财经热点选题工具

本 Skill 用于从财经热点中筛选出适合引导投资理财的优质选题。

核心工作流

Phase 0: 数据抓取（Python）
   → 获取133个新闻标题
Phase 1: Agent 智能筛选（Markdown 提示词）
   → 筛选出5个选题
Phase 2: 内容抓取（Python）
   → 抓取5篇新闻详细内容
Phase 3: Agent 智能解析（Markdown 提示词）
   → 生成5个完整选题方案

职责分离：

• Python 脚本：数据抓取（Phase 0, 2）
• Agent：智能筛选和解析（Phase 1, 3）

Phase 0: 数据抓取

执行方式：

cd scripts
python3 fetch_hot_topics.py

输出：/tmp/hot_topics.json

包含内容：

• 133个新闻标题（5个平台）
• 微博、百度、今日头条、抖音、财联社

数据格式：

{
  "fetch_time": "2026-02-13T19:36:24+08:00",
  "total_items": 133,
  "data": {
    "weibo": { "items": [...], "count": 30 },
    "baidu": { "items": [...], "count": 30 }
  }
}

Phase 1: Agent 智能筛选

Agent 执行提示词：

你是一个财经内容选题专家。请根据以下新闻标题，筛选出5个最适合引导证券开户/基金投资的选题。

标题列表

{从 /tmp/hot_topics.json 读取的133个标题}

筛选标准（投资关联性为核心）

最高优先级（90-100分）

可直接关联投资产品：

• 赚钱故事 → AI基金/科技股票/券商产品
• 投资案例 → 黄金ETF/资产配置
• 理财话题 → 基金定投/证券开户

示例：

• “AI月入200万” → 可推荐AI基金（95分）
• “黄金赚196万” → 可推荐黄金ETF（92分）

高优先级（80-89分）

可关联理财规划：

• 薪资话题 → 工资收入vs投资收入
• 储蓄话题 → 存钱vs投资
• 消费话题 → 理财规划

示例：

• “年终奖1.8亿” → 可推荐基金定投（85分）

中优先级（60-79分）

勉强可关联：

• 教育话题 → 教育基金
• 养老话题 → 养老金投资

示例：

• “衡水中学变了” → 可关联教育基金（70分）

不选择（<60分）

无法关联投资：

• 纯娱乐八卦
• 纯社会新闻
• 与财经无关的话题

输出格式（JSON）

{
  "selected_indices": [1, 3, 5, 7, 9],
  "reasons": {
    "1": "✅ 可直接关联：AI赚钱 → AI基金投资。投资关联度95分，大众关注度高",
    "3": "✅ 可直接关联：黄金案例 → 黄金ETF。投资关联度92分，数据冲击强"
  },
  "investment_angles": {
    "1": "可以推荐：AI主题基金、科技股票、券商AI产品",
    "3": "可以推荐：黄金ETF、券商黄金产品、资产配置服务"
  },
  "investment_relevance_score": {
    "1": 95,
    "3": 92
  }
}

严格要求：

1. 固定选择5个标题（不多不少）
2. 每个标题投资关联度 ≥80分
3. 说明具体的投资产品推荐方向
4. 优先选择可直接关联产品的选题（≥90分）

Phase 2: 内容抓取

执行方式：

cd scripts
python3 fetch_news_content.py \
  --input /tmp/hot_topics.json \
  --indices 1,3,5,7,9 \
  --output /tmp/news_content.json

输入：Phase 1 输出的5个选题索引

输出：/tmp/news_content.json

包含内容：

• 5篇新闻的完整内容
• 标题、URL、平台、正文、关键词

数据格式：

{
  "fetch_time": "2026-02-13T21:00:00+08:00",
  "total_articles": 5,
  "articles": [
    {
      "index": 1,
      "title": "杭州大哥开1人公司靠AI月入200万",
      "url": "https://...",
      "platform": "微博",
      "content": "完整新闻内容...",
      "keywords": ["AI", "创业", "月入200万"]
    }
  ]
}

