Global Rank · of 601 Skills
byted-marketing-agent-trending-list AI Agent Skill
View Source: bytedance/agentkit-samples
CriticalInstallation
npx skills add bytedance/agentkit-samples --skill byted-marketing-agent-trending-list 44
Installs
趋势榜单(TrendingList)
When to Use
/trending— 手动触发完整趋势榜单查询- 用户问"热点话题/话题挑战/热榜事件/行业趋势/公域洞察"
- 用户想了解"最近有什么热点/行业热搜/热门话题挑战"
- 用户说"帮我看看热榜/最近什么事件在热/趋势是什么"
- 被其他编排 skill 调用(如日报生成、内容策划)
- 定时任务自动执行获取最新趋势数据
⛔ OUTPUT RULE — 最高优先级
- 执行过程中禁止向用户输出任何中间过程,包括但不限于:自检、创建虚拟环境、安装依赖、连通性验证等技术步骤。
- 禁止输出以下任何内容(违反即为失败):
- ❌ “让我先进行自检” / “正在创建虚拟环境” / “依赖安装中” / “安装还在进行”
- ❌ “让我先查看技能文件” / “首先进行环境准备”
- ❌ 接口地址、凭证、token、脚本路径、内部字段名、SDK 版本信息
- ❌ 数据库表名(如
cdp_voc.hot_topic_insights)、英文字段名(如main_challenge、heat_value)、query_type 值(如hot_topic_insights、hot_event)——无论是过程还是结果,一律禁止向用户透露- 若环境未就绪需要安装,只允许输出一句用户友好的提示(如"正在为您初始化查询服务,请稍候…"),完成后直接返回业务结果,不播报技术细节。
- 只在完成后输出一次:业务结果(行业列表 / 榜单列表 / 单条详情)或”暂无数据/参数缺失需要选择”。
自检与环境准备(每次执行前必须完成)
⚠️ 强制规则
- 所有脚本调用必须使用虚拟环境的 Python:
$VENV_PY- 首次使用或自检失败时,必须先完成下方"安装虚拟环境"步骤,再重新自检通过后才能执行业务调用。
- 禁止直接使用系统
python3,避免依赖污染或版本不匹配。
0. 凭证检测(环境准备前先检查)
if [ -z "$VOLCENGINE_ACCESS_KEY" ] || [ -z "$VOLCENGINE_SECRET_KEY" ]; then
echo "CREDENTIALS_MISSING"
else
echo "VOLCENGINE_ACCESS_KEY: 已设置"
fi- 若输出
CREDENTIALS_MISSING:必须向用户索取凭证,输出:🔑 需要配置火山引擎访问凭证,请提供:
- AccessKey(AK):
- SecretKey(SK):
- 用户提供后,将其存入 shell 变量
VOLC_AK_INPUT/VOLC_SK_INPUT,后续所有命令附加--ak "$VOLC_AK_INPUT" --sk "$VOLC_SK_INPUT"。 - 若凭证已存在(
VOLCENGINE_ACCESS_KEY/VOLCENGINE_SECRET_KEY已设置),无需询问,直接进入自检。
A. 离线自检(不触网,每次执行前先跑)
SCRIPTS_DIR=$(dirname "$(find ~ -maxdepth 8 -name "openapi_client.py" -path "*byted-marketing-agent-trending-list*" 2>/dev/null | head -1)")
SKILL_DIR=$(dirname "$SCRIPTS_DIR")
VENV_PY=$SKILL_DIR/venv/bin/python3
# 1) 检查虚拟环境是否存在
test -f $VENV_PY && echo "venv OK" || echo "venv 不存在,请先执行安装步骤"
# 2) 检查依赖是否可用
$VENV_PY -c "import volcenginesdkcore; from volcenginesdkcore import ApiClient; print('deps OK')"
# 3) 检查 volcengine-python-sdk 版本(必须 >= 4.0.43)
$VENV_PY -c "from importlib.metadata import version; print(version('volcengine-python-sdk'))"
# 4) 语法检查
$VENV_PY -m py_compile $SCRIPTS_DIR/openapi_client.py && echo "syntax OK"自检全部通过(无报错)后,才可执行后续业务调用。
安装虚拟环境(自检失败时执行)
SCRIPTS_DIR=$(dirname "$(find ~ -maxdepth 8 -name "openapi_client.py" -path "*byted-marketing-agent-trending-list*" 2>/dev/null | head -1)")
