这个 Skill 能做什么，适合哪些场景？
Trend Spotter 是 Aaron Marketing Skills 中面向网红营销侦察阶段的趋势分析技能。它根据品牌或行业、平台、受众、地域和时间范围，整理热点话题、标签、音频、挑战、内容格式与文化节点。技能会为候选趋势评分，判断其处于 rising、peak 或 declining 阶段，并给出参与、谨慎或跳过建议。它适合制定借势营销方向，但不负责寻找执行这些趋势的创作者。
读取品牌或行业、目标平台、受众、地域重点、时间范围、内容类别，以及可用的 influencer 记忆；分析趋势话题、标签、音频、挑战和平台内容格式；建立包含事件与提前期的文化日历；评估受众契合、品牌价值、内容适配、风险和时机，总分为 25 分；监测竞争者采用或错过的趋势；输出排名趋势、品牌契合评分、格式判断、前三项立即行动建议、观察清单、避免清单、时间窗口和内容格式建议，并写入 memory/influencer/trend-spotter/YYYY-MM-DD-<topic>.md，同时将持久事实提升到 memory/hot-cache.md。
- 品牌团队准备下一轮 TikTok 或其他社交平台活动，需要判断当前哪些热点值得参与。
- 营销人员发现一个标签、音频或挑战，想在投入预算前获得品牌契合评分和 go/skip 判断。
- 网红营销负责人需要把文化事件映射到内容制作和活动准备的提前期。
- 品牌希望了解竞争对手采用了哪些趋势、哪些机会被忽略或过度使用。
如何安装这个 Skill？
- 不要把模板中的趋势名称、浏览量或“最佳表现”描述当作已验证事实；应要求带日期、平台和来源的证据，并区分 Estimated 与 Measured。
- 在写入 memory 或推广到 hot-cache 前确认路径、内容范围和是否包含敏感品牌或受众数据，并准备人工回滚。
- 使用 RSS、Tavily、Wikipedia、Reddit 或 YouTube 配方前确认网络可达性、地区代表性、平台条款和数据新鲜度；中国大陆用户可能需要可达的本地替代信号。
- 先解决 CLAUDE_PLUGIN_ROOT 与仓库根目录运行约定的差异，并为网络、空结果和写入失败补充可诊断反馈。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3
在 Claude Code 中运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后运行 /plugin install aaron-marketing@aaron。在兼容 Agent Skills 的主机上，可运行 npx skills add aaron-he-zhu/aaron-marketing-skills 安装集合；该技能位于 influencer/scout/trend-spotter/SKILL.md。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/influencer/scout/trend-spotter" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 哪些趋势现在适合我的品牌或行业？
- Should [brand] participate in [trend/challenge]? Score the brand fit and give a go/skip call.
- What TikTok trends should a fitness brand run right now?
直接提出类似“哪些趋势现在适合我的品牌或行业？”的问题，或使用示例：“Should [brand] participate in [trend/challenge]? Score the brand fit and give a go/skip call.” 可补充平台和时间范围，例如：“What TikTok trends should a fitness brand run right now?” 不提供品牌、平台、受众和时间范围时，技能需要先向用户询问这些信息。
这个 Skill 有哪些优点和局限？
- 输出结构明确，包含排名、品牌契合评分、rising/peak/declining 判断和 go/caution/skip 建议。
- 覆盖热点、内容格式、文化日历和竞争者采用情况，适合活动时机决策。
- Tier 1 下无需实时集成，使用用户提供的数据也能完成分析。
- 支持通过 Google Trends RSS、Hacker News、Reddit、YouTube 异常值、Wikipedia pageviews 和 Tavily 等来源增强趋势信号。
- 核心工作依赖用户提供的品牌、平台、受众和时间范围，技能本身不保证实时趋势数据。
- 外部趋势配方需要 shell、Python 3 和网络访问；单一来源信号必须标记为 Estimated。
- 该技能不负责发现执行趋势的创作者，也不负责根据 go 结论建立社交发布日历。
- 源材料未提供针对各个平台的独立测试覆盖详情。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
FollowSkills 如何评估这个 Skill？
技能明确说明读取的品牌参数、可选 memory/influencer 数据，以及写入 trend-spotter 报告和 hot-cache；数据源也标注为可选连接器或用户提供的数据。扣11分：未明确写入前的用户确认、敏感数据处理、回滚机制和逐项数据流审批；外部抓取虽有共享安全背景，但本技能未给出完整的失败或权限边界。
步骤、输入、输出和完成条件基本一致，且提供模板与无依赖 RSS 配方。扣12分：静态材料未证明关键路径可复现，未定义异常输入、网络失败、无趋势信号或写入失败时的诊断反馈；主文档使用 CLAUDE_PLUGIN_ROOT，而配方要求从仓库根目录运行，存在环境假设。
触发语义、参数提示、目标平台、受众、地域、时间范围和不适用场景均有说明。扣6分：内容主要为英文，中文支持有限；geo-relevance 标为 low，且核心趋势信号依赖 Google Trends、Reddit、YouTube 等外部来源，未说明中国大陆网络可达性或平台替代方案。
具备清晰 frontmatter、版本号、Apache-2.0 许可证、快速开始、契约、模板、示例、引用材料和后续技能说明。扣5分：缺少本技能专属 changelog、明确维护责任人与更新路径、安装后的单技能依赖说明及系统化故障排查；部分示例指标缺少来源和时效声明。
能够产出排名趋势、品牌契合评分、格式判断、文化日历和 go/skip 建议，核心工作流对用户输入可用。扣10分：没有执行证据证明输出质量，真实趋势数据不是必需输入却被示例和流程暗示为可得，且趋势判断与示例中的浏览量可能需要人工核验，仍需较多编辑审查。
提供了 Google Trends RSS、HN、Reddit、YouTube 等来源和可重复的评分规则，并要求单源信号标记 Estimated。扣7分：技能自身没有针对关键路径的测试或第三方执行证据，示例中的趋势、浏览量和“最佳表现”声明没有逐项来源或交叉验证；仓库测试主要覆盖架构和审计验证器，不能验证本技能。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →