自我进化的爆款内容趋势顾问。监测11个平台,预测发布内容和时机,每周自动提升准确率。
ViralEvo — Viral Content Trend Advisor
功能概述
ViralEvo — Viral Content Trend Advisor是一项面向实际任务的技能,主要用于Version: v0.6.4 | Languages: English / 中文;语言说明 / Language Support;
核心要点
- 本 Skill 完整支持中文操作;
- 安装完成后,你可以:;
- 用中文与 Agent 对话("今天该发什么内容?
使用与执行
接收中文版每日报告;用中文关键词监控中文平台内容;在引导设置时选择界面语言。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
结果检查与注意事项
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
ViralEvo — 病毒式内容趋势顾问
版本:v0.6.4 | 支持语言:English / 中文
语言说明 / Language Support
本 Skill 完整支持中文操作。安装完成后,你可以:
- 用中文与 Agent 对话(“今天该发什么内容?”)
- 接收中文版每日报告
- 用中文关键词监控中文平台内容
- 在引导设置时选择界面语言
This skill fully supports both English and Chinese. During onboarding, the agent will ask which language you prefer.
本 Skill 的功能
ViralEvo 监控内容平台,使用加权公式对热门话题打分,预测其生命周期窗口,并每周根据预测准确率自动调整自身模型权重。
相比人工调研的三大核心优势:
- 提前 12–48 小时捕获趋势 —— 同时监控 11 个平台的信号传播速度
- 从你的实际结果中学习 —— 当你上报帖子效果后,这些信号将反馈至模型
- 每周自主校正 —— 每周一系统自动复盘预测误差,并更新权重
快速开始
安装完成后,请添加你的 Tavily API 密钥:
echo "TAVILY_API_KEY=tvly-xxxx" >> ~/.openclaw/workspace/.env
然后告诉你的 Agent:
"Start ViralEvo setup" — or in Chinese — "开始趋势雷达设置"
或直接运行引导脚本:
node {baseDir}/scripts/onboarding.js
自然语言触发指令
当用户上报帖子效果(例如:“获得 80k 播放量”、“效果很好”)时,Agent 应执行以下操作:
- 搜索匹配话题:
python3 {baseDir}/scripts/feedback.py --search "" - 向用户确认匹配结果
- 记录效果数据:
python3 {baseDir}/scripts/feedback.py --topic-id--platform --views
当用户说出以下任一语句时,Agent 应执行 collect → report 流程:
- “What should I post today?” / “今天该发什么?”
- “Any trends?” / “有什么趋势?”
- “Show me the trend report” / “给我看趋势报告”
- “What's trending in my niche?” / “我的赛道有什么热点?”
当用户说出以下指令时:
- “Run ViralEvo” / “运行趋势雷达” → 执行 collect + report
- “Collect trends” / “采集趋势” → 仅执行 collect
- “Generate report” / “生成报告” → 仅执行 report
- “Weekly review” / “周度复盘” → 执行 weekly_review
- “Show keywords” / “查看关键词” → 执行 keywords --show
反馈录入机制
当用户描述帖子效果时,务必先匹配最近的话题,确认无误后再记录:
- “The hair clips video got 80k views on TikTok” → 匹配话题,记录:views=80000,platform=tiktok
- “那个AI文章效果很好,小红书5000收藏” → 匹配话题,记录:saves=5000,platform=xiaohongshu
可使用 /trend feedback 命令或自然语言输入——两者均被支持。
可用命令列表
| 命令 | 作用 |
|---|---|
node {baseDir}/scripts/onboarding.js |
首次配置向导 |
node {baseDir}/scripts/collect.js |
从全部信源抓取趋势信号 |
python3 {baseDir}/scripts/report.py |
生成并输出今日报告 |
python3 {baseDir}/scripts/verify.py --hours 24 |
验证昨日预测结果 |
python3 {baseDir}/scripts/verify.py --hours 72 |
验证 72 小时前的预测结果 |
python3 {baseDir}/scripts/weekly_review.py |
执行自进化流程(建议每周一运行) |
python3 {baseDir}/scripts/keywords.py --show |
查看关键词索引 |
python3 {baseDir}/scripts/keywords.py --add "term" |
手动添加关键词 |
python3 {baseDir}/scripts/keywords.py --remove "term" |
移除关键词 |
python3 {baseDir}/setup.py |
检查全部系统依赖项 |
python3 {baseDir}/scripts/feedback.py --list |
列出近期可供反馈录入的话题 |
python3 {baseDir}/scripts/feedback.py --search "keyword" |