Phase 3: Agent 智能解析

Agent 执行提示词：

你是一个财经内容策划专家。请根据以下5篇新闻内容，为每篇新闻生成完整的选题方案。

新闻列表

{从 /tmp/news_content.json 读取的5篇新闻}

解析要求

1. 新闻内容概要

• 提取核心信息（100-150字）
• 保留关键数据和案例
• 突出与投资相关的信息

2. 选题理由

• 说明投资关联度（80-100分）
• 分析大众关注度
• 预测传播潜力

3. 引导策略

• 切入点：如何从新闻话题切入
• 转折点：如何自然转向投资
• 产品推荐：具体推荐哪些投资产品
• 话术示例：2-3句引导话术

示例引导策略：

切入点：AI创业月入200万，引发"我也能吗"的思考
转折点：普通人不会技术，但可以通过投资分享红利
产品推荐：AI主题基金、科技ETF、券商AI产品
话术示例：
  "想参与AI红利？不需要会技术，投资AI基金就能分一杯羹"
  "开户买AI基金，普通人也能享受AI发展的红利"

4. 原始链接

• 保留完整的新闻URL
• 方便后续查阅和引用

输出格式（JSON）

{
  "topic_plans": [
    {
      "index": 1,
      "title": "杭州大哥开1人公司靠AI月入200万",
      "summary": "杭州一创业者通过AI工具运营1人公司，月收入达200万。主要业务是...",
      "selection_reason": {
        "investment_relevance": 95,
        "mass_attention": "高（AI+赚钱话题）",
        "viral_potential": "极强（月入200万数据冲击）"
      },
      "guidance_strategy": {
        "entry_point": "AI创业月入200万，引发'我也能吗'的思考",
        "turning_point": "普通人不会技术，但可以通过投资分享AI红利",
        "product_recommendation": "AI主题基金、科技ETF、券商AI产品",
        "script_examples": [
          "想参与AI红利？投资AI基金就能分一杯羹",
          "开户买AI基金，普通人也能享受AI发展红利"
        ]
      },
      "source_url": "https://..."
    }
  ]
}

严格要求：

1. 每个选题都要有完整的4个部分
2. 引导策略要具体、可操作
3. 产品推荐要与券商/基金相关
4. 话术要自然、不生硬

使用示例

完整流程

# Step 1: 数据抓取
python3 scripts/fetch_hot_topics.py

# Step 2: Agent 智能筛选
# Agent 读取本文件 Phase 1 提示词并执行

# Step 3: 内容抓取
python3 scripts/fetch_news_content.py \
  --input /tmp/hot_topics.json \
  --indices 1,3,5,7,9

# Step 4: Agent 智能解析
# Agent 读取本文件 Phase 3 提示词并执行

总耗时：约15分钟

脚本说明

scripts/fetch_hot_topics.py

功能：调用 TrendRadar API，抓取5个平台的热点新闻标题

输出：133个新闻标题（JSON）

scripts/fetch_news_content.py

功能：根据选题索引，抓取新闻详细内容

输入：选题索引（如 1,3,5,7,9）

输出：5篇新闻完整内容（JSON）

参考资料

references/选题方法论.md

包含财经新媒体大V的选题方法论，包括：

• 5大核心方法论（痛点驱动、情绪共鸣、数据冲击、故事表达、实用导向）
• 选题公式（数字+冲突+结果、痛点+解决方案等）
• 评估标准（传播性40%、相关性30%、实用性20%、合规性10%）

Agent 可根据需要参考此文件优化选题策略。

注意事项

• 投资关联性为核心：每个选题都必须可以自然转向证券开户或基金投资
• 固定输出5个选题：不多不少，确保质量
• 投资关联度 ≥80分：低于80分的选题会被排除
• Python 负责数据：Agent 不需要执行数据抓取
• Agent 负责智能：筛选和解析由 Agent 完成