用字幕内容生成摘要，写入 fetch 表

3. 抓取 Twitter 内容

对「Twitter博主」表中状态为「活跃」的每个博主：

bash
bird user-tweets @{用户名} -n 5 --plain --auth-token --ct0

对每条推文，检查 fetch 表是否已存在（用原文链接去重），新内容写入 fetch 表。

4. 写入 fetch 表的格式

bash
mcporter call dingtalk-ai-table create_records --args {
baseId:,
tableId:,
records:[{
cells:{
<来源fieldId>:YouTube 或 Twitter,
<博主名称fieldId>:博主名,
<标题fieldId>:内容标题,
<内容摘要fieldId>:200字以内摘要,
<原文链接fieldId>:完整URL,
<发布时间fieldId>:YYYY-MM-DD,
<抓取时间fieldId>:YYYY-MM-DD HH:mm,
<内容类型fieldId>:视频/推文/长推文/转推评论,
<关键词标签fieldId>:逗号分隔的标签,
<处理状态fieldId>:待分析
}
}]
} --output json

三、选题分析（每次抓取后执行）

1. 读取待分析内容

bash
mcporter call dingtalk-ai-table query_records --args {
baseId:,tableId:,
filters:{operator:and,operands:[
{operator:eq,operands:[<处理状态fieldId>,<待分析optionId>]}
]}
} --output json

2. 主题聚合

分析所有「待分析」记录，按以下规则聚合成选题：

• - 关键词匹配：相同关键词标签的内容归为同一选题
• 语义相似：标题或摘要讨论同一事件/技术的合并
• 跨平台加权：YouTube + Twitter 同时出现的话题热度更高

3. 热度评分规则

满分 100，计算维度：

4. 搜索背景信息

对每个选题用可用的搜索工具（如 Tavily、web search 等）补充背景知识。搜索关键词 + 当前年份，取新闻类结果。

5. 生成选题建议

每条选题包含：

• - 🎯 目标受众 — 这个视频谁会看
• ⏱ 建议时长 — 短视频多长合适
• 📐 内容结构 — 分几段讲什么（3-5个要点）
• 多个标题参考 — 至少3个不同角度的标题

6. 写入选题分析表

bash
mcporter call dingtalk-ai-table create_records --args {
baseId:,
tableId:,
records:[{
cells:{
<主题fieldId>:emoji + 主题标题,
<热度评分fieldId>:85,
<相关内容数fieldId>:3,
<来源博主fieldId>:博主1, 博主2,
<主题分类fieldId>:大模型/AI应用/AI编程/AI硬件/AI政策/AI创业/AI开源/其他,
<背景信息fieldId>:背景描述...,
<选题建议fieldId>:完整建议...,
<分析时间fieldId>:YYYY-MM-DD HH:mm,
<状态fieldId>:待审核
}
}]
} --output json

7. 设置关联

关键：关联字段写入必须用 {linkedRecordIds:[...]} 格式，不能直接传数组：

bash
mcporter call dingtalk-ai-table update_records --args {
baseId:,
tableId:,
records:[{
recordId:<选题recordId>,
cells:{
<相关内容fieldId>:{linkedRecordIds:[,]}
}
}]
} --output json

8. 更新 fetch 记录状态

将已关联到选题的 fetch 记录标记为「已分析」。
对不值得做选题的内容（非AI相关、过于轻量）标记为「已忽略」。

踩坑记录

详见 references/gotchas.md，包含钉钉 API 的坑和 bird/yt-dlp 使用注意事项。

主题分类选项