/cheat-trends, 热点抓取

多 adapter 模式：读各 trend-sources adapter 的输出 → 去重 → 粗打分 → 写入 candidates.md。

Overview

[用户：抓热点]
  ↓
[Phase 0: 读 .cheat-state.json 拿 enabled adapters]
  ↓
[Phase 1: 对每个 adapter 调 fetch]
  ↓
[Phase 2: normalize 到 candidate-schema]
  ↓
[Phase 3: 去重（vs candidates / predictions / trends-history）]
  ↓
[Phase 4: 对每个新 item 粗打分（调 cheat-score 内联逻辑）]
  ↓
[Phase 5: 排序 + 询问用户哪些加入 candidates.md]
  ↓
[Phase 6: 写入 + 更新 trends-history.jsonl 缓存]

Constants

• TREND_SOURCES = ["manual-paste"], 启用的 adapter 列表（默认仅 manual-paste，最稳）
• LOOKBACK_HOURS = 24, 抓最近 N 小时的热点
• MAX_PER_SOURCE = 20, 每个 adapter 最多 N 条
• DEDUPE = true, 去重开关
• AUTO_SCORE = true, 抓回来后自动调 cheat-score 粗打分
• MIN_COMPOSITE_TO_SUGGEST = 6.0, 低于此分的不推荐用户加入候选池（仍写入 trends-history 避免下次重复推）

💡 调用时覆盖：/cheat-trends, sources: manual-paste,aihot,weibo-hot, max-per: 10

Inputs

必填	来源
.cheat-state.json	默认 sources
adapters/trend-sources/<name>.md	各 adapter 的实现描述
candidates.md	去重对照
predictions/*.md	去重对照（已发的不再推）
.cheat-cache/trends-history.jsonl	历史抓取去重缓存

Workflow

Phase 0: 读启用的 adapters

# 伪代码
state = read('.cheat-state.json')
enabled_adapters = args.sources or state.get('enabled_trend_sources', ['manual-paste'])

如 enabled_adapters 为空 → 输出引导：

你目前没有启用任何热点源。

最快配法：
- 临时跑：/cheat-trends, sources: manual-paste,aihot
- 永久启用：编辑 .cheat-state.json 的 enabled_trend_sources 数组

可用 adapter（详见 adapters/trend-sources/）：
- manual-paste（默认，永远能用）
- aihot（AI 热点聚合，无需 key）
- weibo-hot（微博热搜，无需 key）
- zhihu-hot（知乎热榜，无需 key）
- trendradar-mcp（TrendRadar MCP 服务，需配置）

Phase 1-2: 对每个 adapter 调 fetch + normalize

对每个 adapter，读其 adapters/trend-sources/<name>.md 中描述的 fetch 接口（实际是 Bash 调底层 Python / shell / WebFetch）：