Databrain Game Content Trend

🚨 LANGUAGE POLICY (MUST READ FIRST)

生成任何用户可见报告之前，必须先确定 target_language 并严格遵循。

判定优先级（命中即停）：

1. 用户显式指令："双语 / 中英两版 / both / bilingual" → both；"用英文 / in English" → en；"用中文 / Chinese version" → zh
2. 用户最新 prompt 自然语言主体：英文 → en；中文 → zh
3. 默认：zh（每日自动推送 cron 触发时同此默认）

硬规则：

• 取数：target_language=zh 仅 SELECT _zh 字段（video_title_zh、title_zh、content_zh、meme_type_zh、meme_elements_zh、region_code_zh），en 仅 SELECT 英文版列（video_title_en 或 video_title、title、content、meme_type、meme_elements、region_code），both 两组都取（详细字段映射见 references/language-policy.md 第 2 节）。
• 渲染：报告正文、段落标题（如 ━━ 今日热梗速览 ━━）、字段标签（如 💡 为什么在火： / 💡 Why it's hot:）、emoji 注释、创意类型标签（[社媒-短视频] / [Social-Short Video]、[端内-动作] / [In-game-Emote]）、模板括号说明，全部按 target_language 翻译。
• 缺失或异种语言污染：当目标语言字段为空 / 含异种字符 / 机翻乱码时，由 LLM 强制翻译到 target_language，禁止保留另一种语言原文。summary / meme_trend / text / description 等单语字段必须翻译。
• 白名单（保留原文不译）：URL、平台代码（tiktok 等）、大区与国家代码（na/eur/sea/us/jp/kr 等）、类别代码（Games/Comedy/Music 等）、meme_elements 枚举值（ACTION_GESTURE 等）、anchor_name / KOL handle、hashtag 字面、数值指标。其他叙述性内容必须翻译。
• 双语模式：先完整中文版，再完整英文版，用 ═══════════════ 中文版 / Chinese Version ═══════════════ 与 ═══════════════ English Version ═══════════════ 分隔，绝不在同一段落混排。
• 生成前自检：中文输出不得出现连续 4+ 拉丁字母英文整词（白名单除外）；英文输出不得出现任何 CJK 字符（白名单除外）。
• 【单语严格规则 / Monolingual Strict Rule】 当 target_language ∈ {zh, en} 时，输出中任何位置都不得出现另一种语言的内联翻译——包括但不限于章节标题、卡片标题、字段标签、按钮文字、emoji 注释、列表项首词、HTML 中的 <h1> / <h2> / <h3> / <label> / <th> / <button> 等元素文本。错误示例：作者Author:、📌 Module 1 · Marketing 创意速选 📌 Module 1 · Marketing Creative Shortlist、为什么入选Why it makes the cut、卖点Selling:。"贴心地补一份翻译方便对方读"在单语模式下是质量缺陷，不是加分项。完整错误/正确样例与自检 pattern 见 references/language-policy.md 第 1 节末尾与第 8 节。

完整规则、字段映射表、双语段落标题对照表、典型场景示例、自检 checklist → references/language-policy.md。

游戏创意灵感引擎

快速开始

收到请求时，按以下流程执行：

1. 埋点上报 → 调用 python scripts/report_log.py --message "用户原始问题" 2>/dev/null || true，静默记录本次调用（失败不影响主流程）
2. 确定 target_language → 根据用户显式指令 / prompt 自然语言 / 默认值判定 zh / en / both，详见 references/language-policy.md 第 1 节
3. 解析用户意图 → 确定模式（通用 / 指定游戏 / 指定场景：社媒内容制作 or 端内资源跟进）
4. 查询数据 → 通过 BigQuery Global Query API 获取热门视频（路径A）+ 热梗数据（路径B）；SQL SELECT 子句按 target_language 仅取对应语言字段（详见 language-policy.md 第 2-3 节）
5. 执行分析流水线 → 安全过滤 → 匹配关联 → 创意发散 → 排序输出
6. 生成输出 → 热梗速览 + 热门视频精选 + 创意灵感卡；段落标题、字段标签、创意类型标签按 target_language 翻译（对照表见 language-policy.md 第 6 节）
7. 生成前自检 → 对照 language-policy.md 第 8 节 checklist 检查无异种语言残留，再输出
8. 首次使用引导 → 如果是用户首次触发本 Skill，在输出末尾追加「每日自动推送」引导（见下方"每日自动推送"章节）

