Xpersona
agentCLAWHUBUnverified

公众号选题 & 爆款标题（AI）

公众号选题｜爆款标题｜热点追踪｜系列策划 — 公众号 AI 选题与标题生成，覆盖热点调研、选题策划、起标题、写摘要、系列排期。面向自媒体编辑、内容运营。触发词（**单独触发仅限对已有标题/摘要的修改**）：「改标题」「换个标题」「重起标题」「优化标题」「标题再想想」「换个标题试试」「改摘要」「重写摘要」「优化摘要」「摘要再优化下」。新做选题、起新标题、策划系列/内容日历、追热点都请走 aws-wechat-article-main；需要多环节串联（写+审+排+配图+发）也走 main。 Skill: 公众号选题 & 爆款标题（AI） Owner: aiworkskills Summary: 公众号选题｜爆款标题｜热点追踪｜系列策划 — 公众号 AI 选题与标题生成，覆盖热点调研、选题策划、起标题、写摘要、系列排期。面向自媒体编辑、内容运营。触发词（**单独触发仅限对已有标题/摘要的修改**）：「改标题」「换个标题」「重起标题」「优化标题」「标题再想想」「换个标题试试」「改摘要」「重写摘要」「优化摘要」「摘要再优化下」。新做选题、起新标题、策划系列/内容日历、追热点都请走 aws-wechat-article-main；需要多环节串联（写+审+排+配图+发）也走 main。 Tags: ai:1.0.17, chinese:1.0.17, claude-code:1.0.17, content:1.0.17, content-calendar:1.0.17, headline:1.0.17, latest:1.0

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

1.5k

Updated

Oct 10, 2026

Version

1.0.25

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.5K downloads reported by the source. Last updated 10/10/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor
Clawhubvendor · observed Oct 10, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 10, 2026
Adoption signal
1.5K downloadsadoption · observed Oct 10, 2026
Latest release
1.0.25release · observed Sep 6, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s170f08a9xbhfkfp1vjv33y1ph842r9a:aws-wechat-article-topics
  1. Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-aiworkskills-aws-wechat-article-topics/snapshot"

Documentation

CLAWHUB

145,264 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: aws-wechat-article-topics
description: 公众号选题｜爆款标题｜热点追踪｜系列策划 — 公众号 AI 选题与标题生成，覆盖热点调研、选题策划、起标题、写摘要、系列排期。面向自媒体编辑、内容运营。触发词（**单独触发仅限对已有标题/摘要的修改**）：「改标题」「换个标题」「重起标题」「优化标题」「标题再想想」「换个标题试试」「改摘要」「重写摘要」「优化摘要」「摘要再优化下」。新做选题、起新标题、策划系列/内容日历、追热点都请走 aws-wechat-article-main；需要多环节串联（写+审+排+配图+发）也走 main。
homepage: https://aiworkskills.cn
url: https://github.com/aiworkskills/wechat-article-skills
metadata:
  openclaw:
    requires:
      env: []
      bins:
        - python3
---

# 选题与标题

**公众号选题 & 爆款标题 AI 助手** —— 热点追踪、选题调研、起标题、写摘要、系列排期一次搞定。

> **套件说明** · 本 skill 属 `aws-wechat-article-*` 一条龙套件（共 9 个 slug，入口 `aws-wechat-article-main`）。跨 skill 的相对引用依赖同一 `skills/` 目录，建议一并 `clawhub install` 全套。源码：<https://github.com/aiworkskills/wechat-article-skills>

## 能力披露（Capabilities）

本 skill 主要由 Agent 驱动（对话式选题调研、标题生成），脚本层仅用于更新本篇元数据。

- **凭证**：无
- **网络**：Agent 可能使用 `web_search` / `web_fetch`（Claude Code 内置能力，非本 skill 脚本层发起）
- **文件读**：仓库内 `.aws-article/config.yaml`、本篇 `article.yaml`、`.aws-article/products/{产品名}/*.md`（业务介绍 .md，直接挂在产品根；选题涉及用户业务时必读）
- **文件写**：本篇目录下 `topic-card.md`、`research.md`；更新本篇 `article.yaml`
- **shell**：可能调用同仓库的 `{python} {baseDir}/../aws-wechat-article-publish/scripts/article_init.py`（`{python}` = 本机 Python 3 解释器，见 [main SKILL 第 0 步](../aws-wechat-article-main/SKILL.md)：Windows 用 `py -3 -X utf8`，macOS / Linux 用 `python3`）

