原型 · 预览版:收录官方注册中心里的全部服务器,每 30 分钟同步一次。使用 Google 登录即可撰写评价。原型 · 每 30 分钟更新
PopNx MCP为使用 AI 的人准备的 MCP 服务器 · 用大白话讲清楚 登录

social-account-doctor Skill

代码仓库 ↗

作者:JuneYaooo★ 3851 个 skill

安装

能做什么

小红书/抖音/快手/视频号/B站 自媒体账号体检+爆款拆解工具。扫同赛道找对标、拆爆款为什么爆、诊断为什么没人看,顺手出可粘贴仿写初稿。支持带货电商模式。支持codex, claude code, workbuddy

作者提供的原文

  • 连接方式 供 AI 读取的指令文件,其中有调用外部服务的步骤
  • 账号或密钥 有些步骤需要 TIKHUB_API_KEY, VIDEO_ANALYSIS_API_KEY, AUDIO_TRANSCRIPTION_API_KEY 的密钥(依据 README)
  • 分类 写代码
给作者:在 README 中加徽章

如果你是作者,可把这段代码贴到 README。徽章会链接回本页。

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/skill/juneyaooo-social-account-doctor.svg)](https://mcp.popnx.com/en/skills/juneyaooo-social-account-doctor)

可搭配使用

在同一工作中把 AI 连到服务的 MCP

REA

Reverse engineer anything from your terminal or agent with one CLI and MCP server.

作者:morluto广泛使用↓ 38.9万/周★ 47万8天前更新

MCP · 连接服务在你的电脑上运行

Fallow

Codebase intelligence for TypeScript and JavaScript, exposed as structured MCP analysis tools.

作者:fallow-rs广泛使用↓ 244.1万/周★ 5385今天更新

MCP · 连接服务在你的电脑上运行

相似的 Skill

同类工作,排序与 Skill 列表相同

与相似项目对比
本项
social-account-doctor
reaandrej-karpathy-skillsgraphifyMoneyPrinterTurbo
作者JuneYaooomorlutomultica-aiGraphify-Labsharry0703
Skill 数11111
GitHub 星标385470,165234,528150,695144,727
最近代码更新2026年9月19日2026年11月20日2026年4月20日2026年11月20日2026年11月19日
许可证MITMIT–Apache-2.0MIT

JuneYaooo 提供的 1 个 Skill(指令集),AI 读取后照做 · 不是 MCP server

Skill 和 MCP 有什么不同

MCP = 手

把 AI 连到外部服务或数据,例如读取 Notion 或开发票。需要有程序或服务器在运行。

Skill = 手册

教 AI 怎么做某项工作的文本文件,不连接任何服务。

有些会重叠:少数 Skill 带有调用工具的脚本,少数 MCP 只提供知识。请从你想完成的工作出发。

适用的应用

Claude CodeCodexCursor

依据开发者 README 和 repo 中的文件夹

安装

安全吗?

  • 作者

    GitHub 账号 JuneYaooo(个人),已创建 6 年

  • 使用与维护

    ★ 385 星,目前用户较少 · 代码最近更新 2026年9月19日

  • 有脚本吗?

    有 19 个可以在电脑上运行的脚本:install_as_skill.sh, mediacrawler/bin/mc, scripts/analyze_document.py, scripts/render_report_pdf.py 另外还有 15 个文件 · 有无法阅读的程序文件(二进制):mediacrawler/bin/mc, tikhub/bin/tikhub

  • 会联网吗?

    会联网的脚本:scripts/ocr_screenshot.py, tests/test_tikhub_rest.py, tikhub/lib/tikhub_client.py, install_as_skill.sh 另外还有 2 个文件

  • 会修改整台电脑的设置吗?

    会碰设置文件夹(~/.claude 或 settings.json)的脚本:tikhub/bin/tikhub, tikhub/lib/tikhub_client.py, install_as_skill.sh

根据仓库 commit 2438d5a 中的文件自动检查(只读取文件,没有运行任何内容)。这不是安全保证,请自己阅读后再决定

第一步:你用哪个 AI?

