知乎 数据助手

1. 简介

知乎数据查询工具，通过 MaxHub API 接入中文专业问答与知识社区知乎，覆盖问题回答、专栏文章、评论 / 子评论、热榜推荐、视频列表、用户资料、用户关注 / 粉丝 / 文章 / 收藏 / 话题、综合搜索 + AI 搜索 + 多类目搜索（文章 / 用户 / 话题 / 视频 / 专栏 / 学者 / 盐选 / 电子书）等核心能力。专注服务于知乎内容研究、问答营销、KOL 分析、话题追踪与舆情场景，帮助用户深度挖掘知乎高质量内容与专业用户画像。

2. 详细功能

专栏与问答全维度

• 拉取指定专栏下的全部文章列表，支持持续翻页采集
• 读取单篇专栏文章的完整正文、作者信息与发布时间
• 查询专栏的推荐位与关联专栏，挖掘同主题优质内容
• 获取专栏的关注关系与评论开关配置，判断社区互动状态
• 拉取任意问题下的全部回答，可按热度或时间排序遍历

评论双链路

• 拉取一篇回答下的全部主评论，还原顶层讨论氛围
• 针对任意主评论继续下钻获取子评论，构建完整盖楼讨论树
• 支持长尾翻页，覆盖高赞回答的海量评论数据

热榜矩阵

• 查询知乎全站热榜列表，识别当下最热门的问题与话题
• 获取首页热门推荐流，捕捉算法分发的爆款内容
• 拉取知乎视频热门列表，洞察视频化内容的流量分布

搜索 13 件套

• 按关键词检索全站文章，定位垂类领域的优质长文
• 按关键词检索用户，找到对应行业的活跃创作者与专家
• 检索话题、专栏、视频、盐选会员内容与电子书，覆盖知乎全部内容形态
• 检索学者库，定位学术领域的专业作者
• 获取首页预设搜索词、推荐搜索词、输入联想词，挖掘搜索流量入口

AI 搜索异步链路

• 向知乎 AI 直答提交问题，触发智能问答任务
• 支持轮询任务状态，等待 AI 生成完整答复后获取结果
• 在 AI 检索失败或超时时自动降级到普通文章搜索兜底

用户全景画像

• 读取任意用户的基础资料、签名、认证身份与统计数据
• 拉取用户的关注列表与粉丝列表，构建社交关系图谱
• 查看用户发布的全部文章与收藏过的文章
• 查询用户关注的专栏、问题、收藏夹、话题，识别其兴趣圈层
• 拉取知乎给该用户推荐的潜在关注者，扩展账号矩阵研究

📋 数据传输与隐私声明（请认真阅读）

1. 第三方传输：您提供的所有 ID、关键词、链接、cookie 等参数都会通过 HTTPS 发送到 **https://www.aconfig.cn**（MaxHub 数据服务）进行处理。
2. UGC 隐私：拉回的评论 / 弹幕 / 动态 / 私信 / 联系人等内容可能包含个人信息或敏感 UGC，请勿写入未授权的数据库或公开发布。
3. 凭证保护：建议使用独立测试账号、定期轮换 API Key；禁止传入主力生产账号的 cookie 或 session 凭证。
4. 合规责任：使用方需自行确保符合所在地区的数据保护法律（《个人信息保护法》/ GDPR / 平台 ToS 等），平台账号的合规性由使用方承担。

3. 一键安装

鉴权

获取 API Key

请前往 [MaxHub 控制台](https://www.aconfig.cn) 注册账号并获取 API Key。

配置 API Key

方案 1：OpenClaw 配置

将 MAXHUB_API_KEY 添加到 ~/.openclaw/openclaw.json 中：

{ "env": { "MAXHUB_API_KEY": "ak_xxxx..." } }

方案 2：终端环境变量

export MAXHUB_API_KEY="ak_xxxx..."

