Capital Market Topic Scout

资本市场热点选题侦察兵

技能定位

从财经热点新闻中，提炼出适合抖音、公众号、小红书的爆款选题。基于实战案例验证，避免常见的创作陷阱。

核心价值：

• ✅ 将专业金融内容转化为大众传播选题
• ✅ 避免预测类、卖点堆砌等常见错误
• ✅ 生成适配三个平台的差异化内容框架
• ✅ 提供数据验证的选题方向

---

黄金案例提炼

案例1：直男财经（抖音2588万粉丝）

成功做法：

• 坚持"解决实际问题"导向
• 1万字深度内容拆解成上中下3条短视频（总流量2亿+）
• 美股熔断系列单条播放破6亿
• 避免预测类内容（反噬风险大）

可复用公式：

深度研究 → 短平快呈现（长文→系列短视频）
热点事件 + 专业解读 + 幽默表达

案例2：半佛仙人（B站+公众号头部）

成功做法：

• 段子式轰炸热点事件 + 拆解商业套路
• 标题记忆点：反差感、冲突感
• 《瑞幸咖啡是如何暴打资本主义的？》4个月涨粉326万
• 15-20分钟长视频深度分析

可复用公式：

现象 → 本质 → 套路 → 建议
标题：反差感 + 冲突感 + 好奇心

案例3：小红书理财爆款（2025年数据）

成功做法：

• 标题模板：《去黄太狠了！素颜好皮！黑黄皮的逆袭！》
• 适用人群 + 效果显著 + 场景化
• "成分"关键词热门笔记150.81万篇
• 65%爆文为视频，50%为图文

可复用公式：

商品名称 + 体验 + 场景 + 背书 + 对比
标题：人群 + 效果 + 强情绪词

---

常见失败模式（避坑指南）

❌ 失败模式1：虚假互动陷阱

• 表现：追求点赞但评论焦点偏离（只关注颜值）
• 判断：评论区无"求链接"、"怎么买"等购买意向
• 正确做法：关注收藏率（有用）、评论率（共鸣）

❌ 失败模式2：卖点堆砌误区

• 表现：追求卖点"全面展示"，面面俱到
• 后果：用户反感，被平台限流
• 正确做法：专攻2-3个核心卖点（"爆文创作要点全，卖点不要全"）

❌ 失败模式3：预测类内容反噬

• 表现：频繁做市场预测、股价预测
• 后果：猜错时信任崩塌
• 正确做法：历史分析、逻辑推演、方法论分享

❌ 失败模式4：脱离目标受众

• 表现：行业关注度高但社会关注度低的内容
• 案例：《3天涨粉18万，草根公众号如何野蛮涨粉？》（只适合新媒体圈层）
• 正确做法：行业关注度 + 社会关注度双维度评估

❌ 失败模式5：缺乏情绪价值

• 表现：纯数据堆砌、干巴巴的分析
• 数据：56.3%人群为"情绪价值/兴趣花钱"
• 正确做法：冲突、反转、共鸣、"与我相关"

❌ 失败模式6：忽视平台差异

• 表现：一套内容发所有平台
• 正确做法：
• 抖音：30秒冲突开头，强视觉冲击
• 小红书：图文种草 + 实用，1500字
• 公众号：深度长文，社交分发，3000字+

---

选题评估框架

✅ 双维度评分法

行业关注度 + 社会关注度 = 选题价值

判断标准：

• 🔴 双高 = 爆款选题（优先做）
• 🟡 一高 = 垂直选题（谨慎做）
• ⚪ 双低 = 避坑选题（不要做）

✅ 标题四关键词测试

好的标题包含以下4个关键词中的至少2个： 1. 好奇 - "为什么"、"怎么"、"揭秘" 2. 悬念 - "结果却"、"没想到"、"但是" 3. 独特 - "第一次"、"独家"、"罕见" 4. 颠覆 - "颠覆认知"、"打破常识"、"反直觉"

测试方法：

• 输入标题
• 统计包含几个关键词
• < 2个 = 需要优化

---

三大平台选题适配

抖音选题公式

结构：30秒冲突开头 → 问题 → 解决方案 → 情感共鸣

标题：

• 3-7个字，强冲突
• 例："月薪3000理财"、"基金亏损90%"

开头（前3秒）：

❌ 错误："今天我们来聊聊基金定投"
✅ 正确："我定投3年亏了50%，发现90%的人都做错了"

时长：30秒 - 3分钟

验证指标：完播率 > 25%

---

小红书选题公式

结构：适用人群 + 效果显著 + 场景化 + 体验 + 背书 + 对比

标题模板：

《人群 + 效果 + 强情绪词》
例：《学生党必看！低风险理财！月入3000也能存钱》

内容要素： 1. 商品/方法名称完整露出 2. 亲身体验（口语化） 3. 场景化应用（3种场景） 4. 专业背书（数据、术语） 5. 对比分析（性价比）

形式：

• 图文：1500字，封面大字报
• 视频：1-3分钟，真人出镜

验证指标：收藏率 > 5%

---

公众号选题公式

结构：社会关注 + 行业关注双高 → 深度分析 → 可操作建议

标题：

《现象 + 观点 + 方法论》
例：《基金亏损潮来袭：为什么90%的散户都亏钱？》

内容：

• 3000字以上深度分析
• 数据图表支撑
• 可操作建议
• 金句频出（每300字）

分发：

• 微信群转发
• 朋友圈分享
• 其他平台转载

验证指标：转发率 > 1%

---

工作流程

Step 1: 热点捕获

数据来源（优先级排序）： 1. TrendRadar 抓取的财联社、华尔街见闻热点 2. 新浪财经、今日头条财经频道 3. 微博财经热搜、知乎财经热榜 4. 行业媒体（财新、界面等）

