热榜摘要器 v2.0

任务目标

• 本Skill用于：每日聚合8大平台热榜数据，通过结构化评分模型筛选热点，生成深度洞察摘要
• 能力包含：多源数据抓取、重试降级兜底、结构化评分、三层洞察点评、四种点评风格、多格式输出、历史数据归档
• 触发条件：用户询问"今日热点"、"生成每日摘要"、"有什么热门话题"、"投资热点"、"毒舌点评"等

架构概览

数据层：8平台 Fetcher（插件化，注册即生效）
   ↓
健壮层：重试(3次) → 降级(备用API) → 缓存(1h) → 优雅失败
   ↓
算法层：结构化评分模型（热度40% + 跨平台共振50% + 基础分10%）
   ↓
内容层：三层洞察（What / So What / Now What）× 四种风格
   ↓
输出层：群聊 / 知识库 / 可视化看板 / 语音播报
   ↓
持久层：按日归档历史数据，支持趋势分析

前置准备

• 依赖说明：scripts脚本所需的依赖包及版本

  requests==2.31.0
  beautifulsoup4==4.12.2
  

操作步骤

步骤1：数据抓取

调用 scripts/hot_list_fetcher.py 获取8大平台实时热榜数据：

python scripts/hot_list_fetcher.py

脚本将自动抓取以下数据源（每个fetcher独立，互不影响）：

| 平台 | 数据量 | 降级方案 | |------|--------|---------| | 微博热搜 | 前50条 | 缓存兜底 | | 知乎热榜 | 前50条 | 第三方聚合 → 缓存兜底 | | B站热门 | 前100条 | 缓存兜底 | | 抖音热榜 | 前50条 | 第三方聚合 → 缓存兜底 | | 百度热搜 | 前50条 | 缓存兜底 | | 36氪热榜 | 前50条 | 缓存兜底 | | 少数派热榜 | 前40条 | 缓存兜底 | | 贴吧热议 | 前50条 | 缓存兜底 |

健壮机制：

• 每个请求最多重试3次，间隔递增（2s/4s/6s）
• 主API失败自动切换降级方案
• 所有方案失败则读取本地缓存（1小时内有效）
• 每条数据经过字段校验，缺必要字段则丢弃
• 抓取成功的数据自动缓存 + 按日归档

数据将保存为 ./hot_lists.json 文件，包含：

• version: "2.0"
• timestamp: 抓取时间
• platform_stats: 各平台抓取状态
• data: 所有热点数据（含评分字段）

步骤2：结构化评分与筛选

读取 ./hot_lists.json 文件，脚本已自动完成评分，智能体需要：

1. 确认数据完整性：检查 platform_stats，记录哪些平台成功/降级/失败
2. 选取TOP10：按 final_score 降序取前10条
3. 多样性校验：检查10条热点的领域分布，同领域超过4条时，向下替换为其他领域高分热点
4. 去重确认：脚本已做跨平台语义归并，智能体需最终确认无重复

评分算法：

综合得分 = 热度标准化分 × 0.4 + 跨平台共振分 × 0.5 + 基础分 10
- 热度标准化：各平台热度归一化到 0-100
- 跨平台共振：每多一个平台同时热议 +20 分
- 基础分：保底 10 分，避免零分

筛选标准（优先级从高到低）：

1. 跨平台共振（3平台以上同时热议 → 强入选信号）
2. 热度绝对值（高热度但仅单平台 → 领域标志性事件）
3. 话题多样性（科技/社会/娱乐/财经/文化/健康/体育 兼顾）
4. 平台平衡（避免单平台超过4条入选）

步骤3：生成三层洞察点评

为每条选中的热点生成三层洞察，而非一句话点评：

| 层级 | 含义 | 要求 | |------|------|------| | What | 事件本质（一句话定义） | 15-25字，直击核心，不加修饰 | | So What | 为什么重要（影响链） | 30-50字，分析因果与结构性影响 | | Now What | 后续关注什么（预判） | 20-35字，指出后续关键变量或时间节点 |

点评风格：根据用户指定或默认选择

| 风格 | 调性 | 触发词 | |------|------|--------| | 严肃分析（默认） | 客观、专业、克制 | "分析"、"严肃"、或不指定 | | 毒舌吐槽 | 犀利、反讽、解构 | "毒舌"、"吐槽"、"讽刺" | | 投资视角 | 机会导向、数据驱动 | "投资"、"股票"、"标的" | | 吃瓜八卦 | 轻松、八卦、猎奇 | "吃瓜"、"八卦"、"聊聊" |

点评质量红线：

• What 禁止复述标题，必须是"翻译"后的本质
• So What 禁止空洞判断（如"引发广泛关注"），必须有具体影响链条
• Now What 禁止泛泛而谈，必须给出可验证的后续观察点
• 全程避免主观臆断，基于已知事实推演

步骤4：格式化输出

根据用户需求选择输出格式，参见 references/output-format.md：

| 格式 | 适用场景 | 触发词 | |------|---------|--------| | 群聊格式（默认） | 微信/钉钉/飞书群 | 不指定、"群聊"、"简洁" | | 知识库格式 | Notion/Obsidian/语雀 | "知识库"、"详细"、"归档" | | 可视化看板 | 汇报演示/PPT | "看板"、"图表"、"可视化" | | 语音播报 | 通勤听热点 | "语音"、"播报"、"听" |

若用户未指定格式，默认使用群聊格式。 若用户未指定风格，默认使用严肃分析风格。

输出末尾附加提示：

如需详细版本，请说明"知识库格式"；如换口味，试试"毒舌吐槽"/"投资视角"/"吃瓜八卦"风格

步骤5：数据清理

• 处理完成后可删除 ./hot_lists.json 临时文件
• ./cache/ 目录保留，供下次降级使用
• ./history/ 目录长期保留，供趋势分析使用

资源索引

• 数据抓取脚本：scripts/hot_list_fetcher.py - 插件化8平台抓取 + 评分模型 + 历史归档
• 输出格式规范：references/output-format.md - 群聊/知识库/可视化看板/语音播报四种格式 + 四种点评风格

扩展能力

趋势分析（基于历史数据）

当用户询问"热点趋势"、"对比昨天"、"本周回顾"时：

1. 读取 ./history/ 目录下对应日期的数据
2. 对比不同日期的热点变化（新进/退出/持续）
3. 生成趋势分析报告

定制化筛选

当用户指定领域偏好时：

• "只看科技" → 筛选时提高科技领域权重，其他领域降权
• "排除娱乐" → 筛选时过滤娱乐类热点
• "只看投资机会" → 自动切换投资视角风格

注意事项

• 数据抓取频率：建议每日最多执行2-3次，避免对平台服务器造成压力
• 时效性：热榜数据变化快，建议在需要时实时抓取，不要使用过时数据
• 内容合规：筛选热点时注意内容合规性，避免敏感话题
• 降级透明：输出中必须标注各平台抓取状态（✅正常/⚠️降级/❌失败），让用户知道数据可信度
• 评分可解释：每条热点附评分理由，用户可追溯筛选逻辑
• 缓存有效期：默认1小时，超时自动重新抓取
• 历史数据：按日归档，长期保留，不要自动清理