| name | blogger-distiller |
| description | Use when the user wants to analyze or distill a blogger/account on Xiaohongshu or Douyin, benchmark a target creator, or diagnose their own content strategy. Trigger on requests such as “拆解博主””蒸馏博主””分析小红书博主””分析抖音博主” “诊断我的账号””对标账号””内容策略分析””小红书账号分析””抖音账号分析” “分析封面””关键词趋势””升级我的skill”.
|
博主蒸馏器
⚠️ 使用前必读：本工具仅供学习研究使用，通过 TikHub 公开 REST API 获取公开数据（不模拟登录、不注入 Cookie）。评论者身份默认脱敏（读者1 / 读者2 / 作者），评论正文保留用于研究。完整条款见 DISCLAIMER.md · 安全策略见 SECURITY.md。
⛔ 执行前铁律（优先级高于一切）
触发蒸馏任务前，以下三项必须由用户明确说出，缺一不可：
- 平台（小红书 / 抖音）
- 模式（A 拆解对标博主 / B 诊断自己账号）
- 采集数量（30 / 50 / 80）
博主名不等于平台选择。 即使用户提到了"影视飓风""李子柒"等明显关联某平台的博主名，也不得自行推断平台，必须明确询问。
「跑/分析/拆解 博主X」不等于模式 A。 即使用户分析的是他人账号，也必须询问模式，不得推断。
用户已明确说出的项可直接采用，未说出的必须逐一询问后再执行。
你是什么
自动化的多平台博主蒸馏工具（小红书 + 抖音）。输入一个博主名字，输出两样最终产物：
- HTML 蒸馏报告 — 给人看。浏览器打开，快速理解这个博主的人设、认知层、策略层和内容层。
- 创作 Skill 文件夹 — 给 AI 用。安装后说"用 XX 风格写一篇笔记"，AI 立刻知道怎么写。
模式 A 用来拆解对标博主（学 TA），模式 B 用来诊断自己的账号（看自己）。
核心理念：脚本保下限，AI 冲上限。 脚本负责数据采集和确定性分析，AI 负责蒸馏洞察和生成最终产物。
能力范围
采集目标博主笔记数据（支持 30 / 50 / 80 三档），三层蒸馏产出：
三层蒸馏结构
| 层级 | 回答什么 | 举例 |
|---|
| 认知层 | TA 怎么想？ | 核心信念 / 观点张力 / 价值立场 / 思维模式 |
| 策略层 | TA 怎么运营？ | 系列规划 / 蹭热点方式 / 运营习惯 / 发布节奏 |
| 内容层 | TA 怎么写？ | 标题公式 / 开头模板 / 正文公式 / 情感节奏 / 语言DNA / CTA / 视觉风格 / 标签策略 |
产出物一：HTML 蒸馏报告（10 个模块）
- 一眼看清（摘要卡片）
- 人设拆解
- 认知层：TA 怎么想
- 策略层：TA 怎么运营
- TOP10 爆款拆解
- 内容公式速查
- 选题灵感 TOP15
- 数据面板（基础展开，详细折叠）
- 发展趋势（附置信度标注）
- 核心结论
产出物二：创作 Skill 文件夹
- 模式 A：
{博主名}_创作指南.skill/SKILL.md
- 模式 B：
{用户名}_创作基因.skill/SKILL.md
- 8 大章节：使用说明 → 认知层 → 策略层 → 内容层（含正文公式/情感节奏/语言DNA）→ 创作禁区 → 对比示例 → 选题灵感 → 局限性+自检清单
分工
脚本做 30%（保下限）：
- 环境检查、TikHub Token 验证、数据采集
- 统计分析（11种标题模式、6类CTA、藏赞比、发布频率）
- 认知层粗提取（观点句候选、思维模式统计、价值词）
- 数据底稿 + AI 蒸馏任务生成
AI 做 70%（冲上限）：
- 生成 HTML 蒸馏报告
- 生成创作 Skill 文件夹
- 抽取信念、张力、框架、创作禁区、对比示例
- 因果分析、个性化建议、金句总结
前置要求
- Python 3.9+（Skill 会自动检测，如未安装会提示）
- TikHub API Token（注册地址: https://user.tikhub.io）
- 网络连接（用于访问 TikHub API: api.tikhub.io）
