trend-topic-generator

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

1. 从用户自然语言输入中解析出结构化参数（industry / goal / season / category / audience）
2. 运行抓取脚本：

   # 标准模式（搜索列表）
   python3 <skill_dir>/scripts/fetch_trends.py \
     --industry "北京美食" \
     --goal commercial \
     --season "春季" \
     --audience "年轻女性"
   
   # 深度模式（搜索列表 + Top3帖子正文+评论）
   python3 <skill_dir>/scripts/fetch_trends.py \
     --industry "北京美食" \
     --goal commercial \
     --season "春季" \
     --deep-xhs 3
   

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：

1. 去重 + 聚类：合并相似内容，识别重复话题
2. 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）
3. 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
4. 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
5. 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）
6. 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：

1. xhs-fetcher skill 已安装（~/.openclaw/skills/xhs-fetcher/）
2. skill 目录下有 node_modules/playwright：

   cd ~/.openclaw/workspace/skills/trend-topic-generator
   npm install playwright sharp
   

3. 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