mcpField
C
content-planner

content-planner

github.com/bradautomates营销与增长289260 次安装40 周前更新
代码仓库

关于 content-planner

content-planner 是面向营销研究的编排技能，可并行汇总 X、Instagram、YouTube 和 TikTok 的研究结果，生成跨平台内容创意、两周日历及平台专属指南。

主要功能

  1. 01并行启动四个平台的研究
  2. 02汇总并交叉比对热门主题
  3. 03计算 X 内容机会分数
  4. 04生成两周内容日历
  5. 05输出平台专属内容指南

适用场景

  1. 01规划跨平台营销内容
  2. 02发现多个平台共同走红的话题
  3. 03寻找 X 上的新兴内容机会
  4. 04根据研究结果制定平台发布策略

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/bradautomates/head-of-content --skill content-planner

安装后在 Claude Code 中输入/content-planner确认已加载。

附带文件references/content-ideas-template.mdreferences/playbook-template.md

详细介绍

内容规划器

在 X、Instagram、YouTube 和 TikTok 上并行开展研究，然后汇总研究结果，生成内容创意和各平台专属的实战指南。

前置条件

与单个平台研究技能的要求相同：

  • 研究 X、Instagram 和 TikTok 需要 APIFY_TOKEN
  • 研究 YouTube 需要 TUBELAB_API_KEY
  • 分析视频需要 GEMINI_API_KEY
  • 每个平台的账号均已配置在 .claude/context/ 中

重要 — 子 Agent 环境设置：每个子 Agent 在执行任何 API 调用前，都必须从 head-of-marketing 工作目录中的 .env 文件加载环境变量：

export $(cat .env | grep -v '^#' | xargs)

工作流

1. 读取用户上下文

读取 .claude/context/ 中的所有文件，了解用户的细分领域、目标受众和要研究的账号。将这些上下文传递给每个子 Agent。

2. 创建主运行文件夹
RUN_FOLDER="content-plans/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && echo "$RUN_FOLDER"
3. 并行启动研究子 Agent

使用 Task 工具同时启动 4 个子 Agent：

子 Agent 1 — X 研究：

Execute the x-research skill:
1. Create run folder in x-research/
2. Fetch tweets (30 days, 100 max per account)
3. Analyze for outliers
4. Run video analysis if video content found
5. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_posts: number analyzed
- outlier_count: outliers found
- top_topics: top 5 hashtags/keywords

子 Agent 2 — Instagram 研究：

Execute the instagram-research skill:
1. Create run folder in instagram-research/
2. Fetch reels (30 days, 50 per account)
3. Analyze for outliers
4. Run video analysis on top 5
5. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_posts: number analyzed
- outlier_count: outliers found
- top_topics: top 5 hashtags/keywords

子 Agent 3 — YouTube 研究：

Execute the youtube-research skill:
1. Read channel context from .claude/context/youtube-channel.md
2. Analyze channel for keywords
3. Search for outliers
4. Filter to top 3 relevant videos
5. Run video analysis
6. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_videos: number analyzed
- outlier_count: outliers found
- top_topics: top 5 keywords

子 Agent 4 — TikTok 研究：

Execute the tiktok-research skill:
1. Create run folder in tiktok-research/
2. Fetch videos (30 days, 50 per account)
3. Analyze for outliers
4. Run video analysis on top 5
5. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_videos: number analyzed
- outlier_count: outliers found
- top_topics: top 5 hashtags/sounds/keywords
4. 收集研究结果

所有子 Agent 完成后，从各平台最新的运行文件夹中读取结果：

x-research/{latest}/
├── outliers.json
└── video-analysis.json (if exists)

instagram-research/{latest}/
├── outliers.json
└── video-analysis.json

youtube-research/{latest}/
├── outliers.json
└── video-analysis.json

tiktok-research/{latest}/
├── outliers.json
└── video-analysis.json
5. 生成内容创意

阅读 references/content-ideas-template.md，了解完整模板结构。

主要汇总任务：

  1. 提取主题：从各平台的异常内容中提取主题
  2. 交叉比对：找出在多个平台上出现的主题
  3. 识别来自 X 的新兴创意（X 上互动度高、在其他平台上出现频率低）
  4. 计算 X 创意的机会评分： 
    opportunity_score = (x_engagement × 1.5) / (instagram_saturation + youtube_saturation + tiktok_saturation + 1)
    • instagram_saturation：0（未出现）、0.5（较低）、1（中等）、1.5（较高）
    • youtube_saturation：使用相同的评分标准
    • tiktok_saturation：使用相同的评分标准
  5. 生成两周内容日历，提供各平台专属的内容建议

写入：{RUN_FOLDER}/content-ideas.md

6. 生成平台实战指南

对于每个平台，阅读 references/playbook-template.md 并生成：

  • {RUN_FOLDER}/x-playbook.md
  • {RUN_FOLDER}/instagram-playbook.md
  • {RUN_FOLDER}/youtube-playbook.md
  • {RUN_FOLDER}/tiktok-playbook.md

每份实战指南均从对应平台的研究结果中提取：

  • 表现出色的开场钩子及可复用公式（来自 video-analysis.json）
  • 格式分析和内容模式
  • 内容结构拆解
  • CTA 策略
  • 热门主题和标签
  • 排名前 15 的异常内容及其分析
  • 可执行的建议
7. 呈现摘要

向用户输出：

  • 所有平台分析的内容总数
  • 每个平台识别出的异常内容数量
  • 跨平台关键洞察（2-3 条）
  • 来自 X 的 3 个最佳新兴创意
  • 所有生成文件的链接

输出结构

content-plans/
└── {YYYY-MM-DD_HHMMSS}/
    ├── content-ideas.md          # Cross-platform ideas (X-primary)
    ├── x-playbook.md             # X/Twitter intelligence playbook
    ├── instagram-playbook.md     # Instagram intelligence playbook
    ├── youtube-playbook.md       # YouTube intelligence playbook
    └── tiktok-playbook.md        # TikTok intelligence playbook

跨平台主题匹配

识别跨平台热门主题：

  1. 从各平台的异常内容中提取关键词和标签
  2. 统一术语格式（转为小写，移除 # 和 @）
  3. 找出高频术语的交集
  4. 根据各平台的综合互动量评分

快速参考

完整编排流程：

  1. 创建主运行文件夹
  2. 并行启动 4 个研究子 Agent（使用 Task 工具，调用 4 次）
  3. 等待所有子 Agent 完成
  4. 读取所有 outliers.json 和 video-analysis.json 文件
  5. 使用跨平台分析生成 content-ideas.md
  6. 生成 4 份平台实战指南
  7. 向用户呈现摘要

评论

支持 Markdown