过滤标准：

• [ ] 是否与资本市场相关？
• [ ] 是否有社会讨论度？
• [ ] 是否能转化为内容选题？

---

Step 2: 选题评估

双维度评分：

## 选题评估表

**热点事件**：<事件名称>

**行业关注度**：/ 10
- 金融圈讨论度：/ 5
- 专业媒体覆盖：/ 5

**社会关注度**：/ 10
- 大众搜索量：/ 5
- 社交讨论度：/ 5

**总分**：/ 20

**评级**：
- 🔴 15+ = 爆款选题（优先做）
- 🟡 10-14 = 垂直选题（谨慎做）
- ⚪ < 10 = 避坑选题（不要做）

---

Step 3: 标题生成

平台差异化标题：

## 标题方案

### 抖音版本
- 标题：<7个字，强冲突>
- 评分：/ 10（四关键词测试）

### 小红书版本
- 标题：《人群 + 效果 + 强情绪词》
- 评分：/ 10

### 公众号版本
- 标题：《现象 + 观点 + 方法论》
- 评分：/ 10

---

Step 4: 内容框架

输出格式：

## 内容大纲

### 抖音版本（30秒-3分钟）
**开头（3秒）**：
<冲突式开头>

**主体**：
<问题 → 分析 → 解决方案>

**结尾**：
<情感共鸣 + 互动引导>

### 小红书版本（图文/视频）
**封面**：
<大字报文案>

**正文**：
1. 适用人群：...
2. 效果展示：...
3. 场景应用：...
4. 体验分享：...
5. 专业背书：...
6. 对比分析：...

### 公众号版本（3000字+）
**导语**：
<社会关注点引入>

**第一部分**：<现象分析>
**第二部分**：<深度解读>
**第三部分**：<方法论>
**第四部分**：<可操作建议>

**金句预设**：
<每300字一个金句>

---

Step 5: 避坑检测

自动检测清单：

## 风险检测

### ❌ 禁止项
- [ ] 包含市场预测（"会涨到"、"要跌到"）
- [ ] 包含荐股信息（"推荐买入"、"目标价"）
- [ ] 卖点堆砌（> 3个核心卖点）
- [ ] 纯数据堆砌（无情绪价值）

### ✅ 必需项
- [ ] 有明确人群定位
- [ ] 有冲突/反转/共鸣
- [ ] 有具体场景或案例
- [ ] 有数据支撑或专业背书

### 互动设计
- [ ] 有开放性问题
- [ ] 有场景化提问
- [ ] 有征集需求环节

---

使用示例

示例1：基金亏损热点

输入热点："2025年开年基金亏损潮，多只基金跌幅超20%"

选题评估：

• 行业关注度：8/10
• 社会关注度：7/10
• 总分：15/20 🔴 爆款选题

标题方案：

• 抖音："定投3年亏50%"
• 小红书：《基金人必看！亏损后如何自救》
• 公众号：《基金亏损潮背后的真相：为什么90%的散户都亏钱？》

内容框架：（见Step 4）

---

示例2：美联储降息热点

输入热点："美联储宣布降息25个基点"

选题评估：

• 行业关注度：9/10
• 社会关注度：4/10
• 总分：13/20 🟡 垂直选题

决策：谨慎做，需要找社会关联点

优化方案：

• 关联"房贷利率"、"物价上涨"等大众话题
• 标题：《美联储降息：你的房贷、钱包会受到什么影响？》

---

验证指标

次要指标：

• 点赞率（可能虚假）
• 评论率（看评论质量）
• 关注转化率

---

集成使用

与 abundance-every-year 集成

## 完整工作流

1. **capital-market-topic-scout**：生成选题
2. **abundance-every-year**：生成市场数据收评
3. **xiaohongshu-creator**：创作小红书笔记

示例：

热点：A股今日大跌3% ↓ topic-scout → 选题：《大跌后如何应对？》 ↓ abundance-every-year → 获取市场数据 ↓ xiaohongshu-creator → 生成小红书笔记

---

资源索引

参考案例：

• 直男财经：抖音2588万粉丝的选题策略
• 半佛仙人：B站爆款内容结构
• 小红书理财爆文：1000篇爆文套路总结

数据来源：

• TrendRadar：多平台热点聚合工具
• 财联社、华尔街见闻：专业金融资讯
• 微博热搜、知乎热榜：社会关注度参考

学习资源：

• 《小红书爆文万能公式》
• 《公众号选题1个基础逻辑+2大技巧》
• 《抖音财经领域账号选题方向》

TrendRadar 源码分析与脚本实现报告

执行时间

2026-02-13 16:20 - 16:30

1. TrendRadar 核心实现分析

1.1 数据源分析

文件: D:\project\skills\TrendRadar\config\config.yaml

支持的财经平台

发现: TrendRadar 官方配置中未包含 sina-finance，这可能解释了为什么测试时该平台返回 500 错误。

1.2 NewsNow API 调用方式

文件: D:\project\skills\TrendRadar\trendradar\crawler\fetcher.py

API 基础信息

DEFAULT_API_URL = "https://newsnow.busiyi.world/api/s"

请求格式

url = f"{api_url}?id={platform_id}&latest"

参数说明:

• id: 平台唯一标识符
• latest: 强制获取最新数据标志（不含此参数可能返回缓存）

请求头配置

DEFAULT_HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36",
    "Accept": "application/json, text/plain, */*",
    "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8",
    "Connection": "keep-alive",
    "Cache-Control": "no-cache",
}

关键点:

• 使用真实浏览器 User-Agent
• 设置中文语言优先
• 禁用缓存

1.3 API 响应格式

成功响应

{
  "status": "success",  // 或 "cache"
  "items": [
    {
      "title": "文章标题",
      "url": "https://example.com/article",
      "mobileUrl": "https://m.example.com/article"  // 可能为空字符串
    }
  ]
}

状态码说明

• success: 最新抓取的数据
• cache: 从缓存返回的数据
• 其他值: 异常状态

1.4 核心逻辑实现

1.4.1 请求重试机制

def fetch_data(
    self,
    id_info: Union[str, Tuple[str, str]],
    max_retries: int = 2,
    min_retry_wait: int = 3,
    max_retry_wait: int = 5,
) -> Tuple[Optional[str], str, str]:

重试策略:

• 最大重试次数: 2
• 最小等待时间: 3 秒
• 最大等待时间: 5 秒
• 额外等待: 每次重试增加 1-2 秒随机延迟

等待时间计算:

base_wait = random.uniform(min_retry_wait, max_retry_wait)
additional_wait = (retries - 1) * random.uniform(1, 2)
wait_time = base_wait + additional_wait

实际等待时间:

