threads-viral-agent

name threads-viral-agent description Full-autopilot AI agent for Meta 3-platform viral content (Threads + Instagram + Facebook). Searches real-time trending topics, analyzes them against Meta's 7 patent-based ranking algorithms (EdgeRank, Andromeda, Dear Algo, Conversation Durability), generates optimized text/image/video content, adapts for each platform, and publishes automatically with scheduling support. Use this skill whenever the user mentions: Threads posting, Instagram content, Facebook page management, cross-platform social media, viral posts, social media automation, content scheduling, Threads marketing, Meta algorithm optimization, growing on Threads/IG/FB, or automating their social media workflow. Also trigger for: quote cards, carousel generation, Reels scripts, social media images, or any Meta platform content creation task. Meta 3-Platform Viral Agent Autonomous agent: trend discovery → source verification → patent-optimized creation → quality gate → publishing. Core Principle: MCP provides briefs/frameworks, LLM creates original content, scripts handle publishing. Accounts & Tokens Tokens in .env at skill root (auto-loaded by all scripts, no manual export needed): Account Threads ID IG ID Token vars @claude.world.taiwan 26105870269107920 26911598668443478 THREADS_TOKEN_CW , IG_TOKEN_CW @lucasfutures 25104893002544779 25337739812567565 THREADS_TOKEN_LF , IG_TOKEN_LF App ID : 875447821838410 ( THREADS_APP_ID ) Token expiry : 60 days, current ~2026-05-11 Renew : python3 scripts/threads_oauth.py auth-url → authorize → full --code CODE Select account : --account cw or --account lf MCP Tools (3 servers, 34 tools) trend-pulse (11 tools) — 趨勢發現 + 內容優化框架 Tool Purpose When to use get_trending(sources, geo, count, save) 即時趨勢，20 個免費來源 Step 1: 找主題 search_trends(query, sources, geo) 關鍵字搜尋跨來源 Step 1: 搜特定話題 list_sources() 可用來源及 rate limit 確認哪些來源可用 get_trend_history(keyword, days, source) 歷史趨勢數據 Step 3: 驗證話題熱度變化 take_snapshot(sources, geo, count) 存快照到 DB，追蹤 velocity 定期追蹤趨勢加速度 get_content_brief(topic, content_type, platform, lang) 寫作指南：hook/CTA/策略 Step 4a: 取 brief get_scoring_guide(lang, topic) 5 維度評分框架 Step 5: 自評分數 get_review_checklist(platform, lang, topic) 審稿清單 Step 5: 品質門檻 get_platform_specs(platform, lang) 平台規格（字數/功能/演算法） Step 4d: 平台適配 get_reel_guide(style, duration, lang, topic) Reel/短影片腳本指南 做 Reel 時 render_page(url, format) CF Browser 渲染頁面（markdown/content/json） Step 2: 讀 JS-heavy 頁面 Sources: google_trends, hackernews, mastodon, bluesky, wikipedia, github, pypi, google_news, lobsters, devto, npm, reddit, coingecko, dockerhub, stackoverflow, arxiv, producthunt, lemmy, dcard, ptt cf-browser (10 tools) — 瀏覽器渲染 + 截圖 + 爬蟲 Tool Purpose When to use browser_markdown(url) 網頁 → 乾淨 Markdown Step 2: 讀原文（首選） browser_json(url, prompt) AI 結構化抽取 Step 1: 從任何頁面抽取數據 browser_content(url) 渲染後完整 HTML 需要原始 HTML 時 browser_screenshot(url, width, height) 網頁截圖 圖卡生成：HTML → 截圖 → PNG browser_pdf(url, format, landscape) 網頁轉 PDF 生成可下載報告 browser_scrape(url, selectors) CSS 選擇器精準抓取 抓特定元素（價格/標題/數據） browser_links(url) 抽取所有連結 發現相關來源 browser_a11y(url) 無障礙樹（低 token） 快速理解頁面結構 browser_crawl(url, limit) 非同步爬蟲 批量抓取多頁 browser_crawl_status(job_id, wait) 爬蟲進度 等待爬蟲完成 notebooklm (13 tools) — 研究引擎 + 圖卡/音訊/影片生成 Tool Purpose When to use nlm_create_notebook(title, sources, text_sources) 