- 不需要本地桌面环境，云端/无头服务器也可以运行
【可选】Whisper 视频口播提取
不安装不影响使用，照常分析博主简介、笔记标题、正文、点赞收藏、评论。
安装后可额外提取视频里说了什么（口播文字），蒸馏结论有更多内容依据。
-
安装：pip install openai-whisper
-
系统依赖：ffmpeg（macOS: brew install ffmpeg；Windows: 下载 ffmpeg.org）
-
模型：在 ~/.xiaohongshu/tikhub_config.json 中设置 whisper_model 字段切换，支持以下档位：
| 模型 | 文件大小 | 每条视频耗时（约2分钟视频） | 适用场景 |
|---|
tiny | 39MB | 3-5s（CPU）/ 1-2s（M芯片） | 极低配机器，质量较差 |
base | 74MB | 8-12s（CPU）/ 4-6s（M芯片） | 默认，够用 |
small | 244MB | 20-35s（CPU）/ 8-15s（M芯片） | 推荐升级点，中文准确率明显提升 |
medium | 769MB | 60-120s（CPU）/ 25-50s（M芯片） | 需 8GB+ 内存，50条笔记约需 1-1.5小时 |
large-v3 | 1.5GB | 150-300s（CPU）/ 60-120s（M芯片） | 需 16GB+ 内存，轻薄本不建议，中文相比 medium 提升有限 |
-
代价：每条视频额外消耗转写时间（见上表）+ 蒸馏时消耗更多 AI Token
-
超过 10 分钟的视频自动跳过（ffprobe 预检）
Token 获取与存储
⚠️ 首次运行时，必须在进入 Phase 0.5 前提醒用户：
本工具需要 TikHub API Token 才能运行。如果你还没有，请按以下步骤操作：
- 访问 https://user.tikhub.io 注册账号
- 充值（按量付费即可）
- 在控制台 → API 权限中，一键勾选全部小红书（xiaohongshu）相关端点（开得越全，自动容错能力越强）
- 生成 API Token
密钥存储： 用户提供 Token 后，系统会自动保存到 ~/.xiaohongshu/tikhub_config.json，下次运行无需重复输入。Token 三级加载优先级：
- 环境变量
TIKHUB_API_TOKEN
- 配置文件
~/.xiaohongshu/tikhub_config.json（自动保存）
- 交互式输入（首次使用时引导，输入后自动保存到配置文件）
设置方式（三选一）：
- 环境变量:
set TIKHUB_API_TOKEN=你的token（Windows）/ export TIKHUB_API_TOKEN=你的token（macOS/Linux）
- 配置文件: 首次运行
check_env.py 时会交互式引导，自动保存
- 命令行参数:
python run.py "博主名" --token 你的token
代理设置
如需通过代理访问 TikHub API，设置环境变量：
$env:HTTP_PROXY="http://127.0.0.1:7890"
$env:HTTPS_PROXY="http://127.0.0.1:7890"
export HTTP_PROXY="http://127.0.0.1:7890"
export HTTPS_PROXY="http://127.0.0.1:7890"
执行流程
Phase 0: 环境自动准备
Step 0-A：代码自动更新（必须最先执行）
在 skill 所在目录执行以下命令，拉取最新版本代码：
git pull origin main
- 返回 "Already up to date." 或任何成功更新信息 → 继续
- 返回任何错误（非 git 仓库、无网络等） → 忽略，继续下一步
Step 0-B：环境检查
运行 python scripts/check_env.py
自动检查并修复以下依赖：
- Python 版本 — 检测 Python 3.10+
- python-docx — 检测到未安装时自动
pip install
- TikHub API Token — 检测 Token 是否设置且有效
- 已设置 → 验证连通性，显示额度信息
- 未设置 → 交互式引导：提示注册 → 输入 Token → 自动保存到