依赖安装

本 Skill 不需要额外脚本依赖，所有调用通过 curl 完成 HTTP 请求即可，无第三方库依赖。

环境变量配置

4. 使用指南

🤖 Agent Decision Tree（必读 · 决定调用顺序）

此小节定义 agent 在每次接到用户请求时的标准决策流程。严格按此顺序执行可大幅提升命中率与减少误调用。

1️⃣ 文档加载顺序（按需 · 不要一次性全读）

2️⃣ Recipe 匹配规则（核心）

1. 加载 references/recipes/_index.md，扫 trigger_keywords 列
2. 最长匹配优先：若用户输入同时命中多个 recipe 的 trigger，选最长 trigger 命中的那个（最具体）
3. 平局询问：若两个 trigger 长度相同且都命中 → 主动询问用户："您是想看 A 还是 B？"
4. 无命中：先查 §0.1 不支持清单 → 不在则进入"自定义链路"流程（步骤 3）

3️⃣ 自定义链路（无现成 Recipe）

1. 读 references/atoms/_index.md，按 chain_role 列定位起点（starter）和终点（terminal）
2. **优先用 ⭐⭐⭐ 首选** 标记的端点；不到必要不用 ⭐ 条件 端点
3. 字段流（上游 OUT → 下游 IN）由 param-mappings.md § 字段流字典 决定，禁止自行猜 json_path
4. 链路完成后，可向维护方建议把它编排成新 recipe

4️⃣ 调用前自检（按 risk 分级 · 节省 token）

旧 SKILL 强制所有调用都做 4 步——现按 risk 等级简化。low 端点（占绝大多数）只校验路径即可。

5️⃣ 错误处理快速决策

6️⃣ 输出契约（与用户对话时）

1. 数据来源声明：每次输出明确告知数据来自 https://www.aconfig.cn 三方接口
2. 缺失字段处理：如某字段链路降级后缺失，显式说明"X 暂不可取"，不要静默省略
3. 不要伪造：用户问的字段若不在响应里 → 说"未返回"，禁止用其他端点拼凑模拟

核心约束（强制遵守）

基础使用（4 步完成调用）

Step 1 — 检查 API Key

[ -n "${MAXHUB_API_KEY:-}" ] && echo "ok" || echo "missing"

若返回 missing，停止并提示用户配置 MAXHUB_API_KEY。

Step 2 — 匹配意图 → 选择 reference

按用户目标从下表选择对应 reference 文件，每个文件自包含其领域的全部端点定义：

Step 3 — 构建最小调用计划

• ✅ 优先使用最少端点完成任务，能用一个端点就不用两个
• ✅ AI 搜索是异步链路：必须 fetch_ai_search → 轮询 fetch_ai_search_result
• ❌ 禁止"先 head/tail 试运行"或"先调一个看看"等探索性调用

Step 4 — 执行并验证

• 调用前比对 endpoints_whitelist.yaml 完成 4 步 Pre-call 自检（路径 → method → 必填 → 写入确认）
• 收到 404 → 必须先做防路径臆造自检（5 步），尤其确认 web 段与 _v3 / _v5 后缀
• 收到 400 / 422 → 必须先做防参数臆造自检（6 步），重点检查 answer_id / question_id / article_id / column_id / user_url_token 区分
• 收到 业务 code != 0 → 读 message_zh 报告用户，不重试

高级使用

链式调用图谱（Chain Recipes）

防臆造自检清单（强制前置步骤）

收到 404 时（A）：

1. 路径白名单逐字符比对 → 不在清单中 STOP
2. Method 比对（注意 fetch_scholar_search_v3 是 POST）→ 不等 STOP
3. 参数键名比对 → 有清单外参数 STOP
4. _v3 / _v5 后缀是否写错 → 错段 STOP
5. 资源 ID 来源溯源 → Agent 编造的 STOP
6. 全通过才判定"上游资源不存在"

收到 400 / 422 时（B）：

1. 参数名严格比对（answer_id / question_id / article_id / column_id / user_url_token / comment_id / message_id 不可混用）
2. 必填项齐全
3. 类型与格式严格匹配（pattern / enum）
4. 传参方式正确（GET 用 query / POST 用 body）
5. 没有 IN 表外的臆造参数
6. 全通过才按 message_zh 排查

异步任务最佳实践（仅适用 fetch_ai_search）

• 轮询间隔：3–5 秒一次
• 状态语义：未返回最终结果即继续轮询
• 轮询上限：建议 2 分钟封顶；超时后把 message_id 返回用户
• 推荐：宿主 Agent 支持子会话时，spawn 子会话专职轮询，主会话保持响应

