Ai Promotion Query

腾讯音乐人宣推数据查询能力。当用户提到"我这些歌宣推情况如何"、"看一下宣推数据"、"这首歌宣推效果怎么样"、"我有哪些歌在投放"、"这首歌还要不要继续投"、"宣推诊断"、"宣推表现"、"投放效果"等与宣推数据查询相关的请求时触发。本 Skill 整合了两大子场景：① **宣推概览**——拉取当前登录用户名下所有宣推歌曲的概览（账号级 + 单曲摘要列表）；② **获取歌曲宣推指标**——按 `songId` 查询指定单首歌的宣推指标详情。③ **结合宣推知识库做指标分析**——基于 `knowledge.md` 把原始指标转成分阶段诊断、加投/维持/调整/暂停建议与后续追问。

Audits

Pass

ClawScanPass

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install ai-promotion-query

AI Promotion Query（腾讯音乐人宣推数据查询）

✨ 自包含登录态：本 Skill 需要用户登录态，已由 tme-openapi Skill 自动处理——无需任何手动架设。首次使用会弹出浏览器扫码登录，Token 有效期约 30 天。

⚠️ 前置依赖（算子调用能力）：本 Skill 不自带 API 调用脚本，所有 TME OpenAPI 算子的发现与调用都委托给 tme-openapi Skill。你需要了解 tme-openapi 提供的 4 个通用工具（list_apis / search_apis / get_api_detail / invoke_api）及其标准调用流程。

⚠️ 对外表达依赖：本 Skill 的输出是上层 Agent（ai-promotion/readme.md）的内部数据依据，不直接面向用户。最终对用户的自然语言回复，必须遵守 ai-promotion/readme.md 的对外规则，并统一通过 宣推结构化输出 skill 输出。

本 Skill 分为两个部分：

Part 1 — 宣推数据查询业务流程：基于 tme-openapi 的通用调用能力，完成"宣推概览查询"和"获取歌曲宣推指标查询"两个子场景的业务编排。
Part 2 — 宣推指标分析：按需读取 knowledge.md，把查询结果归类到推广前 / 推广中 / 推广后规则，再生成定性判断、动作建议和衍生问题。

基础能力依赖：`tme-openapi`

本 Skill 的所有后端调用都通过 tme-openapi Skill 完成。该 Skill 提供 4 个通用工具来发现和调用腾讯音乐开放平台的「算子」API：

Tool（来自 `tme-openapi`）	作用	在本业务中的典型用途
`search_apis`	按关键词模糊搜索算子	用关键词定位"宣推概览"、"获取歌曲宣推指标"算子
`list_apis`	列出所有可用算子摘要	搜索失败时兑底探查
`get_api_detail`	获取指定算子的完整详情	调用前查 `inputSchema` / `detailedDescription`
`invoke_api`	调用指定算子	真正发起业务调用（同步返回结果）

标准调用流程（由 tme-openapi 定义）：

search_apis(keyword)  →  [可选] get_api_detail(operatorCode)  →  invoke_api(operatorCode, arguments)

当前算子平台仅支持同步调用，invoke_api 一次请求即为终态，无需轮询异步结果。

脚本路径约定

tme-openapi 的脚本位于同级目录 ../tme-openapi/scripts/。在 qclaw / Code Buddy 中，脚本安装路径为 ~/.<client>/skills/tme-openapi/scripts/。本 Skill 正文中的「搜索算子」「调用算子」等步骤，都是对这些脚本的逻辑调用，不再赘述具体命令行形式——按 tme-openapi/SKILL.md 的"标准调用流程"执行即可。

核心编排原则（从 `tme-openapi` 继承）

不硬编码任何 operatorCode 或参数结构，一律通过 search_apis / get_api_detail 动态发现
登录态下不要传 accountId / userId 等身份参数，后端会从 Token 中自动识别
遇到 INVALID_ARGUMENT，回退到 get_api_detail 重新确认 schema 和 example 后再试
遇到 UNAUTHORIZED，引导用户删除 ~/.tme-login/token.json 后重跑，tme-openapi 会自动触发重新登录
错误码含义与重试策略的完整表格，见 tme-openapi/SKILL.md

Part 1：宣推数据查询业务流程

注意：本 Skill 不硬编码任何算子 code 或参数结构。关于算子的参数细节、取值约束、返回结构等信息，请通过 tme-openapi 的 get_api_detail 获取详情后，阅读 detailedDescription 字段，并参考本目录下 detailed_description_overview.md / detailed_description_metric.md 两份本地说明作为辅助。

