2026年10月21日 · 阅读 —
new-term-radar 解读：它把新名字出现当天的提前量做成了工程
new-term-radar 解读：它把新名字出现当天的提前量做成了工程
「Strata」「Seedance」这类 AI 新词有个本事：出现当天就满天飞，可关键词工具里查不到，等 Google Trends 有曲线已经是几天到几周之后。做 AI 工具站、写 Newsletter、开导航站的人，靠的就是这几天差价——别人还没收录这个词的时候，页面已经占好位了。问题在于怎么系统性地「提前」，而不是天天刷 X 碰运气。
new-term-radar（新词雷达）就是冲这个来的。它每天固定产出一份报告，列出 AI 圈刚开始冒头的名字：新模型、新产品、新工具、新仓库。v0.5.0，Python 3.10+，零第三方依赖（标准库就够跑），MIT，PyPI 包名 new-term-radar。首日 700+ 星，三天出头破 1000，现在约 1.5k，已挂官方 MCP Registry、Cursor Directory、LobeHub、Tessl、ClawHub、skills.sh。
它的核心命题一句话：关键词工具读的是结果，它读的是结果出现之前的信号。README 把一个新名字的完整生命周期列成五步：① 实验室或大号在 X 上先说话；② GitHub 上某个仓库自己涨起来；③ 导航站和竞品加页面、新站开始有排名；④ 你自己的站第一次因为这个词有搜索曝光；⑤ Google Trends 出现曲线。关键词工具读第 5 步，雷达每天读第 1 到 4 步，第 5 步只用来复盘自己准不准。
仓库实际有什么，对应到源码目录是这样的分层：
| 层 | 源码目录 | 对应职责 |
|---|---|---|
| 命令入口 | radar/__main__.py | daily / sources / pains / history 子命令、--skip 开关 |
| 8 路信号 | radar/social.py breakout.py sitemaps.py new_sites.py sellers.py revenue.py asks.py gsc.py | X / GitHub 爆发 / sitemap / 新站 / 新卖家 / 收入 / Reddit 求助 / Search Console |
| 名字判断 | radar/judge.py | 小模型给每个词打分：具体东西的名字，还是普通词 |
| 新词表 | radar/usecases.py | 名字背后的通用搜索词：取证→提词→筛选→搜索量→Trends→首页竞争 |
| 复盘闭环 | radar/review.py | 每条线索 14 天后去 Google Trends 核对，输出命中率 + 提前天数 |
| MCP / Skill | radar/mcp_server.py、skills/ | 3 个 Agent Skill（new-term-radar / ai-listening / seo-new-keywords-research） |
它先想清楚了一件事：名字和它背后的需求是两回事
「SynthID Detector」和「ai image detector」都来自同一个新产品，却是两种完全不同的词。前者是这个具体东西的名字，寿命短，而且是 Google 的；后者是大家拿它做的事，会一直有人搜，而且不属于任何人。README 对这两种词的处置写得很清楚：名字读当天，通用词记进线索库，14 天后一起复盘。
这是整个设计里最有识别度的一条分界。名字是品牌，通用词是无主的需求。做 SEO 的人天然只盯着名字抢首发，但名字本身吃不了多久流量——真正长期被人搜的是它背后的那个「做法」。雷达把两种词塞进同一张表，每行带类型、来自哪个名字、估算日搜、Trends 走势、首页竞争和决策，一天之内把「这个东西叫什么」和「大家拿它搜什么」一起给出来。
名字和普通词的区分，靠一个专属判断。radar/judge.py 里给模型的任务写得很细：对每个词打 0 到 1 分，判断它是某个具体产品、模型、工具、仓库的名字，还是普通词、泛类、功能描述或句子残片。0.5 分叫「老名字」——google、claude 这类成名已久的东西照给分，只是不高。报告里专有名词排前面，普通词排在后面。最关键的工程取舍在 docstring 里：判断器只给报告排序，从不阻挡报告——没有 key 或调用失败时，词照样全列出来，只是不分先后。一层判名字的分类器，永远不成为整条流程的断点。
核心机制：一道「搜索量的提前量」，两套判断
技术解读的价值在机制，挑三个和工程最相干的讲。
1. 提前量靠 8 路信号，不靠关键词数据
信号表是分层的，越靠前越便宜、越接近”名字第一次被说出”的时刻：
| 信号 | 抓什么 | 需要 | 花费 |
|---|---|---|---|
| ① X | 你关注的账号里 60 天内第一次出现的名字 | AIsa key | 每账号每次 $0.003 |
| ① Hugging Face | 新进热门榜前 50 的模型和 Space | 无 | 免费 |
| ② GitHub 爆发 | 创建 <14 天、日均 +200 星或比昨天 +400 星的仓库 | 无 | 免费 |
| ③ 竞品 sitemap | 新网址共用、旧网址里少见的词 | 你列 sitemap | 免费 |
| ③ 新站 | 90 天内注册且首次被收录、≥20 个排名词的域名 | AIsa key | 每查询 ~$0.13，每周 |
