Viral hook

<!-- 3.3.0 — 2026-07-19 新增：Outcome Contract、Hard Rules、Reference Map、Gotchas 表——结构化规范 来源：yuwen-publish-precheck 项目架构精华 3.2.0 — 2026-07-09 新增：好内容六条标准分析框架、四种高转化开头类型识别、三种强结尾类型识别、 选题方法论（痛点vs品类）、去AI味8项检查交叉参考、流量权重公式 来源：饼干哥哥《单篇100万阅读文章，如何用AI做好内容创作？》方法论注入 -->

viral-hook: 内容评论文案生成器

读内容，出评论。输入图片或文本，基于内容本身给出不同风格的评论文案和标签。

Outcome Contract

• Outcome：基于给定内容生成 --count 组标题+评论文案+标签，每篇评论有独立立场和切入点
• Done when：内容已理解、风格已选定、文案已生成、去AI味检查已通过
• Evidence：每个观点在事实上能从内容追溯；标题的核心信息在内容中有明确来源；去AI味自检清单全部通过

Hard Rules｜硬边界

• 所有输出必须基于给定内容的事实、观点、数据和逻辑结构——绝不虚构个人经历、伪造成果数据、编造从未发生的场景；
• 评论者的身份必须透明：可以是"一个读者"、"一个技术爱好者"、"一个用户"，但绝不伪装成作者、实践者或领域权威；
• 标题的核心信息必须在内容中有明确来源——绝不编造"信息差"；
• 绝不提供绕审手段（谐音、拆字、暗号），内容合规风险建议用户另查；
• 内容无争议立场时，不强行制造"犀利"——干净的稿子就说干净，禁止为了显得有用而编造冲突；
• 去AI味检查强制执行，不通过不走输出。

Reference Map

本节	何时读
执行步骤 → 整个流程	每次调用：按 1→7 顺序执行
Hard Rules / 注意事项	生成文案和标题时对照检查
去AI味处理 → 6.1/6.2	交付前必读，逐项检查
Gotchas	遇到用户反驳或异常案例时排查
使用方法	首次使用或用户问参数时

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	风格：分析、共鸣、犀利、实用、反常识、auto	auto
--count	生成几组文案	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、数据、人物观点

2. 文本输入：直接读取文本内容

3. 提取核心要素（只基于内容本身，不添加猜测）：

   • 核心论点和事实：内容在讲什么？有什么具体数据、结论、机制？
   • 观点/立场：原作者有什么明确的态度或判断？
   • 信息差：内容中存在什么"读者可能不知道"的客观信息差？
   • 可引发讨论的点：内容中哪些论点可能让人有不同看法、值得讨论？
   • 目标受众：谁最关心这个内容？

4. 内容质量分析（基于好内容六条标准）： 从以下六个维度评估内容的传播潜力，提炼为评论素材：

   标准	分析要点
   ① 逻辑递进	内容是否层层推进？每300-500字有新观点/问题拽着读者走？
   ② 开头反常识	开头3秒是否制造了认知冲突？用了哪种钩子？
   ③ 持续钩子	正文中有没有持续的阅读信号（悬念、新问题、转折）？
   ④ 素人感	读者能感受到"这是一个真人在说话"吗？有没有人设痕迹？
   ⑤ 个人观点	敢不敢表态？中立还是偏颇？有没有值得讨论的立场？
   ⑥ 结尾质量	结尾是空洞总结，还是洞察/金句/反问？

   用途：识别内容的"爆款因子"作为评论切入点。例如"这个开头反常识做得太绝了"或"唯一的不足是结尾太急"。

5. 识别开头和结尾类型（为分析提供维度）：

   四种高转化开头类型（识别作者用了哪种）：

   • 嘴替共鸣型：说出读者心里话 — "你是否也遇到过..."
   • 反常识型：违反常识的事实或观点 — "你可能不相信，但..."
   • 个人故事型：真实场景代入 — "上周我经历了一件..."
   • 数据冲击型：意外数据制造好奇 — "90%的人不知道..."