核心背景

宣推数据查询是音乐人宣推助手的基础能力：

宣推概览 — 拉取当前登录用户名下所有宣推歌曲的整体情况（账号级摘要 + 单曲摘要列表），用于回答"我这些歌宣推情况如何"这类账号级问题，也用于后续从中筛选出目标 songId 即 yyrSongId字段。
获取歌曲宣推指标 — 按 songId 获取单首歌的完整宣推指标，用于回答单首歌的宣推表现、诊断、加投/止损判断等问题。

两个接口均为同步接口，invoke_api 直接返回结果，无需关心异步轮询。

对外表达总原则（⚠️ 贯穿两个场景）

❌ 禁止向用户展示任何具体金额、投放金额、购买播放量、投放天数等数字
✅ 内部拿到的指标只能作为判断依据，对外必须转写为"表现较好 / 偏弱 / 一般 / 有提升空间 / 值得继续观察"等定性评价
✅ 不输出"我来帮你分析"、"让我查询一下"、"数据查询成功"等过程态话术
✅ 无法唯一定位歌曲时，不得追问 songId / 歌手名 / 发布时间 / 版本信息，固定使用 ai-promotion/readme.md 中的兜底文案

场景一：宣推概览查询

当用户说"我这些歌宣推情况怎么样"、"看一下宣推数据"、"我有哪些歌在投放"、"宣推表现如何"等账号级 / 未指定具体歌曲的问题时：

核心约束

当前登录用户由登录态 Token 自动透传，不需要调用方传 userId
若接口支持分页，pageNo 默认 1、pageSize 默认 10（以 inputSchema 为准）
不要向用户暴露技术参数名称（如 pageNo / pageSize），对用户使用自然语言描述
更多参数/返回细节参见 detailed_description_overview.md

Step 1：搜索宣推概览算子

通过 tme-openapi 的 search_apis：

search_apis({ keyword: "宣推概览" })

若无命中，换用备选关键词重试：宣推歌曲、宣推列表、宣推数据。从返回中定位名称/描述与"宣推概览 / 宣推歌曲概览"匹配的条目，记住其 name（operatorCode）。

Step 2：获取算子详情（强烈建议）

首次调用前，务必先获取详情：

get_api_detail({ name: "<上一步找到的 operatorCode>" })

仔细阅读 detailedDescription、inputSchema、exampleOutput。如与本地 detailed_description_overview.md 冲突，以后端返回为准。

Step 3：调用宣推概览算子

根据 inputSchema 构造参数并通过 tme-openapi 的 invoke_api 调用：

invoke_api({
  name: "<operatorCode>",
  arguments: { /* 以 get_api_detail 返回的 inputSchema 为准，通常可传空对象 {} 或 { pageNo, pageSize } */ }
})

Step 4：处理返回并组装内部上下文

从返回中提取：

账号级信息（是否曾有宣推歌曲、当前在投数量等）
单曲摘要列表（songId、songName、promotionStatus、定性标签等）

该结果 不直接对外，而是作为上层 ai-promotion/readme.md 判断问题类型、组装回答所需的内部数据。

场景一对外输出要点（遵循 `ai-promotion/readme.md` 的 B 类或 A 类规则）

用户问的是整体情况 / 账号级 / 不指向具体一首 → 走 B 类规则：一个或多个 message + 最后一个 moreQuestions（4 个衍生问题），不输出 songCard
用户问的是某一首但歌名模糊 → 先在概览里做匹配，若能唯一定位到一首，带着 songId 进入场景二；若无法唯一定位，按 ai-promotion/readme.md 的"单首歌无法定位规则"输出固定兜底文案
禁止在对外回复中直接展示歌曲列表的原始数值字段（如具体播放量），只做定性总结

场景一边界情况

情况	内部处理	对外表达
返回列表为空	判断是否从未宣推过	用定性语言告知"当前没有在宣推的歌曲"，不要暴露技术细节
`UNAUTHORIZED`	登录态失效	引导用户删除 `~/.tme-login/token.json` 后重跑（`tme-openapi` 会自动重新登录）
请求超时 /`UPSTREAM_ERROR`	重试 1-2 次	仍失败则使用`ai-promotion/readme.md` 中的"系统繁忙"兜底文案
用户继续问某一首	从概览结果中匹配`songName` / 关键词	匹配成功则进入场景二；匹配失败按"单首歌无法定位规则"输出兜底文案

