AI KEY · 今天拍什么？

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install aikey-topic
2. 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
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 aikey-topic。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

AI KEY 选题是一项研究与决策支持技能，面向规划短视频的个人知识创作者。它会探索创意背后的受众问题，根据现有供给检查需求，对比相关对标信号，并优先考虑创作者自身的真实证据。Openclaw Skills 用户可以用它将模糊的主题或拟议观点转化为少量有证据支持的选题方案。
这项技能不会替创作者做决定，也不会承诺选题一定表现出色。它会区分已验证的数据与推论，检查创作者是否有可信的角度和材料来支撑视频，并可建议制作该选题、调整角度或放弃。其工作流程旨在支持个人创作者，而非假设存在制作团队。

应用场景

你没有选题想法，想利用现有账号数据和参考资料探索一个方向。
你有一个具体的视频创意，想评估其受众需求、竞争、证据和契合度。
你有一个感觉平淡的宽泛主题，想找到有意义的对比或双面角度。
某个趋势或对标视频看起来很有前景，你想确认其信号是否适用于你的受众和平台。
你想要一份包含证据和风险的精简选题清单，而不是泛泛的创意列表。
在进一步开发某个选题前，你需要确认它是否有自身经验、数据或可用来源材料的支持。

工作原理

阅读相关技能规则、交互指南、系列规范和当前知识库参考资料。如果无法访问必需的参考资料，技能必须如实说明，而不是依赖记忆。
确定请求类型：生成候选选题、诊断一个拟定选题，或为宽泛或单方面的主题探索更有力的角度。
生成候选选题时，检查选题管道中是否已有 Ready 或 Exploring 状态的想法，并在需要时明确方向。
收集相关信号，例如创作者的规范内容数据、可比对标账号数据和适用的知识库材料。将对标表现视为辅助证据，而非创作者也会取得相同结果的证明。
探索受众的处境和未解决的问题。区分观察到的事实与假设，适当比较合理的解释，并避免编造受众引语或表现数据。
提出 3–5 个候选项，每项包含受众问题、证据或明确标注的推论、需求与供给评估、前五秒的开场钩子方向，以及风险或缺少的材料。随后等待创作者选择。
从受众契合度、引人入胜的开场、鲜明可信的角度、可用材料、真实性、政策敏感措辞，以及与已发布选题的重合度等方面筛选所选主题。
将通过检查的选题以 Ready 状态保存到选题管道，报告其路径，并建议下一步，例如 /aikey-script。最终决定由创作者作出。

配置指南

技能文档没有提供独立安装程序或通用安装命令。请在 OpenClaw 环境中提供该技能及其引用资源，然后配置技能所需的知识库路径和数据源。具体路径和可用文件取决于用户的知识库。
提供 aikey-topic 技能文件，包括其 references/ 材料和必需脚本。
使用技能预期的规则、参考资料、源材料、选题管道和记忆目录配置知识库（{vault}）。
提供相关对标数据、账号内容数据和知识库索引。不要假设这些私有数据集包含在技能中。
开始工作前，确认能够读取系列规范、交互规则和规则卡。
生成候选选题时，文档所述的信号收集命令为：
python3 "{vault}/07-脚本与工具/surface_candidates.py" --kw "{关键词}" --top 15
最终重复项检查前，请从包含 scripts/、config.yaml 和 aikey-* 目录的仓库根目录运行已发布索引重建命令：
python3 scripts/rebuild_published_index.py
遵循 config.yaml 和知识库中配置的路径。技能文档未提供完整配置示例或软件包安装命令。
AI KEY · 今天拍什么？ 数据架构与分类体系
该技能依赖基于知识库的工作区，而非独立数据库。重要文件和目录包括：
路径或资源 用途
aikey/references/规则卡.md 决策规则、依据、检查方法和强度；开始工作前阅读。
aikey/references/选题三路.md 将输入引导至适当的选题方法。
aikey/references/问题探寻与共鸣.md 指导探索观察到的情境、假设、解释和受众问题。
aikey/references/找拉力.md 指导寻找引人入胜的双面角度。
{vault}/06-选题装配/选题管道.md 跟踪候选选题及其状态，包括 Ready 和 Exploring。通过检查的选题会连同证据和钩子方向记录在此。
{vault}/01-原始素材区/ 存放源材料，以及可用时的对标摘要 CSV 文件。
{vault}/01-原始素材区/知识库/索引.csv AI 参考资料索引，用于查找相关概念、示例和实用主题。
{vault}/08-技能记忆/aikey-topic/ 和 _/通用/ 工作流程引用的技能专属和共享记忆位置。
通过 config.yaml 配置的已发布内容索引 用于检查选题重合；scripts/rebuild_published_index.py 会根据已发布文件重建索引。
候选记录采用结构化、证据优先的格式：选题陈述；受众尚未解决的问题；最终视频能够证实的内容及仍未知的部分；选题类型和管道组合；需求与供给评估；证据来源或明确标注的推论；开场钩子草案；风险或缺失的源材料。对标信号和创作者自身数据应保持可区分，不得将缺乏支持的主张当作事实呈现。

高级特性

三种请求模式：发现候选选题、诊断具体创意，或为宽泛或单方面的主题寻找更有力的角度。
如果知识库中存在相关来源，证据交叉验证可结合创作者自身的内容信号、对标账号数据和相关索引参考资料。
供需评估会检查受众需求是否已由可比内容充分满足；角度引人入胜本身并不意味着值得制作该选题。
真实性约束会拒绝依赖伪造结果、虚构数据或无法验证的对标主张的创意。
受众和角度检查包括开场钩子测试、独特性检查，以及评估个人创作者能否利用现有材料实际制作视频。
重复项检测会将选题的核心结论和主要类别与已发布内容索引进行比较；如果索引未登记，必须先处理后才能继续。
管道状态和记忆支持持续工作：可以记录创作者反馈和之后验证的方法，并检查重复项。
交互引导倾向于一次提出一个澄清问题，并提供少量编号选项，同时将最终选题决定留给创作者。
Openclaw Skills 用户应注意，工作流程依赖可访问的本地参考资料、知识库数据和脚本；它不会声称不可用的来源或验证结果确实存在。

name: aikey-topic description: | AI KEY·今天拍什么 ——短视频选题技能。先探寻现象、检验假设、比较解释，把问题转成观众在意的选择。交互式选题：供需判定 + 对标信号 + 本人真实数据佐证 + 配比检查，不一键生成选题清单。
触发方式：/aikey-topic、/拍什么、/选题、/aikey-选题、「今天拍什么」「帮我出选题」「这个题能不能做」「有个想法你帮我判断下」「这题只有一头」「这题没劲」「帮我把它讲出两头来」
Topic selection for short videos: supply-demand test, benchmark signals, real data evidence.
Trigger: /aikey-topic, "what topic should I shoot", "is this topic worth making"
—— AI KEY · 不给公式，给判据。每条规则都标了实测代价。
slug: aikey-topic
displayName: AI KEY·今天拍什么