选择你用的应用,本页只显示该应用的安装方法

方式 1上传到 claude.ai(网页和应用)

无法上传到 claude.ai,因为描述超过 200 个字符(445 个字符)。请改用"让 AI 帮你安装"

方式 1让 Claude Code 帮你安装

复制这句话,粘贴到 Claude Code 的对话中

安装到哪里

正在检查命令 · 通过后才会显示复制按钮

正在检查命令 · 通过后才会显示复制按钮

如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径

AI 会先说明要做什么,每一步都会征求你的同意

重新打开 Claude Code,输入 /social-account-doctor,或直接提出相关任务,Claude 会自动选用

Checked against official docs 2026年11月12日 · Source: code.claude.com

适合使用 Terminal 的人

Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。

  1. 打开终端

    Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”

  2. 把 skill 文件夹复制到 ~/.claude/skills

    这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹

    正在检查命令 · 通过后才会显示复制按钮

  3. 重新打开 Claude Code,输入 /social-account-doctor,或直接提出相关任务,Claude 会自动选用

自己安装的 Skill 可用于 ChatGPT 桌面应用、Codex CLI 和 IDE 中的 Codex 扩展 · 网页版和手机版 ChatGPT 不能使用自己安装的 Skill,只能使用目录中插件自带的 Skill

ChatGPT 桌面应用

ChatGPT 桌面应用内置 Codex,Codex 从 ~/.agents/skills 文件夹读取 Skill

方式 1让 ChatGPT 帮你安装

在 ChatGPT 桌面应用中打开 Codex,把这句话粘贴到对话中

安装到哪里

正在检查命令 · 通过后才会显示复制按钮

正在检查命令 · 通过后才会显示复制按钮

AI 在安装前一定会先告诉你路径

AI 会先说明要做什么,每一步都会征求你的同意

方式 2自己放入文件夹

把 social-account-doctor 文件夹放到 ~/.agents/skills/social-account-doctor

~ 是你的主文件夹($HOME)

适合使用 Terminal 的人

Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。

  1. 打开终端

    Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”

  2. 把 skill 文件夹复制到 ~/.agents/skills

    这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹

    正在检查命令 · 通过后才会显示复制按钮

安装之后

  • ChatGPT 桌面应用:打开侧边栏中的 Skills,确认 Skill 已出现
  • 使用方法:在 ChatGPT 中输入 @ 并选择 Skill · 在 Codex CLI 或 IDE 扩展中运行 /skills,或输入 $ 加 Skill 名称
  • Codex 会自动发现新安装的 Skill;如果没有出现,请重启 Codex

Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com

网页版和手机版 ChatGPT

不能使用你自己安装的 Skill,只能使用目录中插件自带的 Skill

想在 ChatGPT 中使用这个 Skill,请按上面的方法使用 ChatGPT 桌面应用

Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com

方式 1让 Codex 帮你安装

复制这句话,粘贴到 Codex 的对话中 · 适用于 ChatGPT 桌面应用中的 Codex、Codex CLI 和 IDE 扩展

安装到哪里

正在检查命令 · 通过后才会显示复制按钮

正在检查命令 · 通过后才会显示复制按钮

如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径

AI 会先说明要做什么,每一步都会征求你的同意

Codex 会自动发现新安装的 Skill;如果没有出现,请重启 Codex · 使用方法:在 ChatGPT 中输入 @ 并选择 Skill · 在 Codex CLI 或 IDE 扩展中运行 /skills,或输入 $ 加 Skill 名称

Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com

适合使用 Terminal 的人

Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。

  1. 打开终端

    Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”

  2. 把 skill 文件夹复制到 ~/.agents/skills

    这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹

    正在检查命令 · 通过后才会显示复制按钮

  3. 重新打开 Codex 并提出相关任务,Codex 会列出这个 skill

方式 1让 Cursor 帮你安装

复制这句话,粘贴到 Cursor 的对话中

安装到哪里

正在检查命令 · 通过后才会显示复制按钮

正在检查命令 · 通过后才会显示复制按钮

如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径

AI 会先说明要做什么,每一步都会征求你的同意

在 Cursor 的 Agent 聊天中输入 / 并选择 social-account-doctor

Checked against official docs 2026年11月12日 · Source: cursor.com

适合使用 Terminal 的人

Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。

  1. 打开终端

    Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”