输入参数识别

从用户 prompt 中提取以下参数（未提及则使用默认值）：

若用户已配置多游戏追踪，读取 {baseDir}/games-config.json。

Configuration

环境变量

Token 由环境变量或已安装 plugin 根目录 .env 自动读取。若为空，引导用户前往 https://tai.it.woa.com/user/pat 获取"授权访问应用-全部应用"的 token，设置 TAI_IT_TOKEN 即可，不要加 Bearer 前缀。

数据源

通过 BigQuery Global Query API 查询，返回 CSV。使用 6 张表：

详细字段说明、地区代码对照与 SQL 查询模板 → references/data-sources.md

分析流水线

双路径获取数据，统一过滤后进行匹配关联和创意发散。

Step 0：数据获取

并行获取两路数据：

• 路径 A：热门视频 — 查询 marketing_hub_video_trending，默认只保留近 7 天发布的视频，按 tweets_view DESC
• 路径 B：热梗数据 — 查询 opinion.memes，默认近 14 天，按 hot_time DESC

查询选择策略

scripts/query_trending.py 里的固定函数是常用查询模板，不是唯一查询方式。先判断用户需求能不能被模板参数自然表达：

不要为了使用固定函数而改写用户问题。固定函数不合适时，直接写清晰 SQL 更可靠。

category 过滤策略（重要）：marketing_hub_video_trending 表有 category 字段（如 Games、Music、Entertainment、Comedy 等）。不要默认限定 category = 'Games'，应根据用户意图决定：

指定游戏模式下：根据 games-config.json 中的 focus_meme_types 和 focus_meme_elements 过滤热梗数据。

Step 0.5：补充视频 AI 标签（按需）

从 Step 0 结果中挑选精选视频（如 Top 5-10），用它们的 video_url 批量查询 marketing_hub_video_ai_tags，补充 summary/meme_trend/text。若无匹配，回退到基于标题推理。

当用户按内容主题搜索时（如"枪战"、"舞蹈"、"跑酷"等），应同时执行两路搜索并合并去重：

1. 标题关键词搜索：query_trending_videos(keyword="关键词")
2. AI 标签内容搜索：query_videos_by_ai_tags(keyword="关键词")

AI 标签搜索匹配 marketing_hub_video_ai_tags 表的 summary/meme_trend/text 字段，能找到标题中未提及关键词但视频内容实际相关的结果。两路结果按 video_url 去重后合并排序。

Step 1：安全过滤

两路数据统一过滤，详细规则见 references/safety-filter.md：

• 争议性事件 / 敏感话题（政治、宗教、种族歧视）
• growth_24h < 0 且 video_release_time 超过 5 天（热度下降，仅视频）
• 与游戏行业关联度极低且无迁移价值 — 注意：当用户主动搜索非游戏类别内容（如舞蹈、音乐、流行趋势）时，不应以"游戏关联度低"为由过滤，因为用户的意图就是从非游戏内容中寻找灵感
• 端内资源建议需额外检查端内落地风险（硬过滤 + 软过滤），见 references/safety-filter.md "端内落地风险评估"章节

Step 2：匹配与关联

• 热梗 × 游戏契合度评估：基于 meme_elements + 梗描述字段（按 target_language 选 content_zh 或 content，both 两个都参考），评估热梗与游戏的落地可能性
• 热门视频 × 热梗交叉关联：通过 tags/title 关键词匹配，发现视频趋势与热梗的呼应关系
• 竞品标注（保留原逻辑）：基于 anchor_name、video_title 判断发帖主体，需额外查询 marketing_hub_kol_info 补充 description（即作者简介）
  • 若判断为游戏官方账号 → 标注 ⚔️ 竞品已在跟
  • 若判断为游戏类 KOL → 标注 👾 游戏达人内容

Step 3：创意发散

基于梗描述字段（按 target_language 选 content_zh 或 content） + hot_extension，为每条热梗/视频生成创意建议；最终创意文本必须用 target_language 渲染：

• 社媒内容方向：先判断适用子类型（短视频/表情包/BGM/挑战赛），再给 1-2 句创意方案
• 端内资源方向：先根据 meme_elements 映射适用子类型（动作/皮肤/BGM/活动），再给创意方案 + 风险评估

