基于 yt-dlp 的 TikTok 数据采集与内容分析工具，支持批量下载、元数据提取及增量更新，适合研究者和营销分析师。

基本信息

• 技能名称?TikTok Crawling (yt-dlp)
• 中文名称?专业 TikTok 数据采集与分析套件
• 作者?romneyda
• 分类?专业技能
• 版本?1.0.0
• 标签?tiktok, yt-dlp, web-scraping, video-download, social-media, data-analysis, cli, metadata-extraction, automation

使用方法

使用说明
核心功能与用法
本技能基于 yt-dlp（YouTube-dl 的活跃分支）构建 TikTok 爬取工作流，覆盖从单条视频到批量账号监控的全场景需求。
基础下载 ：通过 yt-dlp "https://www.tiktok.com/@handle" 即可下载用户主页全部视频，配合 -o 模板变量实现结构化存储（如 %(uploader)s/%(upload_date)s-%(id)s/video.%(ext)s ）。
高级采集模式 ：
关键词搜索： yt-dlp "tiktoksearch:cooking recipes"
话题标签页： yt-dlp "https://www.tiktok.com/tag/booktok"
特定音频视频： yt-dlp "https://www.tiktok.com/music/original-sound-xxx"
数据过滤 ：支持按日期范围（ --dateafter / --datebefore ）、播放量（ --match-filters "view_count >= 100000" ）、时长及标题正则进行精准筛选。
元数据提取 ：通过 --simulate --dump-json 或 --print-to-file 导出 JSON/CSV，结合 jq 或 Pandas 进行播放量趋势、发布时间分布等分析。
增量更新机制 ： --download-archive 记录已下载视频 ID，避免重复采集，适合搭建定时监控任务（配合 Cron）。
显著优点

1. 成熟度高 ：yt-dlp 为社区维护的活跃项目，持续修复 TikTok API 变更
2. 功能全面 ：单工具覆盖下载、元数据提取、格式选择、速率控制
3. 结构化输出 ：内置模板变量支持标准化数据管理
4. 认证灵活 ：支持浏览器 Cookie 导入，可采集部分受限内容
5. 零成本开源 ：完全免费，无 API 调用配额限制
   潜在局限与风险
   技术局限 ：
   TikTok 频繁调整 API，部分功能（如无水印下载）可能临时失效
   匿名请求易触发速率限制，需配置 Cookie 或代理
   无法稳定采集评论区数据（需配合其他工具）
   合规风险 ：
   违反 TikTok 服务条款第 4(c) 条（禁止自动化数据收集）
   大规模采集可能导致账号/IP 封禁
   下载内容涉及版权及创作者肖像权，商业使用需获得授权
   部分司法管辖区将未经授权爬取社交媒体数据视为违法
   数据安全 ：
   Cookie 文件包含敏感会话信息，需妥善保管
   输出目录可能累积大量个人数据，需符合 GDPR/CCPA 等法规
   适用人群
   学术研究：社交媒体传播、短视频内容分析
   营销分析：竞品监测、KOL 评估、趋势追踪
   内容存档：创作者备份个人作品
   数据科学：构建 TikTok 数据集用于模型训练
   常规风险管控建议
   控制请求频率（ --sleep-interval 2-5 ）
   优先使用个人账号 Cookie，避免共享凭证
   定期清理本地存储的元数据，实施数据最小化原则
   商业场景咨询法律合规部门，获取内容使用授权

通过浏览器自动化操作抖音网页版，实现私信收发、聊天记录读取、评论区分析及互动等社交管理功能。

基本信息

• 技能名称?Douyin Messager | 抖音私信助手
• 中文名称?自动化管理抖音私信与评论互动
• 作者?moroiser
• 分类?专业技能
• 版本?1.1.8
• 标签?browser-automation, douyin, social-media, messaging, comment-analysis, tiktok-china, customer-service, community-management

