influencer-discovery

达人发现

跨平台寻找有证据支持的创作者候选人，根据声明的发现筛选条件进行筛选，并建立非排名的就绪队列，以便进行类型化 Fit 评估。

快速开始

Find 20 influencers in [niche] for [brand/product]

Find influencers in [niche] with 50K-200K followers on TikTok and Instagram,
based in [location], engagement above 4%, who have worked with brands like [brand]

技能约定

• 读取：品牌/产品、细分领域或类别、目标平台、粉丝数范围、互动率下限、与决策相关的地理位置/语言、受众人口统计信息、排除项；来自用户导出数据、公开来源、名单或实时连接器的带日期候选人记录；如有提供，则读取当前活动的 STAR evidence_window；如记忆中存在，则读取先前的 entity-registry 品牌档案和任何 audience-mapper 输出；读取 memory/creators/ 下的现有名单记录（仅通过与 creator-registry 已登记创作者的已验证身份链接进行去重）。
• 写入：默认在回复中直接返回发现结果；只有获得单独的明确授权后，才将结果保存到 memory/influencer/influencer-discovery/YYYY-MM-DD-<topic>.md。保存的产物使用稳定的不透明 creator_ref，以及假名化的 recipient_ref、contact_source_ref 和 agency_ref，原始账号名、个人资料 URL 和联系方式仅临时保留；地理位置仅保留到声明的筛选条件所需的粒度。只有在获授权的来源产物或已验证的 creator-registry 链接能够解析身份时，才保存不透明的 handle_ref/source_ref 身份解析器。否则，保留 identity_status: unresolved，不保存隐藏的原始定位符映射，并设置 cross_session_locator_required: true。如果存在已验证的 creator-registry 聚合 ID，则重复使用；否则，为候选人谱系生成一次 creator-<UUIDv4>。绝不将原始账号名、姓名、URL、电子邮件、提供商 ID 或其确定性哈希设为 creator_ref。每次值得加入名单的创作者更新，都需要再次获得明确授权，通过 registry-events.py 向 memory/events/creators.ndjson 提交 operation: propose 请求；只有 creator-registry 才能在 memory/creators/ 下写入规范记录。
• 提升：只有获得单独的明确授权后，才将持久事实（已验证的创作者/账号名引用、已确认的细分领域/平台覆盖情况、竞争对手高度饱和领域中的创作者）写入 memory/hot-cache.md；发现就绪状态或队列位置不属于持久排名事实。
• 完成条件：
  • 已提供必要的搜索条件；否则停止并返回 NEEDS_INPUT，指出缺失的条件，不得编造候选人。
  • 在缺少完整条件/证据的情况下，只有两个原始定位符时，应返回 NEEDS_INPUT，而不是经过审查的候选名单。经单独授权的部分检查点应标记为 PARTIAL，列出所有缺口，且不包含任何等级或排名。
  • 存在候选人池，且至少有请求数量的候选人通过了粉丝数、互动率和品牌安全筛选。
  • 每位候选人都有字段级证据链（provider/tool、source_ref、observed_at、窗口、证据标签）、受众解读，以及证据完整性分流状态（READY_FOR_FIT | NEEDS_REFRESH | INELIGIBLE）；该状态既不是评分，也不是 STAR 适配度判定。
  • 每位候选人在报告和交接中都保留同一个稳定的不透明 creator_ref；原始身份定位符仅临时保留，绝不复制到 creator_ref 中。
  • 冲突观察结果分别保留，身份合并必须有已验证的交叉链接；Fit 交接应根据当前 STAR evidence_window，将每个易变字段标记为 current、stale 或 unknown，并列出任何 refresh_required 字段。
  • 编制非排名的 Fit 就绪队列，并提供后续步骤指引；每个过时/未知的必需字段都必须标记为 NEEDS_REFRESH、NOT_RANKED 和 NEEDS_INPUT，直至完成刷新。
• 主要后续技能：fit-scorer — 使用加权标准对发现的候选人进行评分和排名。

交接摘要

按照 skill-contract.md §Handoff Summary Format 输出标准格式。

数据来源

规划和筛选无需实时集成（Tier 1），但真实的创作者列表仍需要候选记录：公开账号名／链接、用户提供的导出文件、现有名册记录，或实时搜索连接器。仅有搜索条件并不能证明任何特定创作者或指标确实存在。如果没有候选来源，请返回查询／收集计划和 NEEDS_INPUT；切勿编造账号名、个人资料、数量或受众数据。