   三种强结尾类型（识别作者用了哪种）：

   • 首尾呼应：呼应开头场景形成闭环
   • 个人表态：加入作者的判断和偏见收尾
   • 数据收尾：一个反直觉数据留下认知冲击

   用途：评论时可以讨论"这个开头用了反常识手法，效果如何"或"结尾如果换成数据收尾会不会更有冲击力"。

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：

选题分析（辅助风格判断）： 判断内容是"用痛点找选题"还是"用产品类别找选题"：

• 痛点驱动：围绕用户的具体问题/焦虑/欲望展开 → 通常有更强的共鸣基础，适合共鸣型/犀利型
• 品类驱动：围绕某个产品/工具/技术本身展开 → 信息密度高，适合实用型/分析型

这一判断帮助确定评论的方向——是侧重分析"戳中了什么痛点"还是"梳理了什么信息差"。

内容特征	推荐风格
技术性强、有方法论、多个步骤机制	实用型 — 梳理内容的结构和价值
存在明确的争议观点或对立立场	犀利型 — 抓住核心矛盾展开评论
读者能自然产生"原来如此"的共鸣	共鸣型 — 总结内容带来的认知刷新
包含多数人不知道的事实或机制	反常识型 — 强调信息差和认识转变
逻辑严密、有因果链、比较分析	分析型 — 拆解逻辑、评价论据

🔴 禁止：内容不包含的情绪或数据，不要强行编造"震惊"效果。

第三步：生成标题

生成 --count 组标题，每组配对应的评论文案。

标题原则

• 基于内容提炼：标题必须能从内容中找到来源和依据。内容没说的事不要放进标题。
• 点明核心而非空钩子：与其"99% 的人不知道"，不如直接点明内容中哪个具体事实值得关注。
• 适配平台调性：不同平台标题习惯不同。

各平台标题特征

小红书：

• 摘要式标题，点明内容核心结论
• 可带 emoji 增强识别度
• 用「干货」「实测」等真实性的词

微博：

• 观点前置，20-30字
• 「#话题#」包裹一个核心关键词
• 可以是评论而非复述（如"这个观点我不完全同意"）

Twitter/X：

• 直接抛出内容中最尖锐的论点
• 不怕表达立场
• 可以是提问或评论

朋友圈：

• 一句读后感式的评论
• 自然口语化，像在分享一个看到的观点

风格模板（基于内容生成）

实用型：提炼内容的步骤、机制、核心结论为标题 犀利型：抓住内容中最有争议或最反直觉的观点作为标题 共鸣型：总结内容带来的认知刷新 反常识型：强调内容中与常识相悖的客观事实 分析型：评价内容论证的价值，指出亮点或盲点

第四步：生成评论文案

为每组标题搭配一篇基于内容的评论/分析文案。文案不是重复内容，是对内容的评论、分析和延伸思考。

🔴 核心约束

• 不得虚构个人经历。内容中没有提到的事情，禁止编造成"我试过了""我发现了""我之前也……"。
• 不得编造数据。内容中没有的数据或成果，不能为了"有效性"或"吸引力"而捏造。
• 不得伪造成果。不能把自己包装成内容的实践者/发现者。
• 评论/分析/共鸣，都是基于内容的合理延伸，不是凭空创作。
• 评论者的身份应当透明——可以是"一个读者"、"一个技术爱好者"、"一个用户"的视角，但不得伪装成作者、实践者或领域权威。

字数要求

每段文案严格控制在 200-500 字（不含标签）。以把观点说清楚为准，不凑字。

自然表达：基于内容但不说"作者说"

