用途：跟踪心脏病学内容创作者（如 Eric Topol、Peter Attia、York Cardiology 及印度频道），分析其选题、形式、频率与互动信号，并生成内容空白分析，帮助用户找到自身差异化定位。
主要能力：通过 Perplexity/DuckDuckGo 查找创作者内容；抓取并提取主题、形式、发布频率等模式；分析互动信号，判断受众偏好；生成差距分析报告，指出用户未覆盖但可差异化的方向；输出创作者画像、差距分析报告、竞品对比表等格式。内置 Topol、Attia、York Cardiology、Dr Navin Agrawal 等预配置画像，位于 data/influencers.json，也可用于识别需反驳的错误信息账号。
使用方式：在 Claude Code 中可直接提问，如“分析 Eric Topol 本周发布的内容”“找出肿瘤学内容空白”等。CLI 模式示例：python scripts/analyze_influencer.py --name "Eric Topol" --platform twitter；python scripts/analyze_influencer.py --compare "Topol,Attia,York Cardiology"；python scripts/analyze_influencer.py --gaps --domain "Cardiology"；python scripts/analyze_influencer.py --topic "GLP-1" --influencers "Topol,Attia"。依赖 anthropic、python-dotenv、rich，可选 requests、beautifulsoup4，需要 PERPLEXITY_API_KEY 和 ANTHROPIC_API_KEY。
适用场景：内容策略规划、竞品研究、选题优先级排序、差异化定位、跟踪趋势。可接入 research-engine、youtube-script-master、viral-content-predictor、content-repurposer 等工作流。
限制：仅应分析公开内容；建议每周运行以跟踪趋势；目标是找自身独特角度而非模仿。具体数据、价格、平台支持范围及实际效果暂未提供。