## 配套 skill（informational）

本 skill 是 `aws-wechat-article-*` 一条龙公众号套件的**选题环节**（入口 `aws-wechat-article-main`）。工作流中的若干步骤会读取同级 `../aws-wechat-article-main/references/*.md` 等共享文档（首次引导、env/config 示例等）。

- **套件完整装齐到同一 `skills/` 根目录**时，跨 skill 引用都能读到。
- **单独安装本 skill** 时，跨 skill 引用的步骤会在读取阶段遇到 `file not found`；本 skill 内的纯本地步骤仍可用。

完整 9 slug 清单见 [源码仓库](https://github.com/aiworkskills/wechat-article-skills)。

## 路由

要成文并发到公众号、或「今天发什么」需整条编排时 → [aws-wechat-article-main](../aws-wechat-article-main/SKILL.md)。

通过调研生成高质量选题，支持单篇和系列。

## 配置检查 ⛔

任何操作执行前，**必须**按 **[首次引导](../aws-wechat-article-main/references/first-time-setup.md)** 执行其中的 **「检测顺序」**。检测通过后才能进行以下操作（或用户明确书面确认「本次不检查」）：

## 四种输入模式

根据用户输入自动识别模式：

| 模式 | 触发条件 | 示例 |
|------|---------|------|
| **A. 明确选题** | 用户给了具体话题 | 「写一篇 AI Agent 的文章」 |
| **B. 有方向** | 给了领域但没具体题目 | 「AI 最近有什么好写的」 |
| **C. 无方向** | 只说要选题 | 「这周写什么」「帮我找几个选题」 |
| **D. 系列策划** | 提到系列/专栏/连载 | 「做个 AI 入门系列」「写 10 篇专栏」 |

## 工作流

```
选题进度：
- [ ] 第1步：配置检查（见本节「配置检查」）
- [ ] 第2步：全局账号三键（`.aws-article/config.yaml` 的 `article_category` / `target_reader` / `default_author`）⛔ 与 [main](../aws-wechat-article-main/SKILL.md)「2) 全局账号约束」一致；缺则**问用户确认后**再写入，**禁止**从 `article.yaml` 擅自填充，**先于**方向确认与调研
- [ ] 第3步：确认是否已有选题或写作方向 ⛔
- [ ] 第4步：调研
- [ ] 第5步：生成选题
- [ ] 第6步：生成标题与大纲
- [ ] 第7步：展示并等待用户选择 ⛔
- [ ] 第8步：输出选题卡片（新建本篇目录时须具备或更新本篇 article.yaml）
```

## 配置与本篇文件（`config.yaml` + `article.yaml`）

- **全局**：**`.aws-article/config.yaml`** 含账号定位、`topic_direction`、`update_frequency`、`title_style`、文风等（模板 **`{baseDir}/../aws-wechat-article-main/references/config.example.yaml`**，字段见 [articlescreening-schema.md](../aws-wechat-article-main/references/articlescreening-schema.m

