用途：追踪所在领域关键意见领袖（KOL）在 LinkedIn 与 Twitter/X 上发布的内容，提前发现正在上升的趋势叙事，让团队在合适时机用相关内容加入对话。核心思路是：对早期团队而言，最快的内容分发路径是借势已经起浪的话题，而非从零造浪。
主要能力：抓取指定 KOL 的 LinkedIn 帖子与 Twitter/X 推文；按互动量过滤；对帖子做主题聚类，统计每个话题涉及的 KOL 数量、帖子数与总互动量；标记四类信号——Convergence（同周 3 位以上 KOL 讨论同一话题）、Spike（话题量较上周翻倍）、Underdog（仅 1 位 KOL 覆盖的早期机会）、Controversy（评论/互动比高，存在争论）。输出包含趋势话题、高互动帖子 Top 5、值得关注的萌芽话题与推荐内容动作，并可生成基于触发的内容日历。
使用方式：先做 Phase 0 信息收集，确定 KOL 名单（姓名与 LinkedIn URL，可选 Twitter 账号）、关键词、回溯天数（默认 7 天，首次运行 30 天）、最低互动阈值（默认 20 次反应/点赞），配置保存到 clients/<client-name>/configs/kol-monitor.json。随后分别运行上游技能抓取数据：
python3 skills/linkedin-profile-post-scraper/scripts/scrape_linkedin_posts.py --profiles "<url1>,<url2>,<url3>" --days <days_back> --max-posts 20 --output json
python3 skills/twitter-scraper/scripts/search_twitter.py --query "from:<handle>" --since <YYYY-MM-DD> --until <YYYY-MM-DD> --max-tweets 20 --output json
LinkedIn 帖子按 reactions ≥ min_reactions 过滤，推文按 likes ≥ min_reactions / 2 过滤。之后进行主题聚类与信号标记，输出 Markdown 报告到 clients/<client-name>/intelligence/kol-monitor-[YYYY-MM-DD].md。可每周五下午定时运行：0 14 * * 5 python3 run_skill.py kol-content-monitor --client <client-name>。
适用场景：了解某领域头部声音本周在讨论什么；查看某行业 LinkedIn 上的热门话题；写作前先了解哪些内容正在引起共鸣；追踪指定创始人/专家名单；寻找可参与的趋势叙事。
限制与依赖：需要 Apify API token（环境变量 APIFY_API_TOKEN），依赖上游技能 linkedin-profile-post-scraper 与 twitter-scraper，可选 kol-discovery 用于构建初始 KOL 名单。资料给出的成本估算为：LinkedIn 帖子抓取每账号约 $0.05-0.20，Twitter 抓取每次约 $0.01-0.05，10 位 KOL 的每周运行总计约 $0.50-2.00。其他平台支持、准确率与数据合规细节暂未提供。