| ⑦ 求助 | Reddit 上「要什么」的 12 种问法 | AIsa key | 每周 ~$0.12 |
| ⑧ 新卖家 | 刚挂第一条收款链接的站 | AIsa key | 每周 ~$0.40 |
| ⑥ 收入 | TrustMRR 核验过的增长产品 | TrustMRR key | 免费，每周 |
| ④ Search Console | 你站第一次获得曝光的查询 | 你自己的 Google 授权 | 免费 |
| ⑤ 复盘 | 每条线索 14 天后核对 | AIsa key | 每写法 $0.0012 |
（价格是 2026 年 10 月 AIsa 实际收费。示例配置：35 个 X 账号、每天读三次、新词表每天 5 个名字，一个月约 $15——X 约 $10，新词表约 $5。成本是头等设计输入，不是事后记账。）
这套信号设计的原点，是 REPO 里写的一个真实案例：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」，而当时没有第二个仓库用这个名字，关键词工具里也查不到。一个仓库每天涨 800 星，本身就是全部信号，而且是公开的。 GitHub 爆发这一路（radar/breakout.py）读的正是这个：命中一个仓库后，附带生成大家实际会搜的写法（「niko strata」）。
2. 名字读两次：公告那天读不出用法
发布当天的帖子全是公告，还没有人用。所以 radar/usecases.py 把每个名字读两遍：出现当天一次，三天后再一次（recheck_days 默认 3）。第一次主要看它是什么，第二次看用法有没有长出来。通用词也走同一套，14 天后和名字一起复盘。
这背后有一条较早跑 8 个名字得出的预期，README 写得直给：名字涨了，通用词在五天内大多没涨。PhotoCraft、Claude Haiku 5.5、SynthID Detector 的搜索都明显上升，背后的通用词里只有一个动了——PhotoCraft 出现后，「photoshop alternative」在美国连续五天比之前高出约 80%。全球日数据几乎读不出来（2、1、1、2、4、2 这种数），配了 GoAnyAPI 后改读美国单日数据才看得清，于是「photoshop alternative」显示为 还在涨 (US)。全球数据显示「没动」，不能证明这个词真的没动。 这是对数据来源粒度的一次清醒校准。
3. 六步新词表：从名字到「首页还有没有位置」
radar/usecases.py 是产出的核心，把当天每个新名字走完六步：
- 取证：搜提到这个名字的高赞帖；是仓库就再读 README。
- 提词：模型针对每种用法写出普通人会搜的关键词，附原话作依据。
- 筛选：再调一次模型，给每个写法打「这个名字能不能回答这个搜索」的分。Claude Haiku 5.5 提出的 6 个全被筛掉（「ai coding assistant」「github copilot alternative」），SynthID Detector 的 5 个全部保留。
- 搜索量：Google Ads 月搜索量，低于
min_volume的丢掉——大部分都被丢掉。 - Trends 两次：单独查曲线形状，和基准词
gpts一起查规模。 - 首页竞争：只查会采取行动的行（≤8），Google 第一页、每个站的评分、关键词难度。
能进= 前十有 ≥3 个评分 <30 的站，或难度 <20；挤满= 一个弱站都没有、难度 ≥40；其余一般。挤满的「优先」会降成「观察 ↓」——还在涨，但首页被强站占满。
最终决策三档：优先 = 近 30 天涨过、还在高位、估算日搜够；观察 = 涨了但规模小 / 还太早 / 需求稳定但没动；跳过 = 已回落 / 没动且规模小。一次真实运行（2026-10-12）的节选长这样：
| 关键词 | 类型 | 来自 | 新词 | 估算日搜 | 决策 |
| **photocraft** 🖼 | 名字 | — | 是 | 12747 | 优先 |
| **claude haiku 5.5** | 名字 | — | 是 | 1863 | 优先 |
| **ai image detector** 🖼 | 通用词 | synthid detector | 否 | 2537 | 观察 |
| **photoshop alternative** ⚠ | 通用词 | photocraft | 否 | 244 | 跳过 |🎬🎙🖼 标记它产出什么，按「视频 > 语音 > 图片 > 文字」的付费意愿排序。⚠ 表示借了别人的品牌名（如「photoshop alternative」）——要不要用别人的品牌由你判断。⚡ = 有 1,000 赞以上的帖子在手把手教手动流程，还没人做成一键工具（在 6 个已知名字上格式全对，⚡ 只触发过一次）。
复盘：把”准不准”做成一条验证闭环
这是整个仓库里最适合工程视角看的部分。「It tells you which signals to trust」这句话，直接写在 radar/review.py 的 docstring 里，接着原话是 「This is verification, not discovery」——复盘不是来找新机会的，是来判断哪些信号该信。
每条线索 14 天后去 Google Trends 核对一次：hit（起来了，附带提前几天）/ miss / no_data，按信号来源统计命中率和提前天数。真实报告节选：
