Agent Skills
返回列表
KOL Radar

KOL Radar

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_126b7108/dvld 技能。

技能介绍

痛点:多平台信息碎片化

在雪球、微博、公众号、抖音、小红书和视频号多平台关注大V时,手动巡视耗时且极易漏掉关键信息。跨平台的主题共振难以察觉,情绪倾向也需要人工判断。

工作原理与核心步骤

该技能通过 Playwright 浏览器自动化(拦截 XHR 绕开反爬)抓取订阅大V的当日动态。随后,利用大模型对每条内容进行深度解读,输出情绪判断(看多/看空/中性/风险提示)、要点提取、标的识别及重要度星级。核心步骤包括:

  1. 配置订阅名单:在 JSON 中填入各平台 ID 或链接。
  2. 登录与抓取:对抖音、小红书等需登录平台扫码留存 session,随后执行 fetch 抓取。
  3. AI 分析与渲染:模型内联分析生成结构化 analysis.json,最终渲染为浅色主题、遵循红涨绿跌配色的 HTML 简报。

适用边界与注意事项

  1. 反爬风控:平台接口可能失效,需定期更新 XHR 拦截路径。
  2. 公众号订阅:优先使用 RSS 路由;仅靠搜狗索引会有明显延迟,只宜作话题兜底。
  3. 视频号:建议通过本地 wx_channel 桥接订阅他人频道;控制台通道仅限本账号且易被微信风控失效。
  4. 内容定位:仅供个人阅读整理,不构成投资建议。

使用场景

  • 自媒体运营追踪跨平台创作者动态,将六平台大V内容汇总解读。
  • 投资研究员监控市场舆情,追踪特定标的在各平台的讨论趋势。
  • 开发工程师搭建每日资讯简报,用自动化脚本定时抓取并渲染网页。
  • 内容分析师整理创作者发文,用自然语言提取内容主题与情绪倾向。

适合人员

  • 个人投资者,希望快速掌握跨平台财经大V观点,辅助投资决策。
  • 新媒体运营,需要持续追踪行业头部账号动态,获取内容创作素材。
  • 量化研究员,需要将多源社交舆情清洗并结构化,用于量化模型回测。
  • 基金经理,每日需要浏览大量市场观点,提炼看多看空情绪要点。