场景二：获取歌曲宣推指标

当用户说"这首歌宣推效果怎么样"、"《XXX》宣推诊断"、"这首歌要不要继续投"、"这首歌宣推有什么问题"等指向单首歌的问题时：

核心约束

songId 必填。如无 songId，先走场景一拿到候选池并匹配
已在上下文中（概览结果、做歌结果、发行结果、上层透传）拿到 songId 的，直接使用，不要再向用户追问
本接口通常为同步，直接返回结果
不要向用户暴露 songId / 技术参数名称
更多参数/返回细节参见 detailed_description_metric.md

Step 1：准备 `songId`

按优先级尝试：

上下文中已存在 songId（上层 Agent 透传、概览匹配结果、做歌/发行透传） → 直接使用
用户给了歌名 → 先调用场景一的"宣推概览"，在返回列表里按 songName 匹配
依然无法唯一定位 → 不要追问用户，按 ai-promotion/readme.md 的"单首歌无法定位规则"输出固定兜底文案（抱歉哦，系统繁忙中暂时无法为您提供该歌曲宣推评估...）

Step 2：搜索获取歌曲宣推指标算子

通过 tme-openapi 的 search_apis：

search_apis({ keyword: "获取歌曲宣推指标" })

若无命中，换用备选关键词：宣推指标、宣推数据详情、单曲宣推、歌曲宣推详情。记下匹配条目的 name（operatorCode）。

Step 3：获取算子详情（强烈建议）

get_api_detail({ name: "<上一步找到的 operatorCode>" })

仔细阅读 detailedDescription / inputSchema / exampleOutput。若与本地 detailed_description_metric.md 冲突，以后端为准。

Step 4：调用获取歌曲宣推指标算子

通过 tme-openapi 的 invoke_api：

invoke_api({
  name: "<operatorCode>",
  arguments: {
    "songId": "<目标歌曲ID>"
    /* 其他字段以 inputSchema 为准，如 startDate / endDate */
  }
})

Step 5：组装内部上下文，交由 Part 2 做分析

拿到返回后：

提取基础信息（歌名、封面、发行时间、生命周期阶段等）
提取核心宣推指标（播放表现、完播、转化、投放节奏、素材维度等）——仅作为内部判断依据
提取定性标签（如后端已提供 performanceTag / diagnosisTag），优先用定性字段对外

后续分析与回答组装逻辑，见 Part 2：宣推指标分析。

场景二对外输出要点（A 类问题，严格遵循 `ai-promotion/readme.md`）

A 类问题必须按以下顺序输出 4 个协议块（全部通过 宣推结构化输出 skill 输出）：

总结性 message — 对该歌曲当前宣推表现的定性总结（亮点 / 短板 / 当前状态），严禁展示具体指标数值
songCard — {"songId":"<真实可定位的 songId>"}
建议性 message — 围绕该单首歌的具体、可落地的操作建议，必须说明依据，避免空泛
moreQuestions — 4 个衍生问题，优先落在知识库已覆盖主题（数据解读 / 问题诊断 / 投流节奏 / 素材优化 / 生命周期 / 加投止损判断）

场景二边界情况

情况	内部处理	对外表达
无`songId` 且场景一无法匹配	不向用户追问任何补充信息	按`ai-promotion/readme.md` 的"单首歌无法定位规则"输出固定兜底文案，不输出 `songCard`
`songId` 不存在 / 无权访问	回到场景一重取候选池	用定性语言提示"无法获取到该歌曲的宣推数据"，不要暴露 `songId` 字段
歌曲不在宣推中	无宣推数据可分析	用定性语言提示"该歌曲暂无宣推数据，可以从其他歌曲入手"
`INVALID_ARGUMENT`	回退到`get_api_detail` 重新确认 schema	内部修正后重试，不要外露过程
`UNAUTHORIZED`	登录态失效	引导用户删除 `~/.tme-login/token.json` 后重跑（`tme-openapi` 会自动重新登录）
请求超时 /`UPSTREAM_ERROR`	重试 1-2 次	仍失败则输出"系统繁忙"固定兜底文案

场景组合：先概览后指标（最常见）

1. 场景一：查宣推概览 → 拿到账号级摘要 + 单曲候选池
        ↓
2. 按用户问题定位目标 songId（或直接回答账号级问题并结束）
        ↓
3. 场景二：按 songId 获取歌曲宣推指标 → 拿到单首完整指标
        ↓
4. Part 2：结合宣推知识库做分析 → 按 A 类结构输出