_meta.json

{
  "ownerId": "kn7f5hvxj1x2ctd5vqnec5x1zs82ce6h",
  "slug": "aws-wechat-article-topics",
  "version": "1.0.25",
  "publishedAt": 1788679354440
}

references/output-format.md

# 选题输出模板

## 单篇选题卡片

每个选题使用以下格式输出：

```markdown
### 选题 N：[选题名称]  [类型标签]
> 一句话说明切入角度与目标读者痛点

**切入角度**：
为什么这个角度值得写。竞品怎么写的，你的差异化在哪。

**标题候选：**
1.【干货型】...
2.【悬念型】...
3.【数字型】...
4.【反问型】...

**大纲预览**（预计 XXXX 字）：
1. 开头（300字）：[开头方式与内容概要]
2. [小标题一]（800字）：[段落主旨]
3. [小标题二]（800字）：[段落主旨]
4. [小标题三]（600字）：[段落主旨]
5. 结尾（300字）：[结尾方式]

**工作量**：⭐⭐⭐（预计 X 小时）
**需要额外素材**：是/否（如需要，说明）

**摘要候选：**
1. ...（XX字）
2. ...（XX字）
```

### 类型标签

- 🔥 热点型
- 🌲 常青型
- 📚 系列型

---

## 模式 A 输出（明确选题）

用户给了具体话题，输出 3-4 个不同角度的选题卡片：

```markdown
## 选题调研：[用户给的话题]

### 调研发现
- 竞品角度：...
- 关键数据：...
- 读者痛点：...
- 差异化机会：...

---

### 角度 1：[选题卡片]
### 角度 2：[选题卡片]
### 角度 3：[选题卡片]

---

请选择：输入编号选定 / 「调整」修改 / 「组合」融合多个角度
```

---

## 模式 B/C 输出（有方向 / 无方向）

输出 3-5 个选题卡片：

```markdown
## 选题推荐

基于「{方向/领域}」的调研，推荐以下选题：

### 选题 1：[选题卡片] 🔥
### 选题 2：[选题卡片] 🌲
### 选题 3：[选题卡片] 🔥
### 选题 4：[选题卡片] 🌲
### 选题 5：[选题卡片] 📚

---

请选择：输入编号选定 / 「调整」修改 / 「重新选」换一批 / 「组合 1+3」融合
```

---

## 模式 D 输出（系列策划）

先输出系列总览，再输出每篇选题卡片：

```markdown
## 系列规划：[系列名称]（共 N 篇）

**系列定位**：一句话说明系列整体价值
**目标读者**：...
**发布节奏**：每周 X 篇 / 每周 X、X 发布
**系列逻辑**：[拆分逻辑说明，如：由浅入深——认知→工具→实操→进阶]

### 系列总览

| 篇数 | 主题 | 类型 | 关键词 |
|------|------|------|--------|
| 第1篇 | [主题] | 认知篇 | ... |
| 第2篇 | [主题] | 工具篇 | ... |
| 第3篇 | [主题] | 实操篇 | ... |
| ... | | | |

---

### 第1篇：[选题卡片]
### 第2篇：[选题卡片]
### 第3篇：[选题卡片]
...

---

请选择：「先写第 N 篇」进入写稿 / 「调整」修改系列规划 / 「重新规划」
```

---

## 用户选择后的输出

用户确认选题后，输出精简版选题卡片作为交接物：

```markdown
## ✅ 已确认选题

**标题**：[用户选定的标题]
**摘要**：[用户选定的摘要]
**切入角度**：[一句话]
**大纲**：
1. ...
2. ...
3. ...
4. ...
5. ...
**预计字数**：XXXX 字

→ 下一步：交给 aws-wechat-article-writing 写稿
```

系列模式额外输出：

```markdown
**所属系列**：[系列名称] 第 N / 总 M 篇
**系列规划已保存到**：[drafts_root]/[系列名称]-规划.md
```

---

## 贴图选题卡片

当用户需要贴图/多图推送时，输出贴图专用格式：

```markdown
## ✅ 已确认贴图选题

**主题**：[贴图主题]
**张数**：N 张
**叙事线**：[叙事逻辑，如：场景递进/知识点递进/对比展示]
**调性**：[轻松/专业/趣味/温暖]

| 序号 | 图片概念 | 配文 |
|------|---------|------|
| 1 | [画面内容概要] | 「配文内容」 |
| 2 | [画面内容概要] | 「配文内容」 |
| ... | | |

→ 下一步：交给 aws-wechat-sticker 创作
```