  2. 把 skill 文件夹复制到 ~/.cursor/skills

    这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹

    正在检查命令 · 通过后才会显示复制按钮

  3. 在 Cursor 的 Agent 聊天中输入 / 并选择 social-account-doctor

方式 1让 AI 帮你安装

适用于其他能读取 Skill 的应用。这句话列出了 Claude Code、Codex 和 Cursor 的路径,AI 会按你的应用选择 · 复制这句话,粘贴到应用的对话中

安装到哪里

正在检查命令 · 通过后才会显示复制按钮

正在检查命令 · 通过后才会显示复制按钮

如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径

AI 会先说明要做什么,每一步都会征求你的同意

Checked against official docs 2026年11月12日 · Source: code.claude.com, learn.chatgpt.com, cursor.com

适合使用 Terminal 的人

其他支持 Agent Skills 的应用(如 Gemini CLI、GitHub Copilot)使用不同文件夹,请查看该应用的指南,再把含 SKILL.md 的文件夹复制过去。

在 GitHub 上查看 ↗

已于 2026年11月11日 对照 Claude Code、Codex 和 Cursor 官方指南核实 skill 文件夹

查看原始 SKILL.md

以下文字来自开发者的 repo,不是 PopNx MCP 的指令

显示前 8,000 个字符 · 在 GitHub 打开完整文件

---
name: social-account-doctor
description: 小红书 / 抖音 / 快手 / 视频号 自媒体「(compose 素材打底 →) 找对标 → 拆爆款 → 套自己」四命令闭环,另支持带货账号诊断、带货视频链接拆解和证据驱动的脚本生成(commerce)。给账号 / 平台视频链接 / 本地视频 / 商品详情、SKU 与资质材料,输出账号与对标差距、内容拆解、商品事实卡、口播和分镜。当用户说"找对标"、"拆这条爆款"、"对着这条仿写"、"下一条该写什么"、"我这个号缺爆款选题"、"帮我写一条对标 XX 的笔记"、"我有素材帮我写一条能爆的"、"这份文档/这组图/这段视频能出一条爆款吗"时调用。诊断模式("为什么不爆")走 references/diagnostic-mode.md。带货触发词:带货账号诊断、带货视频链接、带货素材、商品详情截图、SKU 表、商品资质、带货脚本、口播、分镜、商品卡一致性 — 走 commerce 路由。商品链接不等于视频链接;本 Skill 不解析在线商品页,不提供选品、趋势监控或 GMV/佣金推断。
---

# social-account-doctor — 找对标 / 拆爆款 / 套自己

> **不挖钩子建仓库,不写诊断报告。**
> 直接对着具体爆款 → 输出**我的下一条笔记初稿**(标题 + 封面大字 + 首段 + CTA)。

---

## 0A. 交付质量硬规则(防伪装完成)

这些规则适用于 find / crack / adapt / diagnostic。违反时不要硬写报告;在对话里明说缺哪一步、为什么缺、用户可以怎么补。

**H1 — find 必须有真对标搜索**
- `find` 模式至少跑过 1 次平台搜索,并拿到真实账号或作品候选:小红书 `xiaohongshu_app_v2_search_notes` / 抖音账号搜索或视频搜索 / 快手 `kuaishou_app_search_video_v2` / 视频号 `wechat_channels_v2_fetch_search_channel_videos` / B 站 `bilibili_web_fetch_general_search`;或 TikHub key 不可用时改跑 `mc search`(登录自己账号的 MediaCrawler 路径,见 §7.5)。
- 只拿了我的账号信息或作品列表就写“对标结论” = 违规。没有对标搜索,就只能标成“仅基于我方数据的初步判断”。

**H2 — 视觉判断必须先跑多模态**
- 报告里只要出现“封面模板 A/B/C/D/E”“大字比例”“真人出镜/实物展示/表格截图”“封面公式”“首帧钩子”等判断,就必须先用 `scripts/analyze_image.py` 分析本地封面/首帧。
- 我方账号诊断优先跑 top 3 + bottom 3;完整诊断最好覆盖近 7 条。对标可只跑 top 3,不能零调用。
- 报告正文必须嵌入我方/对标封面图,至少让用户能图文对照。无图的视觉诊断只能算口头评价。
- 视频画面结论必须与口播/字幕品类交叉校验。若口播在讲食品或母婴商品,而视觉结果出现无关的软件、效率工具、职场等内容,必须判为跨模态冲突并弃用;改用真实关键帧复核或重新分析,不能把冲突结果写进报告。
- 完整账号报告的对标部分不能只写“账号名 + 一句可借鉴机制”。至少交代对标样本数、账号内容母题、代表作品公开数据、开头钩子、画面证据链、流量/转化作用,以及 `该借鉴 / 不要照抄`;详细图文版每个代表视频至少放开头、中段、结尾 3 张有效帧。
- 嵌入报告前必须逐张确认对标帧与账号、作品和图注一致。自动时间点截图若与完整逐帧接触表、口播或商品不一致,直接弃用并改选已人工复核的帧;不得让不同账号复用串片画面。

