القائمة
阅读理解图片或文本内容，生成社交媒体爆款标题、评论描述和标签。内置去AI味处理，确保输出通过AI检测。使用方法：/viral-hook [图片路径或文本]，支持 /viral-hook --platform=<小红书|微博|twitter|朋友圈> --style=<悬念|数据|对比|情绪|反常识> --count=3
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Use when the user wants to learn a new topic quickly, understand a complex subject, study for an exam, prepare a learning plan, or use accelerated learning techniques. Trigger phrases: "learn fast", "blitz", "understand quickly", "study guide", "learning roadmap", "master [topic]", "spaced repetition", "active recall", "Feynman technique", "first principles".
文本去AI味技能。用 "检测→删除→声纹校准→改写→反查" 五步法去除文字中的AI痕迹，保留真实人味。触发场景：用户说"去AI味""太像AI写的""帮我润色得更像人写的""有机器味""不够自然"；用户给了一段文字让你改写得更口语化、更有个性、更有"活人感"；用户抱怨内容有宣传腔、公文腔、爆款腔、PPT腔、假人味；任何需要让文字听起来不像AI生成的场景。
从 URL 或文本内容生成可定制样式的信息卡片图片。智能分析内容结构，动态选择最适合的视觉呈现方式。默认输出与原文同语言的单语卡片到 ~/Downloads/infocard-img/。使用方法：/infocard <URL|文本> [--theme=slate|ocean|sunset|coral|indigo|forest|dark|purple] [--width=1080] [--lang=auto|zh|en|both]
Translate video/audio content into another language with dubbed voice and synchronized subtitles. Use this skill whenever the user asks to: translate a video, dub a video, generate foreign-language voiceover for a video, add translated subtitles with dubbed audio, or any workflow involving ASR → translate → TTS → video composition.
全自动安装和配置 Hermes Agent（NousResearch）——从零开始，7 天搭建一个 自我进化的 AI 个人 Operator。涵盖安装、身份/SOUL.md、模型选择、记忆系统、 消息网关（Telegram/Discord/Slack/WhatsApp）、Skills 技能系统、Cron 定时任务、 /goal 自主执行、Dashboard/Kanban、多 Profile 隔离、安全配置。 综合 @zaimiri 7日指南 + @PrajwalTomar_ 深度剖析 + 官方文档最佳实践。 Use when the user asks to install/setup/configure Hermes Agent, deploy a personal AI agent, "搭建 Hermes", or any request about NousResearch's agent.
Use when working on AIOps (AI for IT Operations) tasks — incident management, root cause analysis, log parsing/anomaly detection, cloud infrastructure management, or applying LLMs to IT operations. Also use when researching LLM-based solutions for incident response, fault localization, or infrastructure-as-code.
| name | viral-hook |
| description | 阅读理解图片或文本内容，生成社交媒体爆款标题、评论描述和标签。内置去AI味处理，确保输出通过AI检测。使用方法：/viral-hook [图片路径或文本]，支持 /viral-hook --platform=<小红书|微博|twitter|朋友圈> --style=<悬念|数据|对比|情绪|反常识> --count=3 |
| user_invocable | true |
| version | 2.0.0 |
读内容，出爆款。输入图片或文本，输出让人忍不住点进来的标题、描述和标签。
/viral-hook <图片路径或文本> [--platform=<平台>] [--style=<风格>] [--count=<数量>] [--lang=<语言>]
| 参数 | 说明 | 默认值 |
|---|---|---|
<图片路径或文本> | 图片文件路径或一段文字内容 | 必填 |
--platform | 目标平台：小红书、微博、twitter、朋友圈、通用 | 通用 |
--style | 标题风格：悬念、数据、对比、情绪、反常识、auto | auto |
