x-collect

X 收集

使用系统化的 4 轮网页搜索策略，收集热门话题和 X 内容创作所需的研究资料。

前提条件

• 可使用 WebSearch 工具
• 可连接互联网

可选状态（ContextStore）

如果可用，可利用用户偏好状态来提升搜索质量：

• 状态目录：~/.claude/skills/x-create/state/
• 正向样本：liked_topics.json（偏好的话题／实体／来源）
• 负向样本：rejected_topics.json（避免低价值／重复的内容）

如果状态文件不存在，则照常继续。

工作流

输入

用户提供：

• 话题（必填）：要研究的主题（例如，“AI Agent 最新进展”“Claude 4 发布”）
• 语言（可选）：输出语言，默认为中文（zh-CN）

4 轮搜索策略

模拟人类研究思路，逐步深入。

查询扩展规则（轻量）：

• 从用户的 topic 开始
• 根据以下内容添加 2-5 个查询变体：
  • 用户画像（已知时，包含领域／角色）
  • liked_topics.json 中的高频关键词／实体（如果可用）
• 约 20% 的查询作为探索性查询（跨领域／相邻关键词），以避免信息茧房

去重与聚类（每轮结束时）：

• 合并近似重复的 URL／标题
• 将资料归入主题集群（使用粗略标签即可）

第 1 轮：官方来源（权威信息）

Search: "{topic} 官方文档"
Search: "{topic} GitHub"
Search: "{topic} official announcement"

目标：获取权威的一手信息

第 2 轮：技术分析（技术解析）

Search: "{topic} 详细介绍"
Search: "{topic} 教程 tutorial"
Search: "{topic} how it works"

目标：了解技术细节和机制

第 3 轮：对比与评测（对比评测）

Search: "{topic} vs {competitor}"
Search: "{topic} 评测 review"
Search: "{topic} pros cons"

目标：获取不同观点和比较结果

第 4 轮：补充验证（补充验证）

# Analyze gaps from previous rounds
missing_info = analyze_gaps(previous_results)
Search: "{missing_info}"
Search: "{topic} 最新 latest 2024 2025"

目标：填补信息空白并获取最新动态

输出格式

生成结构化资料文档：

# {Topic} 素材收集报告

## 收集时间
{timestamp}

## 核心信息
- **官方定义**: ...
- **关键特性**: ...
- **最新动态**: ...

## 素材列表

### 素材 1
- **标题**: ...
- **来源**: {url}
- **摘要**: 2-3句话概括
- **关键点**:
  - 要点1
  - 要点2
- **潜在选题角度**: ...
- **推荐推文类型**: [高价值干货/犀利观点/热点评论/故事洞察/技术解析]
- **QualityScore (0-10)**: ...
- **TopicCluster**: ...
- **HookCandidates**:
  - ...

### 素材 2
...

## 热度分析
- **当前热度**: 高/中/低
- **趋势**: 上升/稳定/下降
- **讨论焦点**: ...

## 争议点
- 争议1: ...
- 争议2: ...

## 下一步建议
使用 `/x-filter` 对素材进行打分筛选

此外，附加一个供钩子／状态导入使用的机器可读数据块：

MATERIALS_JSON
{
  "schema_version": "x_skills.materials.v1",
  "topic": "{Topic}",
  "timestamp": "{timestamp}",
  "items": [
    {
      "title": "...",
      "url": "...",
      "summary": "...",
      "key_points": ["..."],
      "quality_score_0_10": 0,
      "topic_cluster": "...",
      "hook_candidates": ["..."]
    }
  ]
}

执行步骤

1. 接收用户的话题
2. 执行第 1 轮搜索（官方来源）
3. 执行第 2 轮搜索（技术分析）
4. 执行第 3 轮搜索（对比）
5. 分析第 1-3 轮搜索发现的信息空白
6. 执行第 4 轮搜索（填补空白）
7. 综合结果并整理成结构化格式
8. 输出 MATERIALS_JSON（供钩子／状态导入使用）
9. （可选）追加事件以构建反馈循环：
   • python ~/.claude/skills/x-create/scripts/x_state.py event --event collect.completed --payload-json '{"topic":"...","items_count":12,"explore_ratio":0.2}'
10. 向用户报告摘要

示例

用户：/x-collect Claude MCP协议

预期行为：

1. 搜索“Claude MCP协议 官方文档”
2. 搜索“MCP Model Context Protocol GitHub”
3. 搜索“MCP协议 详细介绍”
4. 搜索“MCP协议 教程”
5. 搜索“MCP vs function calling”
6. 搜索“MCP协议 评测”
7. 找出信息空白：需要更多关于安全性和采用率的信息
8. 搜索“MCP协议 安全性”
9. 搜索“MCP协议 最新 2025”
10. 生成结构化资料报告

集成

收集完成后，建议：

素材收集完成！共找到 X 条相关素材。

下一步：运行 /x-filter 对素材进行打分筛选，≥7分的选题将进入创作池。

提示

• 对于热门话题，优先关注时效性（2024-2025）
• 对于技术话题，优先查阅官方文档和 GitHub
• 对于有争议的话题，收集多方观点
• 始终注明来源 URL，以确保可信度