Part 2：宣推指标分析

定位

本部分负责把 Part 1 查到的原始指标，结合本地知识库 knowledge.md，转化为对用户可用的诊断与建议。

Part 2 现在按固定流程执行。执行时必须：

先判断问题属于账号级概览还是单首歌诊断
再判断歌曲当前所处的推广阶段：推广前 / 推广中 / 推广后
最后按 knowledge.md 的对应章节生成定性判断、动作建议和 moreQuestions

知识库使用方式

优先读取本地文件：

knowledge.md：宣推知识库主文件，包含指标口径、三阶段策略、特殊场景、FAQ、Agent 落地规则

按需读取，不要把整份知识库搬进回答。优先定位以下标题：

## 2. 核心指标口径
## 3. 推广前判断
## 4. 推广中判断
## 5. 推广结束后的复盘判断
## 6. 特殊场景适配
## 7. FAQ 归纳
## 8. 面向 Agent 的落地规则

输入

场景一返回的账号级概览 + 单曲摘要列表
场景二返回的目标歌曲完整指标
当前对话上下文中的用户原问题
如有：后端直接返回的定性字段（如 performanceTag、diagnosisTag、promotionStatus）

分析主流程

Step 1：先判断问题类型

用户问账号整体情况、歌曲集合表现、有哪些歌在投放 → 走账号级总结
用户问某一首歌值不值得继续投、效果怎么样、哪里有问题 → 走单首歌分析

账号级问题以概览结果为主，不强行展开到单曲深诊断；单曲问题以 songId 对应的指标详情为主。

Step 2：判断推广阶段

结合用户问题、接口字段和知识库语义，把当前歌曲归到以下三类之一：

推广前：更像是在问“值不值得推”“怎么起量”“适合哪种方式”，或当前主要是基础质量判断/冷启判断
推广中：更像是在问“效果怎么样”“要不要继续投”“要不要换策略”，且有投流消耗、转化增长、杠杆率等在投指标
推广后：更像是在问“这轮投完之后要不要再追投”“是否还有长尾价值”，或上下文明确推广已结束

若阶段不明确，优先按用户问法判断；若问法也不明确，再按数据字段判断。仍无法确定时，只输出保守结论，不越级给出强动作建议。

Step 3：读取对应知识库章节

推广前：读取 knowledge.md 的 ## 2 与 ## 3
推广中：读取 knowledge.md 的 ## 2 与 ## 4
推广后：读取 knowledge.md 的 ## 2 与 ## 5
遇到新歌无数据 / 小众风格 / 机构批量异质歌曲：额外读取 ## 6
用户问解释型问题（如“什么是推币”“为什么消耗慢”）：优先读取 ## 7
准备最终输出前：回看 ## 8，确保没有把内部阈值直接说给用户

Step 4：把原始指标映射成定性档位

必须先做内部映射，再决定怎么说给用户。映射时遵守以下原则：

优先使用知识库中已有的量化阈值和分层名称
若后端已经给了定性标签，优先把后端标签和知识库规则交叉验证，而不是另起一套口径
若缺少某些关键字段，只在已有证据覆盖的维度下结论，不补造缺失维度

重点关注：

歌曲潜力：播放量、搜播量、转发量、收藏率、完播率、搜播率
投流质量：投流消耗率、投流效率、杠杆率、收藏增量、下载量等转化增长
生命周期与后续价值：是否适合追投、长尾维护或转自然运营

Step 5：生成内部分析结论

结论至少包含以下三部分：

当前判断：如“更适合小额冷启”“当前投放表现良好”“本轮更像长尾维护价值”
判断依据：引用命中的知识库逻辑与已拿到的数据维度
下一步动作：给出继续加投 / 维持观察 / 切换方式 / 暂停付费 / 转自然运营等建议

若是账号级问题，可按“当前整体盘子 + 候选重点歌曲 + 共性建议”组织；若是单首歌问题，必须围绕当前这首歌给出判断。

三类阶段的具体规则

推广前

读取 knowledge.md 的 ## 3 后，优先把歌曲归入：

优质飙升
优质潜力
冷启歌曲
其他歌曲

然后按用户身份给建议：

个人音乐人：强调是否适合直接推广、小额冷启、还是先做内容铺垫
机构用户：强调是否纳入核心清单、次核心清单或剔除清单

补充平台与方式建议时，优先使用：

智能推荐
歌单推荐
潜力养歌

推广中

读取 knowledge.md 的 ## 4 后，优先把歌曲归入：

优质投放
良好投放
待调整投放
低效投放

动作建议必须四选一为主：

继续加投
维持观察
切换方式
暂停付费

若需要补充原因，优先解释：

消耗是否足够快
转化是否有增长
杠杆率是否说明付费投流正在撬动自然流量

推广后

读取 knowledge.md 的 ## 5 后，优先把歌曲归入：

推荐追投
长尾维护价值
自然运营价值

后续建议要围绕：

是否做二次追投
是否保留轻量智能推荐
是否转私域/短视频/直播等自然运营

特殊场景规则

遇到以下情况时，必须额外套用 knowledge.md 的 ## 6：

新歌无数据：按冷启歌曲处理，不做硬性卡线
小众风格歌曲：允许柔性放宽标准，但只能给“小额冷启 / 继续观察”这类保守建议
机构批量异质歌曲：按赛道分组理解，不把所有歌混成一个结论