基于内容 ≠ 每句挂作者名。自然评论的要点：

• 直接陈述观点，不加"作者指出""这篇文章提出""文章认为"。比如直接说"exit 1 不会阻断操作"，而不是"作者指出 exit 1 不会阻断操作"。
• 审慎地在开头提一次来源建立上下文（"这篇推文讲了个有意思的细节……"），之后就说内容本身。
• 引用具体机制或数据时保持准确，但表达上像自己在复述和理解这些知识——一个有独立思考的读者，不是在转述别人。
• 评论的表达应该像"我在讨论这个观点"，不是"我在介绍这篇文章"。 前者有立场，后者是摘要。
• ✅ 好例子："Hook 系统把 exit code 的语义重新划分了。1 是脚本错了但操作可以继续，0+JSON 是策略拒绝了请停止。"
• ❌ 坏例子："作者在文章中指出了 exit code 的一个关键区别：作者认为 exit 1 是……作者还提到 exit 0+JSON 是……"

底线：观点和事实的内容可以从原文追溯，但表达上不需要每次都往回指。做个有观点的人在讨论，不要做个论文综述。

评论文案可以包含的内容类型（基于内容合理延伸）

1. 提炼信息差：内容中哪些知识点是多数人不知道的？解释为什么这是信息差。
2. 评价论证质量：内容的逻辑是否自洽？论据是否充分？有什么值得商榷的地方？
3. 补充视角：从内容出发，提供另一个角度的思考。
4. 指出实用性：内容中的方法/工具/建议在实际中如何落地？有什么门槛？
5. 引发讨论：内容中哪个观点最可能引发不同意见？把这个矛盾摆出来。

这些类型可以混合使用，前提是每一个观点在事实上都能从内容本身追溯回去（但表达上无需每句都引用来源）。

各平台文案特征

平台	字数	风格
通用/微博	200-500字	有观点、有论据、可批评可赞同
小红书	200-400字	读后感和要点总结，真实分享感
Twitter	不再支持长文，用短thread风格	一个核心论点+事实支撑
朋友圈	100-200字	像转发时写的一点感想

第五步：生成标签

每组文案配 3-5 个标签。

标签原则

• 混合大小标签
• 大标签：#AI、#编程、#效率、#开发工具 等
• 中标签：#ClaudeCode、#工作流、#AI编程 等
• 小标签：与内容强相关的具体词
• 不硬蹭无关热点，不编造不存在的话题标签

第六步：去AI味处理

🔴 强制执行，不通过不走输出。

去AI味的核心洞察: 真正的问题不是"用词"（"值得注意的是"等），而是"模式"——每段都整整齐齐地"开头-展开-总结"三段式、缺乏观点立场、所有回复结构如出一辙。AI味是模式问题，不是词汇问题。打破模式比换词汇重要十倍。

6.1 自检清单

逐项检查标题和文案：

标题检查：

• 标题基于内容本身，不是凭空编造
• 没有 AI 高频词（赋能、认知升级、底层逻辑、闭环、破局、破圈、颗粒度、抓手、对齐、范式转移、降维打击、穿透、场域、体感）
• 没有宣传腔（"颠覆你的认知""永远改变你使用XX的方式""划时代的""终极""必备"）
• 没有"不仅是A更是B""不是A而是B""在当今时代""随着XX的发展"
• 没有旧版过时引用（GPT-3.5/4、Claude 3 等已迭代数代的版本）

文案检查：

• 没有虚构个人经历
• 没有编造数据或成果
• 没有伪造成身份（没有伪装成作者/资深专家/产品实践者）
• 每个观点在事实上能从内容追溯，但表达上不必每句引来源
• 没有"作者说""文章指出""这篇文章认为"等引述套话（允许开头一次建立上下文）
• 有明确的观点或评论立场，不是信息的平淡复述
• 没有"希望这对你有帮助""综上所述""值得注意的是"
• 破折号每 300 字不超过 1 个
• 句长有变化，不机械均匀
• 有真实的"人"在表达观点，不是中性播报体

