抖音热点取证选题决策

它解决什么问题

做抖音选题时常见的失败模式：看到一个热点就写，凭热度判断值不值得做，淘汰候选时说不清理由，事后也没有可复盘的测量合同。这个技能把选题环节从“拍脑袋”改成可审计的决策流程：最终产出的不是“这个题很热”，而是为什么现在做、给谁看、论点凭什么成立、抖音上有哪些重复角度、为什么淘汰其他候选、发布后按什么窗口复盘。

核心能力与关键步骤

• 三路信号采集：恢复 AIHOT 精选、全平台热榜（HN、知乎、微博、36kr、B站、头条、贴吧、虎扑等）、抖音视角三条发现路径，任一路失败如实记录，其他路继续。
• 标准化与候选生成：按稳定 signal id 聚类去重，排除同 URL、同承诺、同内容路径的重复表达；同一事件只有在“帮观众作判断”（观点）和“带观众完成任务”（教程）两条 lane 分别成立时才拆成两个候选。
• 抖音关键词取证：对 1–3 个短名单候选设计具体查询，交 laohan-douyinsousuo 拿回 00-抖音搜索证据.json 与 .md，只引用真实结果 id，不把相邻关键词当成直接证据。
• PRIMARY 源回归：平台热榜、搜索结果、媒体转述只能是 PLATFORM_SIGNAL 或 SECONDARY；技术事实必须绑定官网、公告、论文等 PRIMARY 原始来源，缺证就缩窄论点或换候选。
• 可审计产物：写出 00-选题.json（六维 scorecard、claim_evidence_map、实验干预与 T+N 观测窗口）、00-选题.md 与 00-选题-source-health.json，每条证据有稳定 id、URL、获取时间与 sha256。

适用边界与注意点

• 本技能只负责①选题决策：不生成正文、大纲或封面（②负责口播稿），不做完整事实核验（⑤负责）。
• 不安装新浏览器、爬虫、Python runtime 或第三方 skill，抖音访问只用已安装的 OpenCLI。
• 分数是候选比较的参考，不是流量预测：热度不能替代受众价值、证据强度与可拍性；搜索返回 0 条只能记“平台证据未决”，不能推断蓝海。
• 教程候选在写成确定步骤前必须有本机真实执行证据（tutorial_proof 登记 VERIFIED），否则保持 REJECTED。