SKILL_DIR=$(dirname "$SCRIPTS_DIR")
# 1. 创建虚拟环境(仅首次)
python3 -m venv $SKILL_DIR/venv
# 2. 安装依赖
$SKILL_DIR/venv/bin/pip install 'volcengine-python-sdk>=4.0.43'已知缺陷提醒:volcengine-python-sdk 的 4.0.1~4.0.42(含)历史版本内置重试机制存在缺陷,强烈建议使用 >=4.0.43。
如系统缺少
python3-venv:apt update && apt install python3-venv -y,再重新执行上述步骤。
B. 在线自检(自检 A 通过后,验证接口连通性)
SCRIPTS_DIR=$(dirname "$(find ~ -maxdepth 8 -name "openapi_client.py" -path "*byted-marketing-agent-trending-list*" 2>/dev/null | head -1)")
SKILL_DIR=$(dirname "$SCRIPTS_DIR")
VENV_PY=$SKILL_DIR/venv/bin/python3
# 若用户提供了凭证,附加 --ak / --sk;否则省略
$VENV_PY $SCRIPTS_DIR/openapi_client.py --format text \
${VOLC_AK_INPUT:+--ak "$VOLC_AK_INPUT"} ${VOLC_SK_INPUT:+--sk "$VOLC_SK_INPUT"} \
list-industries如需进一步验证列表查询:
$VENV_PY $SCRIPTS_DIR/openapi_client.py --format text \
${VOLC_AK_INPUT:+--ak "$VOLC_AK_INPUT"} ${VOLC_SK_INPUT:+--sk "$VOLC_SK_INPUT"} \
query \
--category "{从行业枚举中选择一个}" \
--query-type hot_topic_insights \
--task-date "2026-03-12" \
--page 1 \
--page-size 5如需验证热榜事件(hot_event):
$VENV_PY $SCRIPTS_DIR/openapi_client.py --format text \
${VOLC_AK_INPUT:+--ak "$VOLC_AK_INPUT"} ${VOLC_SK_INPUT:+--sk "$VOLC_SK_INPUT"} \
query \
--category "{从行业枚举中选择一个}" \
--query-type hot_event \
--task-date "2026-03-12" \
--page 1 \
--page-size 5目标
为用户提供“趋势榜单”能力:
- 通过“接口1”获取可查询行业枚举(仅行业,不包含 type)。
- 用户选定行业后,使用本 Skill 固定的
type查询该行业下的趋势榜单列表。 - 用户点选某条记录后,按唯一键获取详情(可选:从列表上下文展开或再查一次详情)。
交互逻辑(必须)
当本 Skill 被触发时:必须先主动调用接口1获取最新行业枚举(无论用户是否已提供行业)。
Step 1:行业枚举(共用接口1)
$VENV_PY \
$SCRIPTS_DIR/openapi_client.py \
${VOLC_AK_INPUT:+--ak "$VOLC_AK_INPUT"} ${VOLC_SK_INPUT:+--sk "$VOLC_SK_INPUT"} \
--format text list-industries- 若用户未指定行业,展示行业列表让用户选择。
- 若用户已指定行业,仍允许在必要时刷新行业列表用于校验/纠错,确认行业有效后进入 Step 2。
- 无论用户是否指定 query_type,默认先查
hot_topic_insights(话题趋势榜);用户明确说"事件/热榜事件"时才查hot_event。
Step 2:按行业查询
- 本 Skill 的
type固定为trending_list(不要向用户暴露/询问 type)。 - 默认 query_type 为
hot_topic_insights,不需要询问用户;用户说"事件/热榜事件"时切换为hot_event。 - 支持分页与可选 filter(filter 只作为预留高级能力,默认不使用)。
- 默认排序:话题趋势榜按
总播放量 DESC,热榜事件按排名 DESC;用户可指定其他字段。
YESTERDAY=$(date -v-1d +%Y-%m-%d 2>/dev/null || date -d "yesterday" +%Y-%m-%d)
$VENV_PY \
$SCRIPTS_DIR/openapi_client.py --format json \
${VOLC_AK_INPUT:+--ak "$VOLC_AK_INPUT"} ${VOLC_SK_INPUT:+--sk "$VOLC_SK_INPUT"} \
query \
--category "{industry_name}" \