建立筆記本，可餵 URL/文字 深度研究前建立知識庫 nlm_list() 列出所有筆記本 查看已有研究 nlm_delete(notebook) 刪除筆記本 清理舊研究 nlm_add_source(notebook, url/text/file) 新增來源（URL/文字/檔案） 補充研究材料 nlm_ask(notebook, query) 對來源提問（含引用） Step 2: 深度理解來源 nlm_summarize(notebook) 摘要所有來源 快速掌握全貌 nlm_list_sources(notebook) 列出來源 確認已餵入的材料 nlm_generate(notebook, type, lang, instructions) 生成 9 種 artifact （⚠️ infographic 除外） 圖卡/音訊/影片生成 nlm_download(notebook, type, output_path) 下載 artifact（audio/slides/video） 取得生成檔案 nlm_list_artifacts(notebook) 列出 artifact 查看已生成內容 nlm_research(notebook, query, mode) 網路研究（fast/deep） Step 2: 自動搜集資料 nlm_research_pipeline(sources, questions, output_format) 完整研究 → 內容 pipeline 一鍵從 URL 到文章 nlm_trend_research(geo, count, platform) 趨勢 → 研究 → 內容 pipeline 全自動趨勢內容 nlm_generate 支援的 artifact 類型： Type 用途 下載方法 輸出格式 audio Podcast 風格音檔 nlm_download(type="audio") .m4a video 影片（音訊+幻燈片） nlm_download(type="video") .mp4 slides 簡報 nlm_download(type="slides") .pdf report 報告文件 get_report_content() Markdown 文字 study-guide 學習指南 get_report_content() Markdown（report 子類型） quiz 測驗題 get_quiz_data() JSON 結構化 flashcards 閃卡 get_flashcard_data() JSON 結構化 mind-map 心智圖 get_mind_map_data() JSON 樹狀結構 data-table 數據表 get_data_table() CSV / JSON infographic 資訊圖卡 ❌ 無 API 方法 只能在 NotebookLM UI 檢視 注意： audio/video/slides 是二進位檔案下載；report/quiz/flashcards 等透過 API 取得文字/結構化資料。 我們的 wrapper CLI ( notebooklm_client.py download ) 已統一包裝。唯一無法下載的是 infographic。 Pipeline: 7 Steps (每步都是 BLOCKING，不可跳過) Step 1: DISCOVER — 找主題 # trend-pulse — 即時趨勢 get_trending(geo="TW", count=20) # 20 sources, zero auth search_trends(query="Claude Code") # keyword search get_trend_history(keyword="AI", days=7) # 歷史趨勢追蹤 # cf-browser — 從任何頁面抽取 browser_json(url, prompt="Extract...") # AI 結構化抽取 browser_links(url) # 發現相關來源 # notebooklm — 趨勢研究一鍵 pipeline nlm_trend_research(geo="TW", count=3, platform="threads") # 自動：趨勢→研究→內容 Default niches: AI, 創業, 自媒體, 投資理財, 職場, 科技, 個人成長, 副業 Heat score: heat = likes + (replies × 3) + (reposts × 5) Step 2: READ SOURCE — 讀原文（MANDATORY） NEVER write content based on titles/metadata alone. For every candidate topic, MUST read the original source: Source Type Tool（優先順序） Minimum to read Article/blog browser_markdown(url) 全文 HN discussion browser_markdown(hn_url) 原文 + top comments Reddit post browser_markdown(reddit_url) 原文 + top comments GitHub repo browser_markdown(github_url) README 全文 Official announcement browser_markdown(url) 公告全文 JS-heavy/SPA 頁面 render_page(url, format="markdown") 全文（trend-pulse 備用渲染） 多來源深度研究 nlm_research_pipeline(sources, questions) NotebookLM 自動摘要+引用 深度研究模式（多來源）： nlm_create_notebook(title, sources=[url1, url2, ...]) — 餵入所有來源 nlm_ask(notebook, "關鍵問題") — 對來源交叉提問（含引用） nlm_summarize(notebook) — 取得全貌摘要 用 nlm_research(notebook, query, mode="deep") 自動搜集更多相關資料 快速模式（單來源）： 直接用 browser_markdown(url) 讀原文。 來源充足性標準： 單一主題：至少讀 1 個一手來源（原文/公告/README） 爭議性主題：至少讀 2 個來源（正反觀點各一） 數據型主題：必須找到數據的原始出處（不接受二手引用） 批量主題：用 parallel agents 同時讀多個來源。 Exception: 僅當用戶明確表示「這是官方原文，不需要再查」時才跳過。 注意： 用戶提供的翻譯/轉述不算原文。涉及數字、時間、範圍的資訊 → 永遠讀原文，無例外。 Step 3: VERIFY TIMELINE — 驗證時間線（MANDATORY） 每一個事實都必須標注時間，且驗證時效性。 檢查項 方法 不合格處理 事件發生日期 從原文抓取 published date 無日期 → 不引用具體時間詞 數據新鮮度 比對 trend search 的 published 欄位 超過 7 天 → 不用「剛」「最新」 數字即時性 upvotes/stars/comments 會變 用「超過 X」而非精確數字，或加「截至發文時」 版本號 從原文確認 必須與原文一致 時區換算 寫出完整公式驗算 必須 ET 和 PT 交叉驗證 時區換算規則（曾因此出錯）： 寫出公式： 原始時間 + UTC offset + 8 = 台灣時間