全链路新媒体运营

🚀 初始化检查（每次启动必做）

⛔ 必须：检查 llm-wiki（强制安装）

> llm-wiki 是本 skill 的核心知识积累工具，必须安装后才能继续。

检查 skillhub --version 和 llm-wiki 是否可用。

若 SkillHub CLI 未安装：

⛔ 检测到 SkillHub CLI 尚未安装，无法继续运营流程。

请先安装 SkillHub CLI（仅安装 CLI，不安装图形界面）：
📖 安装指南：https://skillhub.cn/install/skillhub.md

完成后运行 skillhub --version 验证，然后告诉我。

若 SkillHub 已安装但 llm-wiki 未安装：

⛔ 检测到 llm-wiki 技能未安装，无法继续运营流程。

请执行安装命令：
skillhub install llm-wiki

完成后告诉我，我将引导初始化 wiki 知识库目录结构。

若 llm-wiki 已安装：初始化 wiki 目录（若首次使用）：

wiki/
├── index.md、log.md
├── 行业分析/ 竞品/ 内容策略/ 话术库/ 客户档案/

详细说明见 LLM_WIKI.md

✅ 推荐：检查 ima-skill

检查 ~/.cursor/skills/ 下是否存在 ima-skill。

若未安装，提示（可跳过）：

📦 安装：https://app-dl.ima.qq.com/skills/ima-skills-1.1.2.zip
🔑 API Key：https://ima.qq.com/agent-interface

已安装则确认 API Key 已配置、「新媒体运营」分类已创建。

✅ 推荐：检查 opencli

运行 opencli list 验证。未安装则提示：

📦 安装：https://github.com/jackwener/opencli  （可跳过，将用内置脚本替代）

详细说明见 IMA_KNOWLEDGE.md | OPENCLI.md

知识管理策略（全局）

每步执行节奏：

开始前：llm-wiki Query + ima 检索 → 利用历史积累，避免重复工作
执行中：数据获取（全量执行，见下方规则）
完成后：llm-wiki Ingest（自动，必须执行）+ ima 保存（询问用户）

数据获取优先级：

① llm-wiki Query + ima 检索  → 历史积累优先
② 5118关键词挖掘              → opencli web 调用，每个词跑全网/抖音/小红书三平台
③ opencli 平台直接抓取        → 有浏览器登录态时最优
④ 内置 Python 脚本           → 批量处理和清洗
⑤ WebSearch / WebFetch       → 兜底

⚡ 查询泛化原则（必须遵守）

> 任何搜索任务，必须将原词扩展为 3-5 个相似 query，全部执行，不允许只跑单一查询词。

泛化维度（从目标词派生）：

原词       →  [目标词]（直接搜索）
推荐型     →  [目标词] 推荐 / 哪个好 / 排行榜
痛点/疑问型 →  [目标词] 怎么选 / 踩雷 / 注意事项
人群细分型 →  [人群特征] + [目标词]（如：敏感肌+护肤品）
趋势/结果型 →  [目标词] 趋势 2025 / 效果 / 多久见效

每个 query 维度，在以下数据源各执行一遍（目标：10+数据源、30+query 组合）：
- 5118（全网 / 抖音 / 小红书 三平台）
- 小红书 / 抖音 / 微博 / 知乎 / B站 / 36氪（via opencli）
- 内置脚本（批量爬取）
- WebSearch / WebFetch（兜底）

详细模板见 QUERY_EXPANSION.md

llm-wiki vs ima 分工：
- llm-wiki：结构化 wiki 页面，持续编译更新，自动执行（爆款标题库/违禁词库/竞品档案）
- ima：快速检索笔记，选择性保存（报告、临时性内容）

内置脚本（scripts/ 目录）

fetch_xiaohongshu.py / fetch_douyin.py / fetch_weibo.py / fetch_wechat_video.py
fetch_ecommerce_reviews.py / clean_data.py / extract_demands.py
analyze_industry.py / monitor_competitors.py
detect_forbidden_words.py / generate_hook_templates.py

工作流程总览

[初始化] llm-wiki（强制）→ ima-skill（推荐）→ opencli（推荐）
    ↓
Step 1: 行业分析  →  Step 2: 竞品分析  →  Step 3: 账号养号
                                                  ↓
                    Step 5: 互动钩子设计  ←  Step 4: 爆款内容创作

每步节奏：Query(wiki+ima) → 执行 → Ingest(wiki,自动) + 保存(ima,询问)

Step 1：行业分析

详细指南：INDUSTRY_ANALYSIS.md

【开始前】双检索

llm-wiki Query：「[行业名]的用户画像、关键词体系、市场规模」
  → 参考 wiki/行业分析/[行业名].md

ima 搜索：「[行业名] 分析报告」「[行业名] 用户画像」

有历史内容 → 增量更新；无内容 → 执行完整分析。

核心任务

1. 读取客户 PPT/资料，识别核心诉求（涨粉/引流/转化/品牌曝光）
2. 了解现有账号状态（抖音/视频号/小红书基础、历史内容方向）
3. 调研行业大盘数据

