space-xhs-hotspot

小红书热点搜集（space-xhs-hotspot）

给创作者用的选题雷达。目标不是把数据倒出来，而是回答三个问题：这个赛道现在有没有流量？流量集中在哪几种内容形态上？我下一篇该写什么。

产出链路：本 skill 出选题 → space-xhs-title 起标题 → space-xhs-writer 写正文。所以最后一段必须是可以直接粘给下游的选题卡，不是一句"建议多观察"。

---

数据说明（展示任何数据之前必须先说明，逐字保留口径）

• 收录门槛：红狐库只收录互动数 1000+ 的笔记。搜不到 ≠ 这个方向没人写，只等于这个方向没出过 1000+ 互动的爆款——这本身就是一条判断（小众/低天花板 or 蓝海）。
• 更新节奏：每日早上 7 点更新昨日数据。当天数据永远查不到，用户说"今天"时按"昨天"处理并说明。
• 数据快照：互动数是入库时刻的快照，不是实时值。入库后还会继续涨——所以"3 天前的 8000 互动"实际热度可能高于"昨天的 1.2w"。
• 时间窗：库内只有昨天到 30 天前的数据。超过 30 天的请求要明确告知并降级到最近可用范围。
• 链接口径：note_url / noteLink 必须原样输出，包含 xsec_token 查询参数。禁止截断、脱敏、重建，禁止只拿 note_id 自己拼 URL——拼出来的链接打不开。note_id 是 24 位小写十六进制，必须完整复制。

---

第 0 步：数据源探测与降级（每次执行前先做，不要假设 Key 存在）

env | grep -E '^(REDFOX_API_KEY|SOCIALDATAX_API_KEY|GUAIKEI_API_TOKEN)=' | sed 's/=.*/=<set>/'

按下表从上往下取第一条可用路线；某条路线报错（401/余额不足/网络失败）时继续往下降级，并在输出里注明"本次数据来自 X 路线"。

优先级	环境变量	路线	强项	短板
1	REDFOX_API_KEY	红狐 API（本 skill 自带脚本）	唯一有热度/相关性/时效三维评分和 relatedSearches 拓词；天然只含 1000+ 爆款，信噪比最高	只有近 30 天；T+1 更新；无评论
2	SOCIALDATAX_API_KEY	socialdatax CLI（npx，见 xhs-content-research）	近实时；有 --since-days、多种排序、图文/视频筛选	无评分，需自己按互动排序；按量计费
3	GUAIKEI_API_TOKEN	怪壳 Node CLI（见 xiaohongshu-content-tools）	能拿笔记详情 + 评论区 + 博主全部作品，做深挖唯一选择	需 node，脚本在另一 skill 目录下
兜底	无	WebSearch 手动	零配置	无互动数，只能看到标题和大致方向

具体命令、参数、报错处理见 references/data_sources.md（执行前读它）。

三个 Key 都没有时，不要静默失败，按此模板回复：

未检测到小红书数据源，本次用公开搜索兜底（拿不到互动数，只能看内容方向）。

想要带互动数据的完整热点分析，配置任一即可（推荐第 1 个）：
  export REDFOX_API_KEY=...        # https://redfox.hk/settings/api-keys  近30天爆款库，带热度评分
  export SOCIALDATAX_API_KEY=...   # https://socialdatax.com/ai          近实时搜索
  export GUAIKEI_API_TOKEN=...     # https://www.guaikei.com             详情+评论深挖
写进 ~/.zshrc 后重开终端即可。

然后继续用 WebSearch 兜底跑完流程（site:xiaohongshu.com <关键词> + 小红书热点类聚合站），只是把"互动数"列换成"来源"列，并在结论里标注"未经互动数据验证"。不要因为没 Key 就停在提示上。