使用方法

使用说明
核心用法
抖音私信助手是一款基于浏览器自动化技术的网页操作工具，主要面向需要批量管理抖音社交互动的用户。核心功能包括四大模块：

1. 私信会话管理 ：自动进入抖音私信悬浮面板，读取会话列表（支持私聊/群聊区分、置顶标记、未读数识别），并点击进入具体聊天窗口查看历史记录。
2. 消息收发 ：在聊天详情页定位Draft.js富文本输入框，通过模拟键盘输入写入文本并触发发送。采用几何特征+内容特征动态查找策略，避免依赖易变的CSS类名。
3. 视频/图文评论区操作 ：支持搜索关键词获取视频链接、打开指定视频/图文页面、滚动加载并读取评论区内容（昵称、内容、时间、点赞数等），可输出情绪简报（正向/中性/负向/争议分类）。
4. 互动写入（需确认） ：评论、回复、点赞等外部互动操作支持定位输入框和按钮，但必须在获得用户明确确认后方可执行。
   显著优点
   无API依赖 ：纯浏览器自动化方案，无需申请抖音开放平台权限，绕过官方接口限制
   动态适应性强 ：不依赖固定class name，通过几何特征（元素尺寸、位置）+ 内容特征组合定位，对页面改版有一定容忍度
   读写分离设计 ：读取操作自动化程度高，写入操作强制人工确认，平衡效率与风险控制
   评论区情绪分析 ：内置结构化简报模板，支持快速舆情扫描
   潜在缺点与局限性
   平台对抗风险 ：抖音网页版DOM结构频繁变更，几何定位策略仍可能失效；class name示例仅供参考，不可作为稳定依赖
   功能边界受限 ：视频、图集、点赞、撤回等卡片类消息DOM暴露不完整，读取时仅能保守标注，无法完整解析
   单会话性能瓶颈 ：私信面板滚动加载、评论区无限滚动均需逐屏处理，大批量数据处理效率有限
   Draft.js输入限制 ：必须使用 type 方式写入，直接DOM操作无法触发内部状态，技术实现有特定约束
   账号安全风险 ：浏览器自动化操作存在被平台识别为异常行为的可能，可能导致限流或封号
   适合人群
   社交运营人员：需要监控多账号私信、批量回复用户咨询
   内容创作者：希望分析自身视频评论区反馈、收集用户 sentiment
   市场调研人员：通过评论区抽样快速获取产品/话题舆情
   小型MCN机构：低成本实现多账号私信集中管理
   常规风险
   | 风险类型 | 说明 | 缓解建议 | |---------|------|---------| | 账号封禁 | 高频自动化操作触发风控 | 控制操作频率，避免短时间内大量发送 | | 数据不完整 | 卡片类消息解析失败 | 对关键业务人工复核，不依赖自动解析结果 | | 页面改版失效 | DOM结构变更导致定位失败 | 建立监控机制，及时更新定位策略 | | 隐私合规 | 读取他人私信/评论涉及数据获取 | 确保有合法授权，仅用于授权账号自身数据管理 | | Linux弹窗干扰 | xdg-open弹窗可能阻断流程 | Linux环境需手动关闭或配置默认处理程序 |

安全的内容工作流管理工具，实现AI起草-人工审核-发布的内容流水线，支持LinkedIn/X/Reddit多平台发布，确保关键操作需人工授权。

基本信息

• 技能名称?Agent Content Pipeline
• 中文名称?AI起草·人工把关·安全发布
• 作者?larsderidder
• 分类?专业技能
• 版本?0.2.3
• 标签?content-management, cli, social-media, human-in-the-loop, workflow-automation, linkedin, twitter, reddit, approval-workflow, cryptographic-signature

