---

name: threads-viral-agent description: > Full-autopilot AI agent for Meta 3-platform viral content (Threads + Instagram + Facebook). Searches real-time trending topics, analyzes them against Meta's 7 patent-based ranking algorithms (EdgeRank, Andromeda, Dear Algo, Conversation Durability), generates optimized text/image/video content, adapts for each platform, and publishes automatically with scheduling support. Use this skill whenever the user mentions: Threads posting, Instagram content, Facebook page management, cross-platform social media, viral posts, social media automation, content scheduling, Threads marketing, Meta algorithm optimization, growing on Threads/IG/FB, or automating their social media workflow. Also trigger for: quote cards, carousel generation, Reels scripts, social media images, or any Meta platform content creation task.

Meta 3-Platform Viral Agent

Autonomous agent: trend discovery → source verification → patent-optimized creation → quality gate → publishing.

Core Principle: MCP provides briefs/frameworks, LLM creates original content, scripts handle publishing.

Accounts & Tokens

Tokens in .env at skill root (auto-loaded by all scripts, no manual export needed):

Account	Threads ID	IG ID	Token vars
@claude.world.taiwan	26105870269107920	26911598668443478	THREADS_TOKEN_CW, IG_TOKEN_CW
@lucasfutures	25104893002544779	25337739812567565	THREADS_TOKEN_LF, IG_TOKEN_LF

• App ID: 875447821838410 (THREADS_APP_ID)
• Token expiry: 60 days, current ~2026-05-11
• Renew: python3 scripts/threads_oauth.py auth-url → authorize → full --code CODE
• Select account: --account cw or --account lf

MCP Tools (3 servers, 34 tools)

trend-pulse (11 tools) — 趨勢發現 + 內容優化框架

Tool	Purpose	When to use
get_trending(sources, geo, count, save)	即時趨勢，20 個免費來源	Step 1: 找主題
search_trends(query, sources, geo)	關鍵字搜尋跨來源	Step 1: 搜特定話題
list_sources()	可用來源及 rate limit	確認哪些來源可用
get_trend_history(keyword, days, source)	歷史趨勢數據	Step 3: 驗證話題熱度變化
take_snapshot(sources, geo, count)	存快照到 DB，追蹤 velocity	定期追蹤趨勢加速度
get_content_brief(topic, content_type, platform, lang)	寫作指南：hook/CTA/策略	Step 4a: 取 brief
get_scoring_guide(lang, topic)	5 維度評分框架	Step 5: 自評分數
get_review_checklist(platform, lang, topic)	審稿清單	Step 5: 品質門檻
get_platform_specs(platform, lang)	平台規格（字數/功能/演算法）	Step 4d: 平台適配
get_reel_guide(style, duration, lang, topic)	Reel/短影片腳本指南	做 Reel 時
render_page(url, format)	CF Browser 渲染頁面（markdown/content/json）	Step 2: 讀 JS-heavy 頁面

Sources: google_trends, hackernews, mastodon, bluesky, wikipedia, github, pypi, google_news, lobsters, devto, npm, reddit, coingecko, dockerhub, stackoverflow, arxiv, producthunt, lemmy, dcard, ptt

cf-browser (10 tools) — 瀏覽器渲染 + 截圖 + 爬蟲

Tool	Purpose	When to use
browser_markdown(url)	網頁 → 乾淨 Markdown	Step 2: 讀原文（首選）
browser_json(url, prompt)	AI 結構化抽取	Step 1: 從任何頁面抽取數據
browser_content(url)	渲染後完整 HTML	需要原始 HTML 時
browser_screenshot(url, width, height)	網頁截圖	圖卡生成：HTML → 截圖 → PNG
browser_pdf(url, format, landscape)	網頁轉 PDF	生成可下載報告
browser_scrape(url, selectors)	CSS 選擇器精準抓取	抓特定元素（價格/標題/數據）
browser_links(url)	抽取所有連結	發現相關來源
browser_a11y(url)	無障礙樹（低 token）	快速理解頁面結構
browser_crawl(url, limit)	非同步爬蟲	批量抓取多頁
browser_crawl_status(job_id, wait)	爬蟲進度	等待爬蟲完成

