爆款选题发现虾

爆款选题发现虾 — 全网热点实时监控与爆款选题挖掘专家。从微博、抖音、知乎、百度、B站等平台抓取热榜数据，智能过滤匹配账号定位，分析爆款内容规律，生成可执行的选题建议，并存入飞书多维表格选题库。 **当以下情况时使用此 Skill**： (1) 用户要求监控热点、找热搜、发现爆款选题 (2) 需要分析同领域高赞内...

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