别再开十个标签页做调研，一条命令打穿九个平台

上个月做一个 AI Agent 选题，我按老习惯开工。打开视频网站看头部博主怎么讲，切到 X 看英文圈在吵什么，再切 Reddit、B 站、小红书、知乎，最后刷一遍抖音和 TikTok。一圈下来一个半小时，笔记没写几行，倒是被推荐流喂了十几分钟猫猫视频。

这还算顺利的。赶上一次账号风控，半天就交代进去了。

后来我把这件事翻出来重新想。做内容拆到底就三个动作，输入信息、加工信息、输出信息。大家把精力全砸在输出上，怎么写得更漂亮、剪得更抓人，输入这一步永远默认手动。可输入慢一倍，整条流水线就慢一倍，输入不全，加工再精彩也是空转。

所以我花了一个月，把输入这一步彻底重做了一遍。现在是一条命令，并行搜九个平台，五秒拿回一份统一格式的 JSON，直接塞给 Agent 生成调研报告。从那以后，那些平台我再没单独登录过。

输入才是内容生产的上限

先把这笔账算细。

手动做一个跨平台选题，你要在九个界面之间来回切换，记语法、等加载、复制粘贴，一个半小时起步。每个月做十个选题，光切平台就烧掉十几个小时。时间还只是表面损耗，更深的一层是注意力。你刚在 X 上搜完，手一滑刷了十分钟推荐，回过神来半小时没了。

每个平台的信息流都是为你设计的陷阱，做调研的人一不小心就变成被调研的人。

做内容的人，生产资料就是注意力。注意力被九个推荐算法轮流切菜，再聪明也写不出好东西。老雷这几年帮企业做内容产线，观察下来一个规律，产出上不去的团队，八成问题都出在输入这一环，而不是写作水平。

工具没把调研变得更快，工具把注意力还给了你本人。

我想明白这一点之后只问了自己一个问题，能不能一条命令把九个平台同时搜了。不登录、不记语法、不用防着自己刷推荐，结果直接吐一份 AI 能读的结构化数据。

CLI 管动作，Skill 管流程

动手之前先想清楚一件事，这东西该做成 CLI 还是 Skill。这个问题背后是 Agent 时代一个关键的分工。

CLI 就是命令行工具，不开界面，终端里敲一条命令，它把结果吐回来。Skill 是给 AI 的工作手册，告诉它一类任务该按什么流程走。打个比方，Skill 管「怎么想」，CLI 管「用什么做」。写一篇要发的长文，选题、找素材、起草、精修、配图、发布，这套流程是 Skill 的事。流程里真去九个平台拿数据、真调模型改稿子，这些具体动作靠 CLI。

九平台搜索为什么做成 CLI，因为它本质是个动作，不是流程。吃进去关键词，吐出来结构化数据，结束。没有判断链，没有分支决策。放到分工图里看就清楚了，上层一个调研 Skill 负责编排，先调九平台搜索拿数据，再调模型总结观点，再调发布工具发成稿。底层每个 CLI 只做一件事，像乐高积木，九平台搜索是其中一块输入层积木，字幕提取、视频下载、一键发布各是各的一块。

老雷给大家提个醒，自己做工具前别先想「要做多大」，先想这件事是动作还是流程。动作就做 CLI，越专越好。流程就做 Skill，越完整越好。两者混在一起，最后两边都做得不伦不类。

一条命令，两个后端，九个平台

效果先摆出来。关键词和条数塞进去，五秒后终端返回一份统一格式的 JSON，九个平台各五条结果，字段对齐。塞给 Agent，它立刻能聚合、排序、生成调研报告。

架构上最关键的一个决策，不是做多少平台，是平台的访问限制不该由自己硬扛。我早期自己写过数据抓取脚本，抖音改版、小红书加验证、Ins 封号，每个月都在打补丁，半夜爬起来改代码是常事。后来换了思路，把数据获取外包给专业的数据服务商。

所以整套东西就两个后端。一家商业数据服务商的 API 覆盖其中八个平台，请求走他们的服务器和出口，不会封我本地这台机器。第九个是公开数据源，不用密钥。加起来一个密钥，打穿九家的访问限制，我这边零脚本维护。

