Trend Spotter · 趋势侦察

Polar Sponsor
爱发电 赞助
.NET 9.0

当用户提出“查找热门话题”“我的品牌应跟进哪些趋势”或“围绕某个文化契机规划营销活动”等需求时使用;该工具将生成一份带品牌契合度评分的热门趋势排名报告,包含趋势所处阶段判断(上升期/高峰期/衰退期)、文化日历,以及“执行”或“跳过”的明确建议。 注意:本工具不用于寻找可执行这些趋势的创作者——请使用 `influencer-discovery`;也不用于根据“执行”建议构建品牌社媒发布日历——请使用 `social-calendar-builder`。

趋势Spotter

功能概述

趋势Spotter是一项面向实际任务的技能,主要用于这种技能帮助你识别和利用对观众很重要的趋势;它监测社会对话、新话题、病毒内容格式和文化时刻。

核心要点

  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
  • 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。

使用与执行

从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

Trend Spotter(趋势发现者)

该技能帮助您识别并把握对目标受众真正重要的趋势。它通过监测社交平台对话、新兴话题、病毒式内容形式及文化热点事件,为网红营销活动的时机选择与内容策略提供数据支撑。

快速上手

最简调用方式:

当前有哪些趋势与 [品牌/行业] 相关?

常见场景——在正式投入前,先分析某一个具体趋势:

[品牌] 是否应参与 [趋势/挑战]?请评估品牌契合度,并给出“执行”或“跳过”的明确建议。

技能契约(Skill Contract)

  • 读取输入:品牌/行业、目标平台、受众、地理聚焦范围、时间窗口、内容类别;若存在,则一并读取 memory/influencer/ 中已有的受众与细分领域分析结果。
  • 写入输出:生成一份趋势报告(含排序后的趋势列表、品牌契合度评分、内容形式建议、文化日历、执行/谨慎/跳过建议),保存至 memory/influencer/trend-spotter/YYYY-MM-DD-.md。
  • 推送高价值事实:将关键结论(当前最应行动的三大趋势、应规避的趋势、下次复审日期)同步至 memory/hot-cache.md。
  • 完成判定标准:
    1. 每个候选趋势均具备品牌契合度评分,以及明确的“执行 / 谨慎 / 跳过”决策建议;
    2. 报告明确列出当前最应行动的 Top 3 趋势,并附带观察清单(Watch List)与规避清单(Avoid List);
    3. 每项行动建议均标注时效窗口(timing window)及推荐的内容形式(content-format recommendation)。
  • 后续主技能:influencer-discovery —— 找出能切实落地所选趋势的创作者。

交接摘要(Handoff Summary)

按 skill-contract.md §Handoff Summary Format 中定义的标准结构输出。

数据源

本技能无需实时集成(Tier 1):向用户询问品牌、平台、受众和时间窗口后,即可基于这些输入开展推理。当某类工具可显著增强分析精度时,使用 ~~ 占位符标识待接入能力:

  • ~~social platform analytics —— 各平台热门标签、音频/声音、播放量等指标;
  • ~~trend database —— 新兴话题、挑战参与度、增长速率等;
  • ~~social listening —— 围绕特定话题的文化讨论与情绪倾向;
  • ~~competitor tracking —— 竞品品牌已采用的趋势及其实际表现。

即使不接入任何 connector,本技能亦可产出实用报告。各 connector 类别的免费/免密方案详见 CONNECTORS.md。

若需以免密方式为趋势表格注入真实信号,可运行多源趋势侦察器(multi-source trend scout)—— 整合 Google Trends RSS + Hacker News + Reddit + YouTube-outlier 数据,再通过内置 stdlib 脚本 rss_monitor.py(无需新增依赖)按品牌所属垂直领域进行评分。详见:references/trend-scout-recipe.md。该方案即 ~~trend database(Google Trends RSS)背后的 Tier-1 实现。

免密新闻脉搏(Tavily):python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/tavily.py" search "" --topic news --time-range w --limit 10 可为侦察组合补充一组时效性过滤后的新闻数据,并为每条结果附上相关性评分。这是继 RSS 后第二个免密信源,用于交叉验证 RSS 中出现的流量峰值是否确为上升趋势。单信源信号须标注为 Estimated(预估);双独立信源一致则提升置信度备注(confidence note),但不更改原始标签。

免密动量强化器:python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/pageviews.py" "" --granularity daily --days 30 可展示某主题在 Wikipedia 上的关注度是否真实攀升——为“上升 / 峰值 / 衰退”格式判断提供实测依据;Hacker News Algolia API(https://hn.algolia.com/api/v1/search?query=,免密)则可在 HN RSS 基础上补充点赞数与评论数,作为热度评分(heat score)的可用指标。

