mcpField
V
viral-topic

viral-topic

github.com/kangarooking营销与增长68870 次安装7 周前更新
代码仓库

关于 viral-topic

viral-topic 是跨平台选题参考的路由技能,面向需要发现表现突出的内容并比较平台证据的创作者。它将请求分发给已实现的平台子技能,并保留各平台指标与证据标签。

主要功能

  1. 01将主题整理为聚焦搜索词
  2. 02按平台分发至对应子技能
  3. 03合并结果并保留来源与指标
  4. 04区分平台特定的爆发证据
  5. 05为结果标注可信度

适用场景

  1. 01跨平台寻找热门选题参考
  2. 02比较内容表现与作者受众规模
  3. 03汇总带来源链接的选题表

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/kangarooking/kangarooking-skills --skill viral-topic

安装后在 Claude Code 中输入/viral-topic确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

agents/
openai.yaml
bilibili-viral-topic/agents/
openai.yaml
bilibili-viral-topic/references/
category_map.md
rate_limits.md
scoring.md
bilibili-viral-topic/scripts/
search_bilibili_viral_topic.py
references/
platforms.md
wechat-viral-topic/agents/
openai.yaml
wechat-viral-topic/references/
categories.md
scoring.md
wechat-viral-topic/scripts/
search_wechat_viral_topic.py
x-viral-topic/agents/
openai.yaml
x-viral-topic/references/
querying.md
scoring.md
x-viral-topic/scripts/
search_x_viral_topic.py
youtube-viral-topic/agents/
openai.yaml
youtube-viral-topic/references/
querying.md
scoring.md
youtube-viral-topic/scripts/
search_youtube_viral_topic.py

详细介绍

Viral Topic

使用此 skill 作为跨平台查找选题参考的控制层。它本身不会获取数据,而是根据平台选择采集逻辑匹配的平台 skill。

Package Layout

此仓库将 viral-topic/ 发布为一个 skill 包:

viral-topic/
├── SKILL.md
├── references/platforms.md
├── wechat-viral-topic/
├── x-viral-topic/
├── bilibili-viral-topic/
└── youtube-viral-topic/

根目录下的 SKILL.md 是控制器。平台目录是子 skill/适配器,各自包含 SKILL.md、references/、agents/ 和脚本。

Platform Routing

决定运行哪些子 skill 前,请先阅读 references/platforms.md。

已实现的子 skill:

  • $wechat-viral-topic:阅读量超过账号平均水平的微信公众号文章。
  • $x-viral-topic:粉丝数较少的作者发布、表现超出其受众规模的 X/Twitter 帖子。
  • $bilibili-viral-topic:粉丝数较少的 UP 主发布、表现超出其粉丝基础的 B 站视频。
  • $youtube-viral-topic:近期表现出色的 YouTube 视频,不按低订阅人数筛选。

如果用户未指定平台,默认使用已实现的平台:WeChat、X、Bilibili 和 YouTube。如果用户要求小红书或抖音,请说明目前尚未实现对应适配器,并在构建适配器前提出可用的 API/浏览器自动化方案。

Workflow

  1. 将用户的细分领域归纳为 3-8 个聚焦的搜索词。
  2. 根据请求选择平台。对于“全平台”或“各个平台”,运行所有已实现的子 skill。
  3. 使用各平台自身的默认值,分别独立运行每个平台 skill:
    • WeChat:--days 7、--min-read 10000、--min-read-month-avg-ratio 2
    • X:--days 7、--max-followers 50000、--min-engagement 100
    • Bilibili:--days 30、--max-followers 100000、--min-play 10000
    • YouTube:--days 30、--min-views 10000
  4. 保留来源 URL、作者/账号指标、时间信息和证据标签。
  5. 只有在保留各平台的原始证据后,才能将结果合并到跨平台选题表中。
  6. 谨慎标注置信度:
    • WeChat 可以确认阅读量高于平均水平,但不能确认低粉爆款。
    • 只有在提供粉丝数时,X 和 Bilibili 才能确认低粉爆款。
    • YouTube 可以确认爆款表现,但不能确认订阅人数较少的频道实现了爆发。

Output Shape

合并多个平台时,先使用以下精简表格:

platform | title | author | published_at | main_metric | scale_metric | breakout_reason | url

然后补充简短的综合分析:

  • 可复用的选题角度
  • 标题/钩子模式
  • 内容形式模式
  • 可能奏效的原因
  • 证据已确认还是仅为代理指标

Guardrails

  • 不要将所有平台合并为一个评分公式,同时丢弃平台特有的证据。
  • 默认情况下,不要将 YouTube 的结果称为低粉爆款。
  • 不要默认将 WeChat 的 follower_count 用作低粉信号;应将文章阅读量与 month_read_avg 进行比较。
  • 切勿将 API 密钥、Cookie、应用密钥或访问令牌写入 skill 文件或输出。
  • 将结果用作选题参考和结构灵感。不要照搬帖子、文章、视频脚本、字幕或缩略图。

评论

支持 Markdown