trend-deep-dive

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

trend-deep-dive

Single-topic, multi-angle investigation skill. Given one topic (a person, event, product, hashtag, or phrase), produce a structured report covering heat curve, lifecycle stage, viral anomaly assessment, near-future prediction, related satellite events, and sentiment evolution. Backed by the

trendradar

MCP.

针对单一主题的多角度调查 skill。给定一个主题（人物、事件、产品、hashtag 或短语），生成一份结构化报告，涵盖热度曲线、生命周期阶段、爆红异常评估、近期走势预测、相关卫星事件和情感演化。由

trendradar

MCP 提供支持。

When to activate

何时启用

Activate when the user's intent is to understand one topic in depth (not to scan many topics, not to compose a campaign). Trigger phrases include:

"深挖 XX" / "把 XX 说清楚" / "XX 是怎么演变的"
"XX 的趋势" / "XX 的热度曲线" / "XX 这几天怎么样"
"XX 处于什么阶段" / "XX 的生命周期" / "XX 还能火多久"
"XX 会不会火" / "XX 接下来怎么走" / "predict X 的走势"
"XX 是不是异常热点" / "有没有人为推动" / "是不是被刷的"
"XX 的舆情" / "舆情演化" / "网友怎么看 XX"
"deep dive on X" / "go deep on X"

If the user asks about many topics at once, redirect to

trend-monitor

. If they want to make a piece of content off the topic, redirect to

viral-forge

. If they want a report deliverable, hand off to

trend-report

after finishing the analysis.

当用户的意图是深入理解一个主题（而非扫描多个主题，也不是围绕该主题创作内容）时启用。触发短语包括：

“深挖 XX” / “把 XX 说清楚” / “XX 是怎么演变的”
“XX 的趋势” / “XX 的热度曲线” / “XX 这几天怎么样”
“XX 处于什么阶段” / “XX 的生命周期” / “XX 还能火多久”
“XX 会不会火” / “XX 接下来怎么走” / “predict X 的走势”
“XX 是不是异常热点” / “有没有人为推动” / “是不是被刷的”
“XX 的舆情” / “舆情演化” / “网友怎么看 XX”
“deep dive on X” / “go deep on X”

如果用户一次询问多个主题，请转至

trend-monitor

。如果用户希望基于该主题创作内容，请转至

viral-forge

。如果用户需要交付型报告，请在完成分析后转交

trend-report

。

Decision tree for

analysis_type

analysis_type

决策树

mcp__trendradar__analyze_topic_trend

accepts an

analysis_type

argument. Pick exactly one based on the user's primary goal:

User goal (paraphrased)	`analysis_type`	Notable args
"热度曲线 / 看变化 / 这几天怎么样 / 趋势是啥"	`trend`	`granularity="day"` (default) or `"hour"` if window < 3 d
"现在处于哪个阶段 / 还能火多久 / 是萌芽还是衰退"	`lifecycle`	none beyond `topic` / `date_range`
"是不是异常热点 / 有没有人为推动 / 是不是被刷的"	`viral`	`spike_threshold` (e.g. 3.0), `time_window` (e.g. "24h")
"未来几小时/几天会怎样 / 还会不会涨 / predict 走势"	`predict`	`lookahead_hours` (default 24), `confidence_threshold` (0.6)

Rules of thumb:

If the user asks two of the above in one breath, run them sequentially in this order:
```
trend
```
→
```
lifecycle
```
→
```
viral
```
→
```
predict
```
. Do not parallelize different
```
analysis_type
```
calls on the same topic — each call already returns curve data the next one can reference.
If unsure, start with
```
trend
```
(cheapest, gives a baseline curve), then escalate.