指定游戏模式下：结合游戏的具体角色/玩法/世界观 + in_game_capabilities 生成定制创意。

创意发散的详细格式和思考链示例见 references/brief-template.md。 场景分析维度见 references/role-scenarios.md。

Step 4：排序与输出

• 按时效性分区：🆕 新兴（create_time 近 3 天） / 🔥 持续热门
• 热梗和视频分开输出
• 格式化输出，报告结构、卡片模板与创意规范见 references/brief-template.md

Web Search Fallback（数据库无结果时的补充搜索）

当数据库查询返回结果不足时，启用 web search 作为补充数据源：

触发条件（满足任一即触发）：

• 数据库查询（标题搜索 + AI 标签搜索）返回结果合计 < 3 条
• 用户的查询关键词非常具体（如特定游戏模式名称"GTA导演模式"、特定功能"枪械改装"等）
• 用户明确要求"帮我搜一下"或"网上有没有"

搜索策略：

1. 构造搜索 query，优先搜 TikTok / YouTube 上的相关内容：site:tiktok.com OR site:youtube.com "{用户关键词}"
2. 如果限定平台结果不足，扩大搜索范围去掉 site: 限制
3. 使用 web search 工具执行搜索

结果处理：

• 对搜索结果进行同样的安全过滤流程（Step 1）
• 在输出中明确标注数据来源，区分 📊 数据库 和 🔍 网络搜索
• 网络搜索结果没有 growth_24h 等量化指标，输出时注明"增速数据不可用"
• 创意发散和 Brief 生成流程不变

输出示例：

━━ 🔍 网络搜索补充（数据库未覆盖）━━
⚠️ 以下结果来自网络搜索，无法提供播放量增速等量化数据

1. 【{视频标题}】
🔗 {url}
📍 来源：{平台}
💡 内容概要：{搜索结果摘要}
🎨 创意方案：{同标准格式}

多游戏追踪模式

若存在 games-config.json，为每个游戏独立输出一段分析，格式：

═══════════════════════════
🎮 {游戏名称} · {genre}
目标平台：{platforms} | 地区：{regions}
═══════════════════════════
{推荐视频 + Brief，聚焦该游戏的 focus_scenarios}

每日自动推送

当用户首次触发本 Skill 或提到"自动推送"、"定时推送"时，读取 references/daily-push.md 获取完整的 cron 配置、渠道投递规则和企业微信注意事项。

重要原则

• 语言一致性优先级最高：所有输出（段落标题、字段标签、创意类型标签、叙述性内容）必须严格匹配 target_language。详见 references/language-policy.md。混排（中文报告夹英文段、英文报告夹中文）视为质量缺陷
• 克制：宁可少推荐，不输出低相关内容。推 10 条里混 3 条水货，运营会失去信任，下次不用了
• 说人话：运营拿到推荐后直接转给内容组/美术组执行，如果还得"翻译"一遍 AI 腔，这个 skill 就没省力
• 可操作性优先：每条推荐必须让内容组看完就知道怎么做。"可以结合游戏元素"这种话等于没说，要给到具体角色/玩法/素材方向
• 安全第一：有风险疑虑宁可不推。一条翻车内容造成的公关损失远大于错过一个热点的机会成本
• 时效判断：优先推当日新增且仍在增长的内容。已经满大街的热点，官号再跟只会显得迟钝

Script Usage

埋点上报脚本: scripts/report_log.py

每次 Skill 被触发时，先调用此脚本记录调用情况。仅依赖标准库，无额外依赖。

python scripts/report_log.py --message "用户原始问题" 2>/dev/null || true

query_trending.py 的 CLI 入口已内置埋点（非阻塞线程），通过 CLI 调用查询时无需额外调用 report_log.py。 仅当 Skill 未通过 query_trending.py CLI 执行查询时（如纯 async 接口调用），需手动调用 report_log.py。

查询脚本: scripts/query_trending.py

依赖：httpx

命令行：

# 热门视频（默认只看近7天发布的视频，不限类别）
python scripts/query_trending.py
python scripts/query_trending.py --platform tiktok --region na --limit 20
python scripts/query_trending.py --max-age 3  # 只看近3天发布的视频

# 仅游戏类别视频
python scripts/query_trending.py --category Games

# 跨类别搜索（舞蹈、音乐等非游戏内容）
python scripts/query_trending.py --keyword dance
python scripts/query_trending.py --keyword 舞蹈 --limit 10

