微信公众号监控与调研

⚠️ 核心流程（必须严格遵守！）

两阶段流程：调研阶段 → 监控阶段

🔍 调研阶段（Step 1）

触发： 告诉我要"调研xxx的目标公众号"

第一步：产品分析（必须先做！）

在开始搜索之前，必须先了解：

1. 产品是什么？

   • 产品类型（工具/平台/媒体/服务）
   • 核心功能
   • 解决什么问题

2. 目标用户是谁？

   • B端（企业/商家）还是C端（消费者）
   • 用户职业（运营/营销/销售/管理者）
   • 用户痛点

3. 处于什么赛道？

   • 直接竞争对手
   • 替代解决方案
   • 上下游生态

第二步：多维度搜索目标账号

根据产品分析结果，确定搜索维度并搜索：

第三步：筛选高质量公众号（20个）

验证标准：

• 最近30天有更新
• 文章阅读量高（通过文章标题判断质量）
• 内容与目标用户匹配
• 非水号/僵尸号

第四步：列出候选公众号给我确认 ⭐

必须给我一个确认列表，格式：

📋 {产品名}目标公众号候选（20个）

🔴 官方动态（2-3个）
1. 微信公开课 | fakeid:xxx | 微信官方内容平台
2. 企业微信黑板报 | fakeid:xxx | 企微官方动态
...

🟠 竞品动态（5-8个）
1. 135编辑器 | fakeid:xxx | 直接竞品，公众号编辑器头部
2. 秀米XIUMI | fakeid:xxx | 直接竞品，H5制作工具
...

🟢 行业观察/KOL（3-5个）
1. 新榜 | fakeid:xxx | 新媒体数据平台
2. 运营研究社 | fakeid:xxx | 运营方法论干货
...

🟡 运营干货（3-5个）
1. 新媒体运营 | fakeid:xxx | 运营技巧分享
...

**总计：20个**

请确认是否添加这些公众号？

第五步：我确认后，才能添加到accounts.json ⭐

收到我确认后，才执行：

mkdir -p wechat-monitor/{产品名}/reports
# 创建accounts.json
# 创建首次运行flag（首次推送将查询近7天）
touch ~/.openclaw/workspace/wechat-monitor/{产品名}/first_run.flag

📊 监控阶段（Step 2）

触发： 我确认公众号后，告诉我要"检查xxx的更新"或"执行监控"

执行监控（首次 vs 后续）

首次推送：

# 创建首次运行flag
touch ~/.openclaw/workspace/wechat-monitor/{产品名}/first_run.flag
# 执行7天监控
python3 wechat-monitor/monitor.py {产品名} --days 7

后续推送（定时每天10:00自动跑）：

# 检查是否有更新
python3 wechat-monitor/monitor.py {产品名} --days 1

生成报告

• 脚本自动生成基础数据
• AI根据数据补充9维度选题分析
• 保存到 wechat-monitor/{产品名}/reports/{日期}.md
• 推送给我

定时任务说明

• 时间： 每天早上10:00（周一至周五）
• 逻辑：
  • 首次运行：推送近7天更新
  • 后续运行：只看昨天更新
  • 用 first_run.flag 文件区分首次/后续
• 追踪： 每天10:00自动检查所有已配置产品的更新

📝 报告格式（标准样式）

📅 {日期} {产品名}公众号监控日报

━━━━━━━━━━━━━━━━━━━━ 一近期重要更新汇总 ━━━━━━━━━━━━━━━━━━━━

🔴 官方动态（微信更新）

🟠 竞品动态

🟢 行业观察

━━━━━━━━━━━━━━━━━━━━ 二、选题分析（适合{产品名}写的方向） ━━━━━━━━━━━━━━━━━━━━

💡 微信动态类（官方授权）

1. 《企微驯虾高手集结！寻找100个职业最强大脑》

• ○ 热度： 🔥🔥🔥 高
• ○ 角度： AI Agent是今年私域最大变量，企微官方亲自下场
• ○ 时效性： 强（官方刚发布）
• ○ 目标人群： 企业运营负责人、CRM采购者、私域操盘手
• ○ 差异化价值： 企微官方背书+龙虾概念，{产品名}可蹭热点+植入AI功能
• ○ 核心大纲： 现象引入→龙虾能力解读→AI Agent在企微的应用场景→{产品名}如何对接
• ○ 转化路径： 引导试用{产品名}AI功能→增加专业背书
• ○ 预期指标： 收藏率高，转发达率高（蹭热点）
• ○ 视觉建议： 封面用企微+龙虾视觉，文中配功能截图