See references/decision-tree.md for worked examples.

mcp__trendradar__analyze_topic_trend

接受

analysis_type

参数。根据用户的主要目标，严格选择以下一种：

用户目标（意译）	`analysis_type`	关键参数
“热度曲线 / 查看变化 / 最近几天怎么样 / 趋势是什么”	`trend`	`granularity="day"` （默认）；窗口不足 3 天时使用 `"hour"`
“目前处于哪个阶段 / 还能火多久 / 是萌芽还是衰退”	`lifecycle`	除 `topic` / `date_range` 外无需其他参数
“是否为异常热点 / 是否有人为推动 / 是否被刷量”	`viral`	`spike_threshold` （例如 3.0）、 `time_window` （例如 `"24h"` ）
“未来几小时/几天会怎样 / 还会不会上涨 / 预测走势”	`predict`	`lookahead_hours` （默认 24）、 `confidence_threshold` （0.6）

经验规则：

如果用户一口气询问上述两项内容，请按以下顺序依次运行：
```
trend
```
→
```
lifecycle
```
→
```
viral
```
→
```
predict
```
。不要并行调用同一主题下不同
```
analysis_type
```
；每次调用都会返回可供后续调用参考的曲线数据。
如果不确定，请先运行
```
trend
```
（成本最低，可提供基准曲线），然后再逐步升级分析。

有关示例，请参阅 references/decision-tree.md。

Standard workflow

标准工作流

Execute these steps in order. Skip a step only if its precondition is not met (noted inline).

Resolve the time window. If the user says "上周", "最近三天", "这个月", "from Apr 10 to Apr 20", call:
```
mcp__trendradar__resolve_date_range(text=<user phrase>)
```
Use the returned
```
date_range
```
for every downstream call. If the user gave no time hint, default to the last 7 days and state that assumption in the final report.

Run the primary analysis. Pick

analysis_type

via the decision tree above, then:

mcp__trendradar__analyze_topic_trend(
  topic=<topic>,
  analysis_type=<chosen>,
  date_range=<from step 1>,
  granularity="day"   # use "hour" if window ≤ 72h or user wants intraday detail
)

Capture the returned data points, peak timestamps, and any lifecycle/anomaly/prediction fields.

Surface satellite events. Run:
```
mcp__trendradar__find_related_news(
  reference_title=<topic>,
  date_range=<same as step 1>,
  threshold=0.5,
  limit=30
)
```
These are the related events orbiting the topic — sub-stories, reactions, parallel angles. Sort by rank/heat.
Analyze sentiment. Over the related-news pool from step 3 (or, if it returned <5 items, over a broader
```
search_news
```
pull on the topic), call:
```
mcp__trendradar__analyze_sentiment(
  topic=<topic>,
  date_range=<same>,
  # pass article ids/urls from step 3 if the tool accepts them; otherwise let it re-fetch
)
```
Extract: positive %, neutral %, negative %, and one representative quote per bucket.

(Optional) Period comparison. If the user said "vs 上周", "比上个月怎么样", "compared to last month", call:

mcp__trendradar__compare_periods(
  topic=<topic>,
  current_range=<step 1>,
  previous_range=<auto-shifted by the same span>
)

Read the substantive top items. Take the top 3–5 highest-ranked items from step 3 and pull their bodies:
```
mcp__trendradar__read_articles_batch(article_ids=[...])
```
Use these to ground key-node descriptions and sentiment quotes — never paraphrase from titles alone.

按顺序执行以下步骤。只有当前置条件不满足时才可跳过相应步骤（已 inline 注明）。

确定时间窗口。 如果用户提到“上周”“最近三天”“这个月”“from Apr 10 to Apr 20”，调用：
```
mcp__trendradar__resolve_date_range(text=<用户原话>)
```
在所有下游调用中使用返回的
```
date_range
```
。如果用户未提供时间提示，默认使用最近 7 天，并在最终报告中说明这一假设。

运行主要分析。 通过上述决策树选择

analysis_type

，然后执行：

mcp__trendradar__analyze_topic_trend(
  topic=<topic>,
  analysis_type=<所选类型>,
  date_range=<步骤 1 的结果>,
  granularity="day"   # 当窗口 ≤ 72h 或用户需要日内明细时使用 "hour"
)

