viral-title

爆款标题

概述

使用此技能生成并筛选爆款标题候选项。当前版本实现了第一阶段的通用方法论、微信公众号标题复用、X/Twitter 钩子生成、YouTube 标题与缩略图组合包装、Bilibili 标题、封面与标签组合包装，以及轻量级迭代循环。

第一阶段必须生成 30 个标题：10 种通用公式，每种公式提供 3 个变体。然后为候选标题评分，并推荐最佳标题。

工作流

1. 仅在内容过于模糊、无法拟定标题时进行澄清。
2. 确定核心素材：
   • 主题或内容摘要
   • 目标受众
   • 用户提供的平台（如有）
   • 最强价值点、冲突、新颖之处或情绪钩子
   • 必须保持准确的硬性事实、数字、名称、示例和限制条件
3. 阅读 references/phase1-universal-methodology.md。
4. 如果用户指定了平台，加载 references/platforms/ 中对应的平台参考文件。
5. 阅读 references/evolution/promoted-rules.md 和 references/evolution/anti-patterns.md。
6. 为第一阶段的 10 种公式各生成恰好 3 个标题。
7. 如果已实现对应平台的参考文件，且用户要求生成平台专属标题，则在通用标题批次之后生成针对该平台优化的候选项。
8. 如果用户要求复用经过验证的标题，或说“套用标题库”，则检索相关示例，而非加载完整标题库。
9. 使用第一阶段评分标准及任何平台专属规则为候选标题池评分。
10. 选出一个最佳标题，并简要说明原因。
11. 每次实质性的标题生成回复都以“反馈提示”中的反馈提示语结尾。
12. 如果用户回复了选中的标题、修改、评分或批评意见，请使用 scripts/log_feedback.py 记录。

平台路由

每次只使用一个平台文件：

用户提及	平台文件	状态
公众号, 微信公众号, WeChat article	references/platforms/wechat-public-account.md	已实现
X, Twitter, 推特	references/platforms/x.md	已实现
YouTube, 油管	references/platforms/youtube.md	已实现
B站, Bilibili	references/platforms/bilibili.md	已实现

复用标题库时，只加载当前平台的标题库：

• references/title-library/wechat-public-account-hot-titles.md，用于摘要和示例。
• references/title-library/wechat-ai-curated-hot-titles.md，用于用户精选的 AI/科技爆款标题模式和受热点影响的示例。
• references/title-library/wechat-public-account-hot-titles.json，仅在需要大量源标题进行匹配或改写时使用。
• references/title-library/x-hot-hooks.md，用于 X/Twitter 钩子框架和可复用机制。
• references/title-library/youtube-hot-titles.md，用于 YouTube 标题与缩略图组合包装框架。
• references/title-library/bilibili-hot-titles.md，用于 B站标题、封面与标签组合包装框架。

为节省令牌，优先使用：

python3 scripts/retrieve_title_examples.py --platform <wechat|x|youtube|bilibili> --query "<topic words>" --mechanism "<optional mechanism>" --limit 10

迭代循环

仅在记录、反馈、审查或评估有用时使用此循环。常规生成标题时不要加载历史日志。

需求	命令
记录标题会话	python3 scripts/log_title_session.py --platform <platform> --topic "..." --recommended-title "..."
记录用户反馈	python3 scripts/log_feedback.py --session-id "..." --platform <platform> --selected-title "..." --user-edit "..." --rating 5 --feedback "..."
检索标题示例	`python3 scripts/retrieve_title_examples.py --platform <wechat
查看近期学习记录	python3 scripts/analyze_feedback.py --recent 20
运行种子评估	python3 scripts/run_title_evals.py --evals references/evals/bilibili-ai-title-evals.json --case-id agent-speed-step37-bilibili --titles-json titles.json

遵循 meta/RULES.md：自动追加日志，但在修改核心方法论或晋升规则前，必须先征得用户确认。

反馈钩子

每次生成标题的实质性回复后，恰好附上一条简短的反馈提示：

**反馈一下**
你最终会用哪个标题？如果你改了标题，把最终版发我；也可以给 1-5 分。我会用这次反馈优化下次标题。

纯研究、实现、说明或一次性小修改后，不要征求反馈。

收到反馈后：

1. 将用户选中的标题、编辑后的标题、评分或批评视为演进反馈。
2. 已知当前平台时，记录反馈及平台。
3. 同时提供 user_edit 和 selected_title 时，优先采用 user_edit。
4. 仅存储标题、平台、评分、标签和简要反馈。默认不存储完整的未发布草稿。
5. 每积累 5-20 条反馈记录后，运行 scripts/analyze_feedback.py --recent 20 并总结可学习的候选观察。
6. 未经用户确认，不要将候选观察纳入方法论文件。

第 1 阶段输出格式

使用以下结构：

**内容判断**
核心对象：
目标人群：
主要点击理由：
真实约束：

**第一阶段：通用方法论标题池**

1. 结果承诺型
- ...
- ...
- ...

2. 问题解决型
- ...
- ...
- ...

[continue through all 10 formulas]

**最佳标题**
标题：
理由：

**备选 Top 3**
1. ...
2. ...
3. ...

**反馈一下**
你最终会用哪个标题？如果你改了标题，把最终版发我；也可以给 1-5 分。我会用这次反馈优化下次标题。

质量规则

• 除非用户明确要求更少，否则恰好生成 30 个第 1 阶段候选标题。
• 每种公式恰好生成 3 个标题。
• 不要捏造没有依据的事实、名称、数字或结果。
• 相比抽象的说法，优先使用具体名词、明显的利害关系和面向读者的益处。
• 第 1 阶段的标题应适用于不同平台。除非用户提出要求，否则不要过度针对微信公众号、X、YouTube 或 Bilibili 优化。
• 用户用中文书写时，默认使用中文标题。源内容或用户请求为英文时，使用英文。
• 避免使用“震惊”“必看”“全网最强”等空洞的夸大用语，除非用户的风格明确要求如此。
• 最终推荐要果断。评分后不要说“视情况而定”。

未来扩展点

• 随着更多经用户批准的数据源可用，为各个平台补充更深入的实时采样资料库。
• 如果单一资料库范围过广，则按分区拆分 Bilibili 资料库。
• 仅加载当前用户请求所需的平台或资料库参考资料。