~/.xiaohongshu/tikhub_config.json
- Whisper + ffmpeg — 检测视频口播提取功能是否可用
- 已安装 → 显示当前模型，提供切换选项
- 未安装 → 提示安装（交互式询问 y/N，选 y 则自动安装）
⚠️ AI 执行注意：check_env.py 中 Whisper 安装步骤是交互式的（需要回答 y/N）。在 AI 环境中无法自动交互，因此 不要依赖脚本的交互提示来完成 Whisper 安装。改为在 Phase 0.5 对话中询问用户，再根据用户回答手动执行安装命令。运行 check_env.py 时如果遇到 Whisper 相关交互提示，输入 N 跳过即可。
💡 额度提示：每次完整蒸馏约消耗 ¥1～8（取决于笔记数量），可在 https://user.tikhub.io 查看剩余额度。
Phase 0.5: 前置交互
⚠️ 两条铁律，违反则整个流程无效：
- Phase 0-B 必须在 Phase 0.5 之前完成。 无论用户在触发指令中提供了多少信息，都必须先把 Phase 0（Step 0-A + Step 0-B）跑完，拿到
whisper_available 的值，再进入 Phase 0.5。不得跳过 Phase 0 直接进入交互。
- 第4题（Whisper 口播）必须单独用工具问出来。 即使用户在第一句话里已经说清楚了平台、模式、数量全部三项，第4题仍然必须在 Phase 0.5 用 AskUser 工具弹出独立问题，不得静默跳过，不得合并进其他问题。
⚠️ 缺失信息必须明确询问：以下四项信息，用户未在触发指令中明确提供的，必须逐一询问，不得自行推断：
- 平台（小红书 / 抖音）
- 模式（A 拆解对标博主 / B 诊断自己账号）
- 采集数量（30 / 50 / 80）
- 是否开启视频口播提取（无论 Whisper 是否可用都要提及，见下方逻辑）
用户已明确提供的信息可以直接采用，无需重复询问。
未提供的信息，参照以下交互文案询问：
─────────────────────────────────────
欢迎使用博主蒸馏器！
请选择分析平台：
1 — 小红书
2 — 抖音
请选择分析模式：
A — 拆解对标博主
采集 TA 的笔记 → 提炼内容公式和思维方式
→ 生成「TA的名字_创作指南.skill/」
B — 诊断我的账号
采集你的笔记 → 找到内容基因和增长瓶颈
→ 生成「你的名字_创作基因.skill/」
采集数量（推荐 50 条）：
① 30 条 — 快速扫描（约 15-25 分钟）
② 50 条 — 推荐档位（约 30-45 分钟）
③ 80 条 — 深度分析（约 45-65 分钟）
【whisper_available = true 时】
是否提取视频口播内容？
当前已分析：博主简介、笔记标题、正文、点赞收藏、评论
开启后额外提取：视频里说了什么（口播文字）
代价：每条视频多消耗约 8-12s + 蒸馏时消耗更多 AI Token
【whisper_available = false 或字段不存在时】
当前环境还没有安装视频口播提取功能（Whisper）。
不影响本次蒸馏——标题、正文、评论等文本数据照常分析。
但如果开启，蒸馏时还能额外提取视频里说了什么，
分析出正文公式、情感弧线、语言DNA等更多维度，蒸馏质量会显著提升。
要不要我现在帮你安装？大约需要 2-5 分钟。
y — 帮我装（自动安装 Whisper + ffmpeg）
N — 跳过，先不装（默认）
【安装成功后追加提示】
✅ Whisper 已安装完成（默认使用 base 模型，适合大多数场景）。
如需了解其他模型档位（tiny/small/medium/large），回复「1」查看对比表。
1 — 查看模型对比表，自行选择
回车/其他 — 使用默认 base，继续蒸馏
─────────────────────────────────────
Whisper 可用性判断与安装流程：
- 读取
~/.xiaohongshu/tikhub_config.json 里的 whisper_available 字段
- 根据结果分两条路径：
路径A：whisper_available = true
⚠️ 必须用工具提问，选项固定为以下三个，不得减少：
- 选项1：开启（用当前模型转写）
- 选项2：跳过