• 第 1 次重试: 3-5 秒
• 第 2 次重试: 4-7 秒
• 第 3 次重试: 5-9 秒

1.4.2 批量爬取间隔

def crawl_websites(
    self,
    ids_list: List[Union[str, Tuple[str, str]]],
    request_interval: int = 100,  # 毫秒
)

间隔控制:

actual_interval = request_interval + random.randint(-10, 20)
actual_interval = max(50, actual_interval)
time.sleep(actual_interval / 1000)

特点:

• 基础间隔: 100ms
• 随机扰动: -10ms 到 +20ms
• 最小间隔: 50ms

1.4.3 数据解析逻辑

for index, item in enumerate(data.get("items", []), 1):
    title = item.get("title")

    # 跳过无效标题
    if title is None or isinstance(title, float) or not str(title).strip():
        continue

    title = str(title).strip()
    url = item.get("url", "")
    mobile_url = item.get("mobileUrl", "")

    # 处理重复标题
    if title in results[id_value]:
        results[id_value][title]["ranks"].append(index)
    else:
        results[id_value][title] = {
            "ranks": [index],
            "url": url,
            "mobileUrl": mobile_url,
        }

数据清理规则: 1. 跳过 None 标题 2. 跳过 float 类型标题（API 有时返回 NaN） 3. 跳过空字符串 4. 处理重复标题（记录多个排名）

1.5 RSS 解析器

文件: D:\project\skills\TrendRadar\trendradar\crawler\rss\parser.py

支持的格式

1. RSS 2.0 2. Atom 3. JSON Feed 1.1

JSON Feed 检测

def _is_json_feed(self, content: str) -> bool:
    content = content.strip()
    if not content.startswith("{"):
        return False

    try:
        data = json.loads(content)
        version = data.get("version", "")
        return "jsonfeed.org" in version
    except (json.JSONDecodeError, TypeError):
        return False

关键点: 必须包含 version 字段且值包含 "jsonfeed.org"

2. 脚本实现

2.1 文件结构

capital-market-topic-scout/scripts/
├── fetch_newsnow_topics.py    # 主脚本（450 行）
├── test_newsnow_api.py         # API 测试工具（120 行）
└── README_NEWSNOW.md           # 使用文档（350 行）

2.2 核心类设计

NewsNowFetcher

数据获取器，负责与 NewsNow API 交互。

方法:

• fetch_single_platform(): 获取单个平台数据
• fetch_multiple_platforms(): 批量获取多个平台
• _extract_items(): 清理和提取热点条目

特点:

• 真实调用 NewsNow API
• 自动重试机制（继承自 TrendRadar）
• 详细的控制台输出
• 异常处理完善

FinanceTopicAnalyzer

财经热点分析器，负责关键词过滤。

方法:

• filter_finance_topics(): 过滤财经相关热点
• match_keywords(): 匹配关键词
• analyze_all_platforms(): 分析所有平台

关键词库:

• 105 个财经相关关键词
• 覆盖 8 大类别（股市、宏观、金融产品等）

ResultsExporter

结果导出器，负责数据输出。

方法:

• save_json(): 保存 JSON 文件（UTF-8 编码）
• print_summary(): 打印分析摘要

2.3 Windows 兼容性处理

编码问题修复

import sys
import io

if sys.platform == "win32":
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
    sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding='utf-8')

原理: 将标准输出流重新包装为 UTF-8 编码

特殊字符替换

# 原代码（Windows 乱码）
print(f"✓ 获取成功")

# 修复后
print(f"[OK] 获取成功")

2.4 配置管理

支持的平台

FINANCE_PLATFORMS = [
    ("cls-hot", "财联社热门"),
    ("wallstreetcn-hot", "华尔街见闻"),
    ("sina-finance", "新浪财经"),
]

设计考虑:

• 元组格式: (platform_id, display_name)
• 易于扩展新平台
• 符合 TrendRadar 配置风格

关键词列表

FINANCE_KEYWORDS = [
    # 股市相关
    "A股", "港股", "美股", "股市", "上证", "深证",
    # ... 105 个关键词
]

3. 测试结果

3.1 功能测试

测试时间

2026-02-13 16:21:16

测试平台

1. 财联社热门 (cls-hot) 2. 华尔街见闻 (wallstreetcn-hot) 3. 新浪财经 (sina-finance)

结果汇总

错误分析

新浪财经错误:

500 Server Error: Internal Server Error for url:
https://newsnow.busiyi.world/api/s?id=sina-finance&latest

原因推测: 1. NewsNow API 后端未配置 sina-finance 平台 2. TrendRadar 官方配置中未包含此平台 3. 建议: 从 FINANCE_PLATFORMS 中移除

3.2 性能测试

执行时间

• 总耗时: ~15 秒
• 请求次数: 3 次
• 重试次数: 2 次（新浪财经）

时间分布

财联社热门    : ~2 秒（含延迟）
等待时间      : ~1.2 秒
华尔街见闻    : ~1 秒
等待时间      : ~1.0 秒
新浪财经      : ~11 秒（3 次请求 + 重试延迟）

3.3 数据质量评估

采样分析

财联社热门 #1:

标题: 【早报】深夜跳水！美股、黄金、白银、原油集体大跌；
      央行今日出手，万亿逆回购来了
关键词: 美股, 央行, 黄金, 原油, 回购, 跳水
链接: https://www.cls.cn/detail/2289071

质量评估:

• ✓ 标题完整
• ✓ 关键词准确
• ✓ 链接有效
• ✓ 财经相关性高

华尔街见闻 #1:

标题: CPI前夜，黄金白银再现闪崩！华尔街热议：谁是背后推手？
关键词: CPI, 黄金
链接: https://wallstreetcn.com/articles/3734567

质量评估:

• ✓ 标题专业
• ✓ 关键词精确
• ✓ 链接有效
• ✓ 市场前瞻性强

4. 关键发现

4.1 NewsNow API 特点

优点

1. 响应快速: 平均 1-2 秒返回 2. 数据准确: 标题完整，链接有效 3. 状态明确: 区分最新数据和缓存 4. 免费使用: 无需 API Key

限制

1. 平台有限: 不支持所有财经媒体 2. 无历史数据: 只返回当前热榜 3. 无搜索功能: 无法按关键词检索 4. 可能不稳定: 部分平台偶发 500 错误

4.2 TrendRadar 设计亮点

1. 智能重试: 指数退避 + 随机扰动 2. 请求间隔: 避免被封，保护服务器 3. 数据清理: 处理异常值（NaN、None） 4. 格式兼容: 支持 RSS/Atom/JSON Feed

