抖音关键词数据自动采集

围绕一个或多个关键词，自动形成可复核、可去重、可排序的作品样本库。

执行流程

1. 确认关键词组、包含/排除词、时间范围、排序方式、目标条数、账号或赛道限制。
2. 优先使用已配置的抖音搜索连接器或官方 API；其次使用用户已登录页面；再其次读取用户提供的导出文件。不得自动扩张到用户未授权的私密账号或数据集。
3. 采集作品 ID、标题、作者、发布时间、链接、播放/点赞/评论/分享/收藏等可见字段，并记录采集时间和来源。
4. 按作品 ID 去重；无 ID 时使用规范化链接。合并重复记录时保留最新采集值和首次发现时间。
5. 计算有可靠分母的指标。播放量可用时计算互动率；播放量缺失时仅展示互动总量，不使用粉丝数或点赞数冒充播放量。
6. 按用户指定规则筛选样本；缺少规则时同时给出互动总量、互动率、新鲜度和内容相关性四个视角，不强行合成单一“爆款分”。
7. 输出作品表、Top 样本、内容结构模式、竞品差异和后续验证清单。
8. 检查分页完整性、搜索时间、重复率、缺失率、异常值和链接可访问性。

输出合同

• 查询条件：关键词、排除词、时间范围、排序、目标条数和数据源。
• 作品明细：作品 ID、标题、作者、发布时间、链接、原始互动指标和采集时间。
• 排行视图：互动总量、互动率、新鲜度和相关性分列展示。
• 爆款样本：入选理由、证据字段、可借鉴结构和不应复制的具体表达。
• 竞品线索：重复出现的卖点、场景、开头、时长、评论反馈和内容空位。
• 数据边界：登录范围、分页上限、字段缺失、搜索偏差和未覆盖内容。

质量门槛

• 保留原始标题和链接，不把搜索摘要当成完整作品文案。
• 每个排行都写明公式、分母、窗口和缺失值处理。
• 不下载或转载超出用户权限的内容，不复制第三方创作者的完整文案。
• 搜索结果是平台分发样本，不等同于全量数据；报告中必须说明。
• 采集失败时保留已完成页和游标，给出可续跑位置，不虚构总量。

字段与排序

需要字段映射、互动率公式和样本筛选规则时，读取 references/field-contract.md。