蓝海选题发现

扫描目标赛道在社媒平台上的内容供给与用户需求，找出"需求旺但好内容少"的蓝海选题，输出带优先级的选题清单。

输入

用户 prompt 中提供以下信息（部分可选）：

• 必需：赛道/领域（如"家居收纳"、"Python 教学"、"母婴辅食"）
• 可选：目标平台（小红书、抖音、B站、微博等，默认全平台扫描）
• 可选：竞品账号列表（2–5 个同赛道博主）
• 可选：自己已发布的内容方向（用于差距对比）

输出

# 蓝海选题发现: {赛道}
日期: {date}
目标平台: {平台列表}
扫描竞品: {账号列表}
发现蓝海选题数: {count}

## 摘要
{2-3 句概括最大机会方向}

## 蓝海选题清单

### 🔵 高优先（需求强 + 竞争弱）
| 选题方向 | 需求信号 | 竞争程度 | 建议平台 | 建议内容形式 | 时效性 |
|---------|---------|---------|---------|-------------|--------|

### 🟢 中优先（需求明确 + 竞争适中）
| 选题方向 | 需求信号 | 竞争程度 | 建议平台 | 建议内容形式 | 时效性 |

### ⚪ 观察池（潜在趋势 + 尚需验证）
| 选题方向 | 需求信号 | 竞争程度 | 建议平台 | 建议内容形式 | 时效性 |

## 需求信号来源
{每个选题的需求证据：热搜词、搜索联想词、评论区高频问题等}

## 竞品覆盖盲区
{竞品账号未覆盖但用户有需求的方向}

## 内容形式建议
{针对不同选题推荐的最佳内容形式：图文笔记、短视频、中长视频、直播、合集等}

## 速赢清单
{3-5 个本周可立即动手的选题 + 具体内容角度}

执行步骤

需求信号的三个来源（平台搜索联想词 / 平台热搜 / 评论区未满足需求）及其采法与降级方案，参照 demand-signals.md。三类信号交叉验证，缺一不可。

1. 采集平台实时热点

用 web_fetch 调用热搜 API（参照 hotlist-apis.md），获取各平台当前热门话题：

• 抖音热搜：web_fetch https://60s.viki.moe/v2/douyin
• B站热门：web_fetch https://60s.viki.moe/v2/bili（⚠️ 常 500 不稳定，挂时改用备用源 web_fetch https://v2.xxapi.cn/api/bilibilihot）
• 微博热搜：web_fetch https://60s.viki.moe/v2/weibo
• 知乎热榜：web_fetch https://60s.viki.moe/v2/zhihu
• 头条热榜：web_fetch https://60s.viki.moe/v2/toutiao

从热搜列表中筛选与用户赛道相关的话题，记录热度值，作为时效性选题的候选池。

2. 挖掘搜索联想词

用 web_search 搜索赛道核心关键词，收集搜索引擎和平台的联想词（长尾需求）：

• 搜索 {赛道} site:xiaohongshu.com、{赛道} site:bilibili.com 等，观察搜索建议
• 搜索 {赛道} + 怎么/如何/推荐/避坑/对比/教程 等需求词，发现具体用户问题
• 收集"相关搜索"中出现的长尾词 — 这些代表真实用户需求

将搜索联想词按意图分类：学习型、决策型、问题解决型、种草型。

3. 扫描评论区未满足需求

用 web_search 找到赛道内的热门内容，用 web_fetch 抓取页面，重点分析评论区：

• 高赞评论中反复出现的追问（"求出个 XX 教程"、"能不能讲讲 XX"）
• 用户吐槽现有内容的痛点（"说了等于没说"、"根本没讲到重点"）
• 提问类评论的点赞数 — 点赞越高说明需求越普遍
• 收藏/转发远高于点赞的内容 — 说明实用但表达不够好，可以做得更好

4. 分析竞品账号覆盖

如果用户提供了竞品账号：

• 用 web_search 搜索 site:xiaohongshu.com {竞品昵称} 或 {竞品昵称} {平台} 获取其内容列表
• 按主题分类竞品已发布内容，画出覆盖地图
• 找出覆盖盲区：竞品未做但用户有需求的方向
• 找出质量洼地：竞品做了但质量差（评论区负面反馈多）的方向

如果用户未提供竞品账号：

• 用 web_search 搜索 {赛道} 博主推荐 或 {赛道} 账号 找到头部账号
• 抽样分析 2-3 个头部账号的内容覆盖

5. 评估竞争程度

对每个候选选题评估内容供给情况：

• 用 web_search 搜索该选题，观察结果数量和质量
• 蓝海信号：搜索结果少于 10 条相关内容、结果质量参差不齐、没有头部博主覆盖、内容陈旧（半年以上未更新）
• 红海信号：大量高质量内容、多个头部博主已覆盖、内容更新频繁
• 伪蓝海：搜索结果少但用户需求也弱 — 需要交叉验证需求信号

6. 匹配内容形式

根据选题特征和平台属性推荐最佳内容形式：

选题类型	小红书	抖音	B站	微博
教程/攻略	图文合集	短视频	中长视频	长图文
测评/对比	图文笔记	短视频	中长视频	投票+图文
避坑/经验	图文笔记	口播短视频	中长视频	话题帖
种草/推荐	图文笔记	好物分享	合集视频	九宫格图文
热点解读	图文笔记	短视频	时评视频	评论/转发

7. 优先级排序

按加权评分排列每个选题，参照 scoring-model.md：

因素	权重	评估方法
需求强度	30%	搜索联想频次、评论区追问数、热搜相关度
竞争空白	25%	现有内容数量少、质量差、更新慢
赛道匹配	20%	与用户定位和受众的契合度
制作成本	15%	能否用现有素材和能力快速产出
时效价值	10%	是否有热点借势窗口或季节性机会

8. 生成选题清单

输出按优先级分级的蓝海选题清单 + 3-5 个速赢行动项。每个速赢必须包含：具体选题、目标平台、内容形式、核心角度。

重要原则

• 需求验证优先 — 蓝海选题必须有真实需求信号支撑，不是"没人做"就等于"蓝海"
• 竞争弱 ≠ 没人做 — 有人做但做得不好，比完全没人做更好，说明需求已验证
• 平台差异化 — 同一选题在不同平台的竞争程度可能完全不同，逐平台评估
• 避免伪蓝海 — 搜索结果少 + 评论区无相关讨论 = 可能根本没需求
• 先速赢后深耕 — 优先推荐制作成本低、见效快的选题，建立正反馈
• 不追所有热点 — 热点只有与赛道契合时才有价值，硬蹭热点不可持续

Profile 感知

• 有 Profile 时：
  • 读取 platforms.md，聚焦用户实际运营的平台，优先分析这些平台的内容空白
  • 读取 identity.md，匹配用户的内容定位和专业优势，过滤超出能力范围的选题
  • 读取 audience.md，锁定目标受众的需求场景，在评论区分析中重点关注该人群的追问
  • 结合 Profile 中的内容风格偏好，在内容形式建议中优先推荐用户擅长的形式
• 无 Profile 时：
  • 退回通用模式，要求用户提供赛道信息
  • 全平台扫描，不做平台特化分析
  • 附注"如提供账号 Profile 可获得更精准的选题方向和平台匹配"