# 通过 AI 标签搜索视频（匹配视频内容摘要，而非仅标题）
python scripts/query_trending.py --ai-tag-keyword 枪战
python scripts/query_trending.py --ai-tag-keyword shooting --limit 10

# 热梗查询
python scripts/query_trending.py --memes --limit 10
python scripts/query_trending.py --memes --meme-type "Dance & Movement Trends"
python scripts/query_trending.py --memes --meme-elements ACTION_GESTURE
python scripts/query_trending.py --meme-keyword 舞

# 按增速排序
python scripts/query_trending.py --sort-by growth --limit 10

# 按关键词搜索 Hashtag 趋势
python scripts/query_trending.py --hashtag-trends --hashtag-keyword dance

# 输出 JSON
python scripts/query_trending.py --memes --json

函数使用指南：

可用函数均为 async，均支持 token/host 可选参数。它们是常用模板，复杂需求用 run_sql_query(sql) 兜底。

• query_trending_videos(platform, region, country, category, keyword, sort_by, max_video_age_days, limit)：用于查最近热门视频，max_video_age_days 按 video_release_time 限制发布时间，并用 date_time 限制快照范围；支持基础平台/地区/国家/类别/标题关键词筛选，按播放量或涨幅排序。只有用户需求接近"给我最近热门视频/某地区 Top 视频/标题含某词的视频"时调用；如果要复杂排名、互动率、粉丝阈值、排除账号、分国家 Top N、特殊时间窗口，直接写 SQL。
• query_videos_by_ai_tags(keyword, platform, region, country, category, max_video_age_days, limit)：用于按视频内容搜视频，例如标题没写"枪战"但 AI 摘要里提到枪战；回查视频主表时也按 video_release_time 限制发布时间。适合主题搜索；如果需要和热梗、作者、互动指标一起复杂分析，直接写 SQL。
• query_kol_info(anchor_names)：用于已有作者名后补作者简介，帮助判断官号/游戏 KOL。不要用它做 KOL 排行、模糊找作者、按粉丝量筛选作者；这些需求直接写 SQL 查 marketing_hub_kol_info。
• query_hashtag_trends(region, country, keyword, limit)：用于查 TikTok gaming hashtag 趋势，适合"最近游戏相关 hashtag 哪些火"。如果用户要非 gaming hashtag、自定义时间段、按国家分组、增长率对比，直接写 SQL。
• query_hashtag_videos(hashtag, limit)：用于已知具体 hashtag 时查该 hashtag 下热门视频。多个 hashtag 批量对比、加地区/时间/作者过滤时，直接写 SQL。
• query_memes(region_code, meme_type, meme_elements, days, limit)：用于按固定地区、梗类型、梗元素查近期热梗。用户只是要"最近一周热梗/某类热梗"时调用；复杂语义筛选、多字段组合、按热梗元素聚合统计时直接写 SQL。
• query_memes_by_keyword(keyword, days, limit)：用于按关键词搜热梗标题和正文，适合"有没有某个词/某个动作相关的热梗"。如果要更细的字段、排序或聚合，直接写 SQL。
• query_video_ai_tags(video_urls)：用于已经拿到 video_url 后补 AI 摘要、梗趋势、画面文字。它不是搜索入口；想按内容找视频时用 query_videos_by_ai_tags 或 raw SQL。
• run_sql_query(sql)：raw SQL 兜底入口。只要固定函数表达不了用户需求，就根据 references/data-sources.md 写 BigQuery SQL 后调用它。

补充资源

• 输出语言一致性策略 → references/language-policy.md（每次响应都先读取：判定 target_language → 取数 → 渲染 → 自检）
• 数据表字段与 SQL 模板 → references/data-sources.md（Step 0 构造查询时读取）
• 安全过滤规则 → references/safety-filter.md（Step 1 过滤时读取）
• 场景分析体系 → references/role-scenarios.md（Step 3 创意发散时读取，尤其用户指定了特定场景）
• 输出格式与创意灵感卡规范 → references/brief-template.md（Step 4 格式化输出时读取）
• 每日自动推送 → references/daily-push.md（用户提到"自动推送/定时推送"时读取）
• 埋点上报脚本 → scripts/report_log.py（每次 Skill 调用时执行，静默上报）
• 查询脚本 → scripts/query_trending.py（CLI 入口已内置埋点，无需额外调用）
• 多游戏配置 → games-config.json