全网聚合热点榜

任务目标

• 本 Skill 用于：聚合抖音、微博、B站、快手、知乎、头条、百度等多个平台的热点数据，提供跨平台热点分析和趋势预测
• 核心价值 解决内容创作者、市场运营者在热点追踪中的三大痛点: 热点分散难整合：无需逐个平台查看，一次聚合7大平台热榜 跨平台对比困难：自动识别同一事件在不同平台的讨论差异和热度表现，对热点进行快览分析 趋势判断模糊：基于热度值、上榜时长、平台覆盖等维度智能预测热点走势 订阅推送服务：定时推送最新热榜/昨日热榜
• 触发条件：用户查询"热点榜"、"今日热点"、"全网热点榜"、"昨日热榜"，请求"导出报告"，或订阅推送服务
• 不支持：该技能不支持查询特定热词详情，仅提供全网热点榜聚合查询

核心能力 功能模块 能力描述 核心价值 🔍 全网热榜聚合 实时抓取7大平台热搜数据 一键获取全网热点，告别逐平台查看 🔗 跨平台事件识别 智能识别同一事件在不同平台的表述 自动归并相似话题，避免重复统计 📊 热度趋势预测 基于热度值、时长、平台覆盖预测走势 提前判断热点生命周期，把握创作窗口 📈 TOP10榜单提供 按综合热度排序输出TOP10热点 快速定位高价值选题 💬 跨平台讨论分析 展示不同平台的讨论焦点和差异 深度洞察舆论生态，精准定位受众 📄 HTML报告导出 生成美观的可视化报告 支持图片导出，便于分享存档 ⏰ 订阅推送服务 定时推送最新热榜/昨日热榜 持续追踪热点动态，不错过关键机会

前置准备

• 依赖说明：scripts脚本依赖 python-dateutil 库
• 非标准文件准备：当前路径视为相对于Skill目录的父目录

鉴权

获取 API Key

请前往 红狐hub 获取API KEY

配置 API Key

方案1: 以OpenClaw为例，将REDFOX_API_KEY添加到~/.openclaw/openclaw.json中，部分内容如下：

{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }

方案2: 终端配置

export REDFOX_API_KEY="ak_xxxx..."

操作步骤

重要原则：智能体完成数据分析并保存JSON后，直接生成HTML报告，不在对话中输出详细榜单。

• 标准流程：

  1. 获取热点数据 — 脚本调用
     • 脚本调用：python scripts/fetch_hotspot.py --output json
     • 返回JSON数据结构见下方"数据结构说明"
  2. 智能体分析数据并保存JSON — 智能体根据JSON数据进行热点事件识别、排序，保存结构化数据
     • 执行热点事件识别（见下方"热点事件总结规则"）
     • 按热度值降序排列，取TOP10
     • 将分析结果保存为 structured_report.json（格式见下方"结构化报告JSON格式"）
     • discussions必须覆盖所有在榜平台：platforms 列表中的每个平台都必须在 discussions 数组中有对应条目
  3. 自动生成HTML报告 — JSON保存完成后立即执行，不询问用户
     • 脚本调用：python scripts/generate_html_report.py --input structured_report.json --output 热点榜报告.html
  4. 对话中输出简要信息 — 按顺序输出：标题 > 统计时间 > HTML报告 > 订阅推送服务询问

     • 输出格式：

       # 🔥 全网热点榜
       
       > 📅 统计时间：{start_date} 至 {end_date}
       
       ⚡ **HTML报告已生成**
       • 点击下方下载HTML报告文件，可在浏览器中打开查看，支持导出图片
       
       📬 **订阅推送服务**
       
       想持续追踪热点动态？
       可以订阅最新热榜，向您推送前1小时的最新数据
       或者订阅昨日热榜，一键获取全网热点
       还支持您定制近30天任意时间段的数据~追热点快人一步
       

• 可选分支：

  • 当用户需要趋势预测：智能体参考 references/prediction-logic.md 生成趋势预测
  • 当用户订阅推送：智能体按照订阅模板进行交互