4.3 实现改进

相比 TrendRadar，本脚本增加了：

1. 财经专用关键词: 105 个精选词汇 2. 关键词匹配: 自动标记财经相关内容 3. 统计分析: 计算财经占比 4. Windows 优化: 完美中文支持 5. 详细输出: 实时显示进度

5. 使用建议

5.1 推荐用法

日常监控

# 每小时运行一次
python fetch_newsnow_topics.py

快速测试

# 测试单个平台
python test_newsnow_api.py cls-hot

5.2 定时任务设置

Windows 任务计划程序

# 创建任务
schtasks /create /tn "财经热点抓取" /tr "python D:\path\to\fetch_newsnow_topics.py" /sc hourly

# 删除任务
schtasks /delete /tn "财经热点抓取"

Linux Crontab

# 每小时运行
0 * * * * cd /path/to/scripts && python fetch_newsnow_topics.py

5.3 数据利用

JSON 数据解析

import json

with open('finance_topics_20260213_162130.json', 'r', encoding='utf-8') as f:
    data = json.load(f)

# 获取所有财经热点
for platform_id, platform in data['platforms'].items():
    print(f"{platform['name']}:")
    for item in platform['items']:
        print(f"  {item['rank']}. {item['title']}")
        print(f"     关键词: {', '.join(item['matched_keywords'])}")

6. 后续优化方向

6.1 功能扩展

1. 历史数据存储: 使用 SQLite 数据库 2. 趋势分析: 统计热点排名变化 3. 情感分析: 评估市场情绪 4. 智能推送: 集成 IM 机器人

6.2 性能优化

1. 并发请求: 使用 asyncio 或 concurrent.futures 2. 缓存机制: 减少重复请求 3. 增量更新: 只抓取新增内容

6.3 稳定性提升

1. 日志系统: 记录运行日志 2. 错误监控: 集成 Sentry 3. 代理池: 应对 IP 封禁

7. 文件清单

源码文件

1. fetch_newsnow_topics.py (450 行)

• 主脚本
• 完整功能实现
• 包含所有核心类

2. test_newsnow_api.py (120 行)

• API 测试工具
• 快速验证平台可用性
• 调试辅助

文档文件

3. README_NEWSNOW.md (350 行)

• 详细使用说明
• 配置指南
• 常见问题

4. ANALYSIS_REPORT.md (本文档)

• TrendRadar 源码分析
• 实现细节说明
• 测试结果汇总

输出文件

5. *finance_topics_.json**

• 结构化数据输出
• UTF-8 编码
• 易于程序处理

8. 总结

8.1 完成情况

✓ 分析 TrendRadar 核心逻辑 ✓ 提取 NewsNow API 调用方式 ✓ 创建真实可用的抓取脚本 ✓ 实现财经关键词过滤 ✓ 完成测试验证 ✓ 编写详细文档

8.2 核心价值

1. 真实数据源: 直接调用 NewsNow API，无需模拟爬虫 2. 开箱即用: 一行命令即可获取财经热点 3. 稳定可靠: 继承 TrendRadar 的成熟重试机制 4. 易于扩展: 模块化设计，便于定制

8.3 适用场景

• 资本市场监控
• 投资机会发现
• 新闻舆情分析
• AI 智能投研
• 内容创作素材

---

报告生成时间: 2026-02-13 16:30 脚本版本: 1.0.0 测试状态: ✓ 通过

资本市场热点抓取 - 快速开始

5 分钟上手

1. 安装依赖

pip install requests

2. 运行脚本

cd D:\project\skills\capital-market-topic-scout\scripts
python fetch_newsnow_topics.py

3. 查看结果

输出文件位置：

D:\project\skills\capital-market-topic-scout\output\finance_topics_YYYYMMDD_HHMMSS.json

核心功能

支持的平台

自动过滤

脚本会自动匹配 105 个财经关键词，只保留相关热点：

• 股市：A股、港股、美股、涨停、跌停...
• 宏观：GDP、CPI、央行、降息...
• 金融：基金、债券、理财、保险...

输出示例

控制台输出

============================================================
抓取结果摘要
============================================================
平台数量: 2
总热点数: 23
财经相关: 20
财经占比: 87.0%

各平台详情:
------------------------------------------------------------
  财联社热门       :  13 条热点,  12 条财经相关 ( 92.3%)
  华尔街见闻       :  10 条热点,   8 条财经相关 ( 80.0%)
============================================================

JSON 数据

{
  "timestamp": "2026-02-13T16:21:30",
  "platforms": {
    "cls-hot": {
      "name": "财联社热门",
      "items": [
        {
          "rank": 1,
          "title": "【早报】深夜跳水！美股、黄金、白银、原油集体大跌",
          "url": "https://www.cls.cn/detail/2289071",
          "matched_keywords": ["美股", "黄金", "原油", "跳水"]
        }
      ]
    }
  }
}

常见问题

Q: 如何添加新平台？

编辑 scripts/fetch_newsnow_topics.py:

FINANCE_PLATFORMS = [
    ("cls-hot", "财联社热门"),
    ("your-platform-id", "你的平台"),  # 添加这一行
]

Q: 如何自定义关键词？

编辑 FINANCE_KEYWORDS 列表：

FINANCE_KEYWORDS = [
    "A股",
    "你的关键词",
    # ...
]

Q: 定时运行怎么办？

Windows:

schtasks /create /tn "财经热点" /tr "python D:\path\to\fetch_newsnow_topics.py" /sc hourly

Linux:

0 * * * * cd /path/to/scripts && python fetch_newsnow_topics.py

文档索引

• 详细使用说明: scripts/README_NEWSNOW.md
• 源码分析报告: docs/NEWSNOW_ANALYSIS_REPORT.md
• API 测试工具: scripts/test_newsnow_api.py

