医生IP三层选题

要解决的问题

医疗类短视频选题容易陷入两个极端：要么盯着一个热门病反复拍，内容越做越窄；要么漫无目的地追热点，产出的主题之间毫无体系可言。结果就是账号更新了几期之后，要么撞题，要么不知道下一期该拍什么。

这个技能要解决的就是这件事——用一套三层关键词矩阵替代凭感觉选题的方式，让每个选题都能追溯到「疾病 × 场景 × 患者疑问」的结构化组合，而不是临时拍脑袋。

核心机制

三层关键词结构是整个技能的骨架：

• L1 层：科室/疾病方向（如「糖尿病」「甲状腺结节」）
• L2 层：使用场景或人群（如「术后复查」「孕期用药」「老年人群」）
• L3 层：患者最想问的具体问题（如「这个药能不能自己停」「指标偏高要不要紧」）

选题本质上是三个维度的笛卡尔积。技能会先把关键词库建成内部 JSON，再按广度优先和深度优先交替的策略生成选题组合，确保覆盖面的同时对高价值方向做穷举。

操作可见化是一个关键设计：建库完成后，技能会展示每层代表性关键词摘要和 L1×L2 组合覆盖率仪表盘，而不是闷头生成一堆结果再给用户看。覆盖率超过 60% 的方向会被标记为「快拍完了」，超过 80% 时直接拒绝在该方向继续产出，强制要求扩充新场景。这一机制防止了账号在已经饱和的话题上反复做语义换壳。

医疗安全过滤是硬约束。无论哪种模式，最终交付前都必须通过 8 条红线过滤（治疗承诺、个体诊断、处方用药、手术替代、延误就医、虚构证据、恐吓、变相推介），不合格候选直接舍弃并补充生成。burst 爆量模式只跑红线过滤不做精细润色，适合粗筛场景；mixed/newbie/pitfall/compare/live 模式则额外执行标题钩子标准和输出前 5 项检查。

输出与边界

最终交付物是一份本地 CSV 文件，固定表头包含序号、科室方向、选题标题、三层关键词和生成模式。词库和选题历史文件保留在同一目录，后续运行会复用已有词库并基于历史做去重。

几个需要留意的限制：

• 不生成完整脚本，只产出选题标题和三层关键词组合
• 不读取真实病历，不连接外部服务，不涉及个体诊疗建议
• 依赖 python3 运行，脚本内部已做 Unicode 归一化处理
• 输出文件默认使用中文命名（如 医生IP选题_内分泌科_20260720.csv），对中文路径兼容性差的 CI 环境可换英文文件名

导出的 CSV 三层关键词列可以直接在 Excel 里玩「连连看」：随机各取一个关键词组合成新标题，就是一个新选题方向。