tc9011/topic-generator

Topic Generator - 选题生成

生成流程

1. 接收热点列表（来自topic-collector）
2. 评估筛选：按选题价值打分
3. 输出TOP10：完整选题方案

筛选标准

必须满足

• AI相关（Vibe Coding / Claude / AI工具 / AI模型）
• 有明确的用户价值（能学到/能用到/能思考）
• 国内用户能理解和关注

加分项

| 维度 | 高分 | 低分 | |------|------|------| | 热度 | 讨论量大、增长快 | 冷门、无人问津 | | 时效 | 24小时内 | 超过3天 | | 独特性 | 有新角度可挖 | 已被写烂 | | 可操作 | 能给出具体方法 | 纯概念讨论 |

写作方式分类

根据内容特点选择：

1. 干货教程 - 有具体步骤可复现
2. 产品体验 - 新产品/新功能测评
3. 观点分享 - 趋势分析/行业洞察
4. 新技术突破 - 重大更新/技术解读

输出格式

每个选题输出：

### 选题 N：[标题]

**事件描述**
一句话说清楚发生了什么

**核心角度**
为什么值得写？独特切入点是什么？

**推荐标题**（3个备选）
1. 标题A
2. 标题B
3. 标题C

**写作方式**：干货教程 / 产品体验 / 观点分享 / 新技术突破

**预估热度**：⭐⭐⭐⭐⭐（1-5星）

**不写的风险**：错过什么？（可选）

选题公式参考

工具测评型

• 用了X天[工具]，我发现[意外收获]
• [工具]的隐藏功能，90%的人不知道

方法论型

• 我用[方法]搞定了[问题]的完整流程
• [数字]个让[场景]效率翻倍的技巧

热点结合型

• [热点]爆火，但大家忽略了这一点
• 从[热点]看AI编程的未来

反共识型

• 别再[常见做法]了
• 为什么我不推荐[热门事物]

经验复盘型

• 做了[数字]个[事情]后，我总结的[数字]条教训
• 如果重来一次，我会[改变]

质量检查

生成后自检：

• [ ] 标题有冲突感？（数字、对比、反差、疑问）
• [ ] 读者有痛点？
• [ ] 我有独特视角？
• [ ] 有具体案例？
• [ ] 能引发讨论？

5条全中 = 必写 | 3-4条 = 可写 | <3条 = 再想想