北京
输入3个词根，最后拿到200条记录、142个去重词。这是作者姚金刚在分享抖音相关搜索词采集工具时给出的实测数据。
他把这套流程做成了一个运行在 Codex 环境里的 Skill，核心动作是让 AI 自动模拟浏览器，完成「词根→一级词→二级词」的多层扩展抓取。
词是怎么一层层长出来的
整个采集从核心词根开始。输入多个词根后，AI 会按「词根→一级词→二级词」的路径自动扩展，把抖音相关搜索里的长尾词一层层扒出来。
抓取过程中，工具会记录每个词的下拉位置和来源路径。也就是说，一个词是从哪个词根、经过哪一级扩展冒出来的，链路是留痕的。
这一步解决的是"词从哪来"的问题。对做增长和投放的人来说，知道词的来源路径，比单纯拿到一堆词更有用。
采集之后还有一道打分
拿到词只是前半段。这套工具在采集基础上加了一个按行业商业意图打分的环节，采用1-10分制评分。
打分的目的很直接：让输出结果和变现潜力挂钩。单纯抓数据是一回事，判断哪个词值得做是另一回事，中间这段空白被这个评分环节补上了。
最终所有结果汇总导出为 Excel，可以直接进入后续的选词和投放流程。
为什么风控压力更小
作者提到，这套方案走的是 Codex 原生电脑操作，操作对象是抖音网页版，过程中无需点击和页面刷新动作。
相比传统爬虫方案，这种方式的相对风控风险较低。不过作者也给出了提醒：建议先用小号测试。
从定位看，这套工具瞄准的是大众创作者和小团队——不需要自己搭爬虫、不需要处理反爬对抗，部署门槛被压低了。
代码仓库链接附在原文文末，感兴趣的人可以自己跑一遍。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