notebooklm (13 tools) — 研究引擎 + 圖卡/音訊/影片生成

Tool	Purpose	When to use
nlm_create_notebook(title, sources, text_sources)	建立筆記本，可餵 URL/文字	深度研究前建立知識庫
nlm_list()	列出所有筆記本	查看已有研究
nlm_delete(notebook)	刪除筆記本	清理舊研究
nlm_add_source(notebook, url/text/file)	新增來源（URL/文字/檔案）	補充研究材料
nlm_ask(notebook, query)	對來源提問（含引用）	Step 2: 深度理解來源
nlm_summarize(notebook)	摘要所有來源	快速掌握全貌
nlm_list_sources(notebook)	列出來源	確認已餵入的材料
nlm_generate(notebook, type, lang, instructions)	生成 9 種 artifact（⚠️ infographic 除外）	圖卡/音訊/影片生成
nlm_download(notebook, type, output_path)	下載 artifact（audio/slides/video）	取得生成檔案
nlm_list_artifacts(notebook)	列出 artifact	查看已生成內容
nlm_research(notebook, query, mode)	網路研究（fast/deep）	Step 2: 自動搜集資料
nlm_research_pipeline(sources, questions, output_format)	完整研究 → 內容 pipeline	一鍵從 URL 到文章
nlm_trend_research(geo, count, platform)	趨勢 → 研究 → 內容 pipeline	全自動趨勢內容

nlm_generate 支援的 artifact 類型：

Type	用途	下載方法	輸出格式
audio	Podcast 風格音檔	nlm_download(type="audio")	.m4a
video	影片（音訊+幻燈片）	nlm_download(type="video")	.mp4
slides	簡報	nlm_download(type="slides")	.pdf
report	報告文件	get_report_content()	Markdown 文字
study-guide	學習指南	get_report_content()	Markdown（report 子類型）
quiz	測驗題	get_quiz_data()	JSON 結構化
flashcards	閃卡	get_flashcard_data()	JSON 結構化
mind-map	心智圖	get_mind_map_data()	JSON 樹狀結構
data-table	數據表	get_data_table()	CSV / JSON
infographic	資訊圖卡	❌ 無 API 方法	只能在 NotebookLM UI 檢視

注意： audio/video/slides 是二進位檔案下載；report/quiz/flashcards 等透過 API 取得文字/結構化資料。 我們的 wrapper CLI (notebooklm_client.py download) 已統一包裝。唯一無法下載的是 infographic。

---

Pipeline: 7 Steps (每步都是 BLOCKING，不可跳過)

Step 1: DISCOVER — 找主題

# trend-pulse — 即時趨勢
get_trending(geo="TW", count=20)             # 20 sources, zero auth
search_trends(query="Claude Code")           # keyword search
get_trend_history(keyword="AI", days=7)      # 歷史趨勢追蹤

# cf-browser — 從任何頁面抽取
browser_json(url, prompt="Extract...")       # AI 結構化抽取
browser_links(url)                           # 發現相關來源

# notebooklm — 趨勢研究一鍵 pipeline
nlm_trend_research(geo="TW", count=3, platform="threads")  # 自動：趨勢→研究→內容

Default niches: AI, 創業, 自媒體, 投資理財, 職場, 科技, 個人成長, 副業 Heat score: heat = likes + (replies × 3) + (reposts × 5)

Step 2: READ SOURCE — 讀原文（MANDATORY）

NEVER write content based on titles/metadata alone.

For every candidate topic, MUST read the original source:

Source Type	Tool（優先順序）	Minimum to read
Article/blog	browser_markdown(url)	全文
HN discussion	browser_markdown(hn_url)	原文 + top comments
Reddit post	browser_markdown(reddit_url)	原文 + top comments
GitHub repo	browser_markdown(github_url)	README 全文
Official announcement	browser_markdown(url)	公告全文
JS-heavy/SPA 頁面	render_page(url, format="markdown")	全文（trend-pulse 備用渲染）
多來源深度研究	nlm_research_pipeline(sources, questions)	NotebookLM 自動摘要+引用

深度研究模式（多來源）：

1. nlm_create_notebook(title, sources=[url1, url2, ...]) — 餵入所有來源
2. nlm_ask(notebook, "關鍵問題") — 對來源交叉提問（含引用）
3. nlm_summarize(notebook) — 取得全貌摘要
4. 用 nlm_research(notebook, query, mode="deep") 自動搜集更多相關資料

快速模式（單來源）： 直接用 browser_markdown(url) 讀原文。

來源充足性標準：

• 單一主題：至少讀 1 個一手來源（原文/公告/README）
• 爭議性主題：至少讀 2 個來源（正反觀點各一）
• 數據型主題：必須找到數據的原始出處（不接受二手引用）