- 选项3：更换 Whisper 模型（可向我了解其他模型）
→ 用户选选项3 → 展示前置要求中的模型档位表格，用户选择后更新 whisper_model；再回到此问题重新询问
→ 用户选选项1 → transcript_enabled = true
→ 用户选选项2 → transcript_enabled = false
路径B：whisper_available = false 或字段不存在
→ 告知用户口播功能未安装，并询问"要不要我帮你安装"（上方交互文案中的"未安装"版本）
→ 用户选 y → 依次执行：
pip install openai-whisper（安装 Whisper）- 检测 ffmpeg 是否可用，不可用则按系统自动安装：
- macOS:
brew install ffmpeg
- Windows:
winget install Gyan.FFmpeg（或 choco install ffmpeg）
- Linux:
sudo apt-get install -y ffmpeg
- 安装完成后将
whisper_available 写为 true，whisper_model 写为 "base"
- 告知用户：默认使用 base 模型，回复「1」可查看模型对比表切换
- 用户回复 1 → 展示下方模型对比表（即前置要求中的模型档位表格），用户选择后更新
whisper_model；用户不回复/回复其他 → 保持 base，继续
transcript_enabled = true
→ 用户选 N → transcript_enabled = false（主流程不受影响）
记录四个变量供后续流程使用：
platform：xhs 或 douyinuser_mode：A 或 Bmax_notes：30 / 50 / 80transcript_enabled：true 或 false
Phase 1: 数据采集
若 transcript_enabled = true，运行：
python scripts/crawl_blogger.py <博主名> -o ./data --max-notes <max_notes> --platform <platform> --transcript
否则运行：
python scripts/crawl_blogger.py <博主名> -o ./data --max-notes <max_notes> --platform <platform>
其中 --platform 取值 xhs 或 douyin，对应用户在 Phase 0.5 选择的平台。
⚠️ 重要约束（不得违反）：
- 必须逐条调用
fetch_note_detail 获取笔记正文。仅有标题和互动数字的列表数据不足以做深度分析，正文、评论、标签都只能从 detail 接口获得。
- 不得自行编写脚本替代
scripts/crawl_blogger.py，必须调用现有脚本。
- 不得修改
--max-notes 参数的值，必须沿用用户在 Phase 0.5 选定的数量。
⚠️ 端点全部失败时的处理：
如果采集过程中出现"所有端点均失败"错误（尤其是 HTTP 402/403），必须立即暂停并提醒用户：
⚠️ 所有 API 端点均返回失败。最常见的原因是 TikHub 控制台的 API 权限未全部开通。
请登录 https://user.tikhub.io，进入控制台 → API 权限，一键勾选全部小红书相关端点，然后重新运行。
如果权限已全部开通，请检查账户余额是否充足。
自动完成：
- 搜索定位博主（首选
search_users 精准匹配 → 兜底 search_notes 交叉定位）
- 获取主页信息 — 粉丝数、获赞数、笔记数、简介（
fetch_user_info）
- 获取主页笔记列表 — 分页获取用户全部笔记（
fetch_user_notes）
- 多关键词搜索补充 — 默认使用通用后缀（教程 / 推荐 / 分享 / 测评 / 攻略 / 合集），用户可通过
--keywords 指定领域词（search_notes）
- 逐条获取笔记详情 — TikHub API 限速自适应，自动调节间隔（
fetch_note_detail）
- checkpoint 断点恢复 — 每 10 条自动存盘
输出文件（JSON）：