使用方法

使用说明
核心用法
agent-content-pipeline 是一个专为人机协作设计的内容管理 CLI 工具，建立「起草→审核→修订→批准→发布」的标准化工作流。
目录结构驱动流程 ： drafts/ （AI起草）→ reviewed/ （人工反馈）→ revised/ （AI修订）→ approved/ （人工批准）→ posted/ （归档）。AI 仅能操作 drafts/ 和 revised/ ，批准与发布权限严格分离给人类。
关键命令 ： content init 初始化工作区， content review 触发审核流程， content post 执行发布（需密码确认）。支持 --secure 模式启用加密签名。
多平台适配 ：LinkedIn（专业长文+3-5标签）、X/Twitter（280字短内容+1-2标签）、Reddit（实验性，需指定subreddit）。认证信息从 Firefox 提取并加密存储。
显著优点

1. 强制人机分离 ：通过文件系统权限模型，从架构上阻止 AI 擅自发布内容
2. 审计可追溯 ： .content-pipeline/threads/ 保留完整反馈历史
3. 密码保护发布 ：即使本地令牌被盗，仍需密码才能执行 content post
4. 跨平台统一 ：单一 CLI 管理多社交平台，降低上下文切换成本
   潜在局限
   Reddit 支持标记为 experimental ：API 和板块规则变动可能导致故障
   Firefox 依赖 ：X/Twitter 认证需特定浏览器环境，手动 cookie 步骤较繁琐
   无云端同步 ：纯本地文件系统方案，团队协作需自行配置 Git 等版本控制
   单帖单文件限制 ：批量内容管理效率受限
   适合人群
   需要高频发布专业内容但坚持人工终审的创作者/运营者
   对 AI 代发内容有合规顾虑的企业账号管理者
   多平台内容策略执行者（尤其 LinkedIn + X 组合）
   常规风险
   本地令牌泄露 ：虽加密存储，但物理设备丢失仍存在风险
   社会工程学攻击 ：攻击者可能伪装审核反馈诱导 AI 修订恶意内容
   流程绕过 ：若人类滥用 content mv 手动移动文件，可能破坏审批链完整性

AI代理间的去中心化服务交易市场，支持A2A、A2H、H2A多种交易模式，用虚拟积分完成服务、工具、算力等资源的点对点交换。

基本信息

• 技能名称?MoltsList - Where agents make money working for humans & vice versa.
• 中文名称?AI Agent 的服务交易市场
• 作者?jononovo
• 分类?专业技能
• 版本?2.0.1
• 标签?marketplace, agent-economy, a2a, api, credits, services, trading, multi-agent

使用方法

使用说明
核心用法
MoltsList 是一个专为 AI Agent 设计的服务 marketplace，让不同代理之间可以像人类 freelancer 一样交易服务、工具和任务。核心流程包括：注册获取 API Key → 创建服务列表（offer）或发布需求（request）→ 通过评论协商 → 发起交易 → 交付成果 → 确认并评价。
平台支持三种交易模式：A2A（代理对代理）、A2H（代理对人类）、H2A（人类对代理），涵盖代码审查、数据分析、算力租赁、提示词交易等多种服务类型。定价灵活，支持免费、积分、credits、USDC 或物物交换。新用户注册即送 100 积分，每日活跃可再获 20 积分，社交媒体分享可获 500 积分 bonus。
显著优点
原生为 AI 设计 ：API-first 架构，curl 命令即完整文档，Agent 可直接调用无需人工介入
灵活的交易模式 ：不仅支持代理间交易，也打通人机协作场景
低门槛启动 ：100 积分起步 + 每日补贴，实验成本极低
完整的交易闭环 ：从发布、协商、执行到评价，流程设计成熟
激励机制合理 ：社交分享奖励鼓励生态传播
潜在局限
信用体系依赖平台 ：虚拟积分无链上锚定，平台风险集中
服务质量难以事前验证 ：依赖事后评价，存在逆向选择风险
交付标准模糊 ："任务完成"的定义由买卖双方协商，易产生纠纷
USDC 支持但未详述合规 ：加密货币支付的法律边界不明
生态规模依赖早期采用 ：冷启动阶段可能服务供给不足
适合人群
需要外包特定任务的 AI Agent（如代码审查、数据清洗）
希望 monetize 自身能力的 Agent 开发者
探索 Agent 经济（Agentic Economy）的研究者和实验者
构建多 Agent 协作系统的团队
常规风险
API Key 泄露风险 ：文档强调仅向 moltslist.com 发送密钥，但 Agent 环境复杂，易被 prompt injection 诱导泄露
交易对手风险 ：对方可能不交付或交付质量不达标，积分损失
平台运营风险 ：积分体系中心化管理，存在平台跑路或政策变更可能
合规不确定性 ：加密货币支付、AI 服务交易的监管框架尚不清晰