仅在报告模板中规范化证据，不要通过新增摄取层来处理。对于每个事实字段，保留 provider/tool、source_ref、observed_at、测量时间窗口（或 not-supplied），以及以下标签之一：Measured、Calculated、Estimated、User-provided 或 Proxy。同一字段存在冲突值时，将其作为并列观察值保留；不要取平均值、自动优先采用最新值，也不要仅凭名称／账号名合并身份。只有经过验证的交叉链接或用户明确确认后，跨服务提供商的身份才能合并为同一位创作者。

如果某个工具可能提升结果质量，请使用 ~~ 连接器占位符：

• ~~influencer database — 批量发现、粉丝／互动指标、受众人口统计信息。
• ~~social platform analytics — 原生创作者市场数据、热门音频、相关账号。
• ~~CRM — 找出可能匹配的现有合作伙伴，以便审核已验证的身份链接；绝不自动合并记录。
• ~~audience overlap — 估算创作者受众与品牌受众的匹配度。

无需密钥的候选卡元数据（oEmbed）：YouTube（https://www.youtube.com/oembed?url=<video-url>&format=json）、TikTok（https://www.tiktok.com/oembed?url=<post-url>）和 X（https://publish.twitter.com/oembed?url=<post-url>）无需密钥即可返回帖子的标题、作者姓名／账号名和缩略图——足以临时识别候选对象，并保留不透明的已验证账号名证据引用，而无需手动复制身份数据。账号名引用与 creator_ref 分开处理：只有显式传入的上游 creator_ref 或已验证的创作者注册表身份链接才能解析到汇总记录；否则应创建一个全新的随机不透明引用，并保留身份缺口。仅限元数据：不包含粉丝或互动指标，因此这些数据仍需通过 ~~influencer database 或手动导出获取——下文的 YouTube 除外。

可测量的 YouTube 指标（免费密钥）：python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/youtube.py" channel @handle 会返回实际显示的订阅者数量、总观看次数和视频数量；youtube.py videos @handle --limit 10 会添加每个视频的观看次数／点赞数／评论数，从而将 YouTube 候选对象的资料行从 Estimated 升级为 Measured。免费 YOUTUBE_API_KEY（每天 10,000 单位；检查一个频道约需 1–3 单位）。服务条款限制：仅核查已命名的候选名单，不要建立大型创作者数据库——不会批准用于竞争性数据抓取的配额扩容。参见 scripts/connectors/README.md。

各类别的免费／无需密钥方案及可选 MCP 层，请参见 CONNECTORS.md。这些均非必需——每个步骤都可退化为使用用户提供的输入。

说明

references/templates.md 中每个步骤都有可填写的区块——复制对应区块。此技能不会计算单个影响者的评分、STAR 适配性结论、联系优先级或行动排名。它只记录证据完整度和声明筛选条件的结果；后续的类型化比较和排名由 fit-scorer 负责。

