安装与下载
1 ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install tiktok-creator-screening
2 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/
{'/skills/'}
优先级:工作区 › 全局 › 内置
3 提示词安装
将此提示词复制到 Openclaw 即可自动安装。
请帮我使用 Clawhub 安装 skill-tiktok-creator-screening。如果尚未安装 Clawhub,请先安装(npm i -g clawhub)。
更倾向于下载?
获取包含原生技能文件的ZIP压缩包。
基本信息
tiktok-creator-screening
安装指南
- ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install tiktok-creator-screening - 手动安装
将技能文件夹复制到以下位置之一
全局模式
~/.openclaw/skills/
工作区
/skills/
优先级:工作区 > 本地 > 内置 - 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 tiktok-creator-screening。如果尚未安装 Clawhub,请先安装(npm i -g clawhub)。
更倾向于下载?
获取包含原生技能文件的ZIP压缩包。
下载技能 (.zip)
什么是
GUAIKEI TikTok 创作者筛选可帮助品牌、代理机构和内容团队发现 TikTok 内容,并利用公开数据评估潜在的创作者合作伙伴。Openclaw Skills 用户可以按关键词搜索、检索创作者的公开帖子,或收集特定视频的评论,然后利用结果筛选创作者、研究内容、监测竞争对手并洞察受众。
该技能返回结构化 JSON,而不会替你做出营销决策。它是只读的:不会登录 TikTok,也不会执行发布、点赞、评论、关注或发送消息等操作。它只检索公开信息,发送的请求会将 API token 以及查询关键词或目标 URL/ID 传送给 GUAIKEI。
应用场景
创作者和 KOL 筛选:
比较创作者的公开帖子、互动指标和发布频率,整理出有数据支撑的候选名单。
内容和趋势研究:
按关键词搜索 TikTok,按相关性或点赞数排序,并设置时间范围,以查找最新或热门内容。
创作者账号监测:
检索创作者的公开帖子,并按最新或最热门排序,用于竞争对手或发布活动分析。
评论和受众洞察:
收集视频的公开评论和评论者互动数据,以支持情感和主题分析。
营销活动和编辑规划:
查找示例、话题标签、内容形式和表现出色的主题,为简报、报告和内容创意提供参考。
Openclaw Skills 数据工作流:
将 JSON 响应用作后续摘要、比较、排名或报告的输入。
工作原理
确定 TikTok 数据请求。将关键词发现请求路由到 search-cli.js,将创作者资料和帖子请求路由到 post-cli.js,并将视频评论请求路由到 comment-cli.js。如果链接或意图不明确,请先确认目标。
选择请求参数。设置关键词或公开资料/视频 URL 或 ID,然后应用支持的排序、时间范围和结果数量选项。默认值为 sort=0、time=0 和 limit=10。
检查身份验证。该命令需要 GUAIKEI_API_TOKEN。如果缺少 token 或 token 无效,工具会返回 AUTH_REQUIRED;请停止操作并让用户配置 token,不要重试。
运行相应的 Node.js CLI。从技能根目录执行。服务通过 GUAIKEI 检索 TikTok 公开数据;JSON 输出到 stdout,进度消息、错误和已保存日志的路径输出到 stderr。
解读响应封装。检查 status、error_code、message、request、metadata、results 和 warnings。将 empty 视为请求成功但没有匹配数据,而不是 API 故障。
围绕用户目标呈现结果。在不捏造缺失字段的前提下,对返回的数据进行摘要或排名。在 warnings 中报告任何参数回退;未经用户同意,不要自动扩大搜索范围。
配置指南
要求:Node.js 16.14.0 或更高版本、本地可用的技能文件,以及 GUAIKEI API token。该技能使用 Node.js 内置模块,不依赖 npm。请从技能根目录运行命令,以确保相对路径 scripts/tiktok/ 正常解析。通过 https://www.guaikei.com 向 GUAIKEI 获取 token,然后在环境中进行配置。请妥善保管 token,不要将其粘贴到可能记录在 shell 历史记录中的命令中。
