跳到主要内容

ideon plan expand

使用 Google Keyword Planner 研究扩展现有系列，添加新的文章创意。计划通过交互式审查流程呈现，然后保存到队列中。

语法​

ideon plan expand [series-slug] [选项]

参数​

参数描述必需
series-slug要扩展的系列 slug否（可交互选择）

如果省略 series-slug 且未通过 --non-interactive 提供，Ideon 会列出可用系列并交互式提示选择。

选项​

选项别名描述默认值
--publication-p出版物 slug必需
--country逗号分隔的 ISO 国家代码出版物默认值或 US
--languageISO 639-1 语言代码出版物默认值或 en
--article-count目标新文章数量5
--seed-keywords逗号分隔的额外种子关键词—
--content-type队列条目的内容类型article
--model强推理调用的模型deepseek/deepseek-v4-pro
--intent-model意图分类的模型deepseek/deepseek-v4-flash
--auto-save跳过审批门并自动保存false
--non-interactive代理模式：纯文本输出到 stdoutfalse
--dry-run运行研究但跳过所有写入false

示例​

基本扩展​

ideon plan expand ai-deep-dives --publication tech-blog

如果省略系列 slug，会显示交互式提示供您从可用系列中选择。

自定义文章数量​

ideon plan expand kubernetes-series \
  --publication tech-blog \
  --article-count 8

添加种子关键词​

ideon plan expand cloud-cost \
  --publication finops-blog \
  --seed-keywords "云回迁,AWS 节省计划,预留实例定价" \
  --article-count 4

这些额外的关键词补充了系列现有的关键词用于 GKP 研究。

非交互式代理模式​

ideon plan expand ai-deep-dives \
  --publication tech-blog \
  --non-interactive \
  --auto-save

输出到 stdout。计划自动持久化。

预览的试运行​

ideon plan expand ai-deep-dives \
  --publication tech-blog \
  --dry-run

运行研究但不持久化任何内容。适用于在提交前评估扩展范围。

扩展与探索的区别​

方面探索 (new-idea)扩展 (expand-series)
起点从头开始的内容创意现有系列
种子关键词LLM 生成 + 用户提供系列关键词 + 用户提供
系列输出创建新的系列聚类为一个现有系列规划文章
聚类形成将候选关键词分组为新系列使用目标系列的结构
覆盖检查对现有内容全面去重在系列范围内去重
队列条目文章排入新系列下文章排入现有系列下

流水线阶段​

扩展模式跳过聚类（因为您正在扩展已知系列）并运行：

  1. 水合（Hydrate） — 加载出版物、系列、输出历史和 GKP 缓存
  2. 种子（Seeds） — 从目标系列提取关键词；应用种子关键词
  3. 研究（Research） — 迭代 GKP 查询
  4. 评分（Score） — KOB 评分、意图分类、候选过滤
  5. 规划文章（Plan Articles） — 为现有系列规划新文章
  6. 持久化（Persist） — 更新系列关键词并排队新文章

交互流程​

当未设置 --non-interactive 且未启用 --auto-save 时：

  1. 系列选择（如果未提供 series-slug）— 从可用系列中选择
  2. 计划审查 — 文章详情，包含关键词、意图和格式
  3. 审批门 — 确认或拒绝计划

退出码​

码含义
0计划成功完成
1流水线失败（API 错误、缺少凭据、系列未找到）
2未找到结果

输出格式（非交互式）​

当设置 --non-interactive 时，输出显示：

# 计划：扩展
模式：expand-series
出版物：tech-blog
系列：AI 深度探索

## 研究
轮次：2
评估候选：45
通过候选：18
缓存命中：28
API 调用：5

## 文章

### 文章：Transformer 模型如何革新 NLP
主要关键词：transformer 模型解释
次要关键词：注意力机制、自注意力教程
意图：信息性
漏斗：顶部
格式：教程
优先级：高
类型：新

### 文章：Transformer 与 RNN：实用对比
主要关键词：transformers vs RNNs
次要关键词：序列模型对比、LSTM 替代方案
意图：商业性
漏斗：中部
格式：对比
优先级：中
类型：新

相关命令​