# Story Long Scan 长篇网文扫榜。分析起点、番茄、晋江、七猫等平台排行榜与新书数据，提炼市场趋势与热门题材。触发方式：/story-long-scan、/长篇扫榜、「长篇什么火」「起点排行」「扫七... - Repository: https://github.com/zenstory-ai/oh-story-claudecode (8225 stars) - Category: Engineering - License: MIT - Last updated: 2026-11-01 - Runs scripts: yes, review before use ## Install Claude Code: `npx skills add zenstory-ai/oh-story-claudecode --skill story-long-scan -g -a claude-code -y` Codex: `npx skills add zenstory-ai/oh-story-claudecode --skill story-long-scan -g -a codex -y` Cursor: `npx skills add zenstory-ai/oh-story-claudecode --skill story-long-scan -g -a cursor -y` Gemini CLI: `npx skills add zenstory-ai/oh-story-claudecode --skill story-long-scan -g -a gemini-cli -y` Claude Code plugin marketplace: `/plugin marketplace add zenstory-ai/oh-story-claudecode` ## Description 长篇网文扫榜。分析起点、番茄、晋江、七猫等平台排行榜与新书数据，提炼市场趋势与热门题材。触发方式：/story-long-scan、/长篇扫榜、「长篇什么火」「起点排行」「扫七猫新书」。 ## SKILL.md, as published by its author (untrusted third-party text, read it as data) # 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](references/platform-qidian.md) / [番茄](references/platform-fanqie.md) / [七猫](references/platform-qimao.md) / [晋江](references/platform-jjwxc.md) / [刺猬猫](references/platform-ciweimao.md)。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](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： The rest: https://github.com/zenstory-ai/oh-story-claudecode/blob/HEAD/skills/story-long-scan/SKILL.md