--query-type {hot_topic_insights|hot_event} \
--task-date "$YESTERDAY" \
--order-by "{总播放量 DESC | 排名 DESC}" \
--page 1 \
--page-size 20- 始终使用
--format json,脚本返回完整字段,由你负责格式化展示。
用户要求按其他维度排序时,替换 --order-by 的值:
话题趋势榜可排序字段:
"总播放量 DESC"— 总播放量(默认)"总点赞数 DESC"— 总点赞数"总评论数 DESC"— 总评论数"总分享数 DESC"— 总分享数"相关视频数量 DESC"— 相关视频数量
热榜事件可排序字段:
"排名 DESC"— 热度排名(默认)"热度值 DESC"— 热度值
每次返回列表结果后,主动告知用户可以按哪些字段排序,示例引导语:
💡 当前按总播放量排序,你也可以让我改成按「点赞数」「评论数」「分享数」「相关视频数量」排序。
Step 3:详情展开(可选)
YESTERDAY=$(date -v-1d +%Y-%m-%d 2>/dev/null || date -d "yesterday" +%Y-%m-%d)
$VENV_PY \
$SCRIPTS_DIR/openapi_client.py --format json \
${VOLC_AK_INPUT:+--ak "$VOLC_AK_INPUT"} ${VOLC_SK_INPUT:+--sk "$VOLC_SK_INPUT"} \
query \
--category "{industry_name}" \
--query-type {hot_topic_insights|hot_event} \
--task-date "$YESTERDAY" \
--filter "{筛选表达式}" \
--page 1 \
--page-size 1示例:
- 话题趋势榜详情:
--filter "任务ID = '{任务ID值}'" - 热榜事件详情:
--filter "事件名称 = '三星S26 Ultra防窥屏及影像功能热议'"(或用排名 = 1)
数据字段说明
接口返回每条记录,不同榜单类型的字段略有差异,全部透传、不裁剪:
A. 话题趋势榜
| 字段名 | 含义 |
|---|---|
| 主话题 | 热点话题中的主要挑战内容 |
| 关联挑战1 ~ 关联挑战5 | 关联的第1~5个挑战 |
| 占比1 ~ 占比5 | 对应关联挑战的占比 |
| 是否官方 | 是否官方热点(0=非官方,1=官方) |
| 是否商业 | 是否商业相关(0=非商业,1=商业) |
| 相关视频标题 | 话题相关的视频标题列表 |
| 相关视频数量 | 话题相关视频数量 |
| 总播放量 | 话题总播放量 |
| 总点赞数 | 话题总点赞数 |
| 总评论数 | 话题总评论数 |
| 总分享数 | 话题总分享数 |
| 总关注数 | 话题总关注数 |
| 总收藏数 | 话题总收藏数 |
| 总完播量 | 话题总完播量 |
| 话题描述 | 话题描述信息 |
| 产出日期 | 任务运行结束日期 |
| 任务名 / 任务日期 / 任务ID | 任务元信息 |
B. 热榜事件
| 字段名 | 含义 |
|---|---|
| 事件名称 | 事件名称 |
| 摘要 | 一句话背景/观点摘要 |
| 相关视频 | 相关视频标题列表(文本) |
| 链接 | 搜索/聚合页链接 |
| 热度值 | 热度值 |
| 排名 | 热度排名 |
| 语音文本 | 语音转文字(如有) |
| 分析内容 | 结构化分析(如有) |
| 产出日期 | 产出日期 |
| 任务名 / 任务日期 | 任务元信息 |
展示规范
⛔ 禁止在下方模板规定的结构之外添加任何内容,包括引言、总结、个人分析或额外说明。禁止直接粘贴原始 JSON。
hot_topic_insights 列表视图(固定模板)
## 🔥 {行业} 热点话题榜({task_date})|按{排序字段中文名}排序
| # | 主话题 | 播放量 | 点赞 | 相关视频数 |
|---|--------|--------|------|-----------|
| 1 | {主话题} | {总播放量}万 | {总点赞数}万 | {相关视频数量} |
...
💡 你可以继续问我:
- {引导问题1}
- {引导问题2}
- {引导问题3}hot_topic_insights 详情视图(固定模板)
### 🔍 {主话题}
{话题描述}
**关联挑战分布:**
| 关联挑战 | 占比 |
|----------|------|
| {关联挑战1} | {占比1}% |
| {关联挑战2} | {占比2}% |
...(仅展示非空项)
**数据:** 播放 {总播放量}万 · 点赞 {总点赞数}万 · 评论 {总评论数}万 · 相关视频 {相关视频数量} 条
💡 你可以继续问我:
- {引导问题1}
- {引导问题2}
- {引导问题3}hot_event 列表视图(固定模板)
## 📰 {行业} 热榜事件({task_date})
| 排名 | 事件 | 摘要 | 热度值 | 链接 |
|------|------|------|--------|------|
| {排名} | {事件名称} | {摘要} | {热度值} | [查看](url) |
...
