360 Secure SkillHub
360 安全技能中心

story-long-scan:长篇网文扫榜

通过 Node 采集脚本抓取起点、番茄、晋江、七猫、刺猬猫等平台的长篇排行榜与新书数据,也接受作者提供的榜单文字、截图或文件;聚合去重后分析题材分布、热度中位、书名模式与简介卖点,输出扫榜报告并写入选题决策文件。

worldwonderer
worldwonderer
热度 88.44
最近更新 2026-10-18 09:31:14
分类:数据依赖:代码执行 / 联网浏览搜索 / 读写文件应用场景:市场分析 / 报告撰写 / 研究 / 数据处理 ...

安装技能

复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill: npx secure-skills-cli add worldwonderer/story-long-scan
Metadata
name
story-long-scan
version
1.0.0
description
长篇网文扫榜。分析起点、番茄、晋江、七猫等平台排行榜与新书数据,提炼市场趋势与热门题材。触发方式:/story-long-scan、/长篇扫榜、「长篇什么火」「起点排行」「扫七猫新书」。
metadata
{"openclaw":{"source":"https://github.com/zenstory-ai/oh-story-claudecode"}}

story-long-scan:长篇网文扫榜

你负责从长篇榜单的重复样本中识别题材候选,结合作者条件给出可行性、失败风险与验证动作。

核心信念:单本排名提供线索,近期多榜单、多作品的重复模式才支持趋势判断。


扫榜原则

原则 1:扫榜看模式,别只看排名

提取样本中重复的题材、设定、套路、书名词和简介卖点,判断能否支持趋势候选。

原则 2:各平台的热度口径不同

番茄看在读,起点看付费榜和总推荐,晋江看收藏、营养液和积分,七猫看热度。完读率、追读、订阅转化是作者后台的数据,采集脚本拿不到,作者没提供就不下结论。

原则 3:扫榜的目的是找到你能写的爆款题材

每个方向都结合素材储备、题材边界、计划篇幅和目标平台样本判断可行性,再给选题建议。


扫榜流程

Phase 1:确认平台和方向

沿用作者已给的条件;缺的一次问齐,给选项:

  • 平台:起点 / 番茄 / 晋江 / 七猫 / 刺猬猫 / 多个平台对比
  • 频道(番茄、七猫才分):男频 / 女频 / 都看
  • 看什么:新书里在冒头的(多采新书样本) / 成熟大盘(只采默认榜单)
  • 有没有关注的题材方向(没有就做全榜概览)

Phase 2:确定数据来源

优先级 模式 说明 何时用
1 脚本采集 直接抓取平台页面数据,产出结构化榜单文件 优先;起点排行榜不需要 Chrome
2 作者提供 作者粘贴榜单文字、截图,或给已有的榜单文件 作者已有数据,或脚本采不到时
3 内置知识 只用历史题材候选做分析 无法联网、作者也没有数据时

脚本采集模式

命令里的 scripts/ 相对本 skill 根目录。

  1. 每次扫榜在工作目录新建 扫榜/{YYYYMMDD}/(同日再扫加 -2),下文 {outdir} 指它。不往旧目录追加,聚合会混进旧榜。
  2. 只读所选平台参考:起点 / 番茄 / 七猫 / 晋江 / 刺猬猫。按 Phase 1 的频道和「看什么」运行默认命令;需要 Chrome 的平台先 /browser-cdp 启动。
  3. 聚合:node scripts/aggregate-rank.js {outdir} --out {outdir}/扫榜聚合.md。主会话先只读聚合:题材分布、去重本数、热度与字数中位、标签、书名词、多榜重合和代表作。
  4. 看聚合的「采集情况」:标了问题(书名没解出来、没采到、只有书单、详情没取到)的榜单,按平台参考的「采不到时」排查后重采;重采不了,报告里说明结论不含它。
  5. 分析新人物设定、新切入设定和新桥段时按需抽样:node scripts/aggregate-rank.js {outdir} --sample {题材/标签/书名词} --n 5,一次一个方向。命中条数含多榜重复,样本本数按同平台书名+作者去重。

作者提供

已有榜单文件就放进 {outdir} 聚合。作者给链接时,请他把页面内容复制过来或截图(番茄、起点有反爬,直接抓页面常拿不到)。把文字或截图整理成:首行 # {平台} · {榜单名},平台名只用 起点 / 番茄 / 晋江 / 七猫 / 刺猬猫,才能和脚本数据合并;每本一段 ### #{排名} {书名},下一行 *作者 · 题材 · 连载中 · 120万字 · 3.5万收藏*(热度写「数字+口径」,有标签再加 **标签:** a、b)。存进 {outdir} 后同样聚合。

