公开社交账号分析
仓库脚本擅长 B站和抖音的可复现采集，但不是唯一可用路径。先解决用户的问题；证据深度和交付形式只需足以支持答案。
Security model
这个 Skill 故意处理三类高敏感资产，默认全在内存、opt-in 才落盘、永不进入任务产物 / 报告 / 日志。发布前请把这一段当作给 ClawHub 审核员与终端用户的人工复核依据。
| 资产 | 触发条件 | 默认行为 | 落盘条件 | 落盘安全边界 |
|---|---|---|---|---|
| 用户授权 Cookie（B 站 / 抖音 / 微博 / 小红书） | 用户通过 --*_cookie_file 显式提供 |
仅当前任务期内、隔离临时解析 | --persist-cookie 显式开启 |
0600 权限 + fsync + 原子替换 + 拒绝 symlink/UID 失配；64 KiB / 128 条 / 4096 字符上限；域名后缀匹配；不进入 URL / argv / 日志 / 报告 |
| 抖音 OAuth 凭据 | --platform douyin_authorized + DOUYIN_OPENAPI_OPEN_ID + DOUYIN_OPENAPI_ACCESS_TOKEN 环境变量 |
仅当前任务期内、隔离请求头 | 不落盘 | 凭据从环境变量读，绝不进 URL / 命令行 / 日志 / 产物；tests/test_openapi_contract_repro.py 6 条离线断言守护 |
| B 站 WBI 请求签名 | 访问 B 站时 sign_server.py 作为 subprocess 端点 |
进程级临时流 | 不落盘 | 仅做官方公开的 w_rid 签名，不携带登录态、不重放、不缓存 |
不采集的资产：私信 / 后台管理 / 粉丝画像 / 曝光 / 触达 / 完播 / 转化 / 私信等后台私有数据。Cookie 失败、OAuth 失败、签名失败都按已有证据保留并按真实覆盖结束，不会绕过平台登录墙、验证码、频控或访问限制。
打包产物（.skill 归档）仅含 SKILL.md、VERSION、agents/、scripts/、references/、assets/ 五项；evals/、tests/、docs/、tools/、workspace/ 一律不进 .skill。grep -rn 'evals/\|tests/\|docs/\|tools/\|workspace/' <解压后的 .skill> 应为空。scripts/analysis/ 是运行时分析引擎,跟入口脚本同级进入归档。
公开社交账号分析
仓库脚本擅长 B站和抖音的可复现采集，但不是唯一可用路径。先解决用户的问题；证据深度和交付形式只需足以支持答案。
核心决策流
-
绑定账号 — 以 "平台 + 已核验账号 ID" 为研究边界；仅有昵称时先用第一方/公开搜索绑定，唯一强匹配可继续，有歧义列最少候选供用户确认；不拼造 UID/sec_uid/主页 URL。
先在目标平台搜索昵称，命中唯一且主页作品与用户描述一致才视为绑定成功；多候选时输出候选列表让用户二次确认。
Read when: 需要绑定账号但只有昵称/模糊线索时 → references/platforms/ 对应平台文件的「身份绑定」章节 -
界定样本 — 用户已提供数据时先核验账号归属/时间范围/字段缺口；最近 N 条与日期窗口精确遵守；完整/全量需求时继续至可信末页（翻页到无新增或平台明确末页标记），未观察到明确末页时标
PARTIAL并记录最后观察位置。
采集前先用collect.py --dry-run估算规模；PARTIALworkspace 仍可分析但需在报告「证据范围」中说明覆盖边界。
Read when: 采集范围含糊或用户要求「全量/最近 N 条」时 → references/artifact-contract.md §采集任务契约；references/workflow.md §2 样本界定与 PARTIAL 语义 -
受限保留证据 — 依次尝试：另一公开入口（如移动端/分享页/搜索索引）、单条主页/分享链接兜底、缩小时间窗口、用户交接授权会话；遇
RATE_LIMITED/ACCESS_RESTRICTED/LOGIN_REQUIRED/VERIFICATION_REQUIRED时，已采集资料标PARTIAL并记录：平台/停止原因/已验证范围/受影响结论；用户明确选择授权会话后才读 references/cookie-guide.md。
降级优先级固定：公开入口切换 > 单条链接 > 窗口收窄 > 授权会话；每步都产出可审计的PARTIAL制品而非静默失败。
Read when: 采集被拦截或需要降级策略时 → references/exceptions.md §1 停止原因映射；references/douyin-index-evidence.md 抖音公开索引降级 -
给出可用结论 — 内容策略看主题/系列/形式/受众承诺；播放量表示触达，不与互动效率混排；互动效率 = (likes+comments+favorites+shares)/views（views>0 已知时），分母未知不计算、不补 0；节奏按规范化日期（UTC+8 对齐自然日），评论洞察聚类后必须绑定父作品 URL；数值来自规范化数据，未知保留
null并在报告给出字段级覆盖率；先给用户能直接使用的判断，再交代最关键的证据范围和不确定性；实际顺序和篇幅由用户目标决定（仅看节奏可只输出节奏段）。
Read when: 生成分析/报告时 → references/metrics-and-sampling.md 指标口径；references/model-insights.md 分类/高低表现；references/comment-insights.md 评论合同；references/collection-schema.md 规范化字段与 null 语义
平台路由表
| 平台 | 参考文件 | 备注 |
|---|---|---|
| B站 | references/platforms/bilibili.md | WBI 签名版本随平台更新；采集器内置回退到 arc/search；medialist 为主、arc/search 为备 |
| 抖音 | references/platforms/douyin.md · 公开索引降级见 references/douyin-index-evidence.md | 公开 SSR 变体 + 有界滚动；授权路径走 OpenAPI（需环境变量） |
| 微博 | references/platforms/weibo.md | 需 WEIBO_COLLECTOR_ENABLED=1 显式启用；公开页结构变更频繁 |
| 小红书 | references/platforms/xiaohongshu.md | 同时兼容 legacy/modern 主页状态；公开卡片字段受限，常缺 views |
