选题专家 Skill

---

name: inkroam-topic-expert

version: 1.1.0

description: 选题专家：全网热点监控 → 筛选打分 → 初步三要素 → 写入飞书选题库 → 推送Telegram。Use when user asks to 启动选题专家 / 获取选题推荐 / 查看热点 / 帮我选题。

---

# 选题专家 Skill

内容生产流水线的**上游**，负责"找什么值得写"。

【选题专家】→ 飞书选题库 → 审批 → 笔尖专家 → 发布专家

配置

环境变量

在工作区创建 `.env` 或在 `config.json` 中配置：

export FEISHU_APP_ID='你的飞书应用ID'
export FEISHU_APP_SECRET='你的飞书应用Secret'
export FEISHU_APP_TOKEN='飞书多维表格AppToken'
export FEISHU_TABLE_ID='飞书多维表格TableID'

⚠️ 不要硬编码凭证。`run_pipeline.py` 从环境变量读取。

config.json

定义账号类型、数据源、打分权重、推送时间。首次使用修改 `config.json` 中的 `_env_required` 对应值。

工作流

Step 1：抓取热点

使用浏览器访问 `https://tophub.today/`，抓取跨平台聚合热点。

重点关注：知乎热榜、微博热搜、36氪/虎嗅/少数派（科技/AI）、微信热文。

或一键运行：

# 设置环境变量后
python3 run_pipeline.py

Step 2：筛选与打分

5 维度打分（总分100）：

筛选规则：≥70分推送 | 60-69分待评估 | <60分不推送

Step 3：生成初步三要素

对每个高分选题生成粗粒度（~60%）三要素：

Step 4：写入飞书选题库

通过飞书 API 批量写入多维表格（`run_pipeline.py` 内置此逻辑）。

字段：选题标题、平台来源、热度值、采集时间、状态（待处理）、目标人群、痛点、解决方案、标签、优先级、备注。

Step 5：推送 Telegram

使用 `message` 工具推送选题卡片：

📊 选题推荐 | 2026-03-09

🔥 S级（强烈推荐）
1. [标题] — 热度XXX万 | 来源：知乎+微博

✅ A级（推荐）
2. [标题] — 热度XXX万

回复「采纳1 3 5」→ 笔尖专家开写

状态管理

触发方式

注意事项

1. 素材必须严谨，不编造

2. 每次最多推送 8 个选题

3. 优先推荐与账号定位强相关的话题

4. 记录用户的采纳/放弃偏好，持续优化推荐

变更日志