SkillMap

Oct 29, 2026

用 new-term-radar 在新词出现当天抓住 AI 搜索新词

一个每日雷达，从 X、Hugging Face 热门榜、GitHub 爆发仓库、sitemap 等信号里读出新模型、新产品的名字，再生成一张带「优先、观察、跳过」决策的新词表——可作命令行、三个 Agent Skill 或 MCP 服务器使用。

#tutorial#seo#research

等到关键词工具里能查到「Seedance」或「Strata」时，能为它排名的页面早已写好。new-term-radar（新词雷达）是一个 2k 星的 Python 工具，附带三个 Agent Skill 和一个 MCP 服务器，在 AI 新名字最早被说出来的地方抓到它们，并告诉你它们背后对应的是哪些通用搜索词。

为什么这个 Skill 重要

README 按顺序列出一个新名字留下的痕迹：实验室或大号在 X 上先说出来，或者模型进入 Hugging Face 热门榜；GitHub 上某一个仓库自己涨起来；导航站和竞品给它加页面，有人为它注册域名；你自己的站开始有展示；直到这时，Google Trends 才在几天或几周后显示出曲线。关键词工具读的是最后一步。雷达每天读前面几步，只用最后一步来复盘自己。

它最初照着做的例子：Niko1221/Strata 创建于 2026-09-24，九天后 7,700 星。9 月 26 日起就有人在搜「niko strata」，而当时关键词工具里查不到。

安装

用 skills CLI 安装这三个 skill（Claude Code 之外的 agent，README 会加 -a codex 或 -a trae 参数）：

npx skills add zhuyansen/new-term-radar

在 Claude Code 里它们也可以装成插件：

/plugin marketplace add zhuyansen/new-term-radar
/plugin install new-term-radar@new-term-radar

这些 skill 运行 PyPI 上固定版本的发行包（uvx new-term-radar==0.6.1），把状态存在 ~/new-term-radar，在任何付费运行之前先告诉你花费并等你同意，并把读到的内容当作数据而不是指令。插件同时带上 MCP 服务器，会向你索要 AIsa key 并存进系统钥匙串。

命令行方式需要 Python 3.10 或更新版本，只用标准库：

git clone https://github.com/zhuyansen/new-term-radar
cd new-term-radar
cp config.example.json config.json      # then edit: your X accounts, sitemaps, topics
export AISA_API_KEY=...                 # from https://go.aisa.one/yansen-zhu; or `aisa login` with the AIsa CLI
python -m radar daily --out report.md

核心运行所需的一切都走同一个 AIsa key——X 推文、DataForSEO Trends、域名数据，以及判断名字的模型。可选的第二个 key GOANYAPI_API_KEY 给新词表加上 Google Trends 的相关查询和单个国家的走势曲线，每天约 0.07 美元。README 披露这两个链接都是推荐链接，并说明用 aisa.one 任何渠道拿到的 key 效果相同。没有 key 时，免费信号（Hugging Face、GitHub、sitemap、Search Console）照常运行，但报告里所有词不分先后列出，因为没有模型判断哪些是名字。

实战：今天找到明天的关键词

三个 skill 分担这项工作：

Skill做什么
new-term-radar完整一轮：今天的新名字，再为它们生成关键词优先级表。也接受你已有的名字
ai-listening汇总各信号最近 24 小时的新内容，去重后输出一份名字报告
seo-new-keywords-research接受名字或提到名字的原始文本，返回关键词优先级表
  1. 向你的 agent 要「今天的 AI 新关键词」。第一次运行只是建立快照，所以只会报出 GitHub 爆发仓库——创建不满 14 天、日均涨 200 星以上，或比昨天多 400 星的仓库。从第二次运行起，每个信号都报告变化。
  2. 读候选表。每个词带着它的信号、一个小模型给出的名字得分（它是某个具体东西的名字，还是普通词？），以及大家使用的搜索变体。
  3. 读下面的新词表。对每个新名字，雷达取最多赞的帖子和仓库 README 作为依据，让模型为它看到的每种用途写出普通人会输入的通用关键词，筛选并估算这些词的规模，然后给出决策：优先（近 30 天涨过、现在还在高位、估算日搜不低于 min_daily）、观察（涨了但规模小、还太早读不出，或没动但本身有这个规模的稳定需求）、跳过（已回落，或没动且规模小）。首页挤满的「优先」会降为「观察」。
  4. 三天后再回来。每个名字读两次，因为发布当天的帖子都是公告，还看不出用法。以第二次读到的为准。

按示例配置（35 个 X 账号每天读三次、每天为 5 个名字生成新词表），README 按 AIsa 2026 年 10 月的价格估算每月约 15 美元。

技巧

  • 把你已经覆盖的词放进 known_terms；包含它或被它包含的线索会被标出，不进入复盘。
  • 添加某个站的 sitemap 之前先读它的 robots.txt，并把 pause 保持在它的 crawl-delay 及以上。
  • MCP 服务器暴露三个工具：recent_leads 免费且即时；keyword_table 每个名字约 0.05 美元、每次调用另加 0.09 美元，每个名字耗时 40 到 90 秒；run_radar 是一次付费运行，要跑几分钟——README 说定时任务该放在 cron 或 Actions 里。
  • 自带的 GitHub Actions 工作流每 8 小时跑一次 sources、每天跑一次 daily，但在你把仓库变量 RADAR_ENABLED 设为 true 之前一直关闭。
  • 有些来源带使用条款：README 说 TrustMRR 数据和 Reddit 帖子只供你自己研究，不要转载发布。

何时不用这个 Skill

README 对局限说得坦率。对纯模型发布，依据只有公告和跑分，提出的词组很弱；它更适合只做一件事的产品和仓库。各信号的命中率「还没有」测出来——14 天复盘刚刚开始，所以在你自己的报告积累出数字之前，把任何信号都当作未经证实。X 信号只能看到你账号列表里有人说出的名字。内置停用词是为 AI 工具领域调的，换别的领域需要自己加 stop_words。

查看 排行榜 了解更多 skill。