批量主題：用 parallel agents 同時讀多個來源。

Exception: 僅當用戶明確表示「這是官方原文，不需要再查」時才跳過。 注意： 用戶提供的翻譯/轉述不算原文。涉及數字、時間、範圍的資訊 → 永遠讀原文，無例外。

Step 3: VERIFY TIMELINE — 驗證時間線（MANDATORY）

每一個事實都必須標注時間，且驗證時效性。

檢查項	方法	不合格處理
事件發生日期	從原文抓取 published date	無日期 → 不引用具體時間詞
數據新鮮度	比對 trend search 的 published 欄位	超過 7 天 → 不用「剛」「最新」
數字即時性	upvotes/stars/comments 會變	用「超過 X」而非精確數字，或加「截至發文時」
版本號	從原文確認	必須與原文一致
時區換算	寫出完整公式驗算	必須 ET 和 PT 交叉驗證

時區換算規則（曾因此出錯）：

1. 寫出公式：原始時間 + UTC offset + 8 = 台灣時間
2. 注意日光節約：3-11月 PDT=UTC-7 / EDT=UTC-4，11-3月 PST=UTC-8 / EST=UTC-5
3. 「以外」「outside of」→ 特別小心，容易把尖峰/離峰搞反
4. 用 ET 和 PT 兩組數字各算一次，確認結果一致

時間詞對照表（以發文時間為基準）：

原文時間	可用詞	禁用詞
今天	「今天」「剛剛」	—
昨天~3天前	「這兩天」「前幾天」	「剛」「最新」
4-7天前	「上週」「這週」	「剛」「昨天」
8-30天前	「最近」「這個月」	「上週」「剛」
>30天	「之前」「今年」	任何暗示新鮮的詞

Step 4: CREATE — 寫文案

4a: Get brief → get_content_brief(topic, content_type, platform, lang)

4b: LLM writes original content based on source + brief

4c: Patent check → get_scoring_guide() then verify EACH dimension against the draft:

#	Check	Patent	What to verify	Common fix
1	Hook 第一行有數字或反差？	EdgeRank	數字前置、好奇心缺口、10-45 字	把關鍵數據搬到第一行
2	CTA 人人都能回答？	Dear Algo	直接稱呼「你」、低門檻提問	避免預設專業知識
3	有轉折/正反兩面？	72hr window	「但是」「不過」製造討論空間	加限制/爭議/Beta 面
4	是即時熱點？夠短？	Andromeda	50-300 字、緊迫感用語	刪冗字、加時間標記
5	手機可掃描？	Multi-modal	換行、箭頭列表、無文字牆	拆長句、加分隔

Conversation Durability < 55 → 必須加轉折再發。這是最常被忽略的維度。

4d: Adapt → get_platform_specs("") for platform-specific constraints

Platform targets:

• Threads: ≤500 chars, strong Hook + CTA, no hashtags, 用 --poll 做投票
• Instagram: ≤2200 chars, hashtags at end, carousel for depth
• Facebook: Long-form with sections, personal angle

4e: Post Type Decision — 根據內容特性選擇最佳發文方式：

內容特性	發文方式	理由
有 2+ 張圖/視覺素材	--carousel URL1 URL2 ...	輪播觸及 > 單張
有 1 張圖	--image URL	圖文並茂 >> 純文字（官方數據）
有影片素材	--video URL	影片完播率是演算法重點信號
A/B/C 選擇題	--poll "A|B|C"	永遠用原生投票，不用文字版
需附連結	--link-comment URL	URL 放本文降觸及，放回覆不影響
想要連結預覽卡	--link-attachment URL	適合官方公告/文章分享
引用/回應他人貼文	--quote-post-id ID	引用貼借力，蹭原帖互動
含劇透/敏感內容	--spoiler-media / --spoiler-text	尊重讀者，防劇透同時引發好奇
輕鬆幽默/限時活動	--ghost	24hr 消失的限時感製造 FOMO
搞笑/反應	--gif-id GIPHY_ID	GIF 提升停留時間和趣味性（僅 GIPHY，Tenor 已於 2026/3/31 停止）
深度長文 (>500 字)	--text-attachment file.txt	本文寫摘要 + 長文附件放完整版
爭議話題/避免吵架	--reply-control mentioned_only	控制回覆品質
粉絲專屬內容	--reply-control followers_only	增加追蹤動機
所有有圖的貼文	--alt-text "描述"	無障礙 + SEO 信號
想被探索頁推薦	--topic-tag "主題"	幫演算法分類，觸及感興趣受眾

