短剧爆款选题

用途

把「市场热点 × 用户偏好 × 平台趋势」三个维度交叉成一张选题地图，输出一批互相不撞车、可直接立项的短剧题材方向，并对每个方向给出可解释的热度评级。

不负责写大纲、不写剧本、不写分镜。产出止于「题材方向 + 立项判断依据」。

触发词（日常用语即触发）

以下口语化说法一律触发本技能，无需用户说出"短剧爆款选题"六个字：

不触发：写剧本/大纲（走 script-to-drama-prompt-dev）、生成分镜提示词（走 seedance-storyboard / h3-prompt-writing）、竞品剧集逐集拆解。

执行流程

S1 · 输入采集

按三个维度收集输入。用户没说的一律沿用默认值并在输出开头声明（[假设] 标记），不要反问超过 2 个问题。

缺失项优先级：主投平台 > 目标受众 > 内容形态 > 制作预算。前两项拿到即可开工。

S2 · 情报刷新（必做，不可跳过）

references/ 下的数据是基线，不是最新事实。执行时必须先检索再取用：

1. 用 WebSearch 拉取近 30 天数据，推荐 query 模板：
   • <平台> 短剧热播榜 <当前年月>（红果 / 抖音 / 快手 各一次）
   • 短剧 题材趋势 <当前年月>
   • 微短剧 监管 新规 <当前年>
2. 检索成功 → 用新数据覆盖 references/platform-trends.md 中的对应榜单段落，并在输出中标注数据日期。
3. 检索失败/无有效结果 → 改用基线数据，输出中显式声明 [数据基线：<日期>，未获取实时数据]。

S3 · 三维交叉比对

不要把三个维度各自总结一遍就输出。必须做交叉：

判断规则：

• 至少一个维度落点在近 30 天内，否则只是存量题材复述，降级处理。
• 只有两个维度支撑 → 候选池，不做 Top3。
• 三个维度同时支撑 → 进 Top3 深度卡。

S4 · 候选池生成

产出 8–12 个候选，不是 3 个就交差。数量不足说明交叉做得不够。

候选必须满足：同一批选题内，主赛道重合度不超过 40%。

S5 · 七维潜力评分

对每个候选打 7 个维度（各 0–10 分），调用脚本算加权总分与评级：

python scripts/topic_score.py --input candidates.json --out report.md

权重与档位口径见 references/scoring-model.md。评分必须写出该维度给分的具体依据（哪部剧、哪个榜单、哪条政策），只给数字视为无效。

一票否决：合规安全分 ≤ 3 → 无论总分多高，强制评级 D 并置顶风险提示。

S6 · 差异化校验（本技能的核心价值）

三条硬规则，违反任一条即打回重做：

1. 不复刻：不得把现有爆款原样换个名字输出。每个选题必须写出一句「差异化锚点」，说明与同赛道已有头部剧的区别。
2. 不重叠：同批选题之间不得出现同一核心冲突结构（如都是"重生打脸"）。
3. 反套路可验证：若使用"反套路"作为卖点，必须指出它反的是具体哪个套路（如"无替身梗、无失忆梗"），不能只写"反套路、有创新"。

S7 · 输出交付

严格按 assets/output-template.md 的结构输出：

1. 数据与假设声明（数据日期、已用输入、缺省假设）
2. 候选总表（全部候选，紧凑表格：题材命名 / 核心冲突 / 主平台 / 评级 / 总分）
3. Top3 深度卡（每卡含输出结构全部 10 个字段）
4. 交叉比对结论（三维交叉命中了什么，为什么是这几个）
5. 决策建议与排期（先做哪个、为什么、备选顺序）
6. 避坑清单（本批选题的合规红线与完播率杀手）

输出结构（每个选题必含 10 字段）

字段口径与示例见 references/topic-patterns.md 与 references/scoring-model.md。

参考资源

硬约束

• 评分必须可解释：每个维度的分数都要挂上具体依据，禁止"感觉不错给 8 分"。
• 差异性是交付门槛，不是加分项。三个选题长得像 = 任务失败。
• 不做无依据的确定性承诺。评级是排序工具，不是票房预测。
• 检索不到实时数据时明说，不编造榜单排名与热度数字。
• 合规风险宁可高估不可低估；踩红线题材直接排除，不做"稍微擦边"的建议。