SKILL 版本更新

常用命令速查表

📌 端到端使用示例（agent 快速上手）

用户输入：「帮我看 知乎某个回答下的评论」

Agent 执行步骤：

1. 匹配 recipe：读 references/recipes/_index.md → 找到 trigger 命中 → 选最长匹配的 recipe
2. 加载 recipe 详情：读 references/recipes/<domain>.md 中对应段落，拿到 Inputs / Atomic Steps / Output
3. 路径校验：对每个 atom 的 endpoint_id，grep 一下 endpoints_whitelist.yaml 确认存在
4. risk: low 的端点直接调用，risk: medium+ 先与用户确认
5. 链式传递：上游响应的 json_path 字段（如 $.data.bvid）按 recipe 的 extract 列绑定为变量，传给下游端点
6. 错误处理：按 §错误处理决策表行动；不要自改路径或瞎加参数
7. 输出：组装结果给用户，标明数据来自三方接口；缺失字段显式说"未取到"

反例（agent 不要这么做）：

• ❌ 全文加载 endpoints_whitelist.yaml（大文件，浪费上下文）
• ❌ 看到 404 就改路径段重试（会被防臆造规则阻断）
• ❌ 把没在响应里的字段编一个值返回给用户
• ❌ 链式调用时忽略 recipe 的 extract 列，自己猜 json_path

5. 使用场景

场景一：知乎内容研究员追踪问题热度

• 角色：内容研究员
• 需求：监测某个问题在知乎的全部高赞回答与评论争议焦点
• 使用方式：fetch_question_answers（order=default 拉高赞）→ 头部回答取 answer_id → fetch_comment_v5 + fetch_sub_comment_v5 完整还原讨论
• 预期收益：构建问题级的内容 + 评论数据集，识别用户共鸣点与反对观点

场景二：问答营销团队挖掘投放机会

• 角色：知乎问答营销
• 需求：在垂类话题下识别高曝光低回答数的"蓝海问题"
• 使用方式：fetch_article_search_v3 + fetch_topic_search_v3 拉问题列表 → fetch_question_answers 看回答数与赞数 → 链式调 fetch_user_info 看头部回答者画像
• 预期收益：精准锁定高 ROI 投放问题，营销转化率提升 3 倍

场景三：KOL 分析师构建知乎大 V 画像

• 角色：MCN / 公关分析师
• 需求：从 user_url_token 出发完整还原 KOL 的内容矩阵与圈层关系
• 使用方式：fetch_user_info → fetch_user_articles + fetch_user_followees + fetch_user_follow_topics + fetch_user_follow_columns 全维度并行
• 预期收益：知乎 KOL 完整画像 + 关注图谱，识别其立场与圈层影响力

场景四：舆情研究员监测话题趋势

• 角色：品牌舆情监控
• 需求：周期性监测品牌词在知乎的文章 / 视频 / 专栏 / 用户多维度提及
• 使用方式：fetch_article_search_v3 + fetch_video_search_v3 + fetch_column_search_v3 + fetch_user_search_v3 并行检索 → 异常增长贴进 fetch_column_article_detail + fetch_comment_v5 深度复盘
• 预期收益：知乎舆情多维监测 + 高优先级讨论快速触达，缩短危机响应时间

6. 项目架构

目录结构

maxhub-zhihu/
├── SKILL.md                            # Skill 定义与使用文档（本文件）
├── README.md                           # 英文项目说明
├── README_CN.md                        # 中文项目说明
├── _meta.json                          # 版本元信息（version: 3.7.2）
└── references/
    ├── endpoints_whitelist.yaml        # 34 端点路径硬白名单 + Pre-call 4 步自检协议
    ├── param-mappings.md               # 中枢索引（全局红线 + 字段流字典 + 错误处理）
    ├── post.md                         # 内容域：专栏/文章/评论/问答/热榜/视频（11 端点）
    ├── search.md                       # 搜索域：文章/用户/话题/学者/AI/视频/专栏/盐选/电子书（13 端点）
    ├── user.md                         # 用户域：资料/关注/粉丝/文章/收藏/话题（10 端点）
    └── update.md                       # SKILL 更新机制（SkillHub / ClawHub / GitHub）

技术栈

API 覆盖范围

关键设计理念

• 防臆造四道闸：白名单（endpoints_whitelist.yaml）→ 强标记（Full path）→ 禁止规则（Forbidden）→ 错误反馈（STOP）
• AI 搜索异步契约：fetch_ai_search + 轮询 fetch_ai_search_result + 超时降级到 v3 文章搜索
• 链式调用图谱：字段流字典（article_id / answer_id / question_id / column_id / user_url_token / comment_id / message_id）+ Chain Recipes + 跨 reference 链路三层联动
• 错误处理契约：HTTP 状态码权威定义 + 防臆造自检清单（A: 5 步 / B: 6 步）+ 搜索域降级矩阵