平台覆盖与能力

MarsYoo 面向跨平台公开内容数据。不同平台的原始结构不同，但对外查询层保持统一抽象：你可以按平台、内容类型、时间、关键词、语义和结构化字段查询，不需要理解每个平台的采集实现。

本页目录

章节	内容
平台能力矩阵	当前公开能力、状态、新鲜度和内容类型
平台范围	第一版平台枚举
内容类型	对外可见的统一 `content_type`
通用字段	跨平台稳定字段
平台案例	典型平台的数据形态
指标口径	播放、阅读、点赞、评论等指标如何映射
扩展字段	平台特有字段如何保留

平台能力矩阵

能力矩阵说明某个平台在当前产品中的公开状态。历史索引 表示可查询已入库数据；实时采集 表示可以通过 Live Query 或混合检索触发新的采集任务；监测 表示可以进入后续 Monitor/订阅场景。实际可访问范围仍受组织策略、应用订阅和数据合规策略限制。

平台	状态	新鲜度	数据形态	说明
Redditreddit	Beta	小时级	postcommentthreadauthor	适合公开讨论、评论树、主题追踪和 AI/开发者生态研究。
Google 搜索google_search	Beta	近实时	web_pageserp_result	按 SERP 结果建模，保留排名、摘要、域名和结果类型。
YouTubeyoutube	Beta	小时级	videochannelcommenttranscript	视频、频道、评论和字幕/转录进入统一内容与 parts 模型。
小红书xiaohongshu	Beta	小时级	postnotecommentocr	笔记、图文 OCR、评论和收藏指标适合消费、旅游和品牌场景。
微博weibo	Beta	近实时	postcommentreposttopic	适合实时公开舆情、话题和转发传播链分析。
闲鱼xianyu	Beta	小时级	product_listingsellermetric_snapshot	商品、卖家和价格/想要数快照进入通用 facts 与 metrics。
Mediummedium	Beta	日级	articleauthorpublication	公开文章可检索；受限内容只返回公开预览和来源链接。
LinkedInlinkedin	内测	日级	job_postingcompanyprofile	招聘与公司字段以 facts 表达；对外开放取决于数据来源策略。
Instagraminstagram	内测	日级	postreelcommentocr	图文、Reels 和 OCR 适合品牌内容研究；当前按授权范围开放。
TikToktiktok	规划中	小时级	videocommentcreatorhashtag	短视频、创作者和话题能力已进入模型规划，按采集器接入逐步开放。
B 站bilibili	规划中	日级	videocommenttranscript	视频、评论、弹幕和字幕字段已按 video/parts/metrics 预留。

planned 表示规划能力，不代表已上线；internal 表示尚未普遍对外开放。布尔能力还需结合状态与实际授权判断，新鲜度是产品分类，不是每条内容的时效 SLA。「数据形态」包含作者、频道、OCR 等对象或片段，不可直接作为 content_type 过滤值；合法枚举见下表和公开 OpenAPI。

第一版平台范围

分组	平台
中国内容平台	`douyin` 抖音、`kuaishou` 快手、`bilibili` B 站、`wechat_channels` 视频号、`xiaohongshu` 小红书、`weibo` 微博、`wechat_article` 微信公众号、`zhihu` 知乎
中国交易平台案例	`xianyu` 闲鱼
国际内容平台	`reddit`、`medium`、`linkedin`、`instagram`、`tiktok`、`youtube`
发现与网页	`google_search`、`google_news`、`google_trends`、`website`、`rss`、`news`
应用商店	`app_store`、`google_play`，实际数据覆盖取决于已接入采集器与授权

平台是否可用取决于数据产品授权、采集覆盖和合规策略。接口返回中以 source_platform 作为稳定平台枚举。

内容类型

content_type	说明	平台示例
`post`	社交媒体帖子、动态、短内容	微博、小红书、Reddit
`article`	长文章、公众号、专栏	Medium、微信公众号、知乎
`video`	视频内容，可包含描述、字幕、转录	YouTube、TikTok、B 站、视频号
`comment`	评论、回复、楼层内容	Reddit、微博、小红书
`product_listing`	商品、交易或应用详情	闲鱼、Google Play
`review`	商品或应用评论	Google Play
`job_posting`	招聘职位	LinkedIn
`web_page`	普通网页、新闻页、RSS 文章	website、news、rss