技术支持

遇到问题？ 1. 查看 scripts/README_NEWSNOW.md 常见问题章节 2. 运行 python test_newsnow_api.py 测试 API 连接 3. 检查网络连接和防火墙设置

---

最后更新: 2026-02-13 脚本版本: 1.0.0

Capital Market Topic Scout

资本市场热点选题侦察兵 - 从金融新闻中挖掘抖音、公众号、小红书爆款选题

📖 技能说明

这个技能基于实战案例验证，帮助您：

• ✅ 从财经热点中提炼有价值的选题
• ✅ 避免预测类、卖点堆砌等常见错误
• ✅ 生成适配三个平台的差异化内容框架
• ✅ 提供数据验证的选题方向

🎯 适用场景

• 财经自媒体运营
• 投资理财内容创作
• 金融知识科普
• 市场热点解读

🚀 快速开始

基础使用

请使用 capital-market-topic-scout 分析以下热点，生成选题：
"2025年开年基金亏损潮，多只基金跌幅超20%"

高级使用

请使用 capital-market-topic-scout，结合 TrendRadar 抓取的今日热点，
生成抖音、小红书、公众号三个平台的选题方案

完整工作流

热点：A股今日大跌3%
↓
capital-market-topic-scout → 选题：《大跌后如何应对？》
↓
abundance-every-year → 获取市场数据
↓
xiaohongshu-creator → 生成小红书笔记

📊 核心功能

1. 双维度选题评估

行业关注度 + 社会关注度 = 选题价值

• 🔴 双高 = 爆款选题（优先做）
• 🟡 一高 = 垂直选题（谨慎做）
• ⚪ 双低 = 避坑选题（不要做）

2. 三大平台适配

3. 避坑检测

自动检测6大常见错误：

• ❌ 虚假互动陷阱
• ❌ 卖点堆砌误区
• ❌ 预测类内容反噬
• ❌ 脱离目标受众
• ❌ 缺乏情绪价值
• ❌ 忽视平台差异

📚 黄金案例

基于以下实战成功案例提炼：

1. 直男财经（抖音2588万粉丝）

• 美股熔断系列单条播放破6亿
• 1万字内容拆解成3条短视频（总流量2亿+）

2. 半佛仙人（B站+公众号头部）

• 《瑞幸咖啡是如何暴打资本主义的？》4个月涨粉326万

3. 小红书理财爆文（2025年数据）

• "成分"关键词热门笔记150.81万篇
• 65%爆文为视频形式

🔗 集成技能

可以与以下技能配合使用：

• abundance-every-year：生成市场数据收评
• xiaohongshu-creator：创作小红书笔记
• TrendRadar：获取多平台热点数据

📝 版本历史

• v1.0.0 (2025-02-13)
• 初始发布
• 基于实战案例提炼的选题框架
• 三大平台适配方案

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄 许可证

MIT License

---

Made with ❤️ for Finance Content Creators

资本市场热点抓取脚本使用说明

概述

基于 NewsNow API 的真实资本市场热点抓取工具，支持多个财经平台的自动化数据采集和关键词分析。

核心特性

1. 真实数据源

• API 地址: https://newsnow.busiyi.world/api/s
• 响应格式: JSON
• 数据状态:
• success: 最新抓取的数据
• cache: 缓存的数据

2. 支持的财经平台

注意: 平台可用性取决于 NewsNow 服务，部分平台可能偶尔返回错误。

3. 核心功能

• 自动重试机制: 请求失败时自动重试（默认 2 次）
• 智能延迟: 每次请求间隔 1 秒 ± 0.2 秒随机扰动
• 关键词过滤: 105+ 财经关键词自动匹配
• 中文编码支持: Windows 控制台完美兼容
• 结构化输出: JSON 格式，UTF-8 编码

安装依赖

pip install requests

使用方法

基本用法

cd D:\project\skills\capital-market-topic-scout\scripts
python fetch_newsnow_topics.py

输出示例

============================================================
资本市场热点抓取工具
============================================================
时间: 2026-02-13 16:21:16
平台数量: 3
关键词数量: 105
============================================================

正在获取: 财联社热门 (cls-hot)
------------------------------------------------------------
[OK] 获取 cls-hot 成功 (缓存数据)
  提取到 13 条热点
  等待 1.2 秒...

正在获取: 华尔街见闻 (wallstreetcn-hot)
------------------------------------------------------------
[OK] 获取 wallstreetcn-hot 成功 (最新数据)
  提取到 10 条热点

正在分析数据...

============================================================
抓取结果摘要
============================================================
平台数量: 2
总热点数: 23
财经相关: 20
财经占比: 87.0%

各平台详情:
------------------------------------------------------------
  财联社热门       :  13 条热点,  12 条财经相关 ( 92.3%)
  华尔街见闻       :  10 条热点,   8 条财经相关 ( 80.0%)
============================================================

输出文件

文件位置

D:\project\skills\capital-market-topic-scout\output\
└── finance_topics_YYYYMMDD_HHMMSS.json

JSON 结构

{
  "timestamp": "2026-02-13T16:21:30.413787",
  "platforms": {
    "cls-hot": {
      "name": "财联社热门",
      "total_items": 13,
      "finance_items": 12,
      "items": [
        {
          "rank": 1,
          "title": "【早报】深夜跳水！美股、黄金、白银、原油集体大跌",
          "url": "https://www.cls.cn/detail/2289071",
          "mobile_url": "",
          "matched_keywords": ["美股", "黄金", "原油", "跳水"]
        }
      ]
    }
  },
  "summary": {
    "total_platforms": 2,
    "total_items": 23,
    "finance_items": 20
  }
}

字段说明

财经关键词列表

股市相关

A股, 港股, 美股, 股市, 上证, 深证, 创业板, 科创板, 股票, 涨停, 跌停, 大盘, 指数, 个股, 板块

宏观经济

GDP, CPI, PPI, PMI, 通胀, 通缩, 央行, 降息, 加息, 货币政策, 财政政策, 宏观经济

金融产品

基金, 债券, 理财, 信托, 保险, 银行, 证券, 期货, 期权, 外汇, 汇率, 黄金, 原油

投资相关

投资, 融资, IPO, 上市, 退市, 并购, 重组, 定增, 减持, 增持, 回购, 分红

行业概念

新能源, 半导体, 芯片, 人工智能, AI, 医药, 消费, 地产, 房地产, 基建

市场情绪

利好, 利空, 暴涨, 暴跌, 震荡, 反弹, 回调, 突破, 跳水, 飙升

政策相关

政策, 监管, 法规, 税务, 税率, 补贴, 优惠

企业相关

财报, 业绩, 营收, 利润, 亏损, 盈利

完整列表（105 个）见脚本源码 FINANCE_KEYWORDS 变量。

自定义配置

添加新平台

编辑 fetch_newsnow_topics.py:

