TikTok内容研究

要解决的问题

TikTok 内容调研的常见痛点是手动搜集竞品帖子、整理标题与作者链接，再翻页收集样本，过程低效且难以复现。账号对比、趋势判断或素材归类需要反复切换页面，记录散乱，难以形成可追溯结论。

核心能力与工作方式

这个技能聚焦关键词搜索与分页收集，帮你快速拉取结构化帖子样本。核心能力包括：

• 关键词驱动搜索：输入聚焦的关键词，用 --keyword 作为必填参数，获取相关帖子列表。
• 结构化输出：返回 JSON，data.items 中每条结果包含标题、作者或账号、链接或内容 ID，以及部分数据指标与发布时间。
• 灵活分页与限量：支持 --max-items 控制收集数量，或用 --pages 合并多页结果。若返回 next_page_token，可通过 --page-token 续页，但搜索不支持 --all，因为没有稳定完整边界。
• 双重调用方式：既能通过 direct CLI 在 shell 执行，也有对应的 MCP 工具 tiktok_search_posts 供 Agent 调用。两者能力对等。

关键步骤简单：先提供关键词或选题方向，如需预览可取 1 页样本，再按参数扩展。输出优先呈现可直接复盘的样本，并建议保留关键内容以便后续分析。

适用边界与注意点

• 只读不修改：纯只读技能，不登录、发帖、点赞、评论或修改账号，也不读取本地浏览器数据。
• 分页需连续性：next_page_token 是不透明 token，必须原样传回完整值才能续页，且仅在同一搜索链路有效。
• 环境依赖：依赖本地 SOCIALDATAX_API_KEY 与运行环境（Node.js、npm/npx、网络），若遇到依赖或网络问题需用户授权或修复，不要用公开网页搜索替代。
• 结果解读理性：示例仅展示格式不代表固定字段，输出建议分离可见证据与判断，留有分析余地。