{博主名}_profile.json — 主页信息{博主名}_notes_list.json — 笔记列表（按赞数排序）{博主名}_notes_details.json — 全量笔记详情（含评论）
Phase 2: 数据分析 + 认知层提取
运行 python scripts/analyze.py ./data/<博主名>_notes_details.json -o ./data
自动完成：
- 数据清洗 — 解析 JSON，提取标题 / 正文 / 互动数据 / 评论 / 标签
- 内容分类 — 基于笔记标签和高频关键词动态聚类，不预设任何领域
- 标签统计 — 提取所有
# 话题标签，按频次排序 TOP20
- TOP10 + 评论洞察 — 高赞前 10 条的详情 + 热评精选
- 认知层粗提取 — 观点句候选 / 高频价值词 / 写作结构统计
- [可选] 对比分析 — 自己 vs 目标博主的数据差异
输出文件：
{博主名}_analysis.json — 结构化分析数据（含完整笔记列表、分类、观点句候选、高频价值词等）
Phase 3: 蒸馏 + 产出物生成
Step A：生成数据底稿和 AI 蒸馏任务
运行：
python scripts/deep_analyze.py ./data/<博主名>_analysis.json "<博主名>" \
-o ./output --details ./data/<博主名>_notes_details.json --mode <user_mode>
脚本自动完成：
- 基础统计面板 — 均赞 / 均藏 / 均评 / 爆款率 / 视频 vs 图文 / 藏赞比
- 标题模式识别 — 11 种标题策略的使用比例和示例
- 内容结构分析 — 正文长度分布、列表率、小标题率
- CTA 提取
- Emoji 视觉分析
- 发布频率
- 发展趋势数据
- 观点句候选 / 高频价值词 / 写作结构
- TOP10 数据包
- AI 蒸馏任务
脚本产出：
{博主名}_数据底稿.md{博主名}_AI蒸馏任务.md
Step B：AI 读取蒸馏任务，生成最终产物
AI 必须读取 AI蒸馏任务.md，按以下顺序生成最终交付物，每完成一个立即写入磁盘，不等另一个完成：
-
Skill 文件夹（先）
- 模式 A：
{博主名}_创作指南.skill/SKILL.md
- 模式 B：
{用户名}_创作基因.skill/SKILL.md
- 生成完毕后立即写入文件，再继续步骤 2
-
HTML 报告（后）
- 文件名：
{博主名}_蒸馏报告.html
- 技术要求：单文件 HTML，手写 CSS（禁止 Tailwind CDN），Google Fonts 引入 Space Mono + Noto Serif SC
- 设计风格：Archive Terminal（工业档案感）；底色 #CEC9C0，主强调色 #8A3926，正文 #1A1211
- 无圆角、无阴影、无白色卡片；模块1/8/10 为砖红色反转背景
- 三个动效：滚动 fadeInUp / 数字 counter / 分割线 draw-in（原生 JS）
- 折叠面板用
<details><summary> 原生 HTML；响应式，移动端断点 768px
- 字号系统：标签/元数据层 11-13px，正文内容层 14-16px，统计大数字 20px（详见 AI蒸馏任务.md 字号系统表）
- 详细视觉规格见
AI蒸馏任务.md 的"技术要求"章节
- 生成完毕后立即写入文件
⚠️ 关键契约：
- 最终 Skill 不是单个
.skill.md 文件
- 最终 Skill 是一个可安装的文件夹
- 文件夹中至少必须有
SKILL.md
Skill 第三章（内容层）结构要求：
- 3.1 标题公式 TOP5
- 3.2 开头模板 TOP3
- 3.3 正文公式（含叙事框架库 + 段落功能标签 + 转折词库）← 扩展
- 3.4 情感节奏公式（含情感弧线 + 峰值制造法 + 张力公式 + 留存钩子）← 新增
- 3.5 语言DNA（含高频用语 + 力量短语 + 句式节奏 + 人称策略 + 签名句式 + 对话感）← 新增
- 3.6 CTA 策略
- 3.7 视觉规则
- 3.8 标签策略
- 3.9 发布节奏
⚠️ 3.3-3.5 数据来源分支：有 Whisper 逐字稿时从逐字稿提取，无逐字稿时从笔记正文提取。所有博主均生成完整结构，不跳过章节。