組合規則：

• 有圖/影片 → 一律加 --topic-tag + --alt-text
• 有 URL 要分享 → 用 --link-comment（不放本文），除非需要預覽卡才用 --link-attachment
• Carousel + Spoiler → 所有圖片一起模糊
• Carousel + alt-text → 不可組合（API 限制：alt_text 無法用於 CAROUSEL 類型）
• Ghost + 文字 Spoiler → 可以組合，但 Ghost 不支援媒體 Spoiler
• Poll + Image → 不可組合（Poll 僅支援 TEXT 類型）

4f: Generate Image (MANDATORY — NotebookLM ONLY) — 每篇貼文都必須有圖。純文字僅限純投票或極短問題（<50字）。

⚠️ 必須用 NotebookLM 生圖卡。不准跳過 NLM 直接用 HTML+Playwright。

#	方式	工具	適用場景
1	NotebookLM Slides（唯一正式方式）	nlm_generate(type="slides") → nlm_download → PDF → PNG	所有場景，無例外
2	HTML + Playwright（緊急備用）	寫 HTML → Playwright screenshot → PNG	僅當 NLM MCP 完全不可用（連線失敗、未安裝）才可降級。NLM 超時應重試，不算失敗。

⛔ 嚴格禁止：不得使用 Pillow、Python PIL、ImageMagick 或任何程式碼直接生成圖卡。 所有圖卡一律透過 NotebookLM slides 生成。NLM 產出的多頁 slides 品質遠高於程式碼生成。

NLM Slides 流程（必須執行）：

# 1. 建立筆記本，餵入來源 URL + 重點文字摘要
nlm_create_notebook(title, sources=[URLs], text_sources=[重點文字])

# 2. 生成 slides（指定頁數、風格、內容）
nlm_generate(notebook, type="slides", lang="zh-TW", instructions="製作 3-4 頁社群媒體圖卡...")

# 3. 下載 PDF
nlm_download(notebook, type="slides", output_path="/tmp/slides.pdf")

# 4. PDF → PNG 各頁截圖
pdftoppm -png -r 300 /tmp/slides.pdf /tmp/slide

# 5. 上傳取得公開 URL
curl -F "reqtype=fileupload" -F "time=24h" -F "fileToUpload=@/tmp/slide-1.png" \
  https://litterbox.catbox.moe/resources/internals/api.php

NLM 超時處理： 超時不等於失敗，重試 1-2 次。只有 MCP server 完全離線才降級到 Playwright。

多頁圖卡 → Carousel（⚠️ 重要）： NLM slides 產生多頁 PDF 時，必須：

1. pdftoppm -png -r 300 slides.pdf slide 拆成各頁 PNG
2. 逐張上傳：對每張 PNG 呼叫 upload_image(file_path="downloads/slide-N.png") 取得公開 URL
3. 用 carousel 發文：publish_to_threads(text="...", carousel_urls=[url1, url2, ...]) — 不要用 image，那只發單張

4g: Final check — 發文前最後檢查：

• 有圖嗎？ 沒有 → 回 4f 製圖（除非純投票）
• 根據 4e 決策表，選對了發文方式？
• A/B/C 選項 → 用了 --poll？
• 有來源 URL → 用了 link_comment / --link-comment？（MANDATORY — 來源連結必須出現在留言）
• 有圖 → 加了 --alt-text？
• 加了 --topic-tag？
• 時間詞與 Step 3 驗證結果一致？
• 所有數字都有原文出處？

Step 5: REVIEW — 品質門檻

Use MCP tools for structured review:

1. get_review_checklist(lang="zh-TW") → LLM reviews against checklist（含 penalty pre-check）
2. Polish: remove AI filler ("在當今"/"隨著"/"值得注意"), strengthen hook, sharpen CTA
3. get_scoring_guide(lang="zh-TW") → LLM self-scores all 5 dimensions（penalty 已在 step 1 檢查）

5a: Algorithm Penalty Pre-Check (BLOCKING — must pass before scoring)

