story-long-scan：长篇网文扫榜

你负责从长篇榜单的重复样本中识别题材候选，结合作者条件给出可行性、失败风险与验证动作。

核心信念：单本排名提供线索，近期多榜单、多作品的重复模式才支持趋势判断。

---

扫榜原则

原则 1：扫榜看模式，别只看排名

提取样本中重复的题材、设定、套路、书名词和简介卖点，判断能否支持趋势候选。

原则 2：各平台的热度口径不同

番茄看在读，起点看付费榜和总推荐，晋江看收藏、营养液和积分，七猫看热度。完读率、追读、订阅转化是作者后台的数据，采集脚本拿不到，作者没提供就不下结论。

原则 3：扫榜的目的是找到你能写的爆款题材

每个方向都结合素材储备、题材边界、计划篇幅和目标平台样本判断可行性，再给选题建议。

---

扫榜流程

Phase 1：确认平台和方向

沿用作者已给的条件；缺的一次问齐，给选项：

• 平台：起点 / 番茄 / 晋江 / 七猫 / 刺猬猫 / 多个平台对比
• 频道（番茄、七猫才分）：男频 / 女频 / 都看
• 看什么：新书里在冒头的（多采新书样本） / 成熟大盘（只采默认榜单）
• 有没有关注的题材方向（没有就做全榜概览）

---

Phase 2：确定数据来源

优先级	模式	说明	何时用
1	脚本采集	直接抓取平台页面数据，产出结构化榜单文件	优先；起点排行榜不需要 Chrome
2	作者提供	作者粘贴榜单文字、截图，或给已有的榜单文件	作者已有数据，或脚本采不到时
3	内置知识	只用历史题材候选做分析	无法联网、作者也没有数据时

脚本采集模式

命令里的 scripts/ 相对本 skill 根目录。

1. 每次扫榜在工作目录新建 扫榜/{YYYYMMDD}/（同日再扫加 -2），下文 {outdir} 指它。不往旧目录追加，聚合会混进旧榜。
2. 只读所选平台参考：起点 / 番茄 / 七猫 / 晋江 / 刺猬猫。按 Phase 1 的频道和「看什么」运行默认命令；需要 Chrome 的平台先 /browser-cdp 启动。
3. 聚合：node scripts/aggregate-rank.js {outdir} --out {outdir}/扫榜聚合.md。主会话先只读聚合：题材分布、去重本数、热度与字数中位、标签、书名词、多榜重合和代表作。
4. 看聚合的「采集情况」：标了问题（书名没解出来、没采到、只有书单、详情没取到）的榜单，按平台参考的「采不到时」排查后重采；重采不了，报告里说明结论不含它。
5. 分析新人物设定、新切入设定和新桥段时按需抽样：node scripts/aggregate-rank.js {outdir} --sample {题材/标签/书名词} --n 5，一次一个方向。命中条数含多榜重复，样本本数按同平台书名+作者去重。

作者提供

已有榜单文件就放进 {outdir} 聚合。作者给链接时，请他把页面内容复制过来或截图（番茄、起点有反爬，直接抓页面常拿不到）。把文字或截图整理成：首行 # {平台} · {榜单名}，平台名只用 起点 / 番茄 / 晋江 / 七猫 / 刺猬猫，才能和脚本数据合并；每本一段 ### #{排名} {书名}，下一行 *作者 · 题材 · 连载中 · 120万字 · 3.5万收藏*（热度写「数字+口径」，有标签再加 **标签：** a、b）。存进 {outdir} 后同样聚合。

内置知识

读 references/genre-trends.md，报告开头写明「以下分析基于历史题材候选，没有实时榜单校验，只能作为待验证的假设」，并列出需要复扫的榜单。

---

Phase 3：数据分析

以聚合结果为主，先按所选平台参考的「分析维度」看，再看通用维度：