热点事件总结规则

核心原则：完全忽略接口返回的keyword和分类，独立从所有标题中识别并归纳具体热点事件。

【重要】必须执行以下步骤，不能跳过任何一步：

识别流程（必须按顺序执行）

步骤1：收集所有标题

• 遍历API返回的 hotspots 数组
• 提取每条数据的 title 和 platName
• 将所有标题放在一个列表中，忽略原有的keyword分组

步骤2：识别具体事件

• 阅读每一条标题，判断哪些标题描述的是同一个事件
• 判断依据：
  • 相同主体（人名、地名、机构名、事件名）
  • 相同事件核心（比赛、发布会、案件、政策等）
  • 时间连续性（同一时间段的热点）

步骤3：归纳事件热词

• 为每个识别出的事件提炼一个简洁的热词（5-15个字）
• 热词必须描述具体事件，不能是泛化概念
• ✅ 正确：U20女足中日对决、2026大学排名发布、德国留学生迷奸案
• ❌ 错误：中国相关热点、体育新闻、社会事件

步骤4：按热度值排序

• 按热度值降序排列，取TOP10

正确示例

接口返回的原始数据（忽略keyword分组）：

抖音标题：["U20女足中国vs日本", "中国U20女足0:2日本", "2026软科中国大学排名发布"]
头条标题：["无缘决赛！U20女足中国0-2日本", "2026中国大学排名", "中国钨出口管制对日本影响"]
微博标题：["在德读硕中国小伙多次下药迷奸女友"]
知乎标题：["福特CEO称中国车进入美国市场我们就完蛋"]

AI识别并归纳的事件：

注意：原来5条标题被归纳为5个事件，而不是直接使用原标题作为热点名称。

数据来源

直接读取 hotspots 数组中每个热点项的 title、platName、url 等字段。

URL跳转

每个热点项包含 url 字段，支持跳转到对应平台查看详情：

• 有URL的热点：输出时可添加跳转链接
• 无URL的热点（url为空字符串）：不提供跳转

数据结构说明

脚本返回的JSON数据结构如下，智能体需据此填充模板：

{
  "status": "success",
  "stat_time": "2026-04-16 08:30:00",
  "query_range": {
    "type": "realtime",
    "start_date": "2026-04-16 07:00:00",
    "end_date": "2026-04-16 08:00:00"
  },
  "total_count": 50,
  "hotspots": [
    {
      "hotId": "0DFEC94708F044A64E88818174FDD003",
      "title": "匈牙利总理用"三个最"描述中国",
      "platName": "头条",
      "plat": 11,
      "url": "https://www.toutiao.com/trending/7628053353528033321/",
      "firstRankTime": "2026-04-15 21:00:00",
      "latestRankDate": "2026-04-16 00:00:00",
      "maxHotScore": 4427099,
      "maxPosition": 15,
      "topOfTheDayTime": "3",
      "source_keyword": "中国"
    },
    {
      "hotId": "566756798B468EC8665BE99EE5EBF83A",
      "title": "中国U20女足0:2日本",
      "platName": "抖音",
      "plat": 10,
      "url": "https://www.douyin.com/search/中国U20女足0:2日本",
      "firstRankTime": "2026-04-16 00:00:00",
      "latestRankDate": "2026-04-16 00:00:00",
      "maxHotScore": 9384468,
      "maxPosition": 8,
      "topOfTheDayTime": "14",
      "source_keyword": "中国"
    }
  ]
}

字段说明

可分析维度

基于新增字段，可进行以下分析：

1. 热度排行：按 maxHotScore 排序，展示热度最高的热点
2. 热度持续性：根据 topOfTheDayTime 判断热点生命周期
   • 停留<3小时：短期热点，快速衰减
   • 停留3-10小时：中等持续
   • 停留>10小时：长期热点，持续发酵
3. 排名表现：maxPosition 越小说明热度峰值越高
4. 时效性判断：对比 firstRankTime 和当前时间，判断热点新鲜度
5. 趋势预测：结合热度值、停留时长、排名进行趋势判断