记录返回的数据点、峰值时间戳，以及所有生命周期、异常或预测字段。

发现卫星事件。 运行：
```
mcp__trendradar__find_related_news(
  reference_title=<topic>,
  date_range=<步骤 1 的结果>,
  threshold=0.5,
  limit=30
)
```
这些是围绕该主题展开的相关事件，包括衍生报道、用户反应和并行视角。按排名或热度排序。
分析情感。 基于步骤 3 的相关新闻池（如果返回少于 5 条，则对该主题执行范围更广的
```
search_news
```
拉取），调用：
```
mcp__trendradar__analyze_sentiment(
  topic=<topic>,
  date_range=<步骤 1 的结果>,
  # 如果工具接受，则传入步骤 3 中的文章 id/url；否则让工具重新拉取
)
```
提取：正面比例、中性比例、负面比例，以及每个类别的一条代表性引语。

（可选）周期对比。 如果用户提到“vs 上周”“比上个月怎么样”“compared to last month”，调用：

mcp__trendradar__compare_periods(
  topic=<topic>,
  current_range=<步骤 1 的结果>,
  previous_range=<按相同时长自动偏移>
)

阅读高排名重点内容。 从步骤 3 中选取排名最高的 3–5 条内容并拉取正文：
```
mcp__trendradar__read_articles_batch(article_ids=[...])
```
使用这些正文为关键节点描述和情感引语提供依据——绝不能仅根据标题进行转述。

Output schema

输出结构

Render the final answer as Markdown with all of the following sections, in this order. Omit a section only if explicitly N/A and say so.

markdown

undefined

将最终答案渲染为 Markdown，按以下顺序包含所有部分。只有明确不适用时才可省略某部分，并需加以说明。

markdown

undefined

一句话结论

<一句话：所处阶段 + 发展方向 + 一个值得注意的信号>

热度曲线

日期/小时	热度	备注
...	...	...

趋势判定: 上升 / 平台 / 衰退 (+ 短理由)

日期/小时	热度	备注
...	...	...

趋势判定: 上升 / 平台 / 衰退（+ 简短理由）

生命周期阶段

当前阶段: 萌芽 / 爆发 / 平台 / 衰退 判定依据: <2-3 句,引用曲线斜率、峰值距今时间、相关事件密度>

当前阶段: 萌芽 / 爆发 / 平台 / 衰退 判定依据: <2-3 句，引用曲线斜率、峰值距今时间、相关事件密度>

关键节点

YYYY-MM-DD · 平台 · <事件标题/触发动作>
...

YYYY-MM-DD · 平台 · <事件标题/触发动作>
...

情感分布

正面 X% — 代表观点: "..."
中性 Y% — 代表观点: "..."
负面 Z% — 代表观点: "..."

正面 X% — 代表观点: “...”
中性 Y% — 代表观点: “...”
负面 Z% — 代表观点: “...”

预测 (仅在调用了 predict 时)

预测（仅在调用了 predict 时）

未来 N 小时方向: 上行 / 持平 / 下行
置信度: 0.xx
触发再涨/熄火的关键变量: ...

未来 N 小时方向: 上行 / 持平 / 下行
置信度: 0.xx
触发再涨/熄火的关键变量: ...

数据来源与置信度

MCP 调用: analyze_topic_trend(<type>), find_related_news, analyze_sentiment, [compare_periods], read_articles_batch
数据点数量: N 篇文章 / M 个时间桶
置信度评估: 高 / 中 / 低 — <理由,例如样本量、平台覆盖度、是否跨多源验证>

undefined

MCP 调用: analyze_topic_trend(<type>), find_related_news, analyze_sentiment, [compare_periods], read_articles_batch
数据点数量: N 篇文章 / M 个时间桶
置信度评估: 高 / 中 / 低 — <理由，例如样本量、平台覆盖度、是否经过多源验证>

undefined

Edge cases

边界情况

Topic too rare / no data. If
```
analyze_topic_trend
```
returns an empty curve, do not fabricate. Tell the user: "过去 <window> 内 trendradar 索引中未发现
```
<topic>
```
" and offer two follow-ups: (a) widen the date range, (b) try a related broader keyword.
English entity name. Run
```
find_related_news
```
with both the English term and the most likely 中文译名 (e.g. "OpenAI" + "OpenAI 公司" / "DeepSeek" + "深度求索"). Merge the two pools, dedupe by article id.
Ambiguous / polysemous topic (e.g. "苹果" = company OR fruit, "Mercury" = planet OR element OR celebrity). First run
```
find_related_news
```
with
```
limit=10
```
, glance at returned titles. If you see ≥2 distinct senses, stop and ask the user which sense they mean before continuing — do not silently pick.
Sentiment-only ask. If the user explicitly only wants 舆情 / 情感, you may skip
```
lifecycle
```
and
```
predict
```
but still run
```
analyze_topic_trend(analysis_type="trend")
```
to provide the curve context — sentiment without volume context is misleading.
Window ≤ 24h. Use
```
granularity="hour"
```
. Lifecycle judgement gets noisy on intraday windows; flag confidence as 中 or 低.