FINANCE_PLATFORMS = [
    ("cls-hot", "财联社热门"),
    ("wallstreetcn-hot", "华尔街见闻"),
    ("sina-finance", "新浪财经"),
    ("your-platform-id", "你的平台名称"),  # 添加这一行
]

如何找到平台 ID: 1. 访问 NewsNow 分类页面 2. 找到想要的平台 3. 查看网络请求中的 id 参数

调整关键词

编辑 FINANCE_KEYWORDS 列表，添加或删除关键词：

FINANCE_KEYWORDS = [
    "A股",
    "你的关键词",
    # ...
]

修改请求参数

# 重试次数
max_retries=2

# 等待时间（秒）
min_wait=3
max_wait=5

# 请求间隔（秒）
request_interval=1.0

TrendRadar 源码分析

1. API 调用方式

源文件: TrendRadar/trendradar/crawler/fetcher.py

核心代码：

url = f"{api_url}?id={platform_id}&latest"

response = requests.get(
    url,
    headers=DEFAULT_HEADERS,
    timeout=10,
)

关键参数:

• id: 平台唯一标识
• latest: 强制获取最新数据（否则可能返回缓存）

2. 响应格式

{
  "status": "success",  // 或 "cache"
  "items": [
    {
      "title": "标题",
      "url": "https://...",
      "mobileUrl": "https://..."
    }
  ]
}

3. 重试机制

TrendRadar 采用指数退避策略：

base_wait = random.uniform(min_retry_wait, max_retry_wait)
additional_wait = (retries - 1) * random.uniform(1, 2)
wait_time = base_wait + additional_wait

• 第 1 次重试: 3-5 秒
• 第 2 次重试: 4-7 秒
• 第 3 次重试: 5-9 秒

4. 请求间隔

批量爬取时的间隔控制：

actual_interval = request_interval + random.randint(-10, 20)
actual_interval = max(50, actual_interval)  # 最小 50ms
time.sleep(actual_interval / 1000)

常见问题

Q1: 为什么新浪财经返回 500 错误？

A: NewsNow API 的某些平台可能暂时不可用，原因包括：

• 平台源网站结构变化
• API 后端爬虫故障
• 平台反爬虫限制

解决方案:

• 从 FINANCE_PLATFORMS 中移除该平台
• 等待 NewsNow 修复
• 联系 NewsNow 维护者

Q2: Windows 控制台显示乱码

A: 脚本已包含编码修复代码：

if sys.platform == "win32":
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
    sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding='utf-8')

如果仍有问题，尝试：

chcp 65001
python fetch_newsnow_topics.py

Q3: 如何增加更多平台？

步骤: 1. 访问 https://newsnow.busiyi.world/ 2. 浏览分类，找到目标平台 3. 打开浏览器开发者工具 (F12) 4. 切换到 Network 标签 5. 点击平台，查看请求中的 id 参数 6. 添加到 FINANCE_PLATFORMS

Q4: 可以用于生产环境吗？

建议:

• 添加日志记录（logging 模块）
• 增加错误监控（如 Sentry）
• 实现数据持久化（数据库）
• 添加速率限制（避免被封）
• 考虑使用代理池

性能基准

测试环境

• 时间: 2026-02-13 16:21:16
• 平台: 财联社、华尔街见闻
• 网络: 中国大陆

结果

• 总耗时: ~15 秒（含延迟）
• 成功率: 2/3 (66.7%)
• 数据质量: 财经相关占比 87%

扩展建议

1. 定时任务

使用 Windows 任务计划程序：

# 每小时运行一次
schtasks /create /tn "财经热点抓取" /tr "python D:\path\to\fetch_newsnow_topics.py" /sc hourly

2. 数据分析

基于抓取数据生成趋势报告：

• 热点词频统计
• 时间序列分析
• 情感分析

3. 消息推送

集成推送服务：

• 飞书机器人
• 企业微信
• 钉钉
• Telegram Bot

许可证

本脚本基于 TrendRadar (MIT License) 改编。

相关资源

• NewsNow API
• TrendRadar 项目
• requests 文档

---

最后更新: 2026-02-13 脚本版本: 1.0.0

热点抓取脚本使用说明

📡 脚本说明

fetch_hot_topics.py 是一个轻量级的热点抓取脚本，用于获取今日资本市场热点。

---

🚀 快速开始

方式 1：直接运行（使用示例数据）

cd D:\project\skills\capital-market-topic-scout\scripts
python fetch_hot_topics.py

输出示例：

📊 资本市场热点 - 2025-02-13
============================================================

【财联社】
  1. A股三大股指集体大跌，创业板指跌超4%
  2. 北向资金全天净流出超120亿元
  3. 证监会：暂停转融券业务

【华尔街见闻】
  1. 美联储暗示可能推迟降息
  2. 美股科技股集体下挫
  3. 原油价格突破80美元

【微博】
  1. 基金亏损上热搜
  2. A股

【知乎】
  1. 如何看待近期A股大跌？
  2. 2025年适合定投吗？

============================================================
共 10 条热点
✅ 数据已保存到: .../hot_topics_20250213_143052.json

---

🔌 方式 2：集成 TrendRadar（推荐）

TrendRadar 有完整的热点抓取功能，可以直接使用：

Step 1: 安装依赖

cd D:\project\skills\TrendRadar
pip install -r requirements.txt

Step 2: 运行 TrendRadar

# Windows
start-http.bat

# macOS/Linux
./start-http.sh

Step 3: 查看热点

访问本地 Web 界面（通常是 http://localhost:8000）

---

📊 数据源说明

当前脚本使用的数据源

模拟数据（演示用）：

• 财联社：A股相关热点
• 华尔街见闻：美股、宏观热点
• 微博热搜：社会关注话题
• 知乎热榜：讨论热点

可扩展的真实数据源

如果您想使用真实数据源，可以修改 fetch_hot_topics.py：

1. newsnow API

TrendRadar 使用的 API：

import requests

def fetch_from_newsnow():
    url = "https://inshorts.com/api/en/search/news"
    params = {"category": "business"}
    response = requests.get(url, params=params)
    return response.json()