---

第 1 步：把用户的话变成能查的词

核心判断：泛化词 vs 细分词。 拿泛化词去查，返回的是一堆彼此无关的爆款，看不出任何趋势；拿过细的词去查，返回 0 条。

类型	特征	例	动作
泛化词	上位概念、行业分类，无场景/人群/风格修饰	美妆、穿搭、职场、AI、母婴	先拓 6~10 个细分词，同时开跑，用结果对比出热度分布
细分词	有一层修饰（场景/人群/风格/意图）	通勤穿搭、减脂早餐、小个子显高、AI 做 PPT	直接查，这是甜点区
过细词	两层以上修饰或长尾组合	微胖小个子秋冬通勤穿搭	砍到一层修饰再查，同时保留原词做人工筛

与原版的差别：识别到泛化词时不要停下来等用户回复"拓展/不拓展"。直接说明"「穿搭」太宽，我按 8 个细分方向并行查了"，然后一次跑完（红狐支持逗号分隔多词）。用户想改方向，看到结果再改效率更高。只有当拓展词方向存在多种明显不同的商业意图（如"保险"→ 买保险 / 卖保险 / 保险从业）时，才值得先问一句。

拓展词生成原则：

• 大小适中——"中产穿搭"这种自造词查不到数据，"老钱风""通勤""松弛感"这种平台上真实存在的说法才查得到。
• 覆盖四个维度，各 2~3 个：趋势词（老钱风、多巴胺、松弛感）、人群词（学生党、小个子、宝妈、打工人）、场景词（通勤、约会、露营、租房）、意图词（平替、避雷、测评、清单）。
• 优先用用户自述里出现过的词。用户说"我平时写小众电影、书评、港台文化"，就该查「小众电影/港台电影/书单推荐」，而不是查「电影」。

赛道词库：references/xhs_sectors.json

不要凭空想拓展词——先查词库。它按小红书官方 24 个一级赛道组织，每个赛道给 trend / audience / scene / intent 四个维度的可查询细分词，正好对应上面四个维度。

什么时候读它（三种场景，其余场景别浪费上下文）：

场景	用法
用户给的是泛化词（"穿搭""职场""AI"）	找到对应一级赛道，四个维度各取 2~3 个凑 6~10 个词并行查，这就是赛道下切
用户给的是细分词（"通勤穿搭"）	直接查该词，同时从同赛道同维度取 2~3 个邻近词做横向对比（见第 4 步），用来回答"这个词在赛道里算热还是算冷"
用户说不清方向、只说"我该写什么"	先问定位，再从其人设匹配的 1~2 个赛道取词

词库是起点不是终点：跑完第一轮后，必须拿接口返回的 relatedSearches（红狐）或本轮高频标题词（其他路线）二次拓词——那才是平台当下的真实说法。词库里的趋势词会过期，查出来 0 条就说明它已经凉了，这本身是条结论，别硬凑。

赛道找不到对应项（如"跨境电商""考编"）时，就近映射到最相关的一级赛道（互联网 / 教育），并说明是近似映射，不要为了对齐词库改写用户的方向。

---

第 2 步：查询与时间窗策略

默认窗口 7 天（startDate = 今天 - 7）。换算：今天→昨天，最近/近一周→7 天，近 N 天→今天-N，最多 30 天。

数据不足时只扩时间，不换词（换词会把两个不同赛道的数据混在一起，趋势判断就废了）：

1 天 → 3 天 → 7 天 → 30 天

每次扩窗都要告知："「XX」近 7 天只有 3 条 1000+ 笔记，已扩到近 30 天。"扩到 30 天仍 < 5 条，就停手，直接给结论：这是一个低产出赛道——要么受众太窄，要么平台不给这个方向流量，要么就是没人写的蓝海。这三种可能要在结论里替用户区分（看 relatedSearches 有没有词、看邻近词的数据量）。