--count | 生成几组标题 | 3 |
--lang | 输出语言：zh(中文)、en(英文)、both(双语) | zh |
如果 --style=auto，根据内容特征自动选择最佳风格：
| 内容特征 | 推荐风格 |
|---|---|
| 有震撼数据或结果 | 数据型 |
| 可以制造信息差或好奇心 | 悬念型 |
| 存在明显对立面或前后反差 | 对比型 |
| 能引发共鸣、感叹或情感共鸣 | 情绪型 |
| 违反常识、颠覆认知 | 反常识型 |
混合内容时优先选择最能制造好奇心或点击欲的风格。
生成 --count 组标题，每组包含不同风格的选项。
小红书：
微博：
Twitter/X：
朋友圈：
悬念型：
数据型：
对比型：
情绪型：
反常识型：
为每组标题搭配一段评论/描述文案。描述不是标题的重复，而是补充和延伸。
| 平台 | 描述长度 | 风格 |
|---|---|---|
| 小红书 | 300-500字 | 亲测分享感，分段+emoji，痛点开头+个人故事+经验总结+互动提问 |
| 微博 | 300-500字 | 观点鲜明，话题标签，可带数据支撑和情绪感叹 |
| 150-280字英文 | 直接有力，一个核心观点+一句数据/证据+号召转发 | |
| 朋友圈 | 200-350字 | 像跟朋友吐槽或安利，口语化强，情绪真实不端着 |
以下是一段符合要求的描述示例，供参考节奏和结构：
你是不是也有这种焦虑？明明每天都在学新技术，刷了一堆教程，面试的时候却还是被问到哑口无言。我去年面了 8 家公司，挂了 5 家，才发现一个残酷的真相：面试官根本不在乎你会多少框架，他们在乎的是你知不知道工程化的完整链路。 大多数自学的人只盯着前端三件套和一两个框架，却忽略了状态管理、API 设计、数据库选型这些真正能拉开差距的能力。更致命的是，AI 时代已经到了，不会把 LLM 接到产品里的开发者，正在快速失去竞争力。这张图是我花了两周时间，翻了 30 多篇面经和招聘 JD 整理出来的全栈技能地图，不夸张地说，如果一年前有人给我这份清单，我能少走至少半年的弯路。现在我把这张图分享出来，不是让你焦虑，而是给你一个清晰的努力方向。你目前最缺的是哪个模块的能力？评论区聊聊，我抽 3 个人送我的学习笔记。
分析这段描述的结构：
每组标题+描述配至少 3 个标签。
每组输出：
#AI、#程序员、#效率）#ClaudeCode、#开发工具）#token优化、#MCP服务器）每轮生成的标题和描述必须经过去AI味处理，确保输出不会被AI检测器识别为机器生成。
这不是可选的润色步骤，是强制性质检。未通过去AI味检查的输出不得展示给用户。
逐条检查生成的标题，标记并修复以下问题：
对每条描述文案执行以下五步：
第1步：检测
逐项标记以下8类AI味痕迹：
| 类别 | 检测项 | 文案常见表现 |
|---|---|---|
| 意义膨胀 | 把普通技巧包装成重大发现 | "这彻底改变了我的工作流""解锁了全新的效率维度" |
| 宣传腔 | 过度热情、形容词堆砌 | "惊人的""让人难以置信的""每一个X都该知道" |
| 模糊归因 | 不说具体来源的伪引用 | "数据显示""大多数人""很多开发者都遇到过" |
| 公式结构 | 模具化句型 | "从X到Y""不仅A更B""以为A其实B" |
| AI高频词 | 赋能/认知升级/底层逻辑/破局等 | ≥3个直接重写 |
| 风格痕迹 | 粗体加粗滥用、破折号泛滥 | 每500字破折号≤1个；粗体仅用于1-2处核心观点 |
| 聊天残留 | "希望这对你有帮助""此外""值得注意的是" | 全部删除 |
| 统计层面 | 句长均匀、段落全是3-5句 | 有意制造长短交替；插入1句短段 |
第2步：删除 — 至少砍15%
第3步：声纹校准
每段描述必须能听到"具体的人在说话"：
语气参考（按平台）：
| 平台 | 声纹特征 |
|---|---|
| 小红书 | 像跟朋友吐槽后认真分享，有情绪起伏，不端不装 |
| 微博 | 观点锋利，不回避争议，允许"暴论"式表达 |
| Twitter/X | 直接、简洁、有梗，信息密度高，不怕冒犯 |
| 朋友圈 | 像深夜发的真心话，口语化强，不用完整句子也行 |
第4步：改写 — 抽象词换具体物
第5步：反查
改完后逐项复查：
发现问题 → 回到第2步，再删再改。最多迭代2轮。
改完后对每条描述打分：
| 维度 | 1-3分（AI味重） | 4-6分（中等） | 7-10分（活人感） |
|---|---|---|---|
| 具体性 | 全是抽象词，看不到具体东西 | 有少量具体细节 | 有数字/名字/场景/动作 |
| 个人声音 | 完全中立，看不出谁在说话 | 有一定态度但克制 | 有明确的立场、情绪、习惯 |
| 句法自然度 | 句长统一，节奏机械 | 有变化但不够大胆 | 长短交替，有不规则和毛边 |
| 信息密度 | 大量正确的废话 | 偶有废话 | 每句都有存在理由 |
总分必须 ≥ 7 分（28/40）才能输出。不达标的描述必须重写到达标。
红线（任何一条触发 → 整段重写）：
输出格式：
---
**标题 A**：[悬念型标题]
**描述**：[300-500字描述文案，痛点开头+观点鲜明+情绪递进+互动结尾]
**标签**：#大标签 #中标签 #小标签
---
**标题 B**：[数据型标题]
**描述**：[300-500字描述文案，痛点开头+观点鲜明+情绪递进+互动结尾]
**标签**：#大标签 #中标签 #小标签
---
**标题 C**：[情绪型标题]
**描述**：[300-500字描述文案，痛点开头+观点鲜明+情绪递进+互动结尾]
**标签**：#大标签 #中标签 #小标签
---
如果 --lang=en 或 --lang=both，额外输出英文版本。
如果 --platform 不是 通用，在每个标题旁标注适配平台。