| name | trend-topic-generator |
| description | 热点选题生成器。给定行业/场景，自动抓取小红书热点内容并生成选题建议，输出 HTML 可视化 + Markdown 选题卡。适用于运营制定内容主题、会场策划、选题发散等场景。触发条件：用户说"帮我找XXX的热点/选题/内容方向"、"我想做XXX内容会场"、"帮我分析XXX行业的热点"、"生成选题"、"内容选题"、"热点洞察"等。核心输入：会场目标（商业化/内容型，唯一必填）+ 行业/场景（必填）+ 时间季节/品类/受众（均选填）。数据源：catclaw-search + 小红书 playwright+cookie。 |
trend-topic-generator
运营选题灵感工具：从"我不知道该做什么主题"→"这几个选题可以考虑"。
输入规格
| 字段 | 必填 | 说明 | 示例 |
|---|
| 会场目标 | ✅ 必填 | commercial（商业化/带货转化）或 content（内容型/心智种草） | "我想做春季美食商业化会场" |
| 行业/场景 | ✅ 必填 | 自然语言描述即可 | 北京美食、亲子活动、美妆护肤 |
| 时间/季节 | 选填 | 有→约束范围；无→系统默认当前时节 | 春季、五一、母亲节 |
| 品类方向 | 选填 | 有→约束品类；无→全品类发散 | 咖啡、甜品、亲子餐厅 |
| 用户人群 | 选填 | 有→约束受众；无→不限 | 年轻女性、上班族、宝妈 |
会场目标是唯一必填项，因为它决定后续所有数据分析和选题生成的策略走向：
- 商业化：有品类/SKU对应，目的是转化下单，选题强调"买什么/怎么买/值不值"
- 内容型：以情绪/故事/话题为主，目的是心智占领，选题强调"情感共鸣/趋势讨论"
逆向保障机制
| 层次 | 场景 | 处理方式 |
|---|
| 输入层 | 行业太宽泛 | 暂由 Claude 提示细化（后续可加验证） |
| 数据层 | catclaw 返回空 | data_quality 标记 empty，触发扩词重试 |
| 数据层 | XHS Cookie 过期 | 明确报告 cookie_expired，不静默跳过 |
| 数据层 | 数据量 < 10条 | 自动扩词换引擎（baidu）重试，补充差量 |
| 数据层 | 扩词后仍 < 5条 | 输出红色警告"行业太冷门，建议换关键词" |
| 数据层 | 内容质量差 | 过滤标题<4字、纯英文、广告关键词 |
| 数据层 | XHS 深度抓取全失败 | 分析报告标注"仅基于搜索列表，无评论数据" |
| 输出层 | 选题数量 < 3个 | HTML+MD 均显示警示 banner |
| 输出层 | HTML div 不平衡 | 自查报错并以非0退出，便于调用方检测 |
| 输出层 | HTML/MD 任一生成失败 | 各自独立错误，不互相影响 |
所有警告和质量指标汇总在 data_quality 字段，透传给分析层（Claude）和输出层（HTML banner）。
三阶段执行流程
Phase 1：语义解析 + 热点抓取
- 从用户自然语言输入中解析出结构化参数（industry / goal / season / category / audience）
- 运行抓取脚本：
python3 <skill_dir>/scripts/fetch_trends.py \
--industry "北京美食" \
--goal commercial \
--season "春季" \
--audience "年轻女性"
python3 <skill_dir>/scripts/fetch_trends.py \
--industry "北京美食" \
--goal commercial \
--season "春季" \
--deep-xhs 3
- 脚本自动：
- 生成多条搜索词（商业化/内容型各一套策略）
- Phase 1a：catclaw-search（Bing）+ XHS playwright搜索列表（标题/作者/点赞/URL）
- Phase 1b（
--deep-xhs N时）：对XHS点赞Top N帖子调用xhs-fetcher深度抓取正文+评论
- 输出 JSON 到
~/.openclaw/logs/trends_<industry>_<timestamp>.json
⚠️ catclaw-search 脚本路径参考 catclaw-search skill；若 skill 路径不存在，改用 Claude 直接调用 web_search + catclaw-search skill。
Phase 2：分析 + 选题生成（Claude 执行）
读取 Phase 1 输出的 JSON，进行以下分析（由 Claude 直接完成，不依赖额外脚本）：
数据字段说明：
results：catclaw-search + XHS 搜索列表（标题/作者/点赞/URL），用于宏观话题洞察xhs_deep_results：XHS 深度抓取（正文/评论），若存在则用于微观痛点挖掘
分析步骤：
- 去重 + 聚类：合并相似内容，识别重复话题
- 热度信号提取：找出高频词、带热度数据的内容（浏览量/互动量等）
- 评论情绪分析（当
xhs_deep_results 非空时）：
- 提取评论中的高频词、情绪倾向（正面/负面/中性）
- 识别用户真实痛点（"好难找/太贵/想要但找不到"等）