---

第 3 步：读数据，做趋势判断（本 skill 的核心，不要跳过）

拿到笔记列表后，逐条不是重点，模式才是。按下面六个切口过一遍，前五个是赛道现状，第六个是爆款共性：

1. 形态分布

把 top 20 按内容形态归类，数出占比：清单/盘点｜教程步骤｜测评对比｜个人经历叙事｜避雷吐槽｜数据结论｜资源合集。占比最高的形态 = 平台当前在这个赛道给流量的形态，也是最安全的模仿对象。占比为 0 但用户擅长的形态 = 差异化机会（要标风险）。

2. 标题钩子分布

统计 top 20 标题里出现的钩子：数字（"5 个""3 天"）、人群标签（"打工人""学生党"）、痛点原话（带引号的吐槽）、反差（"没想到""原来"）、身份背书（"三甲医生""HR"）、时效（"2026""最新"）。哪种钩子重复出现最多，就是这个赛道读者当下吃的那一套——直接传给 space-xhs-title。

3. 账号量级

看 authorFans。如果 top 榜里有明显的小号（<1 万粉）跑出 1w+ 互动，说明这个赛道流量吃内容不吃账号，新号可进；如果全是 50 万+ 大号霸榜，说明是存量竞争，新号进去大概率沉。这条对用户的决策价值最高，务必写出来。

4. 时间分布

爆款集中在最近 3 天 = 上升期热点，抓紧写；均匀分散在 30 天 = 常青需求，什么时候写都行；集中在 3 周前后没有新的 = 热点已过，别追。

5. インタラクション構造

likedCount / collectedCount / commentsCount を比較します：

• 收藏 > いいね → ツール型／資料型コンテンツです。読者は後で使うために保存します。リスト、テンプレート、まとめに向いています。
• コメント > 保存、かつコメントの割合が高い → 話題型／論争型です。読者は意見を表明したがっています。意見、質問、比較に向いています。
• いいねが圧倒的に多い → 感情型／審美型です。読者は通りすがりに共感しているだけです。コンバージョンは弱く、フォロワーの増加も一般的です。

アカウント規模に関するこの項目で authorFans が取得できるのは紅狐ルートのみです。怪壳ルートでは実測でフォロワー数を取得できません。その場合は「フォロワー数のフィールドが欠落しているため、このルートではアカウント規模を判断できません」と記載し、推定しないでください。残りの4つの切り口は通常どおり提示してください。

6. バズ投稿の共通点抽出（サンプルが8件以上の場合は必須）

上記の5つの切り口は「この分野が今どのような状況か」に答え、共通点の抽出は**「このバズ投稿群はなぜバズったのか、どれなら真似できて、どれは真似できないのか」**に答えます。後者こそ、ユーザーが本当に知りたいことです。

実行前に references/pattern_extraction.md を読み、以下の3つを行います：

1. 各投稿に2つのタグを付けます：形式タグ（リスト／チュートリアル／レビュー／体験談／注意喚起／データ／リソース／肩書きによる信頼性）＋バズの仕組みタグ（新鮮さ／成果感／場面感／属性感／感情感／ギャップ感／保存動機／論争性）。各ノートにつき、最も強い仕組みを1〜2個選びます。
2. 分布を数値化します：形式 X/20、仕組み X/20、タイトルの頻出語トップ10〜14。40％以上なら共通点、20％〜40％なら次点の主流、20％未満かつ裏付けが1〜2件のみなら個別事例と呼びます。トレンドとして見せてはいけません。
3. 3つのリストに分けます：再利用可能／再利用不可能（肩書きの壁、リソースの壁、アカウントの壁）／空白領域。再利用不可能な項目のリストを省略してはいけません。「真似できるもの」だけを示すのは、ユーザーを落とし穴に誘導するのと同じです。

サンプルが8件未満の場合は割合を出さず、定性的な説明のみとし、「サンプルN件のため、結論は参考情報です」と明記します。

---

ステップ4：比較（ユーザーが「変わったか」「どちらのほうが書く価値があるか」と尋ねた場合に実施し、それ以外はスキップ）

1回のスナップショットでわかるのは「今どうなっているか」だけで、「良くなっているか悪くなっているか」「AとBのどちらが参入できるか」はわかりません。この2種類の質問には、2回以上のクエリ結果の比較が必要です。

