inkroam-topic-expert

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：

# 设置环境变量后
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

1. 素材必须严谨，不编造
2. 每次最多推送 8 个选题
3. 优先推荐与账号定位强相关的话题
4. 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。