内置知识

读 references/genre-trends.md,报告开头写明「以下分析基于历史题材候选,没有实时榜单校验,只能作为待验证的假设」,并列出需要复扫的榜单。


Phase 3:数据分析

以聚合结果为主,先按所选平台参考的「分析维度」看,再看通用维度:

  1. 题材分布:本数、占比与热度中位。番茄按题材等额采样(聚合会注明),本数是采样上限,题材冷热看热度中位和平台 P75。
  2. 新题材信号:新书榜、书库新书样本与多榜重合;同时采到新书榜和其他榜时,聚合才显示「新书榜」列。上次日期目录有 扫榜聚合.md 时,按相同平台、榜单与筛选范围对比。
  3. 头部老书:月票、畅销、阅读榜上字数几百万、连载多年的书,代表这个题材的存量读者,不代表现在开新书能起来;判断新方向以新书榜、书库新书为主。
  4. 经典题材变化:老牌题材上升、稳定还是下降;没有上期数据就只写现状。
  5. 字数:字数分布与各题材字数中位。
  6. 书名模式:书名常见词 + 代表作书名。
  7. 简介卖点:标签热词 + 代表作简介。数据只有简介(聚合截到 30 字,采集截到 100 字),开篇怎么写留给拆文验证。
  8. 新元素:对候选方向抽样原始条目,标出新的人物设定、切入设定、桥段套路。

Phase 4:输出扫榜报告

报告讲本次样本支持的结论和作者能写的方向;无可比上期时,趋势栏写「未比较」,不填涨跌。脚本名、命令和采集状态不进报告;缺榜时说「XX 榜这次没拿到(原因),结论不含它」。题材热度排行按热度中位从高到低排,没有热度数字的平台按本数排;与全平台比较用白话,如「比全平台四分之三的书都热」,不写 P75。

报告展示给作者,同时写进 {outdir}/选题决策.md:文件不存在就先按 references/topic-decision.md 的模板写文件头,再把报告作为「扫榜结论」一节写入(已有同名一节就整节替换)。作者只扫榜不选题,结论也已落盘。

## 扫榜结论:{平台名称}

### 市场概况
- 扫榜时间:{日期}
- 核心发现:{一句话总结}

### 题材热度排行
| 排名 | 题材 | 本数 | 热度中位 | 趋势 | 代表作 |
|------|------|------|----------|------|--------|
| 1 | {题材} | {N本} | {数字+口径} | ↑/→/↓/未比较 | {书名} |

### 新题材信号
- {新出现或正在上升的题材,附依据}

### 经典题材动态
- {老牌题材的现状,附依据}

### 新元素提取
- 新人物设定:{新模式描述 + 代表作}
- 新切入设定:{从简介看到的切入点 + 代表作}
- 新桥段/套路:{新桥段描述 + 代表作}

### 关键数据洞察
- 字数区间:上榜作品集中在 {X}-{Y} 万字
- 书名特征:{命名模式总结}
- 标签热词:{高频标签词}

### 值得关注的方向
1. {方向 + 为什么值得关注 + 同方向几本、新书里有没有}
2. {方向 + 为什么值得关注 + 同方向几本、新书里有没有}
3. {方向 + 为什么值得关注 + 同方向几本、新书里有没有}

### 一句话
{一句话结论}

Phase 5:选题决策

按 references/topic-decision.md 的选题四步、可行性规则与模板,在 {outdir}/选题决策.md 写 2-3 个推荐选题。

从文件接上: 先读 {outdir}/选题决策.md 的「扫榜结论」和 扫榜聚合.md,不靠对话记忆;两者都没有就回 Phase 2。

信息不足时,向作者补齐项目条件:「目标平台、已有素材、擅长题材或写作限制、计划篇幅是什么?」


流程衔接

流水线: 长篇 位置: 扫榜(第 1/3 步)

时机 跳转到 命令
找到方向,想先拆对标书 story-long-analyze /story-long-analyze
直接开写 story-long-write /story-long-write
更适合短篇 story-short-scan /story-short-scan

参考资料

文件 何时读
五份平台参考(链接见「脚本采集模式」第 2 步) Phase 2–3:只读所选平台那份——默认命令、可选榜单、字段与热度口径、采不到时、分析维度、本平台读者
references/topic-decision.md Phase 4 建文件、Phase 5 选题
references/genre-trends.md 只在内置知识模式读