💡 竞品玩法类

2. 《案例｜连锁门店线索分配：作业帮2800家门店怎么做到的？》

• ○ 热度： 🔥🔥 中
• ○ 角度： 大客户SCRM成功案例，证明工具价值
• ○ 时效性： 中
• ○ 目标人群： 销售负责人、运营管理者、中小企业主
• ○ 差异化价值： 案例够大够权威，{产品名}可包装类似案例或做对比
• ○ 核心大纲： 作业帮痛点→解决方案→SCRM工具选型→实施效果→可复制性
• ○ 转化路径： 引导咨询{产品名}定制方案
• ○ 预期指标： 咨询转化率高
• ○ 视觉建议： 数据对比图、流程图

💡 运营干货类

3. 《小红书引流私域变现：2026最全SOP（附模板）》

• ○ 热度： 🔥🔥🔥 高
• ○ 角度： 实战SOP，干货输出
• ○ 时效性： 强
• ○ 目标人群： 运营新人、自媒体人、想引流私域的商家
• ○ 差异化价值： 模板+工具结合，{产品名}可出配套引流工具
• ○ 核心大纲： 小红书引流路径→私域沉淀技巧→工具实操演示→模板赠送
• ○ 转化路径： 引导使用{产品名}引流工具→加入私域群
• ○ 预期指标： 收藏率高，干货感强
• ○ 视觉建议： 流程图、步骤截图、模板展示

━━━━━━━━━━━━━━━━━━━━ 三、本周高价值内容 TOP5 ━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━ 四、{产品名}本周可写的文章建议 ━━━━━━━━━━━━━━━━━━━━

格式要求：

1. 一近期重要更新汇总：

   • 🔴红色=官方动态（微信更新）
   • 🟠橙色=竞品动态
   • 🟢绿色=行业观察/KOL/运营干货
   • 三列表格：公众号|更新内容|日期
   • 更新内容精简到25字以内

2. 二、选题分析（适合{产品名}写的方向）：

   • 每个选题分类标注（💡+类别名）
   • 每个选题包含9个维度：
     • ○ 热度（🔥🔥🔥高/🔥🔥中/🔥低）
     • ○ 角度（切入方向）
     • ○ 时效性（强/中/弱）
     • ○ 目标人群（谁会看这篇文章）
     • ○ 差异化价值（相比原文，{产品名}版本的独特卖点）
     • ○ 核心大纲（文章结构建议，3-5个要点）
     • ○ 转化路径（希望读者看完做什么）
     • ○ 预期指标（收藏率/转发率/咨询转化等）
     • ○ 视觉建议（封面图，内容配图建议）

3. 三、本周高价值内容 TOP5：

   • 三列表格：排名|来源|内容
   • 按热度/重要性排序
   • 精简到20字以内

4. 四、本周可写的文章建议：

   • 三列表格：优先级|选题|类型
   • 🔴高=热点解读/核心产品推广
   • 🟠中=干货教程/常规更新
   • 🟡低=行业观察/长尾内容

注意： 脚本只生成数据基础，详细的选题分析（9个维度）需要AI根据文章内容生成。

mptext登录态失效处理

症状： API返回 {"ret":-1,"err_msg":"认证信息无效"}

处理流程：

1. 检测失效 → 告知用户
2. 用户提供新密钥 → 登录mptext获取
3. 更新配置 → 重新运行

文件位置

API信息

Base URL: https://down.mptext.top/api/public/v1

接口：

• 搜索公众号：/account?keyword=xxx&size=5
• 获取文章：/article?fakeid=xxx&size=3

Header: X-Auth-Key: {密钥}

密钥配置方式（2选1）：

1. 环境变量：export MPTEXT_API_KEY="你的密钥"
2. 直接修改脚本第12行：API_KEY = "你的密钥"

Python调用示例：

import urllib.request
import urllib.parse
import json
import os

API_KEY = os.environ.get("MPTEXT_API_KEY", "YOUR_MPTEXT_API_KEY")
headers = {
    "X-Auth-Key": API_KEY,
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7)"
}

# 搜索公众号
keyword = urllib.parse.quote("关键词")
url = f"https://down.mptext.top/api/public/v1/account?keyword={keyword}&size=5"
req = urllib.request.Request(url, headers=headers)
with urllib.request.urlopen(req) as resp:
    data = json.loads(resp.read())
    for item in data.get('list', []):
        print(f"{item['nickname']}: {item['fakeid']}")