💡 你可以继续问我:
- {引导问题1}
- {引导问题2}
- {引导问题3}hot_event 详情视图(固定模板)
### 🔍 {事件名称}
**摘要:** {摘要}
**相关视频(Top3):**
- {相关视频 前3条,每条一行}
**分析:** {分析内容}
热度值 {热度值} · 排名 {排名} [查看聚合页](url)
💡 你可以继续问我:
- {引导问题1}
- {引导问题2}
- {引导问题3}数值规则:保留1位小数,不足1万显示原值;url 为空时显示"—"。
引导提问规范(每次返回结果后必须执行)
每次输出业务结果后,必须在末尾附上 2~3 个引导问题,帮助用户深入探索。引导问题要带入当前上下文(行业名、日期、标题),让用户直接回复即可继续。
返回行业列表后
💡 你可以继续问我:
- "帮我查一下**[某行业]** 的趋势视频"(把行业名填上,用户直接确认即可)
- "我想看看最近有什么热点事件"
返回话题趋势榜(hot_topic_insights)后
💡 你可以继续问我:
- “帮我展开「{排名第1的主要挑战}」的详细内容”
- “{当前行业} 最近有哪些热榜事件?”(自动切换到 hot_event)
- “换一个行业看看,比如**[推荐另一个行业]**”
返回热榜事件(hot_event)后
💡 你可以继续问我:
- “展开「{排名第1的事件名称}」的详细内容”
- “{当前行业} 最近有哪些热点话题挑战?”(自动切换到 hot_topic_insights)
- “换一个行业看热榜事件”
返回单条详情后
💡 你可以继续问我:
- “看看榜单里的下一条”
- “{当前行业} 有哪些热榜事件?” 或 “{当前行业} 有哪些热点话题?”(引导看另一个 type)
- “换个行业查一下”
原则:两个 type 之间要互相引流——看完话题趋势就引导去看热榜事件,看完事件就引导去看相关话题挑战,形成完整的内容探索闭环。
参数规则
industry_name:必须来自接口1返回的行业枚举(或与其一致)。type:禁止从接口1下发;由本 Skill 内部固定为trending_list。query_type:支持hot_topic_insights/hot_event。task_date:默认取 T-1(昨天),即$(date -v-1d +%Y-%m-%d 2>/dev/null || date -d "yesterday" +%Y-%m-%d);用户指定日期时以用户为准。
错误处理
- 接口调用失败:只向用户输出简短失败原因(不要包含 URL/Token/脚本名/堆栈)。
- 行业缺失:输出行业候选列表(适度截断),让用户选择。
- 无数据:输出”该行业暂无趋势榜单数据”。
- 行业/类型不支持:若服务返回”未知任务/不支持”,输出”该行业暂不支持该榜单类型(hot_event/hot_topic_insights)”。
凭证说明(仅供执行时使用,禁止回显给用户)
Volcengine SDK 鉴权(接口调用必需)
本 Skill 使用
volcenginesdkcore.ApiClient向cdp-saas.cn-beijing.volcengineapi.com发起签名请求。
Action:ArkOpenClawSkill,Version:2022-08-01。
凭证仅通过用户输入获取,优先级:--ak/--sk 参数 > 环境变量 VOLCENGINE_ACCESS_KEY/VOLCENGINE_SECRET_KEY。
VOLCENGINE_ACCESS_KEY:AccessKeyVOLCENGINE_SECRET_KEY:SecretKeyVOLC_SERVICE:覆盖 Service 名(可选,默认cdp_saas)VOLCENGINE_REGION:覆盖 Region(可选,默认cn-beijing)
本 Skill 的 query_type
- 默认使用:
hot_topic_insights - 可选使用:
hot_event
可选覆盖
PUBLIC_INSIGHT_API_URL:覆盖默认接入点(仅限内部调试)
安全要求:禁止在
SKILL.md或代码中硬编码明文 AK/SK。
Installs
Security Audit
View Source
bytedance/agentkit-samples
More from this source
Power your AI Agents with
the best open-source models.
Drop-in OpenAI-compatible API. No data leaves Europe.
Explore Inference APIGLM
GLM 5
$1.00 / $3.20
per M tokens
Kimi
Kimi K2.5
$0.60 / $2.80
per M tokens
MiniMax
MiniMax M2.5
$0.30 / $1.20
per M tokens
Qwen
Qwen3.5 122B
$0.40 / $3.00
per M tokens
How to use this skill
Install byted-marketing-agent-trending-list by running npx skills add bytedance/agentkit-samples --skill byted-marketing-agent-trending-list in your project directory. Run the install command above in your project directory. The skill file will be downloaded from GitHub and placed in your project.
No configuration needed. Your AI agent (Claude Code, Cursor, Windsurf, etc.) automatically detects installed skills and uses them as context when generating code.
The skill enhances your agent's understanding of byted-marketing-agent-trending-list, helping it follow established patterns, avoid common mistakes, and produce production-ready output.
What you get
Skills are plain-text instruction files — not executable code. They encode expert knowledge about frameworks, languages, or tools that your AI agent reads to improve its output. This means zero runtime overhead, no dependency conflicts, and full transparency: you can read and review every instruction before installing.
Compatibility
This skill works with any AI coding agent that supports the skills.sh format, including Claude Code (Anthropic), Cursor, Windsurf, Cline, Aider, and other tools that read project-level context files. Skills are framework-agnostic at the transport level — the content inside determines which language or framework it applies to.
Chat with 100+ AI Models in one App.
Use Claude, ChatGPT, Gemini alongside with EU-Hosted Models like Deepseek, GLM-5, Kimi K2.5 and many more.