2. 微博热搜 API

def fetch_weibo_hot():
    url = "https://weibo.com/ajax/side/hotSearch"
    headers = {
        "User-Agent": "Mozilla/5.0",
        "Referer": "https://weibo.com"
    }
    response = requests.get(url, headers=headers)
    return response.json()

3. 知乎热榜 API

def fetch_zhihu_hot():
    url = "https://www.zhihu.com/api/v3/feed/topstory/hot-lists/total"
    headers = {"User-Agent": "Mozilla/5.0"}
    response = requests.get(url, headers=headers)
    return response.json()

---

📁 输出格式

文本输出

控制台打印格式化的热点列表，按平台分组。

JSON 输出

保存到 output/hot_topics_YYYYMMDD_HHMMSS.json：

{
  "fetch_time": "2025-02-13T14:30:52",
  "total_count": 10,
  "topics": [
    {
      "title": "A股三大股指集体大跌，创业板指跌超4%",
      "source": "财联社",
      "rank": 1,
      "platform": "财联社"
    }
  ]
}

---

🔧 自定义配置

修改关键词过滤

编辑 fetch_financial_hotwords() 函数：

def fetch_financial_hotwords():
    keywords = [
        "你的关键词1",
        "你的关键词2",
        # 添加更多...
    ]
    return keywords

添加新平台

1. 在 fetch_sample_hot_topics() 中添加新平台数据 2. 或者创建新的 fetch 函数：

def fetch_your_platform():
    """你的平台数据源"""
    return [
        {"title": "热点标题", "source": "来源", "rank": 1, "platform": "你的平台"},
    ]

然后在 main() 中调用：

def main():
    topics = fetch_sample_hot_topics()
    your_topics = fetch_your_platform()
    topics.extend(your_topics)
    # ...

---

🚀 与 Skill 集成

在 Claude Code 中使用

运行脚本后，可以这样使用 skill：

请使用 capital-market-topic-scout 分析以下热点：
A股三大股指集体大跌，创业板指跌超4%
北向资金全天净流出超120亿元

自动化工作流

创建一个批处理脚本：

# fetch_and_analyze.bat
@echo off
echo 正在抓取热点...
python scripts\fetch_hot_topics.py > hot_topics.txt

echo.
echo 正在分析选题...
echo 请使用 capital-market-topic-scout 分析以下热点：
type hot_topics.txt

---

📝 开发计划

v1.1 计划功能

• [ ] 集成真实 API（微博、知乎）
• [ ] 支持命令行参数（选择平台）
• [ ] 增加历史数据对比
• [ ] 自动去重和排序

v2.0 计划功能

• [ ] Web 界面
• [ ] 定时任务（每小时抓取）
• [ ] 数据库存储
• [ ] 热点趋势分析

---

🆚 TrendRadar vs 独立脚本

推荐：

• 开发测试：使用独立脚本
• 生产环境：使用 TrendRadar

---

📞 问题反馈

如有问题或建议，请提交 Issue： https://github.com/cyhzzz/finance_aigc_skills/issues

资本市场内容生产完整工作流示例

本文档展示如何组合使用 TrendRadar + capital-market-topic-scout + abundance-every-year + xiaohongshu-creator 完成从热点发现到内容生产的完整流程。

---

🎯 完整工作流架构

┌─────────────────────────────────────────────────────────────┐
│                     内容生产工作流                            │
└─────────────────────────────────────────────────────────────┘
           ↓
┌─────────────────────┐
│  TrendRadar         │  🔍 热点捕获
│  (数据源)            │     - 财联社热门
│                     │     - 华尔街见闻
│                     │     - 微博热搜
└─────────┬───────────┘
          ↓
┌─────────────────────┐
│ capital-market      │  📊 选题分析
│ topic-scout         │     - 双维度评分
│ (选题侦察)           │     - 平台适配
│                     │     - 避坑检测
└─────────┬───────────┘
          ↓
┌─────────────────────┐
│ abundance-every-year│  📈 数据获取
│ (市场数据)           │     - A股行情
│                     │     - 板块表现
│                     │     - 北向资金
└─────────┬───────────┘
          ↓
┌─────────────────────┐
│ xiaohongshu-creator │  ✍️ 内容创作
│ (小红书创作)         │     - 图文笔记
│                     │     - 配图生成
│                     │     - 爆款评分
└─────────┬───────────┘
          ↓
    📱 发布到小红书

---

📝 实战案例：A股大跌热点

Step 1: TrendRadar 捕获热点

假设 TrendRadar 抓取到今日热点：

【财联社】A股三大股指集体大跌，沪指跌3.2%，创业板指跌4.5%
北向资金净流出超100亿，半导体板块领跌

---

Step 2: capital-market-topic-scout 分析选题

输入热点：

请使用 capital-market-topic-scout 分析以下热点：
"A股三大股指集体大跌，沪指跌3.2%，创业板指跌4.5%"

选题评估：

生成的标题方案：

## 标题方案

### 抖音版本
- 标题："大跌3%后怎么办？"
- 四关键词：✅悬念(怎么办) + ✅冲突(大跌)

### 小红书版本
- 标题：《基金人必看！大跌后如何自救！低风险理财稳住》
- 四关键词：✅人群(基金人) + ✅效果(自救) + ✅情绪(必看)

### 公众号版本
- 标题：《A股大跌真相：为什么散户总是在恐慌中割肉？》
- 四关键词：✅好奇(真相) + ✅悬念(为什么) + ✅独特(散户)

内容框架：

## 抖音内容框架（30秒-3分钟）

**开头（3秒）**：
"今天A股大跌3%，我定投3年的基金一天亏了2个月工资"

**主体**：
- 问题：为什么大跌？恐慌情绪蔓延
- 分析：历史数据看，大跌后往往是机会
- 解决方案：不要慌，分批加仓，长期持有

**结尾**：
"评论区告诉我，你今天的基金亏了多少？"

---

## 小红书内容框架（图文）

**封面文案**：

大跌后如何自救？ 基金人必看！ 稳住心态！

**正文结构**：
1. 适用人群：基金定投用户、理财小白
2. 今日情况：A股大跌3%，基金绿油油
3. 历史经验：2018、2020大跌后的机会
4. 应对策略：❌不要清仓 ✅分批加仓
5. 心态调整：定投是长期的，不要看短期
6. 专业背书：历史数据回测显示，大跌后1年收益率平均+15%

