home / skills / fatfingererr / macro-skills / google-trends-ath-detector
npx playbooks add skill fatfingererr/macro-skills --skill google-trends-ath-detectorReview the files below or copy the command above to add this skill to your agents.
---
name: google-trends-ath-detector
description: 專注於 Google Trends 數據擷取與分析，使用 Selenium 模擬真人瀏覽器行為抓取數據，自動判定搜尋趨勢是否創下歷史新高（ATH）或出現異常飆升，並提供訊號分型（季節性/事件驅動/結構性轉變）。
---
<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>
<intake>
**您想要執行什麼操作？**
1. **Detect** - 快速偵測是否創下 ATH 或出現異常
2. **Analyze** - 深度分析訊號類型與驅動因素
3. **Compare** - 比較多個主題的趨勢共振
**等待回應後再繼續。**
</intake>
<routing>
| 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。**
</routing>
<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**
```bash
pip install selenium webdriver-manager beautifulsoup4 lxml loguru
```
**Python API：**
```python
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：**
```bash
# 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 | 2004-01-01 2025-12-31 |
| `--threshold` | 異常 z-score 門檻 | 2.5 |
| `--compare` | 比較主題（逗號分隔） | - |
| `--no-related` | 跳過 related queries | false |
| `--no-headless` | 顯示瀏覽器視窗 | false |
| `--login` | 強制啟用登入模式 | false |
| `--login-wait` | 登入等待秒數（0=互動式 Enter） | 120 |
| `--csv` | CSV 檔案路徑或 'auto' 自動尋找 | - |
| `--debug` | 啟用調試模式 | false |
| `--output` | 輸出 JSON 檔案路徑 | - |
</quick_start>
<success_criteria>
Skill 成功執行時：
- [ ] Selenium 成功啟動並模擬瀏覽器
- [ ] 正確抓取 Google Trends 時間序列
- [ ] 判定 ATH 狀態與異常分數
- [ ] 識別訊號類型（seasonal/event/regime）
- [ ] 提取 related queries 驅動詞彙（若啟用）
- [ ] 輸出結構化 JSON 結果
</success_criteria>
<anti_detection_strategy>
**防偵測策略摘要**
本技能實現以下防偵測措施（基於 design-human-like-crawler.md）：
| 策略 | 效果 | 優先級 |
|----------------------------|--------------------|---------|
| 移除 `navigator.webdriver` | 核心，防止 JS 偵測 | 🔴 必要 |
| 隨機 User-Agent | 避免固定 UA 被識別 | 🔴 必要 |
| 請求前隨機延遲 | 模擬人類行為 | 🔴 必要 |
| 禁用自動化擴展 | 移除 Chrome 痕跡 | 🟡 建議 |
| 先訪問首頁再 API | 建立正常 session | 🟡 建議 |
**Chrome 選項配置：**
```python
chrome_options.add_argument('--disable-blink-features=AutomationControlled')
chrome_options.add_experimental_option('excludeSwitches', ['enable-automation'])
chrome_options.add_experimental_option('useAutomationExtension', False)
```
</anti_detection_strategy>