用 AI 帮你找选题：我做了一个自动化的公众号选题助手

找选题这件事，比你想的费时间

做公众号的人都知道，最难的不是写，是决定今天写什么。

手动刷热搜、翻知乎热榜、扫微博话题——做完这一套，一两个小时就没了。而且你只能看到冰山一角：微博上火的选题，知乎可能没人在讨论；B站刚出的视频，公众号还没人写。

能不能有一个工具，帮我把所有平台的 AI 相关内容扫一遍，去重后按热度排序，直接给我一份选题清单？

带着这个需求，我用 Python + RedFox API 做了一个命令行选题助手，303 行代码，5 个命令，每天花两分钟就能把当天的 AI 选题全过一遍。

这个工具做了什么

整体分两层：

底层是 RedFox API 封装——一个第三方数据聚合服务，把公众号搜索、文章详情、多平台热榜这些接口统一起来。认证方式就是一个 API Key，存环境变量里，代码不碰明文。

上层是 Topic Finder CLI——封装成 5 个命令，覆盖选题场景：

其中最常用的是 ai-topics，也是核心差异化所在。

核心设计：10 个关键词并行扫描

单关键词搜索的问题是：你不知道今天 AI 圈在聊什么。搜”大模型”，漏掉了 Agent 方向的热点；搜”AI Agent”，又漏了具身智能的新闻。

解法很直接——预定义 10 个 AI 子方向，每个搜 Top 5，合并去重。代码核心逻辑：

AI_TOPIC_KEYWORDS = [
    ("AI Agent", "agent"),
    ("大模型", "llm"),
    ("AI应用", "ai-app"),
    ("AI编程", "ai-coding"),
    ("AI视频/生成", "ai-video"),
    ("开源模型", "open-source"),
    ("AI创业", "ai-startup"),
    ("Claude/ChatGPT", "chat"),
    ("AI工具", "ai-tools"),
    ("具身智能", "embodied"),
]

# 每个关键词搜 5 篇 → 50 篇原始结果
# 按 workUuid 去重 → 通常 200+ 篇不重复
# 按 readCount 降序排列

去重用的是 workUuid，因为同一篇文章可能被多个关键词命中。比如一篇讲”Claude 4 发布”的文章，可能同时匹配”AI Agent”和”Claude/ChatGPT”，UUID 去重后只展示一次。

实际跑一下，输出长这样：

$ python3 topic_finder.py ai-topics

============================================================
  🤖 AI 选题雷达 · 2026-06-12 23:47
============================================================
  扫描 10 个 AI 子方向...

  ✅ AI Agent        (  3420 条)
  ✅ 大模型           ( 12800 条)
  ✅ AI应用          (  5600 条)
  ...

============================================================
  🏆 综合推荐 (共 218 篇去重, 按阅读量排序)
============================================================
  #   阅读 点赞 标签        作者          标题
  ─── ───── ─── ────────── ───────────── ──────────────────
  1   5万  312 agent      xxx           Claude 4 ...
  2   3万  201 llm        xxx           ...

200 多篇文章，按阅读量排序，一眼就知道今天该追什么话题。

踩过的几个坑

API 返回码不是 200。RedFox API 用 code: 2000 表示成功，不是标准的 HTTP 200。刚开始没注意，排查了半天为什么”请求成功但没数据”。

空结果要单独处理。有些关键词在某些时段返回空列表（data.list 不存在），直接取会报 KeyError。加了个 .get("data", {}).get("list", []) 防御性写法。

热榜不是实时的。RedFox 的热榜数据更新频率大概 1-4 小时，不适合做”实时追热点”，但做每日选题扫描绰绰有余。

终端输出要对齐。公众号运营者不是程序员，表格对齐、数字格式化（10000+ 显示”万”）、标题截断这些细节决定体验。truncate() 函数和 fmt_num() 花的时间比核心逻辑还多。

还能怎么用

这个工具是 CLI 设计的，但玩法不止于此：

定时任务：配一个 cron，每天早上 8 点自动跑 ai-topics，结果推到微信或飞书。你起床的时候选题清单已经躺在那里了。

Agent 集成：把它封装成一个 Agent Skill，触发词”找选题”，直接跟 Agent 对话就能拿到选题推荐。

与其他工具配合：先用 ai-topics 扫出候选选题，再用 read <uuid> 拉全文看细节，最后把感兴趣的选题丢到飞书多维表格里管理。选题→素材→写作，这条链路串起来，写文章的启动成本就降到最低了。

与其他选题工具的差异

市面上有新榜、西瓜数据、榜眼数据这些平台。它们强在数据分析和竞品追踪，但有几个问题：要么贵（新榜 API 几十块一条），要么面向企业级用户，要么覆盖范围太广不够聚焦。

Topic Finder 的定位不同：专做 AI 领域、轻量 CLI、可以嵌入自动化流程。不需要登录网页后台，不需要看广告，终端里敲一行命令就完事。

如果你想试试，RedFox API 有免费额度，够日常选题用。代码已经开源，复制到本地改一下 API Key 就能跑。

写在最后

做这个工具的初衷很简单：我不想每天花一个小时刷热搜。

现在每天早上 python3 topic_finder.py ai-topics 跑一下，两分钟看完 200 多篇 AI 方向的文章，挑 3-5 个感兴趣的方向深入研究，然后开始写。选题从”最大的痛点”变成了”最不费时间的环节”。

如果你也在做 AI 领域的公众号，可以试试这个思路。不一定要用我这套代码，关键是把”人肉扫平台”这件事自动化——省下来的时间，多写一篇文章不香吗。