爆款视频选题
不管你做什么行业——餐饮、健身、法律、美业、教育、宠物、手工艺……三个字就能跑：内容对象 × 使用语境 × 提问角度 = 候选选题。不依赖预置行业模板，AI 根据万能语义域当场建库，什么行业都能跑。
触发条件
用户提到「生成选题」「选题规划」「选题库」「选题策略」「短视频选题」+ 行业名称，或直接说「帮我生成 XX 行业的选题」时自动触发。
任务边界
只负责按行业/细分领域建立三层关键词库、生成短视频选题和导出本地 CSV。
不生成：完整脚本、账号定位、用户画像、营销策略、行业分析报告、竞品分析、拍摄方案书。不连接外部服务，不上传数据。
不应使用本 Skill 的场景（避免误调用）：
- 用户说「帮我写一条短视频脚本」→ 这是脚本写作，不是选题生成
- 用户说「帮我分析这个账号的选题策略」→ 这是账号分析，不是选题规划
- 用户说「这个行业怎么做短视频，帮我做个方案」→ 这是方案策划，不是选题生成
- 用户没有提到任何行业，只说「给我一些选题」→ 无法确定行业，追问而非瞎猜
工作流程（一行式）
① 提取行业/细分领域（不明确只追问一次）
│
▼
② 自举生成三层关键词库（L1内容对象 × L2使用语境 × L3提问角度）
│
▼
③ 冷门行业自信度检查（不过关 → 半自动模式，用户供种子词）
│
▼
④ 确定参数（默认 30 条 / mixed / outputs/爆款视频选题/）
│
▼
⑤ 复用或新建词库（低于软底线先问用户）
│
▼
⑥ 生成策略（广度+深度矩阵，组合去重）
│
▼
⑦ 合规过滤（普适底线 + 行业红线，不合格舍弃补充）
│
▼
⑧ 导出选题 CSV
│
▼
⑨ 质量自检（覆盖度/L3多样性/人群平衡/口播感/合规通过率）
│
▼
⑩ 交付确认 + 词库扩充引导 + 覆盖度预警
> 每步完整细则见 references/flow-rules.md（执行到对应步骤时读取）
输出契约
最终文件名：选题_<行业>_YYYYMMDD.csv。
固定表头顺序：
序号,行业/细分领域,选题标题,第一层关键词,第二层关键词,第三层关键词,生成模式,生成日期
只向用户报告合格选题数和 CSV 绝对路径，不展示内部评分或临时 JSON。词库和 选题历史.csv 保留在同一输出目录，用于后续积累和去重。
异常处理
| 情况 | 处理方式 |
|---|---|
| 行业/细分领域表达不明确 | 追问一次，仍未明确则要求用户确认后再继续 |
| 关键词库为空或不存在 | 按三层方法文档从零建库，不跳过 |
| 复用词库某层关键词低于软底线 | 提示用户当前数量，由用户决定是否扩充后继续 |
| 候选组合大规模不成立 | 检查是否某层关键词范围过窄，必要时建议扩充该层 |
| 合规过滤后合格选题不足目标数 | 补充生成一轮；仍不足则告知用户当前上限，按实际数量输出 |
python3 命令不存在 |
降级尝试 python，都不存在则报错并提示安装 Python 3 |
| 输出目录不可写 | 报错并提示用户检查目录权限 |
| 选题历史文件损坏 | 脚本拒绝写入并保留原文件，需用户手动处理后再运行 |
| 写入过程遇到临时故障（磁盘满、云同步锁冲突） | 脚本内置 3 次自动重试（指数退避 1s→2s→4s），仍失败则提示具体错误原因和解决建议 |
使用示例
用户：帮我生成 30 个重庆火锅的短视频选题
→ 自举生成火锅行业三层关键词库
→ 展示关键词摘要 + 覆盖度仪表盘
→ 用户确认后生成选题
→ 导出选题_重庆火锅_20260730.csv
用户：我是做刑事辩护律师的，给我生成 20 个避坑类选题
→ 自举生成法律行业三层关键词库
→ 合规自动加载金融/法律第二级红线
→ 生成 20 个 pitfall 模式选题
用户：健身房教练，给我来 50 个burst模式的选题
→ 自举生成健身行业三层关键词库
→ burst 模式：生成 200 个候选，仅过滤第一级底线
→ 导出供用户圈选
资源使用（何时读）
| 资源 | 用途 |
|---|---|
references/three-layer-method.md |
三层关键词组合方法论（建库前必读） |
references/universal-compliance.md |
分级合规规则（合规过滤前必读） |
references/flow-rules.md |
完整执行流程细则（每步执行时按需读取） |
scripts/csv_store.py |
词库/选题 CSV 读写（运行命令见 flow-rules） |
版本历史
| 版本 | 日期 | 变更 |
|---|---|---|
| v1.3.0 | 2026-08-03 | 架构重构：SKILL.md 221→120 行骨架化——固定流程/模式定义/质量自检下沉至 references/flow-rules.md |
| v1.2.0 | 2026-07-30 | 品牌升级：Skill 更名为「爆款视频选题」（viral-video-topics），优化触发词 |
| v1.1.0 | 2026-07-30 | TRACE 评测优化：新增任务边界反例（A-适用性）、冷门行业降级兜底（R-可靠性）、质量自检清单（E-有效性）、版本历史与已知限制（C-规范性） |
| v1.0.0 | 2026-07-30 | 初始版本。从 medical-three-layer-topic 改造为百业通用版，自举生成关键词库，分级合规体系 |
已知限制
- 冷门/小众行业：当行业足够细分且 AI 训练知识中覆盖率低时（如地方性手工艺、新兴小众品类），自动建库质量可能下降。此时触发半自动模式，需用户提供 5–10 个种子关键词。
- 标题口播感：AI 对行业口语风格的把握存在边界。医疗、法律等严肃行业的标题偏克制；餐饮、娱乐等行业偏活泼——风格适配依赖 AI 的常识判断，非显式规则。
- 合规过滤是软检查：普适底线和行业红线由 AI 执行，不是程序化硬拦截。若发现漏网之鱼，用户可在 CSV 中手动删除。
- 不支持跨行业混合选题：一次只能为一个行业/细分领域生成选题。如果用户同时做火锅+奶茶，需分别运行两次。
- 关键词库质量依赖初始建库：复用词库时不会自动优化已有关键词（仅扩充软底线不足的层）。若首次建库质量不高，建议手动编辑
关键词库_<行业>.csv优化后再用。
