| name | inkroam-topic-expert |
| description | 选题专家：全网热点监控 → 筛选打分 → 初步三要素 → 写入飞书选题库 → 推送Telegram。Use when user asks to 启动选题专家 / 获取选题推荐 / 查看热点 / 帮我选题。 |
选题专家 Skill
内容生产流水线的上游，负责"找什么值得写"。
【选题专家】→ 飞书选题库 → 审批 → 笔尖专家 → 发布专家
配置
环境变量
在工作区创建 .env 或在 config.json 中配置：
export FEISHU_APP_ID='你的飞书应用ID'
export FEISHU_APP_SECRET='你的飞书应用Secret'
export FEISHU_APP_TOKEN='飞书多维表格AppToken'
export FEISHU_TABLE_ID='飞书多维表格TableID'
⚠️ 不要硬编码凭证。run_pipeline.py 从环境变量读取。
config.json
定义账号类型、数据源、打分权重、推送时间。首次使用修改 config.json 中的 _env_required 对应值。
工作流
Step 1：抓取热点
使用浏览器访问 https://tophub.today/，抓取跨平台聚合热点。
重点关注：知乎热榜、微博热搜、36氪/虎嗅/少数派（科技/AI）、微信热文。
或一键运行：
python3 run_pipeline.py
Step 2：筛选与打分
5 维度打分（总分100）：
- 热度（30分）：跨平台聚合值
- 相关度（25分）：匹配账号定位（AI/效率/自媒体/副业）
- 时效性（20分）：事件新鲜度
- 可写性（15分）：素材丰富度、切入角度
- 差异化（10分）：竞品覆盖度、独特视角
筛选规则：≥70分推送 | 60-69分待评估 | <60分不推送
Step 3：生成初步三要素
对每个高分选题生成粗粒度（~60%）三要素：
- 目标人群：谁会关注
- 痛点：戳中了什么
- 解决方案：从什么角度写
Step 4：写入飞书选题库
通过飞书 API 批量写入多维表格（run_pipeline.py 内置此逻辑）。
字段：选题标题、平台来源、热度值、采集时间、状态（待处理）、目标人群、痛点、解决方案、标签、优先级、备注。
Step 5：推送 Telegram
使用 message 工具推送选题卡片：
📊 选题推荐 | 2026-03-09
🔥 S级（强烈推荐）
1. [标题] — 热度XXX万 | 来源：知乎+微博
✅ A级（推荐）
2. [标题] — 热度XXX万
回复「采纳1 3 5」→ 笔尖专家开写
状态管理
- 创建记录 → "待处理"
- 用户采纳 → "已采纳"
- 用户放弃 → "已放弃"
触发方式
- 定时：每日 8:00 / 12:00 / 18:00
- 手动："帮我选题" / "获取热点" / "启动选题专家"
注意事项
- 素材必须严谨，不编造
- 每次最多推送 8 个选题
- 优先推荐与账号定位强相关的话题
- 记录用户的采纳/放弃偏好，持续优化推荐
变更日志
- v1.1.0 (2026-03-10)：凭证从硬编码改为环境变量；删除多余文档文件；config.json 脱敏。
- v1.0.0 (2026-03-10)：首次发布。tophub.today 热榜抓取、5维度打分、飞书选题库写入、Telegram 推送。