実施条件：ユーザーが「最近もまだ人気ですか」「先月と比べてどうですか」「どの分野のほうが書く価値がありますか」「AとBのどちらを選ぶべきですか」と尋ねた場合、またはステップ1で分野を細分化して複数のデータを取得した場合。

方法：各クエリの結果をそれぞれJSONファイルに保存し、scripts/compare_sets.py で正規化して整合させます（オフラインスクリプトのため、ネット接続もKeyも不要です）。

S=~/.claude/skills/space-xhs-hotspot/scripts

# 多赛道横向：同一时间窗，谁的量级更高、形态和钩子有什么差别
python3 $S/compare_sets.py 通勤穿搭=a.json 老钱风=b.json 学生党穿搭=c.json --top 20

# 单赛道纵向：同一个词，本周 vs 上月
python3 $S/compare_sets.py 本周=this.json 上月=last.json --label-kind time

# 要结构化数据自己再加工时
python3 $S/compare_sets.py a.json b.json --json

• 入力は保存済みのJSONです。2種類の形式を自動判別します：紅狐スクリプトの出力（items[]）、怪壳の search-cli.js の結果ファイル（results[]）。怪壳の stdoutにはログ行が混在するため、そのまま解析できません。自動保存された xiaohongshu-content-tools/logs/*_search.json を使用してください。
• タグはクエリ語です。スクリプトは頻出語からクエリ語そのものを除外します（除外しないと、トップの語が常にクエリ語そのものになります）。
• 出力：比較総表（サンプル数／インタラクション中央値／最大インタラクション／保存・いいね比／コメント・いいね比／小規模アカウントの割合／主な形式／主なフック）＋各グループの形式、フック、タイトルの頻出語、最大インタラクションのノート＋語句レベルの共通語と独自語。
• サンプルが8件未満のグループには、スクリプトが自動で⚠️を付けます。結果を伝える際は、この警告も含めてください。

比較結果の読み方：

観察内容	結論
同じ語句を異なる時期で比較：インタラクション中央値が明らかに低下し、頻出語も入れ替わっている	トレンドが下火になっています。古い切り口を追わず、新しい頻出語に合わせてください
同じ語句を異なる時期で比較：中央値が安定し、頻出語もほとんど変わっていない	長く続く需要です。いつ書いてもよく、勝負を分けるのは実行力です
分野間の比較：Aの中央値は高いが、主な形式が「肩書きによる信頼性」	天井は高いものの、あなたには参入できません。結論ではっきり伝えてください
分野間の比較：Bの中央値は中程度だが、小規模アカウントの割合が高く、主な形式がリスト	こちらこそ、新規アカウントの参入経路です
語句レベルの「共通頻出語」	分野をまたいで使える汎用フックで、最も再利用しやすいものです
語句レベルの「独自語」	その分野固有の検索入口です。space-xhs-title に渡してください

厳守事項：異なるデータソースの数値をそのまま大小比較してはいけません（紅狐は1000件以上を収録するデータベースの登録時スナップショット、怪壳はリアルタイムに取得する検索結果全件です）。ルートをまたいで比較する場合は構造的な指標（形式の割合、保存・いいね比、頻出語）のみを比較し、「2つのデータは異なるルートから取得しているため、絶対量は比較できません」と明記してください。

---

出力形式

① データの説明（1行）

データソース：紅狐 API｜収録条件：インタラクション1000+｜毎日7時に前日分を更新｜インタラクション数は登録時のスナップショット 📅 検索範囲：X月X日 - X月X日｜キーワード：A、B、C