Phase 4: 质量检查
运行校验时，最终产物应按以下口径验收：
{博主名}_蒸馏报告.html{博主名}_创作指南.skill/SKILL.md
模式 B 时，将第二项替换为：
{用户名}_创作基因.skill/SKILL.md
如果最终产物缺失、为空、或 AI 仍输出成单个 .skill.md 文件，都视为不合格。
TikHub API 调用协议
使用 HTTP REST API，Bearer Token 认证：
from scripts.utils.tikhub_client import TikHubClient
client = TikHubClient()
data = client.search_notes("博主名")
可用端点
| 方法 | 用途 | 关键参数 |
|---|
search_users(keyword) | 搜索用户（精准匹配博主） | keyword |
search_notes(keyword) | 搜索笔记 | keyword, page, sort |
fetch_user_info(user_id) | 获取用户主页信息 | user_id |
fetch_user_notes(user_id) | 获取用户笔记列表 | user_id, cursor |
fetch_note_detail(note_id) | 获取笔记详情+评论 | note_id |
TikHub 使用注意
- Token 需在 https://user.tikhub.io 注册获取并充值
- 权限不足（403）：Token 的 scope 未勾选全部
xiaohongshu 相关端点。解决方法：登录 TikHub 控制台 → API 权限，一键勾选全部小红书端点
- 余额不足（402）：账户余额耗尽。解决方法：登录 TikHub 控制台充值
- 所有端点均失败：最常见原因是权限未全部开通或余额不足。请优先检查这两项
- 429 限速：客户端内置 RPS 自适应限速（自动检测账户套餐），一般无需手动处理
- 请求间隔由客户端自动管理（基于账户 RPS 限制 × 0.7 安全系数）
- 密钥存储：用户输入的 Token 会自动保存到
~/.xiaohongshu/tikhub_config.json，下次运行自动读取，无需重复输入
文件结构
blogger-distiller/
├── SKILL.md # 你现在看的这个文件
├── run.py # 一键运行入口（串联 Phase 0→4）
├── install.py # 自动安装脚本
├── scripts/
│ ├── check_env.py # Phase 0: 环境自动准备（TikHub Token 检查）
│ ├── crawl_blogger.py # Phase 1: 数据采集（TikHub API）
│ ├── analyze.py # Phase 2: 数据分析 + 认知层粗提取
│ ├── deep_analyze.py # Phase 3: 数据底稿 + AI 蒸馏任务
│ ├── verify.py # Phase 4: 数据校验模块
│ └── utils/
│ ├── tikhub_client.py # TikHub REST API 客户端（限速+多端点降级）
│ ├── endpoint_router.py # 端点池路由 + 自动降级引擎
│ ├── endpoints.json # 端点池配置（4组×7类 = 28 个端点）
│ ├── adapters.py # 响应数据归一化适配器
│ ├── common.py # 共用工具函数
│ └── quality.py # 数据质量检查工具
└── references/
└── 产出物质量标杆.md
使用方式
自然语言触发（推荐）
直接对 AI 说：
拆解博主 <目标博主名>
AI 必须先执行 Phase 0.5 前置交互，再继续后面的流程。
一键运行
cd blogger-distiller/
python run.py "<博主名>"
运行后必须先完成：
- 模式 A / B 选择
- 数量 30 / 50 / 80 选择
然后再进入采集、分析、蒸馏。
手动分步执行
cd blogger-distiller/
python scripts/check_env.py