通用字段

字段	含义
`document_id`	MarsYoo 文档 ID，用于读取详情、版本、快照
`dataset_id`	数据产品或数据域，例如社媒、电商、招聘
`source_platform`	平台枚举
`external_content_id`	平台侧稳定内容 ID
`canonical_url`	内容标准 URL
`content_type`	统一内容类型
`author`	作者、账号、频道、卖家或公司主体
`content`	标题、正文摘要、URL、发布时间等标准内容
`metrics`	互动和传播指标的当前投影
`parts`	字幕、OCR、章节、规格、评论片段等多段内容
`facts`	价格、公司、地点、技能等可筛选结构化事实
`platform_payload`	平台特有字段

平台案例

平台	对外内容形态	重点字段	说明
YouTube	`video`	标题、描述、频道、发布时间、播放、点赞、评论、字幕或音频转录	视频没有正文时，可通过 `parts.transcript` 或 `parts.audio_transcript` 检索
TikTok / 抖音 / 快手	`video`	描述、作者、话题、播放、点赞、评论、分享	短视频标题可能为空，正文通常来自描述、OCR 或转录
B 站 / 视频号	`video`	标题、简介、UP 主/账号、播放、点赞、收藏、弹幕等	平台专有指标保留在扩展指标中
小红书 / Instagram	`post`	标题/正文、图片、OCR、作者、点赞、收藏、评论	图片文本可作为 `parts.ocr` 参与检索
微博 / Reddit	`post` 或 `comment`	正文、作者、发布时间、转发、评论、点赞	适合舆情、话题和事件追踪
Medium / 微信公众号 / 知乎	`article`	标题、正文、作者、发布时间、阅读/点赞/评论	长正文会被分块检索，详情接口读取完整正文
闲鱼	`product_listing`	商品标题、价格、想要人数、地区、状态、卖家信息	价格、状态、卖家售出/在售数量适合读取快照趋势
LinkedIn	`job_posting`	职位、公司、地点、薪资、技能、工作模式	结构化字段进入 `facts`，便于筛选和聚合
Google / 网页 / RSS / 新闻	`web_page` 或 `article`	标题、摘要、URL、来源站点、发布时间	适合公开网页发现、新闻跟踪和主题监测

指标口径

标准指标	含义	注意事项
`view_count`	浏览、阅读或展示	不同平台叫法不同，对外统一表示“被查看”
`play_count`	视频播放	视频平台优先使用
`like_count`	点赞	社媒通用
`comment_count`	评论数	帖子、视频、文章通用
`share_count`	分享数	平台不支持时为空
`collect_count`	收藏、保存、想要	小红书、B 站、闲鱼等平台含义接近但不完全相同
`repost_count`	转发、转载	微博等转发型平台
`author_follower_count`	作者粉丝数快照	属于作者状态，不是内容正文

随时间变化的指标会作为快照保存。需要趋势时，读取文档快照接口，而不是只看详情里的当前投影。

扩展字段

通用字段优先进入标准模型。只有无法跨平台稳定抽象的字段，才进入 platform_payload 或 platform_metrics。例如：

B 站弹幕数、投币数。
闲鱼卖家信用、芝麻信用、商品状态。
LinkedIn 申请数、职位级别、远程工作模式。
Google Trends 热度、区域分布。

使用建议

需要跨平台检索时，优先使用 content_type、source_platform、published_at 和关键词/语义查询。
需要平台专有分析时，读取 facts、platform_payload 和 platform_metrics。
需要趋势时，读取快照接口，按 snapshot_at 排序。
需要完整正文、字幕或规格时，读取详情页的 content、parts 和 facts。