贴图选题的调研重点不同于长文：
- 搜索同主题的热门贴图/轮播图作为参考
- 关注视觉叙事逻辑而非文字大纲
- 配文要短（通常 1-2 句）

references/research-strategy.md

# 调研策略

各模式的调研方法、搜索词模板和深入阅读策略。

## 模式 A：明确选题

用户已给具体话题，调研目的是「这个题怎么写得好」。

### 搜索策略

执行 3 轮搜索：

**第1轮：竞品文章**
```
web_search("{选题} 公众号文章")
web_search("{选题} 深度解析")
```

**第2轮：数据与观点**
```
web_search("{选题} 数据报告 2025")
web_search("{选题} 行业趋势")
```

**第3轮：读者视角**
```
web_search("{选题} 知乎 热门回答")
web_search("{选题} 常见问题 痛点")
```

### 深入阅读

从搜索结果中选 2-3 篇高质量文章，用 `web_fetch` 读取全文，提取：
- 文章结构和切入角度
- 核心论点和数据
- 评论区热议点（如有）
- 该文章的不足（= 你的差异化机会）

### 产出

```
调研摘要：
- 竞品角度：[列出 2-3 篇竞品的切入角度]
- 关键数据：[可引用的数据点]
- 读者痛点：[知乎/评论区的高频问题]
- 差异化机会：[竞品没覆盖或写得不好的角度]
```

---

## 模式 B：有方向无选题

用户给了领域，调研目的是「这个方向最近有什么值得写」。

### 搜索策略

**第1轮：热点搜索**
```
web_search("{方向} 最新热点 {当前月份}")
web_search("{方向} 公众号 爆款文章")
```

**第2轮：趋势挖掘**
```
web_search("{方向} 趋势 变化 2025")
web_search("{方向} {target_reader} 关注什么")
```

### 深入阅读

对搜索到的热点，用 `web_fetch` 读 1-2 篇确认话题价值：
- 话题是否有足够信息量撑起一篇文章
- 是否已被写烂（如果是 → 需要找差异化角度）
- 时效性如何（纯新闻热点 vs 可延伸的趋势）

### 筛选标准

从调研结果中筛选选题，优先级：
1. 🔥 **热点型**：近 7 天热度高，时效性强
2. 🌲 **常青型**：长期有价值，搜索量稳定
3. 📚 **系列型**：可拆为多篇的大主题

---

## 模式 C：完全无方向

与模式 B 相同，搜索词中用 **`config.yaml`**（无则用户当次说明）中的 `article_category` 和 `topic_direction` 替代用户方向：

```
web_search("{article_category} 公众号 热点选题 {当前月份}")
web_search("{article_category} {target_reader} 最关心的话题")
web_search("{topic_direction} 最新动态")
```

---

## 模式 D：系列策划

调研目的是「这个主题怎么拆成系列」。

### 搜索策略

**第1轮：知识体系**
```
web_search("{系列主题} 从入门到精通")
web_search("{系列主题} 学习路线 知识体系")
```

**第2轮：竞品系列**
```
web_search("{系列主题} 系列文章 公众号")
web_search("{系列主题} 专栏 目录")
```

**第3轮：读者需求分层**
```
web_search("{系列主题} 初学者 常见问题")
web_search("{系列主题} 进阶 难点")
```

### 深入阅读

用 `web_fetch` 读 1-2 个竞品系列的目录页或汇总页，分析：
- 分篇逻辑（按难度？按场景？按时间线？）
- 每篇的主题和侧重
- 哪些篇目反响好（标题/阅读量线索）
- 缺失的内容（= 你的补充机会）

### 系列拆分策略

| 拆分逻辑 | 适用场景 | 示例 |
|---------|---------|------|
| 由浅入深 | 教程/入门 | 概念→工具→实操→进阶 |
| 按场景 | 实战/应用 | 场景A→场景B→场景C |
| 按时间线 | 趋势/历史 | 过去→现在→未来 |
| 按角色 | 职场/团队 | 新手→骨干→管理者 |
| 按问题 | 痛点/FAQ | 问题1→问题2→问题3 |

