抓取數據（使用 Selenium 模擬瀏覽器）

<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：

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？**

1. Detect - 快速偵測是否創下 ATH 或出現異常
2. Analyze - 深度分析訊號類型與驅動因素
3. 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/)

<workflows_index>

<templates_index>

<scripts_index>

<examples_index> 範例輸出 (examples/)

<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：

<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）：

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>