anbanai 种草笔记选题研究知识库
选题来源（优先选题池，最先执行）
仅原创模式适用。复刻模式（用户提供笔记 ID/链接）不做选题。
先确定本次笔记选题，不要凭空搜。
如何判断任务是否已指定主题（看 user prompt）：含 create content about: <X> → <X> 是指定主题；是 research and create content ... choose the optimal theme 这类让你自己选题的措辞 → 未指定；⚠️ 项目 keywords 不是主题。
- 任务已指定主题（user prompt 含
about: <X>）→ 直接采用<X>，禁止调claim_topic（避免与服务端预认领重复消费），把它作为search_feeds的关键词；评分模型仅作参考。 - 未指定主题 → 先
claim_topic(project_id="$PROJECT_ID", task_id="$TASK_ID")：返回非空topic→ 采用，作为search_feeds关键词；返回null（池空）→ 继续下方研究流程，自行搜索 + 评分选题。
选题池是用户预置、希望优先消费的选题。只要池里有，就必须用池里的。
选题前必做：查看已有选题
在开始选题研究前，调用 list_project_topics(project_id="$PROJECT_ID") 查看系统内已有选题列表，避免重复。
xsec_token 工作流
重要：大多数 MCP 工具需要 feed_id 和 xsec_token 两个参数。这两个参数只能从 search_feeds 或 list_feeds 的返回结果中获取，不能凭空构造。
工作流程：
- 先调用
search_feeds(keyword=...)或list_feeds()获取 Feed 列表 - 从返回结果中提取每个笔记的
feed_id（或id）和xsecToken字段 - 将这两个值传入后续工具调用（如
get_feed_detail等）
MCP 工具用法
# 从项目选题池认领下一个未用选题（选题首选来源，池非空必用）
claim_topic(project_id="$PROJECT_ID", task_id="$TASK_ID")
# 搜索相关话题的热门笔记（返回结果包含 feed_id 和 xsecToken）
search_feeds(keyword="<话题关键词>")
# 获取推荐流（了解平台当前推广内容，返回结果包含 feed_id 和 xsecToken）
list_feeds()
# 获取具体笔记详情+评论数据（需从上面的结果提取 feed_id 和 xsec_token）
get_feed_detail(feed_id="<笔记ID>", xsec_token="<从列表结果提取的xsecToken>")
互动率评分模型
评分公式：
topic_score = engagement_rate × recency_weight × novelty_bonus
engagement_rate = (likes + favorites + 2×comments) / max(total, 1)
recency_weight: 24h→1.0, 7d→0.8, 30d→0.5, 更早→0.3
novelty_bonus: 同角度笔记<3 → 1.2, 否则 → 1.0
计算所有候选选题的 topic_score，自动选择得分最高者。评分明细与选题理由写入工作目录的 topic-analysis.md。
内容分析维度
分析热门笔记时，重点提取以下维度：
- 标题模板：句式、情绪词、字数分布
- 封面模板：信息层级、文字密度、配色规律
- 正文模板：开场钩子、段落结构、结尾 CTA 形式
- 评论信号：高频关键词、用户痛点、争议点
- 标签组合：核心话题 + 垂直话题 + 长尾话题