抓取數據（使用 Selenium 模擬瀏覽器） Skill

<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？**

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。 </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

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 | 2004-01-01 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：

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>

Agent Skills: 抓取數據（使用 Selenium 模擬瀏覽器）

Install this agent skill to your local

Skill Files