- 评论里的需求信号可直接转化为选题角度
- 按目标分策略：
- 商业化：筛选"有品类对应+可带货性强"的热点
- 内容型：筛选"情绪共鸣强+传播力高"的热点
- 生成选题：每个热点生成：
- 选题标题（主方向）
- 热度信号描述
- 数据支撑（有数字更好）
- 商业化角度 / 内容角度（按 goal 选择）
- 3-5条示例标题
- 气泡图坐标（commercial_score 0-100 / heat_score 0-100 / content_difficulty 0-100）
- 整体洞察：1-2段总结，点出行业最值得抓的机会
将分析结果写入：~/.openclaw/logs/trends_analysis_<industry>_<timestamp>.json
分析结果 JSON 格式：
{
"meta": { "industry": "...", "goal": "...", "season": "...", "category": "...", "audience": "..." },
"topics": [
{
"title": "选题方向名",
"heat_signal": "话题热度描述",
"data_support": "具体数据",
"commercial_angle": "（商业化时填）",
"content_angle": "（内容型时填）",
"examples": ["示例标题1", "示例标题2", "示例标题3"],
"heat_score": 80,
"commercial_score": 75,
"content_difficulty": 40,
"group": "分组名"
}
],
"insights": { "summary": "整体洞察文字" }
}
Phase 3：输出生成
运行输出脚本，生成 HTML + Markdown 双输出：
python3 <skill_dir>/scripts/generate_output.py \
--data ~/.openclaw/logs/trends_analysis_<industry>_<timestamp>.json \
--out-dir /root/.openclaw/workspace
脚本输出：
topic_report_<industry>_<timestamp>.html：气泡图 + 选题卡可视化topic_cards_<industry>_<timestamp>.md：纯文字选题卡（复制粘贴友好）
HTML 生成后必须执行 div depth 自查（脚本内置，检查 final_depth=0）。
数据源说明
双层 XHS 抓取策略
| 层次 | 来源 | 能力 | 说明 |
|---|
| catclaw-search（Bing） | 始终执行 | 搜索引擎结果 | 通用热点内容，稳定不依赖登录 |
| Phase 1a XHS 搜索列表 | Cookie 文件存在时 | 标题/作者/点赞/URL | playwright headless + cookie 注入，直连站内搜索 |
| Phase 1b XHS 深度抓取 | --deep-xhs N > 0 时触发 | 正文 + 评论（含回复） | xhs-fetcher.mjs（Chrome CDP），对点赞 Top N 帖子深度挖掘 |
两层的价值差异：
- Phase 1a（广度）：快速掌握话题全貌，知道什么方向热
- Phase 1b（深度）：理解用户真实说了什么、痛点是什么、评论中的真实情绪
启用深度抓取（需 Chrome CDP 登录态）：
python3 fetch_trends.py --industry "北京美食" --goal commercial --deep-xhs 3
深度抓取前置条件：
- xhs-fetcher skill 已安装（
~/.openclaw/skills/xhs-fetcher/）
- skill 目录下有
node_modules/playwright：
cd ~/.openclaw/workspace/skills/trend-topic-generator
npm install playwright sharp
- Chrome 已有小红书登录态（
~/.xhs-browser-chrome-data/）
首次深度抓取若 Chrome 无登录态，xhs-fetcher 会自动启动 Chrome 等待登录（约60秒）。
文件路径：
- Cookie 文件：
~/.openclaw/xiaohongshu-cookies.json（a1 + web_session，有效期数天~数周）
- 搜索脚本：
~/.openclaw/workspace/scripts/xhs-fetch-with-cookie.py（已支持返回 URL）
- 深度抓取 Skill：
~/.openclaw/skills/xhs-fetcher/scripts/run.sh
交付规则（严格遵守）
- 上班时间：发文件路径，女王大人下载本地打开
- 在家时：发 HTML 截图
- 不得通过大象
message(media=文件) 直接推送文件
- 汇报格式：先说结论（X个选题方向，Top3是...），再给路径
相关文件参考
references/pipeline.md：完整 8 步流水线设计文档（含步骤③~⑧待开发部分）references/data-strategy.md：商业化 vs 内容型的数据源策略差异详解