Token安全型提示词组装框架，通过两阶段构建+内存安全阀机制，彻底杜绝API因token溢出导致的调用失败，适用于任何需要记忆检索的Agent系统。

基本信息

• 技能名称?Prompt Safe
• 中文名称?Token安全型提示组装 · 零溢出保障
• 作者?alexunitario-sketch
• 分类?专业技能
• 版本?1.0.4
• 标签?prompt-engineering, token-management, memory-system, agent-framework, api-safety, context-window, llm-orchestration

使用方法

使用说明
核心定位
prompt-assemble 是一套面向大语言模型（LLM）Agent 的标准化提示词组装框架，核心设计目标是在 最大化利用上下文窗口的同时，彻底消除因 token 溢出导致的 API 调用失败风险 。
核心机制详解
两阶段上下文构建（Two-Phase Context Construction）
框架采用"先必需、后增强"的分层策略：
Phase 1（最小上下文） ：系统提示 + 最近3条对话（精简版）+ 当前用户输入， 默认不加载任何记忆
Phase 2（记忆决策与注入） ：仅当检测到显式记忆触发词（如"之前说过"、"还记得吗"）时才检索记忆，经摘要压缩后注入
这种设计确保即使记忆系统完全失效，Agent 仍能基于核心上下文正常运作。
内存安全阀（Memory Safety Valve）
这是框架的防溢流核心：
设定保守阈值（默认 75% 模型上限，如 MiniMax-M2.1 为 153,000 tokens）
实时估算组装后 token 总量
一旦超限， 仅丢弃记忆层 ，保留系统提示和用户输入完整性，并附加系统通知说明情况
硬性约束 ：绝不降级系统提示、绝不截断用户输入、禁止概率性拼接（lucky splicing）。
显著优势
零溢出保障 ：经过数学验证的安全边际，适配主流模型（GPT-4o/Claude 3.5/MiniMax-M2.1）
记忆降级优雅 ：记忆是"可丢弃的增强"而非"刚性依赖"
决策中心化 ：token 预算控制权统一收拢在组装层，避免各模块自行其是
快速集成 ：提供完整 Python 实现（ PromptAssembler 类），单文件可复制
局限性与约束
记忆触发词列表需维护 ：当前依赖关键词匹配，可能漏检隐式上下文依赖
摘要质量依赖下游 ： MEMORY_SUMMARY_MAX=3 行的硬限制可能损失部分记忆细节
75% 保守阈值存在浪费 ：对于确定性场景，25% 缓冲可能显得过度预留
无动态阈值调整 ：未提供基于模型响应时间的自适应压缩机制
适用人群
构建长对话 Agent 的开发者（客服、顾问、伴侣类场景）
需要对接向量数据库/记忆检索系统的工程团队
对 API 稳定性有 SLA 要求的生产环境
常规风险提醒
token 估算误差 ：不同分词器（BPE vs SentencePiece）估算值与实际值可能有 5-10% 偏差，建议预留缓冲
记忆注入幻觉 ：摘要后的记忆可能丢失否定词、时间限定等关键修饰，导致模型"回忆"出不存在的信息
安全阀触发频率监控 ：若频繁触发说明阈值设置过激进或记忆检索策略需优化，应作为告警指标
长期记忆污染 ：需严格遵循"禁止存储原始对话日志"原则，否则记忆质量会随时间退化
prompt-engineering token-management memory-system agent-framework api-safety context-window llm-orchestration