Source: https://creators.instagram.com/threads

Penalty	Detection	Auto-Reject Action
Clickbait	Hook 承諾了正文沒兌現的東西	改寫 hook 對齊實際內容
Engagement bait	含「按讚」「轉發」「追蹤」等直接要求互動	刪除，改用自然 CTA
Contest/Giveaway 違規	活動要求互動行為作為參加條件	移除或改為不要求互動
Unoriginal content	從其他平台原封不動搬運，無原創角度	加入個人觀點/在地化/新角度

任何 penalty flag 觸發 → 必須改寫後才能進入評分。

5b: Tone & Authenticity Check (Official Threads Guidelines)

Check	Pass	Fail → Fix
有個人觀點/經驗連結？	含「我」「自己」或具體經歷	加入個人角度或真實體驗
語氣自然有人味？	像跟朋友聊天	去掉公司腔、AI 腔
幽默元素？	有趣/機智/意外感（非必要但加分）	考慮加入輕鬆元素
能引發對話？	包含可討論的問題或觀點	加反問或開放式問題

5c: Quality Gate (ALL must pass):

Gate	Threshold	Fail action
Penalty pre-check	All penalties clear	Rewrite per 5a
Overall Score	≥ 70	Rewrite weak dimensions
Conversation Durability	≥ 55	Add 轉折/爭議面
Hook (first line)	10-45 字 + 數字或反差	Rewrite first line
CTA (last line)	Clear question or poll	Add or sharpen
Timeline accuracy	All time words verified	Fix per Step 3 table
Source grounding	Every claim traceable to source	Remove unverifiable claims
Character limit	Threads ≤500, IG ≤2200	Trim
台灣繁中語氣	Natural, no 簡體/AI 腔	Rewrite
Topic tag	每篇都有 --topic-tag	加上相關主題標籤
圖文並茂	有視覺素材（除純投票）	回 Step 4f 製圖

A/B Variant Strategy (for Viral Score ≥ 85):

• Variant A (@claude.world.taiwan): Opinion-first (帶觀點)
• Variant B (@lucasfutures): Question-first (提問式)

Step 6: PUBLISH

⚠️ MANDATORY: Source URL → link_comment If the content references ANY source URL (from Step 2), you MUST include it as link_comment (MCP tool) or --link-comment (CLI). This is NOT optional — every post that has a source gets the source URL auto-replied in comments. The source URL is the original article/repo/announcement URL you read in Step 2.

When using MCP publish_to_threads tool:

publish_to_threads(
  text: "...",
  account_id: "...",
  score: 85,
  link_comment: "https://source-url-from-step-2",  // ← MANDATORY if source exists
  ...
)

When using CLI:

# Threads — 支援所有發文類型 (auto-loads token from .env)
# 基本文字
python3 scripts/threads_api.py publish --account cw --text "content"
# 圖片
python3 scripts/threads_api.py publish --account cw --text "caption" --image "https://public-url/img.jpg"
# 影片 (max 5min, 9:16 or 16:9)
python3 scripts/threads_api.py publish --account cw --text "caption" --video "https://public-url/video.mp4"
# 輪播 (2-20 張)
python3 scripts/threads_api.py publish --account cw --text "caption" --carousel URL1 URL2 URL3
# 投票 (2-4 選項, max 25 chars each)
python3 scripts/threads_api.py publish --account cw --text "content" --poll "選項A|選項B|選項C"
# GIF (GIPHY only — Tenor 已於 2026/3/31 停止服務)
python3 scripts/threads_api.py publish --account cw --text "funny!" --gif-id "GIPHY_GIF_ID"
# 引用貼文
python3 scripts/threads_api.py publish --account cw --text "My take" --quote-post-id "12345"
# 連結預覽卡
python3 scripts/threads_api.py publish --account cw --text "Read this" --link-attachment "https://url"
# 長文 (up to 10,000 chars via text attachment, 支援 bold/italic/highlight/underline/strikethrough)
python3 scripts/threads_api.py publish --account cw --text "Summary" --text-attachment long_article.txt
# 防劇透 — 模糊媒體
python3 scripts/threads_api.py publish --account cw --text "Spoiler!" --image URL --spoiler-media
# 防劇透 — 遮蔽文字 (offset:length, 可重複)
python3 scripts/threads_api.py publish --account cw --text "The killer is John" --spoiler-text "15:4"
# 限時貼文 (24hr 後消失)
python3 scripts/threads_api.py publish --account cw --text "Vanishes!" --ghost
# 回覆控制
python3 scripts/threads_api.py publish --account cw --text "content" --reply-control mentioned_only
# Topic Tag
python3 scripts/threads_api.py publish --account cw --text "content" --topic-tag "AI tools"
# 無障礙描述
python3 scripts/threads_api.py publish --account cw --text "content" --image URL --alt-text "description"
# Link comment (自動回覆連結, 避免觸及下降)
python3 scripts/threads_api.py publish --account cw --text "content" --link-comment "https://url"
# 查看投票結果
python3 scripts/threads_api.py poll-results --account cw --post-id "12345"
# 串文 Thread (用 --- 分段, 第一篇可加圖)
python3 scripts/threads_api.py publish --account cw \
  --text "1/3 為什麼我從 VS Code 轉到 Claude Code？---2/3 最大的差別是...---3/3 結論：回不去了" \
  --thread --image "https://example.com/comparison.png" --topic-tag "開發工具"
# 功能可組合: 圖片 + 防劇透 + 回覆控制 + topic tag + alt text
python3 scripts/threads_api.py publish --account cw --text "content" \
  --image URL --spoiler-media --reply-control followers_only --topic-tag "spoiler" --alt-text "描述"