### ⑤ 复盘(14 天前报出的词,在 Google Trends 里起没起来)
| 词 | 首次报出 | 结论 | 提前天数 |
| strata | 2026-09-25 | hit | 3 |关键技术点是把「涨」判得干净：rose() 不是看绝对数字，而是看线索出现之后（first_seen 之后）的峰值有没有超过它自己的基线——first_seen 之前 30 天的均值。strata 这个词早就存在（“strata” 有地层、分层的意思），基线本来就高，单独看不会涨；而「niko1221 strata」从 0 涨到有值，一下就判出来了。一个带旧义的老词，天然有高基线，不靠和别人的词比，靠自己和过去比。
这个闭环还带出几条对数据可信度的诚实，README 全写出来了：
- Google Trends 最后两天没结算。 互不相关的词会在这两天依次返回 0 和 100，看起来像个尖峰——第一遍就被这个骗了。现在代码里所有读 Trends 的地方都丢掉这两天（
review.py里的UNSETTLED_DAYS = 2），上涨必须持续两天才算数。 - Google Ads 的搜索量滞后约两个月。 月搜只有几百的词，Trends 基本读不出可靠数。
- 新链接不等于新卖家。 最初的版本把最新的收款链接当成新卖家；按「这个站第一次链到这个平台的日期」核对后，2026-10-14 的 2,000 条最新 Stripe 链接里有三分之二是老卖家（有个站把同一张 Stripe 链接挂在每个水井许可证页上），当天名单上的 60 个 Stripe 卖家只有 17 个是真的刚开始。现在按首次链接日期判断新卖家。
降级：源头挂了，表变薄，但流程不崩
雷达对”某个数据源没配或挂了”给出了系统性的处理：表照常产出，但会变薄，并且写明缺了哪一块。
| 情况 | 表里少了什么 | 表下面的提示 |
|---|---|---|
没配 GOANYAPI_API_KEY（默认） | 没有 🔎 相关查询、没有长尾、没有单国走势 | 「相关查询未开启：…」 |
| 某个名字的 AIsa 推文搜索失败 | 推文证据，退化成只用 README | 「推文搜索失败，这次只用了 README…」 |
| 当天没有名字得分 0.8 以上的「东西」类线索 | 整张表 | 「今天没有要读的名字…」 |
| AIsa 的搜索量或 Trends 失败 | 整张表，这两项没有替代来源 | 报错 |
README 对这时候的判断讲得很硬：「表变薄不等于今天没动静。下结论说『什么都没涨』之前，先看表下面这几行。」 把「信号缺失」和「信号确实没有」清楚地分成两件事——这正是检测系统最容易被误读、也让降级显式化的一步。
怎么落 + 前提与限制
上手一条命令链：git clone → cp config.example.json config.json（配 X 账号、sitemap、主题；"lang":"zh" 出中文报告）→ export AISA_API_KEY=... → python -m radar daily --out report.md。第一次跑只是建立快照（昨天的 X 词表、星数、sitemap 还没数据，只报 GitHub 爆发），从第二次起每个信号才报告变化。python -m radar sources 每几小时跑一次 X+HF；daily --skip x,hf 每天跑其余。
说限制。所有付费部分走一个必需 key：AIsa（X、Google Trends、域名数据背后的 DataForSEO、判名字的模型），一个 key 按次付费，不用分别订阅 X API 和 DataForSEO。可选 GOANYAPI_API_KEY 加相关查询和单国走势，每天约 $0.07。付费用更真——它诚实设了一档：完全没有 AIsa key 时，免费信号（HF / GitHub / sitemap / Search Console）照样跑，只是报告里所有词不分先后（没有模型判名字）。TrustMRR 的收入数据禁止转载、禁止拿它做公开 SEO 页，只供自己研究（README 明说）。pains 命令读不到的：App Store / Google Play / Trustpilot（接口限制）、There’s An AI For That（前面有 Cloudflare 挑战，绕过就是违规，雷达不做）、Facebook 小组（Groups API 已关闭）。
这套东西把「抢新词首发」从手工刷 X 的玄学，变成了「名字当天抓、通用词随后跟、14 天复盘算命中率」的工程闭环。它的稀缺性不在某一个算法多强，而在把「提前几天」这件本来靠运气的事，拆成可排程、可计费、可自评的流程——每次命中都记下提前天数，每次误报都归咎到某一路信号。对做内容的人和做测试的人，这份「用效果数据给信号源打绩效」的纪律，是同一个追求。
仓库地址：https://github.com/zhuyansen/new-term-radar（文档在 README.zh-CN.md，源码从 radar/__main__.py 进去最顺）。
爆款标题候选
- 关键词工具还查不到的时候，这个开源雷达已经把新名字记进报表了
- 它比 Google Trends 早几步：把「抢 AI 新词首发」做成了一天一条的工程
- 名字和它背后的需求是两回事：这个仓库一到手就抓住了这一点
- 14 天复盘一次自己的命中率：给「抢新词」配了个验收闭环
- 它索性读第 1 到 4 步信号，把第 5 步留给自己打绩效
标签
#AI工具 #开源项目解读 #SEO #关键词 #new-term-radar #工具链