② 話題のノート一覧表

キーワードあり（紅狐ルート、スコア付き）：

#	ノートのタイトル	作者（フォロワー数）	インタラクション	いいね／保存／コメント	公開日	関連性	話題性	鮮度	合計スコア

キーワードなしの全体人気順／紅狐以外のルート（スコア欄なし、インタラクションの降順）：

#	ノートのタイトル	作者（フォロワー数）	インタラクション	いいね／保存／コメント	公開日

• タイトルと作者はどちらもMarkdownリンクにします。ノートのリンクは返された値をそのまま使用し（xsec_token を含む）、作者のリンクは https://www.xiaohongshu.com/user/profile/{authorId} にします。
• デフォルトでは上位10件を表示します。10件を超える場合は、表の下に「合計X件、上位10件を表示しています。すべて表示する場合はお知らせください」と記載します。説明のみで、返答を待って止まらないでください。そのまま続けてトレンドを判断してください。
• 複数キーワードを並行して検索する場合は、キーワードごとに小見出しでグループ分けし、各グループの上位5件を表示します。

③ 分野の診断（ステップ3の最初の5つの切り口に対応）

形态分布：清单 45% ｜ 测评 25% ｜ 经历叙事 20% ｜ 其他 10%
钩子分布：数字 12/20，人群标签 9/20，痛点原话 5/20
账号量级：top10 里 4 个 <1 万粉 → 内容驱动，新号可进
时间分布：8/10 集中在近 5 天 → 上升期
互动结构：收藏平均高于点赞 1.3 倍 → 工具型需求为主

各項目の後に一言の解釈を添え、数字だけを並べないでください。

④ バズ投稿の共通点（サンプルが8件以上の場合は必須。形式は references/pattern_extraction.md を参照）

共性：收藏动机 12/20（60%，主流）｜身份感 9/20（45%，主流）｜反差感 3/20（个例）
可复用：清单式收纳合集 —— 对标《XXX》1.2w（链接）—— 换到你的赛道就是「租房党的 X 件……」
不可复用：top3 有 2 条是三甲医生出镜科普（身份壁垒），你没这个身份照抄说服力归零
空位：教程形态占比 0，但该赛道读者藏赞比 1.3 明显偏工具型 —— 可能是机会，也可能是平台不给这个形态流量，先小成本试
选题公式：收藏动机 + 清单 + 打工人 →「打工人通勤的 5 件平价单品，闭眼买」

⑤ 比較の結論（ステップ4を実施した場合のみ提示）

compare_sets.py の比較総表を貼り、その後に2〜3文で解釈を添えます：規模は伸びているか、落ちているか、新規アカウントはどの分野に参入できるか、頻出語が入れ替わったか。異なるルートのデータには「絶対量は比較できません」と明記してください。

⑥ 関連語と隣接領域の機会

relatedSearches をそのまま列挙し、次の検索で調べる価値のある語（ユーザーの人物像に合うもの）と、無関係なノイズを示します。紅狐以外のルートでは、今回のタイトル頻出語を代わりに使用し、情報源が異なることを明記してください。

⑦ 企画の提案（3〜5件、納品の重点）

各案は次のカード形式にし、ユーザーがそのまま space-xhs-title / space-xhs-writer に貼り付けられるようにします：

【选题 N】一句话选题
  形态：清单 / 教程 / 测评 / 叙事 / 避雷
  依据：对标笔记《XXX》互动 1.2w（链接），同类形态本轮出现 5 次
  钩子方向：数字 + 人群标签（如"打工人的 5 个 XX"）
  预期互动结构：偏收藏 → 内容要有可保存的清单/模板
  风险：赛道已被 50w 粉大号占据 / 属于时效热点，7 天后失效

根拠は具体的なノートに結び付ける必要があります。「この方向が人気だから」と書いてはいけません。参考となるノートに裏付けられていない企画は提案しないでください。企画は④の企画公式から導き、公式と企画が対応している必要があります。

