# Wechat Keyword Analyzer

> 微信公众号关键词文章搜索与深度分析工具。根据用户输入的关键词，搜索最近一周的公众号文章（默认获取3页约30篇），进行多维度深度分析并生成 Markdown 报告。 分析维度包括：(1) 标题分析 - 分析标题特征、关键词、吸引力元素；(2) 话题归类 - 将文章按主题/子领域分类归纳；(3) 写作风格拆解 - 分析写作技巧、文章结构、hook点；(4) 互动数据分析 - 分析阅读量、点赞、评论等数据。 当用户需要：(1) 根据关键词搜索公众号文章，(2) 分析特定话题的热门文章，(3) 寻找内容创作灵感和选题参考，(4) 学习高阅读量文章的写作方法，(5) 了解某个领域的内容趋势时使用此技能。

- Skill: `aichaellee/wechat-keyword-analyzer` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add aichaellee/wechat-keyword-analyzer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aichaellee/wechat-keyword-analyzer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Docs & Writing
- Author: aichaellee (https://skillmd.com/u/aichaellee)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aichaellee/wechat-keyword-analyzer

---


# 微信公众号关键词分析

根据关键词搜索公众号文章，进行四维深度分析，生成选题参考报告。

## 工作流程

### 1. 提取搜索关键词

从用户输入中提取 1-2 个核心搜索词：
- 保留最具搜索价值的词汇
- 去除过于宽泛的表述
- 可拆分为多个关键词分别搜索

示例：
- "我想了解最近AI应用的热门文章" → `AI应用`
- "帮我找找关于Claude的公众号文章" → `Claude`

### 2. 搜索文章

使用搜索脚本获取文章数据：

```bash
python3 scripts/search_articles.py "关键词" \
  --period 7 \
  --pages 3 \
  --sort time \
  -o /tmp/wechat_keyword_articles.json
```

参数说明：
- `--period 7`: 最近7天
- `--pages 3`: 获取3页（约30篇文章）
- `--sort time`: 按时间排序（可选 `relevance` 按相关性）
- `-o`: 保存到文件

多关键词搜索时，分别执行并合并结果。

### 3. 四维深度分析

读取文章数据后，从以下四个维度进行分析：

#### 维度一：标题分析

分析所有标题的特征模式：

| 分析项 | 具体内容 |
|--------|----------|
| 长度分布 | 统计标题字数，找出最优长度区间 |
| 数字使用 | 是否包含数字（"3个方法"、"2025年"） |
| 疑问句式 | "为什么"、"如何"、"怎么"等问句 |
| 情绪词汇 | 紧迫感、好奇心、惊讶等情绪触发词 |
| 关键词密度 | 核心关键词在标题中的出现频率 |
| 标题结构 | 常见模式（对比式、清单式、悬念式等） |

输出：
- 高阅读量标题的共同特征
- 推荐的标题写作模板
- 具体标题优化建议

#### 维度二：话题归类

将文章按主题/角度分类：

1. **自动分类**：根据标题和摘要归纳主题类别
2. **统计分布**：各类别的文章数量和平均阅读量
3. **热门话题**：识别当前最受欢迎的细分方向

输出：
- 3-5个主要话题分类
- 每个分类的代表文章
- 话题热度排名

#### 维度三：写作风格拆解

分析高阅读量文章的写作特点：

| 分析项 | 关注点 |
|--------|--------|
| 开篇 Hook | 如何在前几行抓住读者 |
| 文章结构 | 总分总、递进式、故事线等 |
| 语言风格 | 口语化、专业性、情感化程度 |
| 互动设计 | 提问、引导评论、分享触发 |
| 视觉排版 | 小标题、列表、重点标注 |

输出：
- 成功文章的写作模式总结
- 可复用的写作框架
- 具体写作技巧建议

#### 维度四：互动数据分析

分析文章的互动表现：

| 指标 | 计算方式 | 参考基准 |
|------|----------|----------|
| 阅读量 | read_num | 主要指标 |
| 点赞量 | like_num | 内容认可度 |
| 评论量 | comment_num | 互动深度 |
| 点赞率 | like_num/read_num | >1% 优秀 |

输出：
- 数据分布统计（平均、中位数、最高最低）
- 高互动文章的共同特征
- 数据表现与内容特征的关联

### 4. 生成分析报告

将分析结果整理为结构化 Markdown 报告。详细报告模板见 [references/report_template.md](references/report_template.md)。

**报告核心内容：**

```markdown
# 公众号关键词分析报告：[关键词]

## 数据概览
- 搜索关键词：XXX
- 分析文章数：XX篇
- 时间范围：最近X天
- 平均阅读量：XXX

## 一、标题分析
### 高效标题特征
### 标题模板推荐

## 二、话题归类
### 主题分布
### 热门方向

## 三、写作风格拆解
### 成功模式总结
### 可复用框架

## 四、互动数据洞察
### 数据分布
### 高互动文章特征

## 五、选题建议
### 推荐选题方向
### 具体选题示例

## 附录：文章列表
```

### 5. 保存报告

**命名规则**：`{关键词}_关键词分析报告.md`

**存储路径**：保存到以当前日期命名的文件夹

```bash
# 创建日期文件夹
mkdir -p $(date +%Y%m%d)

# 保存报告
# 完整路径：{日期文件夹}/{关键词}_关键词分析报告.md
```

完成后告知用户：
> 分析报告已保存至：`20260122/AI应用_关键词分析报告.md`

## API 配置

API 详细参数见 [references/api_reference.md](references/api_reference.md)。

## 分析指南

深度分析方法和指标说明见 [references/analysis_guide.md](references/analysis_guide.md)。