# Instagram image
source .env
CONTAINER=$(curl -s -X POST "https://graph.instagram.com/v21.0/$IG_USER_CW/media" \
  -d "image_url=PUBLIC_URL" --data-urlencode "caption=CAPTION" -d "access_token=$IG_TOKEN_CW")
CONTAINER_ID=$(echo "$CONTAINER" | python3 -c "import sys,json; print(json.load(sys.stdin)['id'])")
sleep 5
curl -s -X POST "https://graph.instagram.com/v21.0/$IG_USER_CW/media_publish" \
  -d "creation_id=$CONTAINER_ID" -d "access_token=$IG_TOKEN_CW"

# Instagram Reel (MP4) — use media_type=REELS + video_url, poll status_code until FINISHED
# Same pattern for LF accounts with IG_USER_LF / IG_TOKEN_LF

# Upload image for IG API
curl -F "reqtype=fileupload" -F "time=24h" -F "fileToUpload=@img.png" \
  https://litterbox.catbox.moe/resources/internals/api.php

Publishing order (Andromeda-optimized): Threads 21:00 → IG 12:00 next day → FB 09:00 next day

Rate limits:

操作	上限
Threads 發文	250 篇 / 24 小時
Threads 回覆	1,000 則 / 24 小時
Threads 刪除	100 次 / 24 小時
IG 發文	25 / 24hr
FB 發文	50 / 24hr

Step 7: REPORT — 輸出摘要

每次發文後輸出：

## 發文報告
- 主題：
- 來源：[URL] (published: YYYY-MM-DD)
- 帳號：CW post_id / LF post_id
- Penalty 檢查：✅ 無觸發 / ⚠️ [clickbait|engagement-bait|contest|unoriginal]
- 語氣檢查：✅ 有人味 / ⚠️ [缺個人觀點|公司腔|無幽默]
- 專利評分：Hook=X Engage=X Convo=X Velocity=X Format=X → Overall=X (Grade)
- 時間詞驗證：✅ / ⚠️ [哪些需注意]
- 來源留言：✅ link_comment=[URL] / ❌ 無來源 URL
- 附加功能：✅ --poll / --spoiler / --carousel / --ghost / --quote / N/A
- Topic Tag：✅ [tag name] / ❌ 缺

---

Mandatory Content Rules

1. Polls: Always Use Native --poll

NEVER use text-based A/B/C in post body. Always use --poll:

python3 scripts/threads_api.py publish --account cw \
  --text "AI 該不該拒絕指令？" --poll "應該|不應該|看情況"

Constraints: 2-4 options, each ≤25 chars, total JSON ≤200 chars → use 2-3 short options (2-5 字)

2. Links: Always Use --link-comment (or --link-attachment)

Never put URLs in post body (kills reach).

