获客猎手

问题：公域流量里找不到对的人

抖音每天产生数亿条评论，但真正说"求带""怎么买""哪里买"的用户，散落在无数视频的评论区里。手动翻评论效率极低：一条爆款视频可能有几万条评论，人工筛选高意向用户的成本不可接受。而大模型本身无法直接访问抖音平台抓取公开评论数据——这不是模型能力的问题，是平台边界的问题。

获客猎手要解决的正是这个断层：把抖音实时公开评论数据变成可调用的结构化线索，让"找客户"这件事从手工翻页变成两段式流水线。

工作方式：search → comment 两段式流水线

核心链路只有两步，通过视频 ID（aweme_id）串联：

第一步 · 关键词搜索：调用 search-cli.js，传入 --keyword（必填，2-50 字）和 --sort（按点赞排序，截流常用）。输出每条视频的 aweme_id、url、desc、author_nickname、comment_count、digg_count，用来辅助判断哪条视频值得去挖评论。

第二步 · 拉评论提取客户：调用 comment-cli.js，把第一步返回的 aweme_id 直接传给 --url 参数（工具会自动识别，无需拼完整链接）。输出每条评论即一位潜在客户，包含 user_nickname、user_uid、ip_label、text、create_time、digg_count 等字段。

此外有两个辅助入口：post-cli.js 获取博主全部公开作品，hot-cli.js 拉实时热榜反推关键词。

拿到评论数据后，可按 text 字段命中"求带 / 怎么买 / 多少钱 / 私我"等信号筛选高意向用户，整理为 CSV 对接 CRM。

适用边界与注意点

• 仅支持公开数据：不登录、不私信、不关注、不点赞，不含手机号/微信等隐私字段，禁止编造
• 依赖外部接口：需配置 GUAIKEI_API_TOKEN（通过 guaikei.com 申请），TOKEN 等同于凭证，勿泄露
• 数据时效性：搜索和评论是实时数据，同一关键词不同时刻返回结果可能不同
• 调用频率：接口有频次限制，需合理设置 --limit 与调用间隔
• 合规使用：评论数据含用户公开身份信息，导出时应脱敏、限定留存期限，禁止二次贩卖或骚扰