技能介绍

要解决什么问题

音乐榜单分散在至少 8 个平台：Billboard、Spotify、YouTube Music、UK Official Charts、Oricon、Apple Music，加上 QQ 音乐和网易云音乐。同一首歌在不同平台的排名差异极大，人工对比需要逐个打开页面抄录，再自己设计一套评分规则，把「第 3 名」和「播放量」这两类量纲完全不同的数据拼到一起。music-chart-aggregator 把这套流程固化下来：每月固定拉取、归一化、加权聚合，最后产出一份带观点的报告，而不是一堆原始表格。

核心能力与关键步骤

1. 时间窗口固定为刚结束的日历月

不管当天是几号，报告覆盖的都是上个月。这样月初运行和月末运行拿到的数据范围一致。也支持手动指定任意月份，用于补跑历史数据。

2. 八平台并行检索

每个平台原则上只用一次 WebSearch，关键词模板预置在 references/source-catalog.md。解析时提取必填字段 rank / artist / title，以及可选字段 movement、weeks、peak、streams、sales。搜不到目标月份时追加一次补充查询，仍失败则标记为 no_data 或 stale，并从当月评分中排除。

3. 归一化与加权聚合

scripts/normalize.py 给每条记录附加三个分数：排名分（#1=100 递减）、流量分（min-max 归一化到 0-100）、综合分（0.6×排名 + 0.4×流量）。scripts/aggregate.py 负责跨平台去重、按平台权重计算加权总分，并叠加跨平台加成——出现在 5 个以上平台的歌曲得分乘 1.6，让真正「全球都在听」的作品浮上来。

4. 生成报告并自调度下一轮

报告按 templates/report-template.md 填充，需要自行撰写的是执行摘要、各平台分榜点评、中美日市场分析和每首歌一句话点评。跑完会创建一个一次性 cron 任务排到下个月。

适用边界与注意点

数据质量取决于搜索片段。方案默认从搜索引擎结果摘要里解析榜单，不直接访问平台 API。榜单更新频繁的平台，搜索结果可能滞后或指向错误月份，此时该平台会被排除，而不是强行凑数。
脚本失败时降级为手动评分。Python 环境不可用时，按 references/scoring-formula.md 手工计算，报告中注明 "Manual scoring — scripts unavailable"。这是刻意的设计：校验失败不阻塞输出，部分报告比没有报告好。
流派与市场分析依赖模型判断。榜单数据本身不含流派标签，K-pop / Latin / Afrobeats 的渗透情况需要从艺人名和歌名推断，可能不够精确。
输出路径写死为 Windows 本地目录。文件固定写入 C:\Users\asus\Music-Charts\，换机器需要修改 SKILL.md 中的路径。