按关键词查找话题 |
python3 {baseDir}/scripts/feedback.py --topic-id |
记录帖子表现数据 |
python3 {baseDir}/db/init_db.py |
重新初始化数据库(仅在数据库损坏时使用) |
python3 {baseDir}/scripts/status.py |
快速健康检查 —— 配置、API 密钥、数据库、最新数据 |
系统要求
| 需求项 | 最低版本 | 用途 |
|---|---|---|
| Node.js | v18+ | 数据采集、引导流程 |
| Python | 3.10+ | 评分计算、报告生成、自进化 |
| OpenClaw | v2026.1+ | Agent 运行时、任务调度 |
| Tavily API Key | Free tier | 间接平台检索 |
Tavily 免费额度 = 每月 1,000 次调用。单个垂直领域日均用量 ≈ 每月 60–120 次。
支持的平台
| 平台 | 获取方式 | 置信度上限 |
|---|---|---|
| HackerNews | 官方 Algolia API | 1.00 |
| Dev.to | 官方 API | 1.00 |
| Product Hunt | RSS | 1.00 |
| JSON API(公开) | 0.90 | |
| YouTube | Tavily search | 0.70 |
| Twitter / X | Tavily search | 0.70 |
| Tavily search | 0.70 | |
| Tavily search | 0.70 | |
| TikTok | Tavily search | 0.65 |
| Tavily search | 0.65 |
支持的垂直领域(Niche)
AI/Tech · E-commerce · Beauty/Skincare · Fitness/Health · Finance · Gaming · Fashion/Lifestyle · Education · Real Estate · Pets · Custom(共 11 类)
评分公式
Total Score = (Platform Signal Strength) × W1 [default 0.25] + (Engagement Velocity) × W2 [default 0.25] + (Cross-Platform Spread) × W3 [default 0.20] + (Niche Relevance Score) × W4 [default 0.15] + (Goal Alignment Score) × W5 [default 0.15] 约束条件:W1+W2+W3+W4+W5 = 1.0(严格等于) 各权重范围:下限 0.08,上限 0.45 每周调整幅度上限:±0.05(检测到算法变更后为 ±0.10)
报告输出格式
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔥 ViralEvo | AI/Tech | 2026-03-09 08:15 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔴 立即行动(得分 > 80) 1. OpenClaw 安全漏洞 —— 已暴露 135k 实例 ████████████████████ 93% | 置信度:0.85 📅 14 小时前发现 | 来源:hackernews ⏰ 预估窗口期:约剩余 42 小时 🎯 发布建议:今日 🟡 准备阶段(得分 60–80) 2. OpenAI 政府监控争议事件 ████████████████░░░░ 78% | 置信度:0.74 📅 6 小时前发现 | 来源:dev.to ⏰ 预估窗口期:约剩余 68 小时 🎯 发布建议:明日上午 🟢 长青话题(得分 < 60) 3. MCP Protocol 企业级采用进展 ████████░░░░░░░░░░░░ 44% | 置信度:0.79 📅 持续平稳增长 —— 无突发峰值 ⏰ 有效周期:30 天以上 🎯 发布建议:本周任意时间 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📊 模型健康状态 准确率 : 58%(共 44 条预测) 数据源 : 6/6 ✅ Tavily 使用量 : 本月已用 112 / 1,000 关键词索引 : 1,203 个词条 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
定时任务(Cron 配置)
ViralEvo 通过 OpenClaw 的 cron 系统自动运行。完成引导流程后,请在 OpenClaw 的 cron 配置中添加以下四个定时任务。
如何在 OpenClaw 中添加 cron 任务:
告诉你的 Agent:
"Add a cron job to run ViralEvo daily at 8am"
或手动编辑 ~/.openclaw/openclaw.json 文件:
{
"cron": {
"jobs": [
{
"id": "viralevo-collect-report",
"schedule": "0 8 * * *",
"commands": [
"node ~/.openclaw/workspace/viralevo/scripts/collect.js",
"python3 ~/.openclaw/workspace/viralevo/scripts/report.py"
]
},
{
"id": "viralevo-verify-24h",
"schedule": "5 8 * * *",
"commands": ["python3 ~/.openclaw/workspace/viralevo/scripts/verify.py --hours 24"]
},
{
"id": "viralevo-verify-72h",
"schedule": "10 8 * * *",
