).total_seconds() / 3600 for dp in data_points]
        heats = [dp['heat'] for dp in data_points]
        
        # 计算斜率（每小时热度变化）
        if len(hours) >= 2:
            slope = (heats[-1] - heats[0]) / (hours[-1] - hours[0])
            predictions.append({
                'topic': topic,
                'current_heat': heats[-1],
                'slope': slope,
                'predicted_heat_24h': heats[-1] + slope * 24
            })
    
    return sorted(predictions, key=lambda x: x['predicted_heat_24h'], reverse=True)

if __name__ == '__main__':
    # 示例用法
    with open('hot_topics_history.json', 'r', encoding='utf-8') as f:
        historical_data = json.load(f)
    
    predictions = analyze_trend(historical_data)
    
    print("🔮 未来24小时热度预测TOP10：")
    for i, pred in enumerate(predictions[:10], 1):
        print(f"{i}. {pred['topic']} - 预测热度: {pred['predicted_heat_24h']:.0f}")

定时自动化（2026增强）

配合 qclaw-cron-skill 实现智能化自动追踪：

方案A：每日早报（基础版）

使用 qclaw-cron-skill 创建定时任务（请先读取该Skill了解最新格式）：

建议配置：

• 名称：每日热点追踪早报
• 时间：每天 9:00（cron: 0 9 * * *，tz: Asia/Shanghai）
• 消息：使用 hot-topic-tracker 技能，抓取今日热点并生成选题库。重点关注科技、职场、生活技巧。生成后保存到腾讯文档。
• 推送：可根据可用渠道配置

方案B：实时监控（进阶版）

建议配置：

• 名称：热点实时监控
• 时间：每小时（cron: 0 * * * *，tz: Asia/Shanghai）
• 消息：检查过去1小时内是否有新热点涌现（热度增长>50%）。如有则推送预警。
• ⚠️ 每小时执行成本较高，建议仅在工作时间启用（如 8-22点）

方案C：周报自动生成

建议配置：

• 名称：每周热点精选
• 时间：每周日 20:00（cron: 0 20 * * 0，tz: Asia/Shanghai）
• 消息：汇总本周热点，生成精选报告（TOP10热点+爆款分析+下周趋势预测）。保存到腾讯文档。

⚠️ 实际创建cron任务前，请先读取 qclaw-cron-skill 的 SKILL.md 获取最新API格式

资源文件

scripts/

如果需要复杂的数据处理，可以在此目录放置 Python 脚本：

• analyze_hot_topics.py：热点趋势分析和预测
• clean_hot_topics.py：热点数据清洗
• generate_topics.py：选题生成
• competitor_analysis.py：竞品内容分析

references/

可以参考的文件：

• platform_api.md：各平台热点 API 文档
• title_formulas.md：爆款标题公式库
• case_studies.md：历史爆款案例分析
• ai_models_guide.md：AI模型使用指南（由 model route 自动选择最优模型）

assets/

可以包含的模板文件：

• topic_template.md：选题库文档模板
• report_template.docx：热点分析报告模板
• platform_adaptation_guide.md：各平台内容适配指南

---

💰 付费增值服务

想要更省事？我还提供：

服务	价格	内容
🚗 代安装调试	¥68/次	帮你安装配置，解决环境问题
🛠️ 定制技能开发	¥200起	根据需求开发专属技能
🚀 视频自动化陪跑	¥999/月	从0到1搭建完整视频自动化
📦 技能全家桶	¥199	11个AI技能永久用 + 代安装

微信咨询：[微信号待填写]

---

提示：初次使用可以先不创建脚本和参考文档，直接让我按照工作流程执行即可。熟悉后可以根据需要逐步添加资源文件。

实用建议：

1. 使用当前session模型进行所有AI分析（model route自动选最优）
2. 大批量数据分析可指定低成本模型（如DeepSeek）
3. 长篇选题建议使用强推理模型
4. 配合 xbrowser 技能实现真实登录态抓取（profile=user）
5. 定时任务务必参考 qclaw-cron-skill 最新格式
6. 热点赛道新增：AI Agent（Fable 5/Mythos 5）、微信AI生态、AI视频生成工具格局
7. 每周关注OpenAI/Anthropic/Google模型发布动态