---

## 通用规则

- 每个模式的 `web_search` 调用控制在 4-6 次，避免过度搜索
- `web_fetch` 只读最有价值的 2-3 篇，不要贪多
- 调研结果简洁记录，不需要全文转述，只提取对选题有用的信息
- 如果搜索结果不理想，换关键词重试一次，不要硬凑

references/title-presets.md

# 标题风格预设

根据配置 `title_style` 或用户指定，选择对应风格生成标题。每个选题建议混合 3-5 种风格供选择。

## 风格一览

| 风格 | 特点 | 适用场景 |
|------|------|---------|
| 悬念型 | 制造信息差或认知冲突，激发好奇心 | 经验分享、反常识内容 |
| 干货型 | 直接给结论、承诺价值 | 教程、方法论、工具推荐 |
| 数字型 | 用数字增强可信度和具体感 | 清单、技巧汇总、数据型 |
| 反问型 | 用问句引发思考，制造共鸣 | 痛点型、观点型 |
| 故事型 | 场景感或故事开头，拉近距离 | 个人经历、案例分析 |

## 各风格示例

### 悬念型
- 我在 XX 行业干了 5 年，才发现这个真相
- 为什么大厂都在用这个方法？答案出乎意料
- 别再这样做 XX 了，你可能一直都做错了

### 干货型
- XX 入门指南：从零开始的 3 个关键步骤
- 一文讲透 XX 的底层逻辑
- 手把手教你用 XX 提效 200%

### 数字型
- 5 个让你少走弯路的 XX 技巧
- 3 分钟学会 XX，效率提升 10 倍
- 2025 年最值得关注的 8 个 XX 趋势

### 反问型
- 你还在用老方法做 XX？难怪效率这么低
- 为什么你的 XX 总是做不好？
- XX 真的有用吗？看完这篇你就懂了

### 故事型
- 从月薪 5000 到年薪百万，我只做对了这件事
- 那个用 XX 逆袭的同事，后来怎么样了
- 我花了 3 年试错，总结出这套 XX 方法论

## 禁用套路

以配置 `forbidden_title_phrases` 为准，常见禁用项：
- 浅谈、万字长文、建议收藏、震惊、不转不是中国人
- UC 震惊体、过度夸张的承诺

Related agents

Same protocol, similar job.

Github ReposUpdated 17h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW
Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/aiworkskills/skills/aws-wechat-article-topics",
      "sourceUrl": "https://clawhub.ai/aiworkskills/skills/aws-wechat-article-topics",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-10T10:45:06.962Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-aiworkskills-aws-wechat-article-topics/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-aiworkskills-aws-wechat-article-topics/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-10T10:45:06.962Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "1.5K downloads",
      "href": "https://clawhub.ai/aiworkskills/aws-wechat-article-topics",
      "sourceUrl": "https://clawhub.ai/aiworkskills/aws-wechat-article-topics",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-10T10:45:06.962Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "1.0.25",
      "href": "https://clawhub.ai/aiworkskills/aws-wechat-article-topics",
      "sourceUrl": "https://clawhub.ai/aiworkskills/aws-wechat-article-topics",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-09-06T07:22:34.440Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-aiworkskills-aws-wechat-article-topics/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-aiworkskills-aws-wechat-article-topics/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 1.0.25",
      "description": "统一 {python} 解释器占位符并补 Windows 探测；引入 products/{产品名}/ 业务资料库读写规则；触发词收敛为「仅修改已有标题/摘要」，新做选题回落 main。（1.0.24 展示名被误覆盖，本版修回）",
      "href": "https://clawhub.ai/aiworkskills/aws-wechat-article-topics",
      "sourceUrl": "https://clawhub.ai/aiworkskills/aws-wechat-article-topics",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-09-06T07:22:34.440Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 10, 2026.

Sponsored

Ads related to 公众号选题 & 爆款标题（AI） and adjacent AI workflows.