菜单
小红书封面文案+标题生成器（客资版）。核心不是套公式，是用"发现机制+迁移思维"找到当下被市场验证的好结构，再搬进自己行业。高点击但不靠焦虑、不靠震惊体。可对接matrix-placement的分线。触发词：封面、标题、起标题、封面文案、点击率、CTR、笔记标题、改标题、对标封面。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/Aria1ever/Aria-money-come-skill --skill cover-title命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
基于 SOC 职业分类
| name | cover-title |
| description | 小红书封面文案+标题生成器（客资版）。核心不是套公式，是用"发现机制+迁移思维"找到当下被市场验证的好结构，再搬进自己行业。高点击但不靠焦虑、不靠震惊体。可对接matrix-placement的分线。触发词：封面、标题、起标题、封面文案、点击率、CTR、笔记标题、改标题、对标封面。 |
封面和标题争的是同一件事：3 秒内让对的人停下。不是所有人，是对的人。 圈错人的高点击，只会抬高获客成本。
市面上卖的"爆款标题公式"大多是过期的。标题随用户喜好变，今天有效的结构下个月可能就钝了。 所以本 skill 不预设公式，它做的是一套发现当下有效结构的方法，然后迁移到你的行业。
封面版式相对稳定，市面常用的就那几种（见下方参考库，但以你最近观察到的为准）；标题是动态的，必须现找现判断。
什么封面/标题结构当下有效，是实时的、本地化的趋势数据。模型训练数据里没有，而且会过期。 所以这个 skill 绝不允许凭已有认知编封面结构。必须从下面这些活数据源现查：
铁律：没现查到活数据，就停下来跟 operator 要，不许用模型记忆里的"经验"凑。 凑出来的是过期货，会把人带到上个季度已经钝掉的结构上。
第一步，看两类博主的封面结构：
（在能用 Chrome / 蒲公英的环境里直接去看；不能的话，operator 把观察到的标杆封面截图或描述贴进来，skill 来拆。）
第二步，用这个信号判断一个结构值不值：
一个博主最近的笔记大量复用了某个以前没见过的封面/标题结构 —— 那这个结构大概率是好模板。
逻辑：新出现（说明是新结构）× 被高频复用（说明它跑出了数据、博主在押注它）= 市场正在验证它有效。 单看一篇是偶然，看到同一个结构被反复用、还被多个起号快的博主用，才是信号。
第三步，迁移思维落地： 把验证过的那个结构拆成内容要素（它在封面上放了什么、用了什么对比/数字/身份词、视觉怎么排）， 再把要素换成你行业的料，套进去。 搬的是结构骨架，不是抄文案。
这是相对稳定的几类视觉版式，当作起点，真正用哪种要看最近的发现：
这 5 类是参考，不是答案。每次用前先跑一遍发现机制，看最近有没有新结构冒出来。
发现机制找来的结构，套进来时仍要守住声音底线：
高点击靠的是：具体 > 夸张，反认知 > 震惊，身份锚 > 泛人群，信息增量 > 悬念空转。
3-5 组「封面主文案 + 标题」组合，每组标注：
封面标题是少数能干净做 A/B 的地方——可以只改一个变量。 建议：同一篇内容、同一封面，只换标题，出 A/B 两版，丢投流测 CTR。 这才是真 A/B（单变量+可控分流），跟"10篇不同笔记比互动率"那种归因复盘不是一回事。 出完组合，提醒用户挑结构差异最大的两组去测，别凭感觉选。