1. 定义搜索条件。 记录品牌、目标、受众定义、预算／粉丝数层级、平台、互动率下限、地区／语言、排除项，以及必需／偏好参数表。如果缺少任何必需条件，请停止并返回 NEEDS_INPUT；仅当用户希望获得受众定义帮助时，才提供 audience-mapper。第 1 步模板。
2. 开展搜索。 通过话题标签、相似账号、竞争对手提及和平台原生发现功能进行搜索。原始账号名／个人资料 URL 仅可出现在第 2 步的临时查找区块中，必须在保存或交接前删除。记录可安全保存的批次信息，包括 creator_ref、身份状态、可解析时使用的不透明 handle_ref／source_ref、提供方／工具、查询目的、observed_at、时间窗口和证据标签。如果没有公开账号名／链接、用户导出数据、名录记录或实时搜索连接器可提供候选记录，则生成准确的查询包和收集模板，返回 NEEDS_INPUT，并在列出创作者前停止。第 2 步模板。
3. 初步筛选。 根据粉丝数范围、互动率、近期活跃度、相关性和品牌安全筛选候选池；统计风险信号（疑似虚假粉丝、争议、竞争对手独家合作、不活跃）。这些只是发现信号，并非已核实的 STAR 不合格项或否决项；缺少适用证据时，下游评分仍应标记为 Unknown。各平台的判读参考：references/platform-vetting.md。第 3 步模板。
4. 建立网红档案。 对每位符合条件的创作者，先复用明确传入的不透明 creator_ref，或已验证账号关联的创作者注册表聚合 ID。若两者皆无，则生成一个随机 creator-<UUIDv4>，并在此报告的整个沿袭链中保持不变。绝不能根据账号名或其他身份数据推导该 ID。仅当获授权的资料或已验证的注册表关联可解析出身份时，才保存不透明的账号／证据引用；否则保持 identity_status: unresolved，不创建隐藏的定位信息映射，并要求在后续会话中再次提供原始定位信息。随后填写档案（化名身份引用、字段级指标与受众证据、内容、合作历史、联系途径引用及证据完整性分流状态）。将冲突保留为并列记录，只有在交叉关联经过验证后，才合并提供方身份。将每项时效性观察与当前营销活动的 STAR evidence_window 比较：在窗口内标记为 current；超出窗口则标记为 stale；窗口／日期缺失或未提供 STAR 窗口则标记为 unknown。必需字段若为 stale 或 unknown，必须保留其可见状态，标记为 refresh_required，并强制设置 triage_state: NEEDS_REFRESH、ranking_status: NOT_RANKED 和 NEEDS_INPUT；绝不虚构全局 TTL。不得输出分数、推荐等级或 STAR 适配度判定。若需深入分析单个创作者并采用联系方式逐级尝试流程，请使用 references/creator-dossier.md。第 4 步模板。
5. 编制发现报告。 汇总档案，提供摘要统计、描述性平台／粉丝数区间细分，以及三个非排名证据队列：在声明的筛选条件下分为 READY_FOR_FIT、NEEDS_REFRESH 和 INELIGIBLE。在完成类型化 Fit 之前，不得推荐创作者组合、将任何人标为 Priority／Highly Recommended，或按行动优先级排列候选人。如果输入仅包含两个原始定位信息，且条件／证据不完整，则返回 NEEDS_INPUT，且不得保存已审查的候选池。保存部分检查点需要单独、明确的保存授权；必须标明 PARTIAL／NOT_VETTED，列出条件／证据缺口，且不得包含排名、分数、“top”标签或移交给适配度评分器的内容。第 5 步模板。
6. 补充洞察。 记录细分领域的内容趋势、竞争格局以及后续搜索建议。第 6 步模板。 内联返回发现报告。保存报告、缓存候选名单，以及通过 registry-events.py 将每位符合入选条件的创作者作为 operation: propose 提交，是三个独立操作，且每项都需要获得明确授权；未经授权时，应提供符合条件的操作路径，但不写入任何内容。经过审核的候选名单就绪后，将字段级证据以及 STAR evidence_window、freshness_status 和 refresh_required 列表交给 fit-scorer；如果没有当前 STAR 时间窗口，应将新鲜度标记为 unknown，而不要臆造。fit-scorer 记录 S1-S10 证据审阅；只有 creator-content-auditor 能判定已验证的 STAR 否决项并给出门槛判定。

精简示例

用户：“为一个新环保服装品牌寻找 15 位可持续时尚领域的微型网红（1 万至 10 万粉丝）。”

当带日期的导出文件或实时连接器返回候选记录时的示例输出：为每个不透明的 creator_ref 创建一份字段级证据档案，然后根据声明的筛选条件，将每一行标为 READY_FOR_FIT、NEEDS_REFRESH 或 INELIGIBLE。所有行均保持 NOT_RANKED；已过期或未知的必填字段标记为 NEEDS_INPUT，只有当前完整的行才会交给 fit-scorer。没有候选记录时，仅返回查询/收集计划，并标记为 NEEDS_INPUT。报告以内联方式返回，随后分别征求保存、晋级和注册表提案的权限。完整演练见 references/templates.md。

参考资料

• references/templates.md — 所有步骤的填写模板块（标准、搜索、筛选、档案、报告、洞察）、演练示例、提示和“内容/时机”概览。
• references/platform-vetting.md — 各平台的创作者操作指南（X/LinkedIn/TikTok/YouTube/Reddit），用于第 3 至第 4 步的筛选和建档。
• references/creator-dossier.md — 基于公开数据的结构化创作者档案，附带联系信息发现流程。
• skill-contract.md — 共享契约和交接摘要格式。
• state-model.md — 记忆层级和保存路径约定。
• CONNECTORS.md — 免费/免密钥数据方案和可选 MCP 层。
• STAR 基准见 references/star-benchmark.md — fit-scorer 在后续环节应用的评分框架。
• scout 阶段的同级技能：fit-scorer、audience-mapper、trend-spotter。

下一最佳技能

主要技能：fit-scorer — 在联系候选人之前，按加权标准为已发现的候选人评分并排序。

备选技能（同属网红系列）：

• competitor-tracker — 当发现的创作者中竞争对手高度集中，且你想先描绘竞争格局时使用。
• audience-mapper — 当目标受众仍不明确，且需要在重新搜索前完善标准时使用。

终止条件：维护已访问集合。如果本会话中已调用某项技能，则停止并报告链路已完成，不要再次调用。相对于发起请求的技能，链路深度最多为 3 跳；达到上限时停止并总结。

相关技能

• audience-mapper - 明确目标人群
• fit-scorer - 为已发现的网红评分并排序
• competitor-tracker - 寻找竞争对手网红
• outreach-manager - 联系已发现的网红