| 其他 | 绑定账号后用公开主页/列表/直接作品证据 | 无专用采集器不判整体失败；证据链手动补全，走通用收集流程 |
版本与回退提示：各平台文件记录当前适配的接口版本与已知变更点；采集器遇保护响应会按平台文件定义的回退链自动尝试，最终仍受限则按决策流第 3 步产出 PARTIAL。
正式制品入口
| 目标 | 入口脚本 | 适用场景 |
|---|---|---|
| 明确范围结构化采集 | scripts/collect.py |
通用入口：指定 --platform/--url/--limit/--date-from/--date-to/--cookie-file；自动选适配器；支持 --resume --out 续采 |
| B站/抖音完整分页与有界重试 | scripts/collect_bilibili_complete.py / scripts/collect_douyin_complete.py |
需「可信末页」或受限时自动重试的完整采集；内置检查点续采；--max-pages/--max-retries 可控 |
| 抖音授权公开作品 | scripts/collect_douyin_authorized.py |
用户已完成 OAuth、持有 DOUYIN_OPENAPI_OPEN_ID + DOUYIN_OPENAPI_ACCESS_TOKEN；Token 绝不入 URL/日志/制品 |
| 公开索引转可审计快照 | scripts/import_index_snapshot.py |
直接采集被拦截时，把官方精选/搜索索引导入 PARTIAL workspace；需 --platform douyin + 索引 JSON |
| 已密封 collection 的确定性分析与报告 | scripts/run_pipeline.py（零有效作品用 --evidence-only） |
分析阶段唯一入口；零网络；支持 --with-llm-tax/--classification-results/--with-business-insights/--business-insight-results 两阶段模型工作流；--strict-gates 交付就绪检查 |
选择原则：采集优先用 collect.py；B站/抖音追求完整分页用 *_complete.py；有授权 Token 用 collect_douyin_authorized.py；被拦截且有公开索引用 import_index_snapshot.py；分析只用 run_pipeline.py 这一条入口。
何时读取详细参考
下表按「当前要解决的问题」路由到对应参考文件；仅加载需要的模块，避免一次性读完所有 references。
| 需解决的问题 | 读取 |
|---|---|
| CLI 实参、参数语义、退出码 | 各脚本 python3 <script> --help |
| 制品字段/状态/不可变目录/续采合同 | references/artifact-contract.md 工作区/Task/manifest；references/collection-schema.md 字段/状态；停止原因 references/exceptions.md §1；目录/续采 references/workflow.md §1、§3 |
| 正式制品指标/分类/高低表现/评论合同 | references/metrics-and-sampling.md + references/model-insights.md + references/comment-insights.md，仅加载对应模块 |
| 实际采集/排错某平台 | 对应 references/platforms/ 文件 |
| 跨平台方法对比/选型背景 | references/PLATFORM_COMPARISON.md（调研输出，非运行时依赖） |
| 用户已选交接登录会话 | references/cookie-guide.md |
Gotchas（Top 5 从 stdlib 实现常见坑）
-
签名/请求头不匹配导致静默拒绝 — 平台校验
web_location/User-Agent/压缩头等字段，缺失或错误直接返回拒绝码而非 4xx。
Read when: 采集器收到非预期拒绝/空响应 → 对应 references/platforms/ 文件的「访问限制识别」或「第 3 层：平台保护停止策略」章节 -
空值处理不当污染指标 — 页面未展示/解析失败必须写
null并记录字段级错误；禁止用 0/空字符串填充，否则互动效率/覆盖率失真。
Read when: 规范化字段含 null 或需计算覆盖率 → references/collection-schema.md §字段空值契约；references/metrics-and-sampling.md §指标分母未知处理 -
views 字段平台差异大 — 小红书服务端不返回、微博非官方端点无 views、抖音公开页可能缺失；互动效率分母未知时不计算、不补 0。
Read when: 计算互动效率或对比跨平台指标 → references/metrics-and-sampling.md §公开互动效率合同；各平台文件的「字段可用性」表 -
身份绑定无开源解析器 — 无通用昵称→UID/sec_uid/red_id 解析器；必须要求用户给主页链接或已知 ID，不拼造、不猜测。
Read when: 只有昵称/模糊标识启动分析时 → references/platforms/ 对应平台的「身份绑定」章节 -
不可变目录只写不改 — collection 与 analysis workspace 皆为 create-only；失败不覆盖不删除，续采需同平台同规范 URL 且
.complete+manifest.json校验通过。
Read when: 运行/续采/导入任务时 → references/workflow.md §1 不可变目录契约、§3 续采合同；references/artifact-contract.md §制品状态机
报告模板
按 PRD 定义的六大板块输出；字段定义见 PRD：内容策略=主题/系列/形式/受众承诺；节奏=频次/间隔/时间分布；互动效率=(likes+comments+favorites+shares)/views（views 未知不计算）；高低表现=Top/Bottom N 附作品 URL；评论洞察=聚类主题绑定父作品。
# [账号] 内容策略分析
## Executive summary
[核心判断一段话，先结论后证据范围]
## 内容定位与选题栏目
## 发布节奏
## 公开互动效率
## 高低表现分位
## 评论需求洞察
## 证据范围与不确定性