红人发现

要解决什么问题

品牌找红人时，常见痛点不是「搜不到账号」，而是候选池太杂：粉丝区间不对、互动率虚高、受众与品类不匹配，且与 memory/creators/ 里已有名册重复。本技能把「跨平台发现 → 初筛 → 分级短名单」做成可交接的流程，不在这里算 STAR Suitability 总分——那是下游 fit-scorer 的工作。

技能如何工作

契约上先读入品牌/品类、目标平台、粉丝与互动下限、地域语言、受众画像与排除项；若有 audience-mapper 或名册数据，会用来去重与对齐。缺必填条件会直接 NEEDS_INPUT，不编造候选人。

按六步执行（模板在 references/templates.md）：

• 定义检索条件：必填项表格化，可选接 audience-mapper 澄清受众。
• 执行检索：话题标签、相似账号、竞品提及、平台原生发现；无 live API 时依赖你提供的公开信息与链接。
• 初筛：粉丝、互动、时效、相关性、品牌安全；记录疑似假粉、争议、竞品独占等发现信号（非最终否决）。
• 建档：每位合格创作者有指标、受众解读与初步分诊信号（非 STAR 分）。
• 汇总报告：候选池统计、分平台/分 tier（must-reach / strong / consider）短名单与下一步建议。
• 洞察：品类内容趋势与竞品红人格局。

无 key 时可用 YouTube/TikTok/X 的 oEmbed 从链接补全标题与作者；YouTube 可用免费 YOUTUBE_API_KEY 拉取实测订阅与播放数据（仅适合点名短名单，不做批量库）。

边界与注意

写入 memory/influencer/influencer-discovery/、热缓存推广、向 creators.ndjson 提议入库，均需单独明确授权；未授权只 inline 返回报告。名册 canonical 记录只由 creator-registry 写入。短名单就绪后，主链路下一步是 fit-scorer；STAR 否决与门禁结论由 creator-content-auditor 负责。