入口是一条统一命令，底下每家平台还留了独立子命令，下载、字幕、评论、用户主页、热榜各有各的能力。一条命令是广度，各家 CLI 是深度。做调研走广度，做素材加工走深度，比如盯上一条视频想拿字幕做翻译，就单独调那家的字幕子命令。

六个坑，每个都是一次决策

这套东西打磨了一个月，踩的坑都不是技术细节，是决策问题。自己做类似的东西，这六条能省很多时间。

第一个坑，要不要统一入口。一开始我做的是九个独立 CLI，每家一个。用了两周发现不对，跨平台调研得一条一条敲，结果还是散的。Agent 经不起碎片化入口，九套参数学九遍，九次输出再聚合，Token 翻几倍精度还下降。后来在上面套了一层统一入口，Agent 只学一条命令，拿回一个 JSON。

第二个坑，虚拟环境怎么分。九个平台背后有六个后端，依赖互相打架。我本来想全塞一个环境，装了半小时还在解决冲突。后来改成每个后端独立虚拟环境，调度层零依赖，一家更新不影响其他，维护成本砍到地板。

第三个坑，从自用到能交付的跨度。最早这套东西只有我自己能用，路径写死了七处，密钥位置全凭记忆。后来做了三件事，硬编码路径清零，密钥改成三级加载，先读系统环境变量，再读项目配置，最后读本地凭据文件，每家平台补一份说明文档让 AI 读一眼就知道怎么调。自用工具和可交付工具的差距，不是功能差多少，是有没有把自己的痕迹清干净。

第四个坑，数据获取自己写还是外包。前面说了，外包。自己扛访问限制是无底洞，平台天天变，服务商靠这个吃饭，小钱换零维护，这笔账是划算的。

第五个坑，字段归一。九家返回的数据看起来像，字段名全不一样，小红书叫笔记，X 叫推文，点赞数有的叫 likes 有的叫 digg，时间戳有三种格式。我最早想让 Agent 自己解析，结果它调一次烧一次 Token，还老看错字段。后来在最上层加了一层归一，九家统一吐出标题、内容、作者、互动数、时间、链接六个字段，各家独有的塞进附加字段里要用再看。

第六个坑，一次拉几条。默认二十条跑了几天的结论是，前五条是热门，接着五条一般，后面十条全是噪声，Agent 读二十条和读五条结论差不多，Token 多烧四倍。改成默认五条，要深挖再翻页，Token 开销砍掉七成，调研质量反而更稳。

给 Agent 做工具，统一协议比加功能更重要，喂给它的不是越多越好，是越精越好。

谁该用，怎么用起来

这套东西我在几个场景里真跑过，对号入座。

自媒体选题调研，关键词扔进去，对比视频网站的角度、X 的论点、小红书的钩子，五秒完成原来四十五分钟起步的跨平台评估。社媒运营盯竞品，按账号拉最近内容清单，顺手下无水印素材、看评论区真实反馈，一个人盯五个账号的活压到十五分钟。跨境电商选品，同一个关键词按地区分别搜，北美看 Reddit 和 TikTok，东亚看小红书和抖音，拿回的互动数和发布时间直接让 AI 出市场分析。Agent 开发者装数据源，每家 CLI 都有自省子命令，输出机器可读的能力清单，Agent 解析一次就知道怎么调，统一 JSON 协议，九平台一次对接，不用手写九套适配。

判断标准就一条，你的工作只要涉及从多个渠道获取信息，这套打法都能把这一步压到极简。想起步的话，老雷的建议是别一上来铺九个平台，先挑你调研里最费时间的两三家，把统一入口和字段归一跑通，验证省下的时间真的够付数据服务的成本，再扩到全量。

回过头看，这一轮重做给我最大的收获不是快。是一条命令换掉了十个标签页，省下的不只是时间，是那种不再被九个推荐算法轮流切菜的清爽感。注意力回到了内容本身，这才是一件输入层工具真正的交付物。