Hotspot Radar Workflow Skill

FIN-SV-004 成品能力与双层产品化说明 · English

输入一个内容主题，得到 10 条有来源、有互动与评论需求证据、可供人工判断的抖音选题候选。

• **输入：**一个主题，例如 AI 自动化真实项目
• **处理：**扩展关键词、检索候选、保留缺失字段、结合互动与评论需求评分、同主题去重
• **输出：**候选证据与 10 条选题勾选表：要做 / 可观察 / 不要做
• **最终决定：**由人审核；分数只帮助筛选，不承诺爆款、播放量或转化

**明确边界：**不绕过登录、访问控制或平台技术限制，不洗稿或逐句改写，不下载、再分发原视频，也不自动发布内容。

**首次调用前：**真实检索必须使用由你合法取得、自行管理的 TikHub Token。没有 Token 时只能运行本地预检和示例流程，不能真实抓取，也不能把示例当作真实候选或热点结论。

版本与下载说明：v0.1.4 是当前固定源码 Tag，本地规则与 19 项确定性测试已验证。历史 GitHub Release v0.1.1 只对应旧版本，不等于当前 v0.1.4 的下载包；当前请按 v0.1.4 固定源码 Tag 安装。English readers: README_EN.md.

解决什么问题

很多创作者做选题时会遇到这些问题：

• 每天刷平台很耗时，但沉淀不下来。
• 只看点赞高低，容易把噪音当成机会。
• 一个主题不知道该扩展哪些搜索词。
• 第二次搜索又看到同一批内容，重复筛选。
• 想借鉴爆款结构，但又不想照搬、洗稿或踩版权风险。
• 团队讨论选题缺少统一判断表。

这个 Skill 解决的是“选题发现和候选筛选”这一段：它把一个主题变成一组可追溯的候选内容，再让人做最后判断。

Who It Is For

• 做抖音、短视频、口播、录屏演示内容的创作者。
• 想用数据找对标选题，而不是只靠感觉刷平台的人。
• 想把 AI、Codex、Skill、工作流、项目实战等内容做成系列的人。
• 需要把“热点内容”转成“候选选题清单”的内容团队。

What It Is Not

• 不是自动爆款预测器。
• 不是自动发布工具。
• 不是视频剪辑器。
• 不是一键洗稿工具。
• 不是全平台舆情系统。
• 不是免 Token 的数据服务。

What It Does

• 输入一个主题，例如 AI 自动化真实项目。
• 自动扩展成 6 到 8 个相关关键词。
• 通过 TikHub API 搜索抖音候选内容。
• 标准化点赞、评论、收藏、分享、作者、标题、描述和缺失字段。
• 拉取部分评论样本，用来识别用户需求。
• 输出内容机会分，而不是承诺“爆款预测”。
• 同主题重复运行时，默认排除上一次已经返回过的候选。
• 生成 10 条候选选题勾选表：要做 / 可观察 / 不要做。

快速开始

要求：

• Node.js 18+
• macOS 推荐使用 Keychain 保存 Token
• TikHub API Token

安装

This repository itself is the installable Skill folder: SKILL.md is at the repository root, with supporting scripts/, docs/, and assets/.

With Codex Skill Installer, install the repository root:

$skill-installer install https://github.com/slalomboy/hotspot-radar-workflow-skill/tree/v0.1.4

After installing, restart Codex so the new Skill can be discovered.

Manual install:

1. Clone or download this repository.
2. Copy the repository folder to your Codex skills directory.
3. Confirm the installed folder contains SKILL.md and scripts/.
4. Restart Codex.

For local development or direct CLI use, run commands from the repository root.

第一次调用

真实调用前，请确认 TikHub Token 是你合法取得并自行管理的；不要使用他人的 Token，也不要把 Token 写入仓库、报告或日志。没有 Token 时，只能完成下面的本地预检和示例流程，不能真实抓取抖音候选。

先运行：

npm run first-run

如果提示缺少 Token，打开 TikHub 控制台获取 Token：

https://user.tikhub.io/dashboard/api

保存 Token：

npm run setup-token

再次检查：

npm run first-run

看到“总体状态：可真实抓取”后，输入主题：

npm run topic -- "AI 自动化真实项目"

生成结果会写入：

• data/gate-1/runs/<run-id>/keywords/keyword-nodes.json
• data/gate-1/runs/<run-id>/normalized/content-candidates.json
• data/gate-1/runs/<run-id>/scores/opportunity-scores.json
• reports/gate-1/<run-id>-owner-review-checklist.md

Theme To Keywords

你只需要给一个大方向。系统会自动扩词。

例如输入：

AI 自动化真实项目

可能扩展为：

• AI 自动化真实项目
• AI 做项目
• 一个人 AI 工作流
• AI 项目复盘
• AI 工作流 保姆级教程
• Codex 项目实战
• Codex 工作流
• Skill 工作流

只有 enabled 状态的关键词会进入当前抓取。扩词结果会保存到 keyword-nodes.json，每个关键词都有来源、类型、状态和原因。

Workflow

flowchart LR
  A["主题输入"] --> B["自动扩词"]
  B --> C["TikHub 抖音搜索"]
  C --> D["标准化数据"]
  D --> E["评论样本补证据"]
  E --> F["内容机会评分"]
  F --> G["同主题历史去重"]
  G --> H["10 条候选勾选表"]

Loading

Scoring Model

当前 0.1.4 使用内容机会分，不使用“爆款预测”话术。

核心依据：

• 基础互动：点赞、评论、收藏、分享。
• 用户需求：评论里是否出现教程、怎么做、资料、案例、报错、求分享等需求。
• 赛道相关：是否贴合输入主题和扩展关键词。
• 账号适配：是否适合你自己的内容定位。
• 可迁移性：是否能换成自己的案例、观点、项目或方法。
• 结构清晰度：是否能拆成清楚的短视频结构。
• 风险扣分：夸张收益、版权依赖、照搬风险、敏感承诺等。

缺失数据会被标记为 missing，不会用 0 伪装成真实数据。

API Provider

默认 TikHub API 地址：

https://api.tikhub.io

当前使用的 TikHub 路径：

• POST /api/v1/douyin/search/fetch_general_search_v2
• GET /api/v1/douyin/app/v3/fetch_video_comments

详见 docs/api-provider.md。

限制、隐私与公开边界

• 不要把 API Token 写进项目文件、报告、日志或 Git。
• 不要绕过登录、访问控制或平台技术限制。
• 不下载、不再分发原视频。
• 不逐句同义替换原作者内容。
• 输出只作为候选选题判断，不保证播放量或转化。
• 第三方 API 的缓存、商用和再分发权限由使用者自行确认。

Documentation

• 安装教程
• 使用教程
• 接口配置
• 流程说明
• 安全与合规
• 常见问题

Tests

npm test

npm run check

许可证与来源

原创代码与文档采用 MIT License。TikHub API 与抖音平台内容属于第三方能力和数据，不在本仓库许可证授予范围内；价格、配额、接口和再分发条款需要使用者在调用时另行核验。

English documentation · English docs index