**互动引导**：
"姐妹们，今天的基金亏了吗？评论区抱团取暖"

---

## 公众号内容框架（3000字+）

**标题**：《A股大跌真相：为什么散户总是在恐慌中割肉？》

**导语**：
今天A股大跌3%，朋友圈一片哀嚎。但你知道吗？历史数据显示，每一次大跌，都是机会...

**第一部分：现象分析**
- 今日大跌数据
- 北向资金流出情况
- 板块表现

**第二部分：深度解读**
- 为什么大跌？外部因素 + 内部情绪
- 散户心理：恐惧 vs 贪婪
- 机构动向：逆向布局

**第三部分：历史借鉴**
- 2018年贸易战大跌
- 2020年疫情暴跌
- 2022年地缘政治冲击
- 共同规律：大跌后1年都是机会

**第四部分：可操作建议**
1. 不要恐慌性清仓
2. 分批加仓优质标的
3. 关注被错杀的优质股
4. 长期持有，定投不止

**金句预设**：
- "别人恐惧我贪婪，别人贪婪我恐惧"
- "市场短期是投票机，长期是称重机"
- "定投的精髓：低位多买，高位少买"

---

Step 3: abundance-every-year 获取市场数据

输入：

请使用 abundance-every-year 获取今日市场数据

输出数据：

## 今日市场数据

**指数表现**：
- 上证指数：跌3.2%，收于3,156点
- 深证成指：跌3.8%，收于10,234点
- 创业板指：跌4.5%，收于2,056点

**资金流向**：
- 北向资金：净流出120亿元
- 主力资金：净流出280亿元

**板块表现**：
- 领跌：半导体（-6.2%）、新能源（-5.8%）
- 抗跌：银行（-1.2%）、煤炭（-0.8%）

**市场情绪**：
- 涨停家数：23家
- 跌停家数：156家
- 涨跌比：1:9

---

Step 4: xiaohongshu-creator 创作内容

输入：

请使用 xiaohongshu-creator 创作小红书笔记

选题：基金人必看！大跌后如何自救！
账号风格：叮叮猫（小白友好）
目标：缓解恐慌，提供实用建议

输出：

## 小红书笔记稿

### 标题版本（5个）
1. 《基金人必看！大跌后如何自救！稳住心态》
2. 《跌哭了😭基金亏了30%该怎么办？》
3. 《大跌后的真相！90%的人都做错了》
4. 《小白理财：大跌后这样操作回本更快》
5. 《别慌！历史大跌后都是机会📈》

### 笔记图内容（5页）

**P1 封面**：
标题：大跌后如何自救？
副标题：基金人必看指南
配图：哭泣表情 + 稳住文字

**P2 现状**：
今天A股大跌3% 📉
基金绿油油一片 😱
我的账户亏了2个月工资 💸
姐妹们，你们还好吗？

**P3 历史经验**：
不要慌！看历史数据 📊
- 2018年大跌后1年：+18%
- 2020年疫情后1年：+32%
- 2022年大跌后1年：+15%

**P4 应对策略**：
❌ 不要做：
- 恐慌性清仓
- 频繁操作
- 借钱补仓

✅ 应该做：
- 分批加仓
- 定投不止
- 长期持有

**P5 心态调整**：
记住3句话：
1. 市场短期是投票机，长期是称重机
2. 别人恐惧我贪婪
3. 定投是长期的，不要看短期

💪 姐妹们稳住！
评论区告诉我，今天亏了多少？

### 正文内容

**引导语**：
今天A股大跌，我的基金也绿了...😭 但研究历史后发现，大跌后往往都是机会！

**风险提示**：
⚠️ 投资有风险，过往业绩不代表未来表现
⚠️ 请根据自身风险承受能力投资
⚠️ 建议咨询专业理财顾问

**标签**：
#基金定投 #理财小白 #投资 #大跌后怎么办 #理财知识 #存钱 #副业 #搞钱 #基金 #股票

---

## 爆款评分：85/100

- 极致对标：22/25 ✅ 历史经验+实用建议
- 情绪放大：20/25 ✅ "跌哭了"、"姐妹们"
- 算法迎合：18/25 ⚠️ 可以增加SEO关键词
- 工业结构：25/25 ✅ 完美SOP结构

**优化建议**：
标题增加"学生党"、"月薪5000"等人群标签，提升SEO

---

🎬 发布流程

最终输出

✅ 选题分析报告
✅ 市场数据收评
✅ 小红书笔记稿（5页图 + 正文）
✅ 配图提示词
✅ 爆款评分

发布步骤

1. 复制笔记稿到小红书 2. 使用 xiaohongshu-creator 的配图功能生成图片 3. 检查标题和标签 4. 选择发布时段（建议：晚上8-10点） 5. 发布后24小时内监控数据

数据跟踪

---

🔄 持续优化

内容迭代

根据数据反馈：

• 收藏率高 → 说明内容有用，继续这类选题
• 评论率高 → 说明互动好，多做提问
• 点赞率低 → 检查标题和封面
• 完播率低 → 检查开头3秒

选题库建立

使用 capital-market-topic-scout 建立：

• 爆款选题库（双高）
• 垂直选题库（一高）
• 避坑选题库（双低）

定期复盘：

• 每周分析Top3内容
• 提取成功要素
• 更新选题框架

---

📚 相关资源

• TrendRadar：https://github.com/sansan0/TrendRadar
• abundance-every-year：本地技能
• xiaohongshu-creator：本地技能
• capital-market-topic-scout：本地技能

---

祝内容创作爆火！🔥