主题过于冷门 / 无数据。 如果
```
analyze_topic_trend
```
返回空曲线，不要捏造数据。告知用户：“过去 <window> 内 trendradar 索引中未发现
```
<topic>
```
”，并提供两个后续选项：(a) 扩大日期范围；(b) 尝试使用相关性更高的宽泛关键词。
英文实体名称。 使用英文术语及其最可能的中文译名分别运行
```
find_related_news
```
（例如“OpenAI”与“OpenAI 公司”、“DeepSeek”与“深度求索”）。合并两组结果，并按文章 id 去重。
含义模糊或存在多义的话题（例如“苹果”可能指公司或水果，“Mercury”可能指行星、元素或名人）。首先运行
```
find_related_news
```
，设置
```
limit=10
```
，快速查看返回的标题。如果发现至少 2 种不同含义，停止分析并询问用户具体指哪一种——不要擅自选择。
仅询问舆情或情感。 如果用户明确只想了解舆情或情感，可以跳过
```
lifecycle
```
和
```
predict
```
，但仍需运行
```
analyze_topic_trend(analysis_type="trend")
```
以提供曲线背景——脱离热度信息解读情感会产生误导。
窗口 ≤ 24h。 使用
```
granularity="hour"
```
。日内窗口会增加生命周期判断的噪声；应将置信度标记为“中”或“低”。

Don'ts

禁止事项

Don't speculate beyond the data. If only
```
analyze_topic_trend(trend)
```
was called, do not issue a prediction — say "未运行 predict, 不做未来走势判断".
Don't over-claim from one data point. A single article does not establish a curve, a stage, or a sentiment split.
Don't skip sentiment when the user asks about "舆情 / 网友怎么看 / 情绪". Sentiment is the deliverable in that case, not a nice-to-have.
Don't merge unrelated topics into one report. If the user listed three topics, run this skill three times, or hand off to
```
trend-monitor
```
.
Don't read article bodies for all related items — only top 3–5. Body reads are expensive and rarely change the report shape past the first few.
Don't output the report before step 4 (sentiment) finishes unless the user explicitly said "skip sentiment".

不要超出数据范围进行推测。如果只调用了
```
analyze_topic_trend(trend)
```
，不要给出走势预测——应说明“未运行 predict，不做未来走势判断”。
不要根据单个数据点得出过度结论。一篇文章不足以证明趋势曲线、生命周期阶段或情感分布。
当用户询问“舆情 / 网友怎么看 / 情绪”时，不要跳过情感分析。此时情感是核心交付内容，而不是附加项。
不要把无关话题合并到同一份报告中。如果用户列出了三个主题，请分别运行此 skill 三次，或转交
```
trend-monitor
```
。
不要阅读所有相关内容的正文——只读取排名最高的 3–5 条。正文读取成本较高，而且超过前几条后很少会改变报告整体形态。
除非用户明确表示“skip sentiment”，否则不要在步骤 4（情感分析）完成前输出报告。

trend-deep-dive

Original

Translation

trend-deep-dive

trend-deep-dive

When to activate

何时启用

Decision tree for
`analysis_type`

`analysis_type`
决策树

Standard workflow

标准工作流

Output schema

输出结构

一句话结论

一句话结论

热度曲线

热度曲线

生命周期阶段

生命周期阶段

关键节点

关键节点

情感分布

情感分布

相关事件 / 卫星话题

相关事件 / 卫星话题

预测 (仅在调用了 predict 时)

预测（仅在调用了 predict 时）

数据来源与置信度

数据来源与置信度

Edge cases

边界情况

Don'ts

禁止事项

See also

相关内容