Trend topic radar

Skill yt203677-debug/ai-social-media-ops/trend-topic-radar

OpenClaw / Cursor 社媒运营技能集：热点选题、多平台改写、数据复盘，让内容运营形成可持续增长闭环。

Install

npx -y skills add yt203677-debug/ai-social-media-ops --skill trend-topic-radar

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

21 days oldThe repository was created 21 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

监控行业热点与竞品爆款，为社媒账号产出可直接开拍的选题日报（含选题理由、人群痛点、内容角度、开头钩子、脚本框架、平台适配建议）。当用户需要「选题」「热点监控」「今天发什么」「行业动态」「竞品分析」「短视频/图文选题」「选题雷达」，或需要每日自动产出选题时使用。只读取公开数据，不登录、不发布，产出为草稿，需人工审核。

SKILL.md

6.0 KB, ~2.1k tokens by cl100k_base, as published. Nobody here has run it

选题雷达（trend-topic-radar）

给社媒运营用的选题生产 skill。核心是「读公开数据 + AI 分析」，帮账号解决"今天发什么"。 不登录、不发帖、不碰私信，产出仅为草稿供人工审核，零封号风险。

何时使用

需要每日/按需产出选题时。
要监控某个行业热点、竞品近期爆款、平台趋势时。
挂到 OpenClaw 定时任务里，每天早上自动产出当日选题日报时。

前置：读取配置

运行前先读取同目录 config.yaml（若不存在则读 config.example.yaml 并提示用户按其补一份）。从配置里取出：products（产品线与卖点）、audience（目标人群）、keywords（监控关键词）、 competitors（竞品/对标账号）、platforms（目标平台）、output_count（每次产出选题条数，默认 5）。

若 products/audience/competitors 仍是占位符（含"待补全"），先提醒用户补全，再继续。

必读（回流闭环，硬性）：产出选题前必须先读取 ../analytics/爆款规律库/patterns.md（若存在）。把其中"已验证的爆款规律"作为本次选题与钩子设计的优先依据；标注"待验证"的作参考；文件不存在则跳过。不要跳过这一步——这是让选题越来越准的关键。

工作流

复制以下清单并逐步推进：

选题雷达 Task Progress:
- [ ] 1. 读取 config；并读取 ../analytics/爆款规律库/patterns.md（回流规律）
- [ ] 2. 采集三类信息（平台热榜 / 竞品爆款 / 行业新闻）
- [ ] 3. 相关性打分 + 爆款规律拆解（优先复用已验证规律）
- [ ] 4. 按模板产出当日选题日报（草稿）
- [ ] 5. 归档到 选题库/YYYY-MM-DD.md
- [ ] 6. 交给用户人工审核挑选（不自动进入制作/发布）

步骤 1：确认定位 + 读取回流规律

读 config.yaml，并读取 ../analytics/爆款规律库/patterns.md（存在则加载已验证规律）。向用户简述本次监控范围（关键词、平台、竞品数量）及"本次将优先复用的已验证规律"，无需等待即可继续。

步骤 2：采集

优先用 web_search / web_fetch；页面需渲染或需展开时再用托管浏览器读公开页面（不登录）。数据源与入口见 reference.md。采集三类：

a. 平台热榜/热点：目标平台的热榜、热搜、上升话题。
b. 竞品近期爆款：competitors 里对标账号近 7-14 天数据明显偏高的内容，记录标题、开头、结构、题材。
c. 行业新闻事件：AI / 云托管 / AI 硬件玩具领域的新动态、新产品、争议话题、节点事件。

采集时每条候选都要留存：来源链接、时间、热度信号（点赞/评论/上榜位次等能拿到的量化信号）。拿不到精确数据时如实标注"估算/无数据"，不要编造数字。

步骤 3：分析

对每条候选做两件事：

相关性打分（1-5）：与 products 三条线（AI / 云托管 / AI 毛绒玩具）和 audience 的契合度。低于 3 分丢弃。
- 若候选契合 patterns.md 里已验证的爆款规律（选题方向/钩子/形式），相关性可加 1 分（上限 5），并在选题里注明"复用规律：xxx"。
爆款规律拆解：这条为什么火——选题角度、开头 3 秒钩子、内容结构、情绪/利益点。提炼出"我们可复用的公式"。

步骤 4：产出选题日报

按 templates/topic-report.md 生成，选题数量 = output_count。每条选题必须包含：选题标题、为什么现在做（关联的热点/事件+时效性）、目标人群痛点、内容角度、开头 3 秒钩子、脚本框架、平台适配建议、相关性评分与来源链接。脚本框架必须从 templates/script-outline.md 里选一个命名框架（如 PAS/反转型/盘点型/故事种草型），并把每一步填成具体台词，钩子从"黄金 3 秒钩子公式库"里挑一个，不要只写结构名。选题要绑定到具体产品线卖点，避免只蹭热点不落地转化。

步骤 5：归档

把完整日报写入 选题库/YYYY-MM-DD.md（目录不存在则创建）。这是复盘和 OpenClaw 记忆的来源：下次产出前可先扫最近几天的日报，避免选题重复、并回看哪些方向被采纳。

步骤 6：人工审核（硬性节点）

日报仅为草稿。明确告知用户："以上为今日选题草稿，请挑选要开拍的条目。" 不得自动进入内容制作或发布环节。

边界（务必遵守）

只读公开数据，绝不在本 skill 内执行登录、发帖、私信、点赞等写操作。
不编造数据；拿不到就标注无数据。
尊重平台条款：web_fetch/浏览器仅访问公开可见页面，控制频率，避免高频抓取。
涉及敏感/违规/争议性过高的热点，标注风险并建议规避，不强推。