红线（任一触发 → 整组重写）：

• 虚构了内容不包含的个人经历或数据
• 有 3 个以上 AI 高频词
• 伪装成内容作者或领域权威
• 整段没有一句真实的观点立场

6.2 快速八项检查（去AI味强化版）

交付前快速过一遍这 8 条。任一不合格 → 修改后再输出：

1. □ 有没有「值得注意的是」「总的来说」「此外」等套话？→ 删
2. □ 每段是否都整齐「开头-展开-总结」？→ 打破结构
3. □ 连续数字列表超过 2 个？→ 改成叙述
4. □ 结尾是泛泛总结或展望？→ 换掉
5. □ 缺少「我」的视角？→ 加真实内容分析
6. □ 所有观点都平衡中立？→ 大胆表态（基于内容合理延伸）
7. □ 读出声，哪里走神了？→ 那里要改
8. □ 删掉最后一段，文案更好？→ 直接删

使用说明：这 8 条是最终的快速自检，和 6.1 的详细清单互补——6.1 逐项深入检查，6.2 做直觉层面的最后一次扫描。

第七步：输出

输出格式：

---

**标题 A**：[风格] [标题]

> [评论文案]

**标签**：#大标签 #中标签 #小标签

---

**标题 B**：[风格] [标题]

> [评论文案]

**标签**：#大标签 #中标签 #小标签

---

**标题 C**：[风格] [标题]

> [评论文案]

**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. 就事论事是最高原则 — 内容没说的不要编。没有的数据不要造。没有的经历不要写。
2. 标题必须可追溯 — 标题的核心信息必须在内容中有明确来源。用"这个观点"代替"你一直以为……"。
3. 评论不是复述 — 评论要提供价值增量：提炼信息差、评价论证、补充视角、指出盲点。不要换个方式把内容再讲一遍。
4. 立场透明 — 评论者的身份清晰：一个读者、一个同行、一个观察者。不假扮作者、不假扮专家。
5. 观点可以尖锐但必须有依据 — 批评或质疑某个论点时，必须基于内容本身的逻辑缺陷或事实不充分，不能无中生有。
6. 共鸣来自真实洞察 — "说的就是我"的感觉应该来自内容确实戳中了读者的痛点，而不是你编了一个"很多人都会"的场景。
7. 标签精准 — 不蹭无关流量，标签与内容强相关。
8. 禁止标题党 — "信息差"和"标题党"的区别：信息差是内容中确有读者不知道的事实；标题党是捏造一个不存在的信息差。
9. 评论不是综述 — 每句都"作者说了啥"会读得像文献综述而不是评论。开头提一次来源建立上下文就够了，之后用"这个观点""这个机制"或直接讲内容本身。评论的第一责任是说清楚自己的观点，不是准确转述别人。

Gotchas｜踩过的坑

踩过的坑	规则
内容没有争议观点，强行写成"犀利"风格，用户反馈"不准确"	风格选择基于内容特征表自动判断，没有争议点的内容不选犀利型，选分析型或实用型
评论开头说"作者指出……这篇文章提出……"全文都是引述，读起来像论文综述	开头一次来源建立上下文后就转"这个观点""这个机制"，评论是说自己的观点不是转述别人
编造"我试过这个方法"来增强评论说服力	方法本身好就评价方法，不需要假扮实践者。绝不虚构个人经历是红线
标题用"99%的人都不知道"但内容并没有这个信息差	标题必须可追溯，用"这个观点""这个细节值得注意"代替空钩子
去AI味检查只过词汇替换不打破模式	AI味是模式问题不是词汇问题。同样打破"开头-展开-总结"三段式比换掉"值得注意的是"重要十倍
连续三条评论结构如出一辙（都是"开头引述→分析→总结"）	变化每组的结构：一组用问题开头，一组用观点直接切入，一组用对比展开

---

相关 Skill

• de-ai-writing — 通用文本去AI味五步法，提供更详细的11类AI味检测框架和声纹校准流程（适合长篇文本的去味需求；本文档的去AI味模块是其社交媒体场景的精简版）
• life-quotes — 人生感悟金句生成，提供哲思/治愈/诗意等多风格口语化文案