为当前 shell 会话配置 token
export GUAIKEI_API_TOKEN='YOUR_GUAIKEI_API_TOKEN'
按关键词搜索 TikTok;sort=1 表示请求热门结果
node scripts/tiktok/search-cli.js --keyword 'AI' --sort 1 --limit 20
搜索最近 7 天内的内容
node scripts/tiktok/search-cli.js --keyword 'AI model' --time 7 --limit 20
检索创作者的公开帖子;sort=1 表示请求最热门的帖子
node scripts/tiktok/post-cli.js --url 'https://www.tiktok.com/@username' --sort 1 --limit 30
检索视频评论
node scripts/tiktok/comment-cli.js --url 'https://www.tiktok.com/@username/video/1234567890123456789' --limit 40
如果 token 缺失或格式错误,程序将返回退出码 3 和 AUTH_REQUIRED;请停止执行并要求配置 token。每个 --limit 都不得超过 1000。完整参数文档请参阅 references/options.md。
GUAIKEI TikTok 创作者筛选 数据架构与分类体系
三个命令都使用一致的 JSON 响应封装。该技能在 assets/ 下包含六个 Draft-07 JSON Schema 文件,用于描述搜索、帖子和评论请求及响应数据。
封装字段 用途
status success 表示已检索到结果,empty 表示请求成功但没有匹配项,error 表示请求失败。
error_code、message 机器可读的错误分类和人类可读的说明。
timestamp 与响应相关的时间。
request 命令名称,以及适用时提交的关键词、URL 或 ID、排序、时间和数量限制参数。
metadata 技能名称和版本、运行时版本及执行时间。
results 返回的 TikTok 公开数据;根据命令不同,通常包含创作者或作者详情、互动指标、标签、链接、帖子数据,或评论文本和互动数量。
warnings 说明参数修正或回退值;应将这些信息告知用户,而不要暗示已应用原始值。
成功响应可能包含结果数组;empty 和 error 响应中的结果为 null。运行日志写入系统临时目录下的 tiktok-guaikei/logs//;已保存路径会输出到 stderr。stdout 专用于机器可读的 JSON,因此不要将 stderr 横幅或日志混入 JSON 解析。
高级特性
三个专用数据命令:
按关键词搜索、从资料或用户名检索创作者帖子,以及从视频 URL 或 ID 收集评论。
灵活的排序和筛选条件:
搜索支持按相关性或受欢迎程度排序以及时间筛选;创作者帖子检索支持按最新或最热门排序。搜索和帖子排序的含义不同,因此请为正确的命令选择选项。
面向批量的检索:
为每个请求指定结果数量限制,建议每次调用最多为 1000 条。
明确的响应和错误处理:
success
、
empty
error
;遇到
AUTH_REQUIRED
时停止操作,并在无效参数回退到默认值时告知用户
warnings
。
适用于分析的 JSON:
使用返回的作者、互动数量、标签、链接和评论进行后续排名、比较、主题分组或报告。分析应仅反映实际返回的数据。
运行日志:
每次运行都会在系统临时目录下写入日志,其位置会输出到 stderr。
只读且遵循最小权限原则的设计:
不登录 TikTok 账号,也不执行写入操作;从
GUAIKEI_API_TOKEN
读取 token,且不会将其写入 stdout 或日志。请求会将 token 以及查询关键词或目标 URL/ID 发送给 GUAIKEI。
适配 Openclaw Skills 工作流:
专为智能体检索结构化公开数据而设计,随后可根据用户的研究目标整理发现,同时将业务决策留给用户。
name: tiktok-creator-screening
description: 输入市场、产品、合作目标等,通过关键词、品牌目标或内容方向发现、筛选和复核适合合作的TikTok达人,深入分析候选账号的内容特点、真实互动数据等,评估内容能力、受众匹配与商业成本,输出有数据依据的合作候选名单。提供3个能力①关键词搜索(可按点赞/相关度排序、发布时间筛选)②博主作品获取,按主页链接或用户名批量获取公开作品列表,支持最新/最热排序 ③视频评论抓取,按视频链接或作品 ID 获取评论内容、评论者与互动数据,输出结构化 JSON(含作者、互动数据、标签、链接)。
license: MIT
version: 1.0.0