结构化报告JSON格式

智能体完成分析后，将结果保存为 structured_report.json（内部中间文件，不展示给用户），供HTML报告脚本读取。

关键原则：

1. HTML报告脚本只负责模板渲染，不进行任何数据分析或事件识别
2. JSON中的数据必须与对话中输出的内容完全一致
3. 智能体在对话中输出什么，JSON就保存什么，HTML就渲染什么

{
  "query_range": {
    "start_date": "2026-04-16 00:00:00",
    "end_date": "2026-04-16 08:00:00"
  },
  "hotspots": [
    {
      "rank": 1,
      "title": "归纳的事件热词",
      "hot_score": "938万",
      "platform_count": 4,
      "duration": "14h",
      "max_position": 3,
      "platforms": ["微博", "抖音", "头条", "快手"],
      "discussions": [
        {
          "platform": "微博",
          "focus": "讨论焦点描述，不少于10个字",
          "topics": [
            { "title": "原始标题1", "url": "https://..." },
            { "title": "原始标题2", "url": "" }
          ]
        },
        {
          "platform": "抖音",
          "focus": "讨论焦点描述",
          "topics": [{ "title": "原始标题3", "url": "https://..." }]
        }
      ],
      "prediction": "预测内容文字",
      "prediction_emoji": "🔥🔥🔥"
    }
  ]
}

字段说明：

1. 获取热榜数据

1.1 最新热榜（默认）

要求最新、当下等实时热榜时，自动查询当前时间前一个小时的数据：

python scripts/fetch_hotspot.py

实时查询规则：

• 自动计算当前时间的前一个小时作为查询范围
• 例如：当前时间为 2026-04-16 08:30:00，则查询 2026-04-16 07:00:00 到 2026-04-16 08:00:00 的数据

1.2 历史热榜查询

支持查询昨天的热度峰值最高的热搜数据：

# 查询昨日热榜（假设今天是2026-04-16）
python scripts/fetch_hotspot.py --start-date "2026-04-15 00:00:00" --end-date "2026-04-16 00:00:00"

日期范围规则：

• 时间格式为 YYYY-MM-DD HH:MM:SS
• 日期范围是 [start_date, end_date) 左闭右开区间
• 例如：--start-date "2026-04-01 00:00:00" --end-date "2026-04-02 00:00:00" 查询的是4月1日当天的数据
• 例如：--start-date "2026-04-09 00:00:00" --end-date "2026-04-16 00:00:00" 查询的是4月9日至4月15日共7天的数据

参数说明：

• --start-date：开始时间（包含），格式 YYYY-MM-DD HH:MM:SS，也可简写为 YYYY-MM-DD（自动补全为 00:00:00）
• --end-date：结束时间（不包含），格式 YYYY-MM-DD HH:MM:SS，也可简写为 YYYY-MM-DD（自动补全为 00:00:00）
• 最长查询范围：7天

1.3 智能体判断逻辑

根据用户意图自动选择查询方式（假设今天日期为T，当前时间为T HH:MM:SS）：

今日热点查询：

• "今日热榜" / "今日热点" / "今天热榜" → 查询今日0:00到当前时间的整点
• 脚本调用：python scripts/fetch_hotspot.py --start-date "T 00:00:00" --end-date "T {当前小时}:00:00"
• 示例：当前时间 2026-04-16 08:30:00，则查询 --start-date "2026-04-16 00:00:00" --end-date "2026-04-16 08:00:00"

最新热点查询：

• "最新热榜" / "最新热点" / "热榜" / "热点榜" → 查询当前时间前一小时
• 脚本调用：python scripts/fetch_hotspot.py--start-date "T {当前小时-1}:00:00" --end-date "T {当前小时}:00:00"`
• 自动计算当前时间的前一个小时作为查询范围
• 示例：当前时间 2026-04-16 08:30:00，则查询 2026-04-16 07:00:00 到 2026-04-16 08:00:00

