用途：追踪指定 KOL 在 LinkedIn 与 Twitter/X 的发帖，尽早发现正在上升的叙事，便于团队在话题达到高峰前参与讨论。核心思路是借助已有热度的话题，而非从零创造话题。
主要能力：抓取 KOL 的 LinkedIn 帖子与 Twitter/X 推文；按互动量过滤；对帖子做主题聚类，统计参与 KOL 数与总互动量并排序；标记四类信号——趋同（同周 3 个以上 KOL 谈同一话题）、突增（话题量较上周翻倍）、冷门（仅 1 个 KOL 覆盖）、争议（评论/互动比高）；输出趋势话题、高互动帖子 Top 5、值得关注的早期话题与推荐内容动作，并可生成基于触发的内容日历条目。
使用方式：先准备 KOL 名单（姓名、LinkedIn URL，可选 Twitter 账号）与关键词，配置保存到 clients/<client-name>/configs/kol-monitor.json，字段包括 kols、days_back、min_reactions、keywords、output_path。随后依次运行上游技能：用 linkedin-profile-post-scraper 抓取 LinkedIn 帖子，命令为 python3 skills/linkedin-profile-post-scraper/scripts/scrape_linkedin_posts.py --profiles "<url1>,<url2>,<url3>" --days <days_back> --max-posts 20 --output json；用 twitter-scraper 抓取推文，命令为 python3 skills/twitter-scraper/scripts/search_twitter.py --query "from:<handle>" --since <YYYY-MM-DD> --until <YYYY-MM-DD> --max-tweets 20 --output json。过滤规则：LinkedIn 帖子互动数不低于 min_reactions，推文点赞数不低于 min_reactions/2。之后进行主题聚类并生成报告，保存到 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在发什么、某行业 LinkedIn 热门话题、写作前先看什么内容有共鸣、追踪指定创始人或专家、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 用于构建初始名单。资料给出的成本为：LinkedIn 帖子抓取每账号约 $0.05-0.20，Twitter 抓取每次约 $0.01-0.05，10 个 KOL 的每周运行总计约 $0.50-2.00。默认回溯 7 天（首次运行 30 天），默认互动阈值 20。其他平台支持、准确率与数据合规细节暂未提供。