操作指引

当用户发起趋势分析请求时,请依次执行以下步骤。每步均配有填空模板,位于 references/templates.md —— 请复制对应区块并填充内容。

  1. 定义趋势参数 —— 明确品牌/行业、平台、受众、地理聚焦、时间窗口及内容类别。(模板:Step 1)
  2. 识别当前趋势 —— 记录热门话题、标签、音频/声音、挑战等,标注其声量、增速、生命周期及品牌安全风险提示。(模板:Step 2)
  3. 分析内容形式趋势 —— 分平台列出热门、新兴与衰退中的内容形式,并附适配建议。(模板:Step 3)
  4. 追踪文化时刻 —— 构建文化日历(含事件+前置准备周期)、可参与/应规避的对话场域、季节性机会点。(模板:Step 4)
  5. 评估趋势相关性 —— 对每个候选趋势,从受众匹配度、品牌价值契合度、内容可适配性、风险、时效性五个维度评分(满分 25 分),并最终给出 ✅ 执行 / ⚠️ 谨慎 / ❌ 跳过 的明确建议。(模板:Step 5)
  6. 监控竞品趋势采纳情况 —— 记录竞品已采纳趋势、遗漏空白点及过度使用的趋势。(模板:Step 6)
  7. 生成趋势报告 —— 汇总 Top 3 即刻行动趋势、观察清单、规避清单、有时效约束的行动项、内容形式与标签策略、下次复审日期;保存至 memory/influencer/trend-spotter/YYYY-MM-DD-.md,并将高价值事实同步至 memory/hot-cache.md。(模板:Step 7)

示例

用户:“健身品牌当前应在 TikTok 上跟进哪些趋势?”

输出将明确列出当前最应行动的 Top 趋势,例如:
• “Hot Girl Walk” 演进版(23 亿次观看,持续增长,⭐⭐⭐⭐⭐ 适配服饰/补剂类目,依托“walk with me”类内容);
• “75 Hard” 挑战内容(⭐⭐⭐⭐,建议在挑战中期赞助创作者);
• GRWM Gym Edition(早期增长阶段,首波入场优势,⭐⭐⭐⭐⭐)。
同时附带 15–30 秒短视频制作建议(2 秒内强钩子、使用热门音频、文字叠加、快剪节奏)、标签策略(#FitTok、#GymTok),以及本周具体行动项(如:向创作者 brief GRWM Gym Edition 方案)。完整版本见:references/templates.md。

参考材料

  • references/templates.md —— 每一步骤的填空模板、扩展实战案例及执行技巧。

  • skill-contract.md —— 共享技能契约与 Handoff Summary 标准格式。

  • state-model.md —— HOT/WARM/COLD 三级内存模型及存储路径规范。

  • CONNECTORS.md —— 各 connector 类别的免费/免密数据获取方案。

  • STAR 基准评分体系见 references/star-benchmark.md —— 用于下游对趋势驱动型创意成果进行质量评估。

  • 侦察阶段(scout phase)的同级技能:audience-mapper、influencer-discovery、fit-scorer。

下一最优技能

  • 主选:influencer-discovery —— 将已选定的趋势转化为可执行的创作者短名单。
  • 备选:audience-mapper —— 在正式投入前,确认哪些趋势确与您的受众产生共鸣。
  • 备选:fit-scorer —— 在正式投入前,评估各创作者与所选趋势及品牌的契合度。

终止规则:维护本次会话中已调用技能的 visited-set。若主选后续技能已在本轮中执行,则停止流程,直接汇报链路已完成,不再重复调用。最大交接深度为 3;达到后即汇总结果并交还控制权给用户。

相关专题

更多
Postman身份认证怎么配置
Postman身份认证怎么配置

本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。

2026.11.06

0

12

Postman请求头Headers怎么设置
Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。

2026.11.06

0

13

Postman接口请求发送教程
Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。

2026.11.06

0

10

DBeaver怎么导入数据
DBeaver怎么导入数据

DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。

2026.11.05

0

12

DBeaver安全防护教程大全
DBeaver安全防护教程大全

DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。

2026.11.05

0

12

DBeaver连接创建与配置教程
DBeaver连接创建与配置教程

本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。

2026.11.04

0

16

XORM框架结构体映射与表结构同步
XORM框架结构体映射与表结构同步

本专题围绕XORM框架的结构体映射展开,说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充,并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。

2026.11.04

0

15

XORM框架安装配置与数据库连接
XORM框架安装配置与数据库连接

本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。

2026.11.04

0

15

XORM框架安装配置与数据库连接
XORM框架安装配置与数据库连接

本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。

2026.11.04

0

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.1万人学习