输出约束

分析结果不直接对外，而是作为 A 类或 B 类问题输出结构的数据源，交由上层 ai-promotion/readme.md。

生成时必须遵守：

❌ 严禁在对外回答中展示任何具体指标数值、金额、天数、播放量等数字
❌ 严禁在知识库未覆盖的情况下编造分析结论或空泛建议
❌ 严禁为凑满 4 个衍生问题跨主题发散到行业趋势、达人资源、跨平台经验等方向
✅ 无数据时，必须明确说明边界，不得伪造单曲数据或账号数据
✅ 建议必须具体、可执行、围绕当前单首歌或当前账号问题展开，并说明判断依据

`moreQuestions` 生成规则

moreQuestions 必须从知识库已覆盖主题里挑 4 个，优先级如下：

数据解读
问题诊断
投流节奏
素材优化
生命周期判断
加投/止损判断

避免生成以下无依据问题：

行业大盘趋势
达人资源获取
站外广告经验泛谈
未在知识库中定义的跨平台打法

本地参考文档

文件	说明
`detailed_description_overview.md`	"宣推概览"算子的调用指引、参数参考骨架、返回结构参考、边界
`detailed_description_metric.md`	"获取歌曲宣推指标"算子的调用指引、参数参考骨架、返回结构参考、边界
`knowledge.md`	宣推知识库主文件：指标口径、推广前/中/后规则、特殊场景、FAQ、Agent 输出约束

以上两份文档为参考骨架，真实 schema 和字段以后端 get_api_detail 返回的 detailedDescription / inputSchema / exampleOutput 为准。

依赖链条总览

ai-promotion/readme.md               ← 最上层：音乐人宣推助手人设，定对外表达规则
        │
        ▼
ai-promotion-query (本 Skill)         ← 本层：业务编排（宣推概览 / 宣推指标 / 指标分析）
        │
        ▼
tme-openapi                           ← 基础能力：算子发现 + 调用，同时内嵌登录态获取（自包含）

Ai Promotion Query

Audits

Install

AI Promotion Query（腾讯音乐人宣推数据查询）

基础能力依赖：tme-openapi

脚本路径约定

核心编排原则（从 tme-openapi 继承）

Part 1：宣推数据查询业务流程

核心背景

对外表达总原则（⚠️ 贯穿两个场景）

场景一：宣推概览查询

核心约束

Step 1：搜索宣推概览算子

Step 2：获取算子详情（强烈建议）

Step 3：调用宣推概览算子

Step 4：处理返回并组装内部上下文

场景一对外输出要点（遵循 ai-promotion/readme.md 的 B 类或 A 类规则）

场景一边界情况

场景二：获取歌曲宣推指标

核心约束

Step 1：准备 songId

Step 2：搜索获取歌曲宣推指标算子

Step 3：获取算子详情（强烈建议）

Step 4：调用获取歌曲宣推指标算子

Step 5：组装内部上下文，交由 Part 2 做分析

场景二对外输出要点（A 类问题，严格遵循 ai-promotion/readme.md）

场景二边界情况

场景组合：先概览后指标（最常见）

Part 2：宣推指标分析

定位

知识库使用方式

输入

分析主流程

Step 1：先判断问题类型

Step 2：判断推广阶段

Step 3：读取对应知识库章节

Step 4：把原始指标映射成定性档位

Step 5：生成内部分析结论

三类阶段的具体规则

推广前

推广中

推广后

特殊场景规则

输出约束

moreQuestions 生成规则

本地参考文档

依赖链条总览

基础能力依赖：`tme-openapi`

核心编排原则（从 `tme-openapi` 继承）

场景一对外输出要点（遵循 `ai-promotion/readme.md` 的 B 类或 A 类规则）

Step 1：准备 `songId`

场景二对外输出要点（A 类问题，严格遵循 `ai-promotion/readme.md`）

`moreQuestions` 生成规则