# Story Short Scan 短篇网文扫榜。分析知乎盐言、七猫、黑岩、点众等平台热门短篇数据，捕捉风口题材。触发方式：/story-short-scan、/短篇扫榜、「短篇什么火」「知乎故事排行」。 - 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-short-scan -g -a claude-code -y` Codex: `npx skills add zenstory-ai/oh-story-claudecode --skill story-short-scan -g -a codex -y` Cursor: `npx skills add zenstory-ai/oh-story-claudecode --skill story-short-scan -g -a cursor -y` Gemini CLI: `npx skills add zenstory-ai/oh-story-claudecode --skill story-short-scan -g -a gemini-cli -y` Claude Code plugin marketplace: `/plugin marketplace add zenstory-ai/oh-story-claudecode` ## Description 短篇网文扫榜。分析知乎盐言、七猫、黑岩、点众等平台热门短篇数据，捕捉风口题材。触发方式：/story-short-scan、/短篇扫榜、「短篇什么火」「知乎故事排行」。 ## SKILL.md, as published by its author (untrusted third-party text, read it as data) # story-short-scan：短篇网文扫榜 基于真实榜单样本分析短篇市场，给作者可写的情绪方向、题材候选和验证办法。 --- ## 核心哲学 ### 原则 1：短篇市场是情绪市场 扫榜从题材和简介中判断读者读完的感受、触发场景与情绪爆发点，说明这些内容如何吸引读者。仅凭题材名无法判断具体情绪体验。 ### 原则 2：热度只按各平台自己的口径比 榜单给的收藏、赞同、在读、评分各有口径，只在同一口径内比较。排名和互动量只说明样本受到的关注，不能据此断定故事质量或情绪拉扯效果。 ### 原则 3：短篇风口来得快去得快 报告写明样本日期、覆盖范围、结论可信度和复扫日期。题材信号可能在数周内失效，过期后只作候选参考。 --- ## 扫榜流程 ### Phase 1：确认平台和方向 用户已给出平台或方向时直接采用，只问缺项：**「想看哪个平台、男频还是女频、哪类短篇？点众可直接采集；黑岩要有黑岩后台账号、先登录；知乎盐言、番茄和七猫短篇请发榜单截图、文字或链接。手里有编辑的征稿要求也可以一起发来。」** 关键判断： - 用户已有方向 → 针对该方向做深度扫榜 - 用户没有方向 → 做全榜概览 + 找趋势 - 用户想跨平台比较 → 做平台对比分析 --- ### Phase 2：确定数据来源 | 优先级 | 模式 | 说明 | 何时用 | |--------|------|------|--------| | 1 | **脚本采集** | 点众、黑岩：抓取平台页面，产出结构化文件 | 有 Chrome 环境时（优先） | | 2 | **作者提供** | 没有脚本的平台，或作者已有榜单 | 知乎盐言/番茄短篇/七猫短篇等 | | 3 | **内置知识** | 用历史资料提出待验证的选题 | 无法联网、作者也没有数据时 | 命令中的 `scripts/` 相对本 skill 根目录。 1. 只读所选平台那一份：[点众](references/platform-dianzhong.md) / [黑岩](references/platform-heiyan.md) / [没有脚本的平台](references/manual-rank-input.md)。其中有网址、命令、字段、故障排查、平台分析维度和作者榜单的整理格式。 2. 每次扫榜新建输出目录 `扫榜/{YYYYMMDD}/`（同日再扫加 `-2`）存本次榜单，不往旧目录追加（聚合会混进旧榜）。脚本自动命名文件，作者榜单按平台参考命名；某平台失败就跳过。对比时读上个日期目录的 `扫榜聚合.md`。 3. 聚合：`node scripts/aggregate-rank.js {输出目录} --out {输出目录}/扫榜聚合.md --sparse 10 --scale short`。**主会话只读这份聚合**，需要原始简介与人设信息时再抽样：`node scripts/aggregate-rank.js {输出目录} --sample {题材/标签/书名词} --n 5`。 4. 看聚合的「采集情况」：标了问题（书名没解出来、没采到、详情没取到）的榜单按平台参考排查重采；重采不了就在报告里说明结论不含它。 5. 作者发来征稿要求：原文存进输出目录的 `征稿要求.md`，题材、字数、截止日期当硬条件。 **内置知识：** 跳过聚合，加载 [references/real-market-data.md](references/real-market-data.md)，明确标注「以下分析基于历史趋势数据；未完成实时榜单校验前只能作为候选假设。」并列出需要复扫的平台页面。 --- ### Phase 3：数据分析 有真实样本时，以聚合结果和平台参考的「分析维度」为准。趋势需对比同口径的多期样本；仅用内置知识时只给待验证候选，不填写当前数量、占比或涨跌。 The rest: https://github.com/zenstory-ai/oh-story-claudecode/blob/HEAD/skills/story-short-scan/SKILL.md