泛化查询组（必须全部执行）

以「[品类词]」为例，生成 5 个查询维度，每个维度跑全部数据源：

Q1: [品类词]                    ← 原词
Q2: [品类词] 推荐 / 哪个好      ← 推荐型
Q3: [人群] + [品类词]           ← 人群细分（如：敏感肌护肤品）
Q4: [品类词] 怎么选 / 踩雷      ← 痛点/疑问型
Q5: [品类词] 趋势 2025 / 排行榜 ← 趋势/榜单型

数据获取（逐一执行，全量覆盖）

输出：templates/industry_report.md

【完成后】双写入

① llm-wiki Ingest（自动执行）→ wiki/行业分析/[行业名].md
   写入：市场规模、用户画像、关键词体系、平台趋势（增量更新，标注变化）
   更新：wiki/log.md 记录本次操作

② ima 保存（询问用户）：
   A. 新笔记「[行业名]-行业分析报告-[日期]」
   B. 追加到已有笔记  C. 暂不保存

Step 2：竞品分析

详细指南：COMPETITOR_ANALYSIS.md

【开始前】双检索

llm-wiki Query：「[竞品名]的内容策略、爆款特征、用户痛点」
  → 参考 wiki/竞品/[账号名].md

ima 搜索：「[竞品名] 账号分析」「[行业] 爆款拆解」

泛化查询组（必须全部执行）

以「[竞品名]」为例，生成 5 个查询维度：

Q1: [竞品名]                           ← 品牌名直接搜索
Q2: [竞品名] 怎么样 / 值得买吗         ← 评价型
Q3: [竞品名] vs [同类品牌]             ← 对比型
Q4: [竞品名] 踩雷 / 差评 / 缺点        ← 负面/差评型
Q5: [竞品名] [核心功能/人群]           ← 功能/场景型

数据获取（逐一执行，全量覆盖）

实时监测：python scripts/monitor_competitors.py --accounts templates/accounts_config.json

【完成后】双写入

① llm-wiki Ingest（自动执行）→ wiki/竞品/[账号名].md
   写入：本次数据快照、爆款拆解（追加）、用户痛点（合并）、策略变化标注
   更新：wiki/竞品/竞品策略矩阵.md（提炼跨账号规律）

② ima 保存（询问用户）：
   A. 新笔记「[行业]-竞品分析-[日期]」
   B. 追加到「[竞品名] 账号分析」  C. 暂不保存

Step 3：账号养号

详细指南：ACCOUNT_NURTURING.md

【开始前】双检索

llm-wiki Query：「[平台]养号权重提升的关键行为有哪些」
  → 参考 wiki/行业分析/[行业名].md（内含平台运营规律）

ima 搜索：「养号策略」「[平台] 冷启动」

资料完善 & 每日养号计划

• [ ] 实名认证 / 昵称（品牌+品类+关键词）/ 头像（高清）/ 简介 / 行业标签

【完成后】双写入

① llm-wiki Ingest（自动执行）→ wiki/客户档案/[品牌名].md
   写入：账号设置记录、养号阶段计划、发现的平台规律

② ima 保存（询问用户）：
   A. 新笔记「[品牌名]-账号设置建议-[日期]」  B. 暂不保存

Step 4：爆款内容创作

详细指南：VIRAL_CONTENT.md

【开始前】双检索

llm-wiki Query：「[行业]最有效的爆款标题公式和违禁词」
  → 参考 wiki/内容策略/爆款标题库.md、wiki/内容策略/违禁词库.md

ima 搜索：「[行业] 爆款标题」「违禁词库」「内容日历模板」

有历史标题库 → 直接复用拓展；有违禁词 → 合并使用。

泛化查询组（必须全部执行）

以「[品类词]」为例，生成 5 个内容方向查询：

Q1: [品类词]                        ← 行业大词
Q2: [品类词] 踩雷 / 避坑 / 种草     ← 避坑种草型
Q3: [品类词] 知识 / 成分 / 原理     ← 科普型
Q4: [品类词] + [当前热点/节日]      ← 热点融合型
Q5: 用了[品类词]后 / [品类词] 效果  ← 结果/反馈型

内容生产流程（全量执行）

1. 5118 关键词挖掘（优先）：
   bash # 分别查询 Q1~Q5，切换全网/抖音/小红书三平台 opencli web read "https://www.5118.com/ci?keyword=[Q1]" opencli web read "https://www.5118.com/ci?keyword=[Q2]" # ...依次执行 Q3/Q4/Q5 # → 提取高指数词作为标题关键词

2. 热点选题（全平台扫描）：
   bash opencli weibo hot # 微博实时热搜 opencli zhihu hot # 知乎热榜 opencli 36kr hot # 36氪商业热点 opencli bilibili hot # B站热门 opencli douyin hashtag "[行业标签]" # 抖音话题热度