python scripts/crawl_blogger.py "<博主名>" -o ./data --max-notes 50
python scripts/analyze.py ./data/<博主名>_notes_details.json -o ./data
python scripts/deep_analyze.py ./data/<博主名>_analysis.json "<博主名>" \
-o ./output --details ./data/<博主名>_notes_details.json --mode A
注意：
crawl_blogger.py 和 analyze.py 不要自行改写，直接调用现有脚本。deep_analyze.py 只负责生成数据底稿和 AI 蒸馏任务；最终 HTML 和 Skill 文件夹由宿主 AI 继续完成。
多平台兼容性
| 平台 | 本机运行 | HTTP API | Python | 文件读写 | 测试状态 |
|---|
| CodeBuddy (WorkBuddy) | ✅ | ✅ | ✅ | ✅ | ✅ 已验证 |
| Claude Code | ✅ | ✅ | ✅ | ✅ | ✅ 已验证 |
| OpenClaw (本地) | ✅ | ✅ | ✅ | ✅ | 待测试 |
| OpenClaw (云端) | ✅ | ✅ | ✅ | ✅ | 待测试（不再需要桌面环境） |
| Codex | ✅ | ✅ | ✅ | ✅ | ✅ 已验证 |
核心原则
- 一份
SKILL.md 兼容 WorkBuddy / Claude Code / OpenClaw / Codex
- 工具函数提取到
utils/common.py 共用
- 使用标准库（
urllib）避免外部依赖
- Token 三级加载（环境变量 → 配置文件 → 交互输入），无需桌面环境
错误处理规则
遇到以下报错时，不要直接告知用户"采集失败"，按对应步骤处理后重试：
情形 A：报错含 [需要更新]
触发条件：
- 搜索返回用户但昵称全为空（适配器过期）
- 所有端点均返回 404（端点配置过期）
处理步骤：
- 在 skill 目录执行
git pull origin main
- 若成功（有更新或 Already up to date）→ 重新从 Phase 1 开始采集
- 若失败（非 git 安装）→ 告知用户：
请重新运行 python install.py 更新 skill 文件后重试
情形 B：报错含 余额不足 或 请充值（429）
处理步骤：
- 告知用户登录 https://user.tikhub.io 确认账户余额是否已到账
- 若余额显示正常但仍报错 → 让用户重新生成 Token 后重试
- 若余额确实为 0 → 引导用户充值后重试
情形 C：搜索到博主但用户信息全部 422
处理步骤：
- 先执行
git pull origin main 确保代码最新
- 确认搜索到的 sec_uid 是否正确（匹配到了正确的博主）
- 若 sec_uid 正确但仍 422 → 提示用户确认 TikHub 是否开通了抖音相关端点权限
情形 D：输出含 找不到 ffmpeg 警告
触发条件：开启了视频转写（--transcript），但 ffmpeg 工具未就绪。
处理步骤：
- 告知用户："视频声音提取工具还没准备好，需要重新完成一次环境设置，我来帮你做。"
- 运行：
python3 scripts/check_env.py
- check_env.py 会引导用户完成 ffmpeg 的安装（只需回答"要"或"不要"）
- 安装完成后，重新从 Phase 1 开始采集
参考文档
references/产出物质量标杆.md — 可作为产出结构和质量上限参考；若与当前 HTML / Skill 文件夹契约冲突，以本文件和操作手册为准
拓展玩法（蒸馏完成后可选）
蒸馏完成后，以下进阶分析可按需触发，说出触发词即可执行：
| 玩法 | 触发词 | 说明 |
|---|
| 🎨 封面视觉风格分析 | 「分析封面」 | 分析封面色彩、构图、文字风格，给出优化建议（双平台，零额外 API） |
| 📈 关键词趋势洞察 | 「关键词趋势」 | 抖音：Index API 完整趋势+画像；小红书：热搜匹配+联想词方向 |
| 🔄 已有蒸馏升级 | 「升级我的 skill」 | 在已有蒸馏基础上追加新维度，无需重新采集 |
