AI 驱动的爆款选题猎手 —— 3 天内的热点，4 维评分，只推能爆的
Topic Hunter 是一个 Skill，帮你从近 3 天的信息洪流里，筛出最值得做、最可能爆的选题。
它不罗列新闻，它帮你做内容决策。
传统选题靠经验、靠直觉、靠刷手机——Topic Hunter 把这个过程变成一套可复制的系统：
用户触发 → 交互层（3步收集偏好）→ 搜索层（广搜+深挖）→ 去重合并（同一事件合并）→ 时效性门控（3天硬门槛）→ 评分层（意外感+叙事力+利益钩子+热度）→ 反馈层（A级以上选题输出）
| 传统选题方式 | Topic Hunter |
|---|---|
| 刷一小时手机，找到5个选题 | 广搜8+组关键词，深挖Top8，输出15-20个候选 |
| "感觉这个能火" | 4维评分量化，意外感+叙事力+利益钩子+热度各25% |
| 搜出来的都是旧闻 | 3天时效性硬门槛，搜索词注入当前具体日期 |
| 同一事件搜到5遍 | 事件级去重+信息合并+频次加权 |
| 选题跟大众无关 | 强制出圈验证，圈内热度一律不认 |
| 读完不知道选哪个 | 快速决策区，按意外感/叙事力/利益钩子分类推荐 |
好选题的 DNA 不是"信息有没有价值"，而是"能不能让人停不下来"。
| 维度 | 权重 | 判断标准 | 案例对照 |
|---|---|---|---|
| 意外感 | 25% | 读者会不会"卧槽原来是这样"？含跨界连接、反差讽刺、身份反差、隐藏因果、反转打脸 | 潍柴成AI大赢家（AI×柴油发电机）、黄仁勋菜市场买苹果（身份反差） |
| 叙事力 | 25% | 有没有主角、冲突、赌注？能不能拍成让人看完的视频？ | 分析师肉身闯霍尔木兹（有主角有赌注） |
| 利益钩子 | 25% | 跟普通人的钱/生存/切身利益有没有直接关系？ | 量子破解比特币（钱不安全）、手机涨价（切身利益） |
| 热度 | 25% | 大众平台有没有人在讨论？出圈热才算，圈内热不算 | 微博热搜/抖音热榜才算，Hacker News不算 |
意外感是选题的灵魂，我们把"卧槽原来是这样"拆解为6种可识别的模式：
- 跨界连接 — AI×柴油发电机，地缘×中国制造
- 反差/讽刺 — AI时代分析师反而肉身闯战区
- 身份/地位反差 — 黄仁勋去菜市场，总统爱吃汉堡
- 隐藏因果 — 一条推文血洗加密货币
- 被忽视的真相 — AI搜索结果被营销操纵
- 反转/打脸 — "永远不加广告"→加了
搜索词注入当前真实日期（如"4月9日"），不用"今天""刚刚"等模糊词。时效性门控在评分之前强制执行：
| 事件发生时间 | 判定 | 处理 |
|---|---|---|
| 3天以内 | 新鲜 | 进入评分层 |
| 4-7天 | 过期 | 淘汰 |
| 7天以上 | 旧闻 | 淘汰 |
| 无法判定 | 存疑 | 淘汰 |
不是所有站点都能直接抓取。Topic Hunter 把搜索源分为3种类型：
- web_search — 带站点限定搜索（
site:36kr.com AI 4月9日），覆盖新闻站点 - browser — 浏览器自动化抓取（微博热搜、抖音热榜），通过 Browser Automation skill 打开页面提取数据
- web_fetch — 仅确认可用的静态页面深挖
同一事件被多个搜索词命中 → 自动合并为一条选题 → 记录 hit_count → 频次越高初步热度越高。
输出卡片必填新鲜度字段——必须说明"3天内的具体新变化是什么"，不能用"最近AI很热"糊弄。如果说不出来，这个选题就不该通过门控。
将本仓库克隆到 skills 目录：
git clone https://github.com/dantewoo/topic-hunter.git ~/./skills/topic在 中说：
- "选题" — 启动交互，选择领域/形态/受众
- "选题 科技" — 跳过交互，直接按科技/AI搜索
- "选题 快" — 全部默认，立即搜索
- "找下今天选题" — 同"选题"
## 1. AI找到藏了17年的漏洞 S级
综述：Claude新模型独立发现零日漏洞，官方称太危险不敢公开
事件日期：2026-04-08
新鲜度：4月8日Anthropic首次披露Mythos模型发现零日漏洞细节
评分：意外感 9 | 叙事力 8 | 利益钩子 8 | 热度 8
综合：8.25
为什么好：AI做了人类17年没做到的事，而且官方说太危险不敢公开——
恐惧+崇拜的混合情绪是爆款引擎。每个人都想知道"AI到底能做什么"。
操作空间：角度充裕
参考：
- [Anthropic披露Mythos细节](https://...)
- [零日漏洞安全影响分析](https://...)topic-hunter/
├── SKILL.md # 主流程入口（ 读取）
├── README.md # 本文件
├── prompts/
│ ├── interaction.md # 交互层话术
│ ├── scorer.md # 评分维度定义与打分逻辑
│ └── output_formatter.md # 输出格式化
└── config/
└── sources.json # 搜索源配置（7领域+5全局热榜）
3步收集偏好（领域/内容形态/受众画像），首次走全流程，之后记忆偏好直接复用。
- 获取当前北京时间，格式化为搜索用日期
- 根据领域确定搜索源，告知用户
- 第一层广搜：web_search + browser 抓取热榜，输出15-20个候选
- 第二层深挖：web_fetch 获取事件细节、讨论量、时间线
事件级去重 → 信息合并 → 频次加权(hit_count)
事件发生时间 vs 文章发布时间，3天以内才放行。
评分前强制检查4个问题（事件时间/新变化/意外点/利益钩子），然后4维打分，热度≤4一票否决，只保留A级及以上（≥7.0），最多10个。
Markdown卡片输出 + 快速决策区（意外感最强/叙事力最强/利益钩子最直接/谨慎入场）
| 标签 | 条件 |
|---|---|
| S级 | 总分 ≥ 8.5，现象级选题 |
| A级 | 总分 7.0-8.4，优质选题 |
低于A级不输出，宁缺毋滥。
| 形态 | 标题风格 | 综述侧重 |
|---|---|---|
| 短视频 | 14字以内，强情绪钩子 | 情绪冲击和传播点 |
| 图文 | 不超过20字，可标题党 | 信息增量和独特角度 |
| 播客/长视频 | 不超过25字，沉稳深度 | 深度价值和讨论空间 |
- 4维等权评分体系（意外感+叙事力+利益钩子+热度各25%）
- "张力感"维度合并到"意外感"（新增身份/地位反差类型）
- 搜索词注入当前具体日期，禁用模糊时间词
- sources.json 改造：web_search(site:限定) + browser(热榜自动化) + web_fetch
- 新增去重+合并模块（事件级去重、信息合并、频次加权）
- 统一输出格式为 Markdown 卡片，去掉 YAML
- 选题保鲜度闭环——输出卡片新增"新鲜度"必填字段
- 初始版本发布
MIT