viral-hook

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

viral-hook: 爆款文案生成器

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。

使用方法

/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

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

执行步骤

第一步：理解内容

1. 图片输入：用 Read 工具查看图片，提取所有可见文字、人物、场景、数据、情绪
2. 文本输入：直接读取文本内容
3. 提取核心信息：
   • 主题：这段内容在讲什么？
   • 关键信息：最重要的数据、观点、结论是什么？
   • 情绪基调：兴奋、震惊、温馨、讽刺、严肃？
   • 目标受众：谁最关心这个内容？

第二步：选择风格

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。

第三步：生成标题

生成 --count 组标题，每组包含不同风格的选项。

标题原则

• 引发好奇：制造信息差，让人觉得"我必须点开看"
• 具体而非抽象：用数字、场景、细节代替空洞描述
• 情感触发：每个标题至少包含一种情绪触发点（惊讶、好奇、共鸣、焦虑、兴奋）
• 适配平台：不同平台有不同的标题习惯

各平台标题特征

小红书：

• 20字以内最佳
• 用「！」和 emoji 增强情绪
• 偏向第一人称、亲测分享感
• 关键词前置让搜索容易命中

微博：

• 30字以内，用「#话题#」包裹核心关键词
• 观点鲜明，立场明确
• 常用「原来…」「终于…」「没想到…」开头

Twitter/X：

• 英文标题力求简洁有力，常常是一个完整句子或强动词开头
• 不怕争议性，争议=互动
• 善用数字和对比

朋友圈：

• 自然口语化，像跟朋友说话
• 适度留白制造好奇心
• 偏向情绪共鸣而非信息密度

风格模板

悬念型：

• 「我试了 X，结果 Y」
• 「终于明白了，原来 X 一直在 Y」
• 「X 之后，我再也不 Y 了」

数据型：

• 「X% 的人不知道 Y」
• 「用 X 达到 Y 倍效果」
• 「从 X 到 Y，只用了 Z」

对比型：

• 「别人还在 X，已经有人 Y」
• 「以为 X，其实 Y」
• 「试了 X 和 Y，差别太大了」

情绪型：

• 「X 真的让人 Y」
• 「每次 X 都会 Y」
• 「谁懂啊，X 之后 Y」

反常识型：

• 「X 并不是 Y」
• 「别再 X 了，应该 Y」
• 「越 X 越 Y，颠覆认知」

第四步：生成评论描述

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。

描述原则

• 字数要求：每段描述严格控制在 300-500 字（不含标签）。太短无法展开痛点，太长用户会失去耐心。这是核心硬指标，必须遵守
• 抓用户痛点：开头前 50 字必须直击目标受众的核心焦虑或渴望。不要平铺直叙讲内容，先抛出用户正在经历的困境、正在犯的错误、正在错过的机会
• 观点鲜明：描述中必须有至少一句明确的立场或判断（"真正的问题是…"、"大多数人忽略的是…"、"我的结论是…"），不能只是罗列信息。没有观点的描述等于没有灵魂
• 制造共鸣：用"你是不是也…"、"很多 X 都遇到过…"、"我第一次 Y 的时候…"等句式，让读者感觉"这说的就是我"
• 补充信息差：描述不是标题的复述，而是补充标题没说完的关键信息。给出至少一个具体数据、场景细节或反常识洞察，让读者觉得"原来还有这层"
• 情绪递进：描述要有情绪曲线——从痛点（焦虑）→ 到解法（希望）→ 到行动号召（紧迫）。不要全程平淡
• 结尾引导：最后 30-50 字必须放一个具体的互动钩子，如反问、投票、征集经验、或者"评论区见"，驱动用户留下评论而非只点赞
• 适配平台调性：不同平台的语言习惯和表情符号使用差异很大

各平台描述特征

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
Twitter	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

描述示例（300-500字标准）

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：

1. 痛点开头（50字）："你是不是也有这种焦虑…面试被问到哑口无言"——直接命中目标读者
2. 个人经历+反常识洞察（100字）："面了8家挂了5家…不在乎你会多少框架"——制造信任感和信息差
3. 放大焦虑（80字）："更致命的是…正在快速失去竞争力"——情绪递进，把个人问题上升到时代趋势
4. 给出解法和价值（80字）："这张图是我花了两周时间整理…少走至少半年的弯路"——从焦虑转向希望
5. 互动号召（50字）："你目前最缺的是哪个模块？评论区聊聊…"——驱动评论互动

第五步：生成标签

每组标题+描述配至少 3 个标签。

标签原则

• 混合使用大标签（高流量）和小标签（精准匹配）
• 大标签带来曝光，小标签带来精准受众
• 标签与内容强相关，不硬蹭无关热点

标签组合

每组输出：

• 1-2 个大标签：流量大但竞争激烈（如 #AI、#程序员、#效率）
• 1-2 个中标签：流量适中，更精准（如 #ClaudeCode、#开发工具）
• 1-2 个小标签：非常精准，长尾流量（如 #token优化、#MCP服务器）