3. 爆款参考内容（Q1~Q5 各搜一遍）：
   bash opencli xiaohongshu search "[词]" × Q1~Q5 # 小红书热门笔记 opencli bilibili ranking # B站热门排行 opencli zhihu search "[词]" × Q2/Q4 # 知乎高赞回答
   补充：WebFetch https://www.yizhuan5.com/ / WebSearch [词] site:weixin.qq.com

4. 违禁词检测：
   bash python scripts/detect_forbidden_words.py --text "[内容]" --platform [平台]

5. 二次创作：保留逻辑/替换案例，结合客户产品，加入品牌专属卖点

6. 内容发布：opencli douyin publish / opencli xiaohongshu publish

内容类型矩阵：

【完成后】双写入

① llm-wiki Ingest（自动执行）：
   → wiki/内容策略/爆款标题库.md：追加本次新标题公式（注明行业/来源）
   → wiki/内容策略/违禁词库.md：追加新违禁词和替换建议
   → wiki/内容策略/内容模板库.md：追加优质模板
   → wiki/客户档案/[品牌名].md：更新内容策略章节

② ima 保存（询问用户，可多选）：
   A. 爆款标题库追加到「[行业]-爆款标题库」
   B. 30天日历新笔记「[品牌]-内容日历-[月份]」
   C. 违禁词追加到「通用-违禁词库」  D. 暂不保存

Step 5：互动钩子设计

详细指南：ENGAGEMENT_HOOKS.md

【开始前】双检索

llm-wiki Query：「[行业]互动率最高的评论钩子和私域引导话术」
  → 参考 wiki/话术库/互动钩子.md、wiki/话术库/私域引导话术.md

ima 搜索：「互动话术」「评论钩子」「私域引导」「用户唤醒」

泛化查询组（必须全部执行）

以「[品类词]」为例，挖掘用户真实痛点和疑问：

Q1: [品类词] 痛点 / 困扰           ← 痛点型
Q2: [品类词] 怎么 / 为什么         ← 疑问型
Q3: [品类词] 哪个好 / 怎么选       ← 决策型
Q4: [品类词] 有效果吗 / 多久见效   ← 效果预期型
Q5: [场景] 用什么 [品类词]         ← 使用场景型

数据支撑 & 话术生成（全量执行）

# 5118 挖掘用户真实痛点词
opencli web read "https://www.5118.com/ci?keyword=[品类词] 痛点"  # Q1
opencli web read "https://www.5118.com/ci?keyword=[品类词] 怎么"  # Q2
# → 提取高频疑问词作为互动钩子设计依据

# opencli 收集真实互动数据
opencli xiaohongshu creator-notes-summary       # 笔记互动数据汇总
opencli douyin stats                            # 各视频互动对比
opencli xiaohongshu creator-note-detail [id]    # 竞品评论区声音
opencli zhihu search "[词]" × Q1~Q5            # 知乎真实用户提问

# 生成定制话术
python scripts/generate_hook_templates.py \
  --industry "[行业]" --brand "[品牌]" \
  --pain_point "[核心痛点]" --resource "[资料名]" \
  --output data/hooks_[品牌名].md

私域引导：欢迎语 + 7天未互动唤醒 + 强意向识别转人工

【完成后】双写入

① llm-wiki Ingest（自动执行）：
   → wiki/话术库/互动钩子.md：追加新钩子（注明行业/场景/效果）
   → wiki/话术库/私域引导话术.md：追加欢迎语/唤醒/转人工话术
   → wiki/客户档案/[品牌名].md：更新私域策略章节

② ima 保存（询问用户）：
   A. 新笔记「[品牌/行业]-互动话术库-[日期]」
   B. 追加到「通用-互动话术模板库」  C. 暂不保存

输出 & 知识资产

运营方案报告

运营方案报告/
├── 01_行业分析报告.md
├── 02_竞品分析报告.md
├── 03_账号设置建议.md
├── 04_内容创作计划.md（含30天日历）
└── 05_互动话术库.md

全套完成后

① llm-wiki Lint：检查 wiki 目录完整性、矛盾标注、过期内容
② ima 询问：是否将整套方案导入「[品牌名] 运营档案」笔记
③ wiki/log.md：记录本次完整运营分析的时间线摘要

参考资料

• QUERY_EXPANSION.md - 查询泛化原则 + 5118使用指南 + 各步全量执行清单
• LLM_WIKI.md - llm-wiki 安装、三大操作、各步 wiki 写入指南
• OPENCLI.md - opencli 安装 + 5118调用 + 各步命令速查
• IMA_KNOWLEDGE.md - ima知识库集成指南
• INDUSTRY_ANALYSIS.md - 行业分析完整指南
• COMPETITOR_ANALYSIS.md - 竞品分析框架
• ACCOUNT_NURTURING.md - 账号养号操作手册
• VIRAL_CONTENT.md - 爆款内容创作指南
• ENGAGEMENT_HOOKS.md - 互动钩子设计与话术库