google-trends-ath-detector

<essential_principles> Google Trends ATH Detector 核心原則

1. 模擬真人瀏覽器行為抓取 Google Trends

本技能使用 Selenium 模擬真人瀏覽器：

移除 navigator.webdriver 自動化標記
隨機輪換 User-Agent（Chrome/Firefox/Safari）
請求間隨機延遲（0.5-2 秒）
先訪問首頁建立 session，再抓取數據

2. 訊號分型（Signal Typing）

搜尋趨勢飆升分為三種類型：

類型	特徵	解讀
Seasonal spike	每年固定月份重複	制度性週期（投保季、報稅季）
Event-driven shock	短期尖峰、z-score 高	新聞/政策/突發事件
Regime shift	趨勢線上移、持續高位	結構性關注上升

3. 分析公式

ATH 判定：latest_value >= max(history) * 0.98
異常判定：zscore >= threshold (default: 2.5)
訊號分型：based on (is_ath, is_anomaly, trend_direction)

4. 描述性分析優先

本技能提供客觀的數學分析結果：

輸出訊號類型、異常分數等量化指標
提取 related queries 作為驅動因素參考
由用戶根據專業知識自行解讀 </essential_principles>

**您想要執行什麼操作？**

Detect - 快速偵測是否創下 ATH 或出現異常
Analyze - 深度分析訊號類型與驅動因素
Compare - 比較多個主題的趨勢共振

等待回應後再繼續。

| Response | Workflow | Description | |-------------------------------------------|----------------------|---------------------| | 1, "detect", "ath", "check", "是否創新高" | workflows/detect.md | 快速偵測 ATH 與異常 | | 2, "analyze", "deep", "分析", "訊號" | workflows/analyze.md | 深度分析與訊號分型 | | 3, "compare", "對照", "共振" | workflows/compare.md | 多主題趨勢比較 |

讀取工作流程後，請完全遵循其步驟。

<reference_index> 參考文件 (references/)

文件	內容
input-schema.md	完整輸入參數定義與預設值
data-sources.md	Google Trends 數據來源與 Selenium 爬取指南
signal-types.md	訊號分型定義與判定邏輯
seasonality-guide.md	季節性分解方法與解讀
</reference_index>

<workflows_index>

Workflow	Purpose
detect.md	快速偵測 ATH 與異常分數
analyze.md	深度分析、訊號分型、驅動詞彙
compare.md	多主題趨勢共振分析
</workflows_index>

<templates_index>

Template	Purpose
output-schema.yaml	標準輸出 JSON schema
</templates_index>

<scripts_index>

Script	Purpose
trend_fetcher.py	核心爬蟲與分析邏輯（Selenium 版）
</scripts_index>

<examples_index> 範例輸出 (examples/)

文件	內容
health_insurance_ath.json	Health Insurance ATH 偵測範例
seasonal_vs_anomaly.json	季節性 vs 異常判定範例
multi_topic_comparison.json	多主題比較範例
</examples_index>

<quick_start> 快速開始：安裝依賴

pip install selenium webdriver-manager beautifulsoup4 lxml loguru

Python API：

from scripts.trend_fetcher import fetch_trends, analyze_ath

# 抓取數據（使用 Selenium 模擬瀏覽器）
data = fetch_trends(
    topic="Health Insurance",
    geo="US",
    timeframe="2004-01-01 2025-12-31"
)

# ATH 分析
result = analyze_ath(data, threshold=2.5)

print(f"Is ATH: {result['analysis']['is_all_time_high']}")
print(f"Signal Type: {result['analysis']['signal_type']}")
print(f"Z-Score: {result['analysis']['zscore']}")

CLI 快速開始：

# 基本分析
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --geo US \
  --output ./output/health_insurance.json

# 比較多個主題
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --compare "Unemployment,Inflation" \
  --geo US \
  --output ./output/comparison.json

# 跳過 related queries（更快、更少請求）
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --no-related \
  --output ./output/health_insurance.json

# Debug 模式（顯示瀏覽器、保存 HTML）
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --debug \
  --no-headless

# 登入模式（預設等待 120 秒供 2FA 驗證）
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --output ./output/health_insurance.json

# 跳過登入等待（不需要登入時）
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --login-wait 0 \
  --output ./output/health_insurance.json

# 從已下載的 CSV 檔案分析（跳過瀏覽器抓取）
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --csv ./downloads/multiTimeline.csv \
  --output ./output/health_insurance.json

# 自動從 Downloads 目錄找最新 CSV
python scripts/trend_fetcher.py \
  --topic "Health Insurance" \
  --csv auto \
  --output ./output/health_insurance.json

CLI 參數說明：

參數	說明	預設值
`--topic`	搜尋主題（必要）	-
`--geo`	地區代碼	US
`--timeframe`	時間範圍	2004-

...

SKILL.md

Repository

Repository Stats