第七步：去AI味处理

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。

7.1 快速自检（标题）

逐条检查生成的标题，标记并修复以下问题：

• AI高频词：赋能、认知升级、长期主义、底层逻辑、关键抓手、闭环、深度链接、价值沉淀、颗粒度、抓手、对齐、重构、升维、降维打击、顶层设计、范式转移、破局、破圈、穿透、倒逼、解法、路径、场域、体感、温差
  • 出现 ≥ 2 个 → 整条标题重写
• 宣传腔：颠覆你的认知、永远改变你使用XX的方式、大师级、终极、必备、划时代
• 否定排比："不是A，而是B""这不仅是A，更是B" → 拆掉，用一句话说清楚
• 三连词：创新/效率/增长、认知/行动/结果 → 只留一个最具体的

7.2 完整去AI味流程（描述文案）

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%

• 删掉所有意义膨胀的帽子句
• 删掉所有模糊归因的伪引用
• 删掉所有聊天残留句式
• 删掉纯凑字数的铺垫句（"相信大家都深有体会""想必不用我多说了"）
• 判断标准：删掉这句话，读者会损失任何信息吗？不损失 → 删

第3步：声纹校准

每段描述必须能听到"具体的人在说话"：

• 不要中立播报 → 要有明确的立场和判断（"我的结论是…""说个暴论…""这东西我试了X次才明白…"）
• 不要光滑无毛边 → 允许不耐烦（"不展开了，懂的都懂"）、允许吐槽、允许没说清但大家能懂的停顿
• 不要抽象概括 → 给具体数字/场景/结果（不是"效率大幅提升"而是"从3小时缩到40分钟"）
• 不要每句一样长 → 长句（25+字）后面跟短句（3-8字）。甚至一个词。

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

• "效率提升" → 从多久缩到多久？改了几次才达到？
• "很多人不知道" → 具体什么场景下发现的？你问了几个朋友？
• "真正的问题" → 不是"真正的问题是认知"，而是"问题出在第X步"
• "彻底改变" → 到底改变了什么？以前怎么做、现在怎么做？

第5步：反查

改完后逐项复查：

• 还有"在当今时代""随着XX的发展"吗？
• 还有"不仅是A更是B""不是A而是B"吗？
• 还有赋能/认知升级/底层逻辑/闭环/破局/解法/路径吗？
• 破折号超过1个了吗？
• 句长还均匀到像TTS朗读吗？
• 还有"此外""值得注意的是""更重要的是"吗？
• 结尾还有"希望这对你有帮助""综上所述"吗？
• 能感受到"谁"在说话吗？还是只有一个礼貌、稳定、没有脸的声音？

发现问题 → 回到第2步，再删再改。最多迭代2轮。

7.3 去AI味评分标准

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）：

• 出现 3 个以上 AI 高频词
• 有未具体指明的"数据显示""大多数人""很多开发者"
• 整段没有一句能听到"人"的立场和情绪
• 句长统一到可以交给 TTS 朗读不奇怪的程度
• 出现"希望这对你有帮助""综上所述""在当今时代"

7.4 标签去AI味

• 标签中不得出现 AI 高频词（赋能/认知升级/底层逻辑 等）
• 标签必须是真实平台用户会打的标签，不是"关键词总结"
• 小标签要像用户自己写的，不要像 SEO 优化过的

第八步：输出

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。

注意事项

1. 标题必须有钩子 — 没有钩子的标题等于没有标题。每个标题必须有让人想点击的理由
2. 描述必须 300-500 字 — 这是硬指标。太短无法展开痛点和观点，太长会失去节奏。宁可删一句不痛不痒的铺垫，也不要压缩到 200 字以内
3. 描述不是标题的复述 — 描述要补充标题没说透的信息，给出数据、场景、反常识洞察，不是换个说法把标题再讲一遍
4. 描述必须有痛点 — 开头不直击焦虑的描述是失败的。如果读完前 50 字用户没有产生"说的就是我"的感觉，重写
5. 描述必须有鲜明观点 — 不能只是罗列信息，要有一句明确立场（"真正的问题是…"、"大多数人没意识到…"）。没有观点的描述是信息的堆砌，不是文案
6. 标签分层 — 大中小标签混合，不要全是泛标签也不要全是冷门标签
7. 平台适配 — 不同平台的语言习惯差异很大，默认用「通用」风格时要适度模糊化
8. 禁止标题党 — 标题要有钩子但内容必须能兑现承诺，不做虚假暗示
9. 图片内容优先 — 如果输入是图片，以图片内容为主，文字只是补充
10. 描述要有情绪曲线 — 从痛点（焦虑）→ 解法（希望）→ 行动（紧迫），不要全程平淡如水
11. 必须经过去AI味处理 — 所有输出（标题、描述、标签）必须在「第七步」完成去AI味质检。去AI味评分 < 7 分的描述不得输出。这是硬性规则，不是可选润色。未通过质检的输出等同于未完成生成
12. 禁止AI高频词 — 标题和描述中不得出现赋能、认知升级、底层逻辑、长期主义、关键抓手、闭环、颗粒度、抓手、对齐、重构、升维、降维打击、顶层设计、范式转移、破局、破圈、穿透、倒逼、解法、路径、场域、体感、温差。出现 ≥ 3 个直接整段重写
13. 禁止公式句型 — 不得使用"不仅是A更是B""不是A而是B""从X到Y"等模具化句式。不得用"在当今时代""随着XX的发展""综上所述""希望这对你有帮助"
14. 声纹可辨识 — 读完全文，读者应该能感受到一个具体的人在说话，不是一篇"通用人类语气"的模板。允许偏见、允许不耐烦、允许没说完的停顿