"commands": ["python3 ~/.openclaw/workspace/viralevo/scripts/verify.py --hours 72"]
},
{
"id": "viralevo-weekly-review",
"schedule": "0 8 * * 1",
"commands": ["python3 ~/.openclaw/workspace/viralevo/scripts/weekly_review.py"]
}
]
}
}
参见 OpenClaw 文档:https://docs.openclaw.ai/automation/cron-jobs
OpenClaw 配置(替代 API 密钥配置方式)
除使用 .env 文件外,你也可通过 ~/.openclaw/openclaw.json 配置 Tavily 密钥:
{
"skills": {
"entries": {
"viralevo": {
"enabled": true,
"apiKey": "tvly-your-key-here"
}
}
}
}
自进化闭环
每日验证(在你的报告生成时间后第 5 分钟及第 65 分钟):重新抓取 24 小时前预测的话题,比对预测生命周期与实际活跃度,记录误差。
周度复盘(每周一,在你的报告生成时间执行):
- 聚合过去 7 天的所有预测结果
- 按平台、按话题类型分别计算准确率
- 识别系统性误差的前三来源
- 提出权重调整建议(每项权重最大变动 ±0.05)
- 将新权重写入 config.json
- 生成报告并保存至
reports/YYYY-MM-DD_weekly.md - 若连续两周准确率下降,则自动回滚上一版权重
准确率预期
| 周期 | 预期准确率 |
|---|---|
| 第 1–2 周 | 30–40%(冷启动阶段) |
| 第二个月 | 55–65% |
| 第三个月起 | 65–75% |
| 第六个月起 | 75%+ |
准确率定义:预测生命周期与实际生命周期偏差 ≤ ±20% 即视为正确。
数据存储位置
~/.openclaw/workspace/viralevo/
├── config.json ← 垂直领域、权重、调度配置
├── user_profile.json ← 引导流程答案、语言偏好
├── data/
│ ├── trends.db ← SQLite 数据库
│ └── backups/ ← 每日快照,保留 7 天
├── reports/ ← 每日及周度 Markdown 报告
└── logs/
└── execution.log
隐私说明
所有数据均本地存储于你的设备。本 Skill 仅向外发起网络请求以获取公开趋势信号:
- HackerNews、Dev.to、Product Hunt、Reddit:调用公开 API,无需身份认证
- Tavily API:仅传输搜索查询字符串 —— 不发送任何个人数据
⚠️ 免责声明
ViralEvo 基于公开可得信号提供概率性预测,不保证播放量、曝光量、粉丝数或营收等具体业务指标达成。所有预测仅为方向性参考,不可作为商业决策的唯一依据。各平台 API 可能随时变更,恕不另行通知。
卸载流程
# 步骤 1:从 OpenClaw 移除 Skill openclaw skills remove viralevo # 步骤 2:删除本地数据(可选) rm -rf ~/.openclaw/workspace/viralevo/ # 步骤 3:验证是否已移除 openclaw skills list
若后续重新安装且未执行步骤 2,ViralEvo 将基于已有数据继续运行(resume)。
故障排查
| 现象 | 解决方法 |
|---|---|
| “Not configured” | 运行 node {baseDir}/scripts/onboarding.js |
| “TAVILY_API_KEY not set” | 将密钥添加至 ~/.openclaw/workspace/.env |
| 报告中无任何话题 | 请先运行 node {baseDir}/scripts/collect.js |
| 系统依赖检查 | 运行 python3 {baseDir}/setup.py |
| 准确率持续下降 | 手动运行 python3 {baseDir}/scripts/weekly_review.py |
| 快速诊断 | 运行 python3 {baseDir}/scripts/status.py |
热门AI工具
相关专题
Vite项目打包部署专题汇集生产构建、产物预览、输出目录、资源路径、Nginx与GitHub Pages部署及常见白屏和路由404问题的已审核文章,帮助读者完成上线流程。
0
2026.10.28
Vite搭配Vue.js专题汇集创建Vue 3项目、配置开发环境、路径别名、Vue插件、代理、多环境构建与调试的已审核文章,帮助读者完成从初始化到日常开发的配置。
0
2026.10.28
Vite项目目录专题汇集入口文件、src源码、public静态资源、路径别名、项目根目录和构建输出目录相关的已审核文章,帮助读者理解各文件夹的用途与引用方式。
0
2026.10.28
本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法,涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查,帮助你理解各阶段的任务关系,逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞,包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等,并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案,帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件,讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置,便于团队统一检查标准。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.6万人学习
共6课时 | 54.7万人学习
最新文章