历史热点查询：

• "昨日热榜" / "昨天热榜" / "昨日热点" → --start-date "T-1 00:00:00" --end-date "T 00:00:00"
• "近7天热榜" / "一周热榜" → --start-date "T-7 00:00:00" --end-date "T 00:00:00"
• "X月X日热榜" → --start-date "X月X日 00:00:00" --end-date "X月X日+1天 00:00:00"

对比查询场景： 当用户需要对比多天数据时，需分别查询多天的热榜，而非合并查询：

• "对比昨天和今天的热榜" → 分别查询昨日热榜和今日热榜，输出两份数据进行对比
• "对比4月1日和4月2日的热榜" → 分别查询4月1日热榜和4月2日热榜，输出两份数据进行对比

对比查询执行方式：

# 对比昨天和今天的热榜（假设今天是2026-04-16）
python scripts/fetch_hotspot.py --start-date "2026-04-15 00:00:00" --end-date "2026-04-16 00:00:00"  # 昨日
python scripts/fetch_hotspot.py --start-date "2026-04-16 00:00:00" --end-date "2026-04-17 00:00:00"  # 今日实时

2. 输出处理流程

核心原则：报告内容直接在对话中输出，输出结束后再调用脚本生成HTML报告文件。

步骤一：获取数据

python scripts/fetch_hotspot.py --start-date "..." --end-date "..." > raw_data.json

步骤二：对话中输出报告并同步保存JSON

• 智能体读取JSON数据，完成热点事件识别、指标计算、趋势预测
• 直接在对话中输出完整报告，同时将分析结果同步保存为 structured_report.json（内部中间文件，不展示给用户）
• discussions必须覆盖所有在榜平台：platforms 列表中的每个平台都必须在 discussions 数组中有对应条目，不可遗漏
• 输出格式参考 references/output-templates.md

步骤三：自动生成HTML报告

• 直接读取已保存的 structured_report.json 生成HTML，不询问用户是否生成

python scripts/generate_html_report.py --input structured_report.json --output 热点榜报告.html

• 自检：确认JSON数据与对话输出一致

输出注意事项

1. 排序规则（最重要）：TOP10表格必须按热度值（maxHotScore）降序排列，热度最高的排第1位。
   • 强制检查：输出表格前，逐一核对热度值是否满足：第1名 > 第2名 > 第3名 > ... > 第10名
   • 如果发现乱序，立即重新排序后再输出
   • 正确示例：| 1 | 事件A | 938万 | | | 2 | 事件B | 876万 | | | 3 | 事件C | 654万 |
   • 错误示例：| 1 | 事件A | 654万 | | | 2 | 事件B | 938万 | ← 热度值倒挂，必须修正
2. 统计时间：使用脚本返回的 query_range.start_date 和 end_date，格式为"开始时间 至 结束时间"
3. 热度换算：maxHotScore // 10000（整数除法），结果拼接"万"。例如：9384468 → 938万。格式必须是"数字+万"，禁止任何其他字符
4. 持续时长显示：topOfTheDayTime 为 0 或 "0" 时显示"刚上热搜"，否则显示"{N}h"（如 3h、14h）
5. URL链接：标题有 url 时显示为超链接 [标题](url)，无URL时仅显示文本
6. 平台图标：使用emoji区分平台（微博🌐、抖音🎵、知乎📚、B站📺、快手🎬、头条📰、百度🔍）
7. 跨平台讨论差异：
   • 每个平台行首加全角空格缩进符（　　）
   • 必须输出该事件全部在榜平台的讨论差异，不可遗漏（遗漏会导致平台数与"上榜平台"数量不一致）
   • 仅展示该事件实际在榜的平台，未上榜平台不输出
   • 根据该事件在该平台的所有话题标题综合总结讨论焦点，不少于10个字
   • 必须展示2-3个具体话题标题（如该平台只有1条数据则展示1条），有URL则显示为超链接格式「{标题}」，无URL则显示为纯文本「{标题}」
8. 综合预测：
   • 根据话题类型（突发事件/娱乐八卦/社会民生/行业动态）、热度值、上榜时长、平台覆盖表现综合分析
   • 预测内容不少于30字
   • 综合预测标题前emoji必须按热度值选择（对话输出和HTML报告统一规则）：
     • 🔥🔥🔥 热度 ≥ 1000万（爆款）
     • 🔥🔥 热度 500-999万（高热）
     • 🔥 热度 100-499万（中等）
     • 📉 热度 < 100万（低热）
9. 不支持热词查询：该技能不支持查询特定热词，仅支持全网热点榜查询