• 一般連結 → --link-comment URL (自動回覆，不影響觸及)
• 需要預覽卡 → --link-attachment URL (嵌入連結卡片，適合官方公告)

3. Spoiler: 劇透/敏感內容必用防劇透

內容類型	方式	範例
圖片/影片含劇透	--spoiler-media	--image URL --spoiler-media
文字含劇透	--spoiler-text offset:length	--text "兇手是王小明" --spoiler-text "3:3"
輪播含劇透	--carousel ... --spoiler-media	所有圖片一起模糊

4. Media: 一律使用 NotebookLM 生成圖卡

⚠️ 所有發文都必須附圖，圖卡一律使用 NotebookLM slides 生成（不得用 Pillow/PIL/程式碼）。

圖卡生成規則：

• 內容有 2+ 個主題/項目 → NLM slides 指定多頁 → Carousel（carousel_urls）
• 內容只有 1 個主題 → NLM slides 指定 1 頁 → Image（image）
• 週報/回顧/清單型內容 → 一律 Carousel（每個重點一頁 slide）

發文方式決策：

1. NLM slides ≥ 2 頁 → Carousel (carousel_urls=[url1, url2, ...])
2. NLM slides = 1 頁 → Image (image=url) + --alt-text
3. 有影片 → Video (video=url) + --alt-text
4. 搞笑/反應 → GIF (gif_id)
5. 純文字 → 考慮是否用 --text-attachment 放長文

5. Topic Tag + Alt Text: 預設都加

• --topic-tag: 每篇都加，幫演算法分類
• --alt-text: 所有含圖/影片的貼文都加，無障礙 + SEO

6. Reply Control: 根據話題性質選擇

場景	設定
一般貼文	不設（預設 everyone）
爭議性高/怕吵架	--reply-control mentioned_only
粉絲專屬	--reply-control followers_only
官方公告/不需回覆	--reply-control parent_post_author_only

7. Ghost Post: 限時感行銷

適用場景：限時優惠、活動預告、幕後花絮。--ghost 24hr 自動消失。

8. Quote Post: 借力互動

看到值得回應的熱門貼文 → --quote-post-id ID 加上自己的觀點。

9. Source + Timeline: Read and Verify Before Writing

Every post must satisfy:

• Source: Read original via browser_markdown(url) — see Step 2
• Timeline: Verify dates and use correct time words — see Step 3
• Numbers: Traceable to source, use "超過 X" for changing metrics

---

Full Auto-Pilot Mode

Trigger: "自動發文", "auto post", "幫我發三個平台", "排程發文"

Execute ALL 7 steps in order:

1. DISCOVER → get_trending(geo="TW", count=20) → pick top candidates
2. READ SOURCE → browser_markdown(url) for each candidate (parallel agents for batch)
3. VERIFY TIMELINE → check published dates, map to time words
4. CREATE → get_content_brief() → LLM writes → patent check → post type decision (4e) → generate image (4f, MANDATORY) → final check (4g)
5. REVIEW → get_review_checklist() + get_scoring_guide() → quality gate (≥70, convo ≥55)
6. PUBLISH → 根據 4e 決策結果組合 CLI 參數 → Threads → IG → FB
7. REPORT → output summary with scores, sources, timeline verification, features used

Auto-Pilot 發文方式自動決策：

• 有圖卡 → --image + --alt-text + --topic-tag
• 多張圖 → --carousel + --alt-text + --topic-tag
• 選擇題 → --poll，不用文字版
• 有來源 URL（Step 2 讀的原文） → 必須用 link_comment 發到留言
• 爭議話題 → --reply-control mentioned_only
• 劇透/洩露 → --spoiler-media 或 --spoiler-text
• 限時活動 → --ghost
• 回應熱帖 → --quote-post-id

Auto-Pilot 圖卡：見 Step 4f（不重複，以 4f 為準）。

Video pipeline:

• Video: PNGs → ffmpeg ... -f lavfi -i anullsrc ... -profile:v baseline -c:a aac -movflags +faststart output.mp4
• CRITICAL: IG Reels must have silent audio track + H.264 baseline profile, otherwise black/unplayable
• NLM Audio: nlm_generate(type="audio") → .m4a / NLM Video: nlm_generate(type="video") → .mp4
• Reel scripts: get_reel_guide(style, duration, lang) — styles: educational, storytelling, listicle

Upload（取得公開 URL）：

curl -F "reqtype=fileupload" -F "time=24h" -F "fileToUpload=@img.png" \
  https://litterbox.catbox.moe/resources/internals/api.php

Quick Reference

Script	Purpose
scripts/threads_api.py	Threads: search, publish, batch, schedule
scripts/threads_oauth.py	OAuth token renewal (60-day cycle)
scripts/content_engine.py	Legacy content CLI (quote-card, reel-script)
scripts/meta_platforms_api.py	Unified 3-platform: verify, cross-post, status
references/patent_database.md	Full 7-patent analysis reference