kol-discovery 用于在指定领域发现关键意见领袖（KOL）。其核心原则是搜索权威与思想领导力关键词，而非痛点用语，寻找会议演讲者、newsletter 作者、播客主持人和高产 LinkedIn 发帖者。
使用方式：先进行需求采集（公司/产品、目标领域、受众、已知 KOL、需排除对象）；再生成 15-25 个话题/权威关键词及 KOL 头衔关键词、排除关键词、领域相关关键词，经用户确认后保存配置 clients/{client-name}/configs/kol-discovery.json。随后运行流水线：python3 skills/kol-discovery/scripts/kol_discovery.py --config clients/{client-name}/configs/kol-discovery.json --output-dir clients/{client-name}/leads [--test] [--web-kols clients/{client-name}/configs/kol-web-kols.json] [--yes]。
主要能力：按关键词使用 harvestapi/linkedin-post-search 抓取帖子；按作者聚合计算互动指标；综合评分（互动量对数、发帖一致性、平均互动、关键词广度、网络调研加分）；合并帖子数据与网络调研 KOL 并标记重叠；导出排名 CSV。脚本还支持 --test 限制 5 个关键词、--max-runs 覆盖 Apify 运行上限。
网络调研由智能体完成，搜索行业影响者、会议演讲者、newsletter 作者、播客主持人及行业出版物撰稿人，保存为 kol-web-kols.json 并通过 --web-kols 传入。输出 CSV 含排名、姓名、LinkedIn URL、头衔、KOL 评分、帖子数、反应数、评论数、平均互动、最高互动帖子链接与预览、来源等列。
适用场景：需要为目标领域或客户快速定位有影响力的 LinkedIn 作者并排序。
限制与依赖：需设置 APIFY_API_TOKEN 环境变量；估算成本约每个关键词 0.10 美元，20 个关键词约 2-3 美元；建议先运行 --test。使用中可通过调整关键词、排除模式、min_posts、min_total_engagement 等阈值优化结果。触发短语包括“Find KOLs in the freight/logistics space”等。其他平台细节暂未提供。