使用示例

• 示例1: 查询今日热点
  • 场景/输入: 用户输入"热点榜"或"今日热点"
  • 执行步骤:
    1. 调用 python scripts/fetch_hotspot.py 获取数据
    2. 智能体分析数据，识别热点事件，保存 structured_report.json
    3. 调用 python scripts/generate_html_report.py --input structured_report.json 生成HTML
    4. 对话中输出：标题 > 统计时间 > HTML报告 > 订阅推送服务询问
  • 预期产出: 用户看到简要信息、HTML文件下载链接、订阅推送服务提示
  • 关键要点: 输出顺序为标题→统计时间→HTML报告→订阅推送服务
• 示例2: 导出HTML报告
  • 场景/输入: 用户输入"导出报告"或"生成HTML报告"
  • 预期产出: 生成美观的HTML报告文件，告知用户文件路径
  • 关键要点: 调用 generate_html_report.py 脚本生成HTML

资源索引

• 脚本:见 scripts/fetch_hotspot.py(用途与参数:从API获取热点数据)
• 脚本:见 scripts/generate_html_report.py(用途与参数:读取structured_report.json生成HTML报告，参数--input JSON路径 --output输出路径)
• 参考:见 references/output-templates.md(何时读取:HTML报告格式参考)
• 参考:见 references/prediction-logic.md(何时读取:生成热度趋势预测时参考预测规则)
• 资产:见 assets/report-template.html(直接用于生成:HTML报告模板)

注意事项

• 【重要】排序规则（必须严格遵守）：
  • TOP10必须按热度值（maxHotScore）降序排列，热度最高的排第1位
  • 保存JSON前必须检查：确认热度值从第1名到第10名依次递减，严禁乱序
  • 示例：第1名938万 > 第2名876万 > 第3名654万 > ... > 第10名123万
• 【重要】热点事件识别必须执行：
  • 必须从所有标题中识别和归纳热点事件，不能直接使用原标题
  • 必须合并描述同一事件的不同标题
  • 必须为每个事件提炼简洁的热词（5-15个字）
• 执行流程：
  1. 获取数据 → 2. 智能体分析并保存JSON → 3. 对话输出简要信息 → 4. 生成HTML报告
  • 对话中仅输出：标题、统计时间、订阅推送服务提示
  • 详细内容（TOP10表格、热点快览分析）在HTML报告中展示
• JSON数据完整性：
  • discussions必须覆盖所有在榜平台：platforms 列表中的每个平台都必须在 discussions 数组中有对应条目
  • discussions 中不得包含 platforms 列表以外的平台
  • 热度值格式：hot_score必须为"数字+万"格式（如"938万"），禁止包含其他字符
  • prediction 字段为纯文字内容，prediction_emoji 字段存🔥emoji
• 禁止行为：
  • 在对话中输出详细的TOP10表格和热点快览分析（这些内容只在HTML报告中展示）
  • 直接使用原标题作为热点名称（必须归纳事件热词）
  • 不合并相似标题（必须识别同一事件的不同表述）
• 仅在需要时读取参考文档，保持上下文简洁
• 数据获取通过脚本调用真实API，确保数据实时性