---

厳守事項

• データを捏造しない。インタラクション数、フォロワー数、公開日時は必ずAPIの返却値を使ってください。WebSearchで補う場合は「インタラクションデータなし」と明記し、推定しないでください。
• リンクを書き換えない。xsec_token が失われたリンクは404を返すのと同じで、何も提示しないより悪い結果になります。
• 「検索で見つからない」を「誰も書いていない」と言い換えない。収録条件はインタラクション1000+であり、両者は同じではありません。必ず区別して表現してください。
• 相関を因果関係として扱わない。「top10のうち6件のタイトルに数字が含まれている」は観察ですが、「数字入りタイトルにすればバズる」は誤った推論です。「この分野の読者は数字のフックへの反応が良い」と表現してください。
• 結果を保証しない。提示するのは成功確率が高い方向性であり、「このとおりに書けば必ずバズる」という約束ではありません。
• 真似できるものだけを提示しない。共通点の抽出では、肩書きの壁、リソースの壁、アカウントの壁のどれに該当するかを明示した「再利用不可能」リストも必ず提示してください。
• ソースをまたいで絶対値を比較しない。データソースによってインタラクション数の基準が異なります。比較では構造的な指標のみを使い、その旨を明記してください。
• 対象期間を満たしているように装わない。ユーザーが60日を指定した場合は、「データベース内には30日分しかないため、30日分を返しました」と伝えてください。黙って30日に変更し、要望を満たしたように扱ってはいけません。
• 権限を超えて深掘りしない。コメント欄やブロガーの全投稿が必要な場合は、怪壳ルートを使用し、GUAIKEI_API_TOKEN が必要であることを説明してください。検索結果からコメント欄の内容を推測してはいけません。

---

セルフチェック（出力前に確認）

• 冒頭にデータソース、収録基準、対象期間を記載したか？
• すべてのノートリンクで xsec_token をそのまま保持しているか？
• 一般的な語句について、xhs_sectors.json を確認して分野を細分化し、並行検索したか？大きな語句をそのまま検索していないか？
• データ不足時に期間を広げ、その旨を伝えたか？語句をこっそり変えていないか？
• 5つの切り口すべてで分野を診断し、各項目に数字だけでなく解釈を添えたか？フォロワー数のフィールドが欠落している場合、推定せず正直に説明したか？
• サンプルが8件以上の場合、共通点を抽出し、3つのリスト（再利用可能／再利用不可能／空白領域）をすべて提示したか？割合は40％／20％の基準に従って段階的に表現したか？
• 複数のグループを検索した場合、目視で見当をつけず compare_sets.py を実行したか？異なるルートの比較では「絶対量は比較できません」と明記したか？
• 企画の提案を3件以上提示し、各案に具体的な参考ノートとリンクを付けたか？
• APIから返されていない数字を記載していないか？

---

ディレクトリ構成

space-xhs-hotspot/
├── SKILL.md
├── scripts/
│   ├── fetch_xhs_hot_articles.py      # 红狐 API 查询脚本（需 REDFOX_API_KEY）
│   │                                  # 来源：creator-buddy/skills/xhs-hotnotes，原样复用未改动
│   └── compare_sets.py                # 第 4 步用：多组结果 JSON 归一对比（离线，不需要 Key）
│                                      # 吃红狐 items[] 和怪壳 results[] 两种格式，自动识别
└── references/
    ├── data_sources.md                # 三条路线的命令、参数、报错处理、字段映射、怪壳实测须知
    ├── xhs_hot_article_format.md      # 红狐接口字段说明（同样来自 xhs-hotnotes）
    ├── xhs_sectors.json               # 第 1 步用：24 个一级赛道 × 四维度细分词库
    └── pattern_extraction.md          # 第 3 步用：爆款共性提取方法（标签表、阈值、三张清单、选题公式）

必要に応じて読む：data_sources.md は実行前に毎回必ず読みます。xhs_sectors.json は分野を細分化する必要がある場合のみ読みます。pattern_extraction.md はサンプルが8件以上あり、共通点を抽出する場合のみ読みます。xhs_hot_article_format.md は紅狐ルートを使用する場合のみ読みます。