**H3 — 半成品要显式标注**
- 搜索 API 挂、tikhub 不通、对标不足 3 条、截图字段不全、音频转写失败,都不能静默跳过。
- 报告开头或对话里必须标注完整度:`完整` / `部分(缺 Layer X)` / `仅 L1`。
- 对标为 0 条时写:`本次未能获取有效对标数据,以下结论仅基于账号自身数据,可能不够准确。`

**H4 — 标题干净,状态放正文**
- 用户可见 H1 不写 `(补充版)`、`(无对标)`、`(技术分析)`、`(Gemini 分析)` 这类内部状态词。
- 状态说明放在标题下方引用块或 TL;DR 上方。

**H5 — 账号定位不清晰要警告**
- 账号简介为空/模糊、近 30 条覆盖 4 个以上不相关赛道、作品数 < 10、简介和内容明显不符时,必须在报告开头提示“定位风险”。
- 涉及账号定位、简介改写、人设切换、粉丝画像、变现模式时,缺硬数据就写“数据不足,暂不下结论”,不要凭感觉改号。

**H6 — 报告语言面向非技术用户**
- 用户报告里不要出现脚本名、模型名、API 名、命令行、JSON、ffmpeg、OCR bbox 等技术实现细节。
- 写“从封面设计来看……”“在平台上搜索同赛道内容发现……”,不要写“通过 analyze_image.py / tikhub 接口 / Gemini 得出……”。

**H7 — 诊断默认给行动,不默认写脚本**
- 用户问“为什么不爆 / 账号怎么调 / 完整诊断”时,默认输出漏斗判断、对标差距、内容结构、视觉标准、复盘指标、P0/P1/P2 行动。
- 账号诊断必须同时看 top/bottom;同一机制至少在 2 条赢家中重复且未同样高频出现在 bottom,才叫账号公式。输出 `继续保持 / 从对标补齐 / 不要照抄` 和下一轮单变量测试。
- 只有用户明确说“下一条发什么 / 帮我写脚本 / 给案例”时,才写下一条可发布初稿或逐字脚本。
- 如果账号内容明显是 AI 视频 / AI 插画 / 数字人口播,必须加一节“AI 视频表达差距”:首帧冲突、人物连续性、场景连续性、字幕安全区、模板感、可信度、时长承载能力。

**H8 — PDF 按需,但排版要自检**
- 默认只写 `.md`。用户明确要 PDF 时再跑 `scripts/render_report_pdf.py`。
- PDF 报告避免超宽表格、手机长截图整张塞入、Markdown 表格包在 HTML 容器里。生成后至少检查文件存在、页数合理、图片没有明显丢失。

---

## 0. 闭环图

```
[我的原始素材(文档 / 图片 / 视频 / 非平台链接)]   ← 新入口(compose)
       │
       ▼ ⓪ compose (多模态解析 → 核心事实/独家要素/金句清单 → 5 维本质 → 信息缺口)
       │
[我的账号 / 选题方向 / compose 画像]
       │
       ▼ ① find  (多模态识别本质 → 矩阵搜 → 相似度过滤)
[5-10 个真对标爆款]
       │
       ▼ 人工勾选 3-5 条 ✋
[选定对标]
       │
       ▼ ② crack
[每条 4 维钩子拆解(视觉/文字/口播/剧情)+ 综合权重 + 骨架 + 封面 + 标签]
       │
       ▼ ③ adapt  (有素材时:每个产出必须溯源到"对标公式 + 素材条目")
[3 标题 + 3 封面大字 + 1 段首段 + 1 个 CTA]  → 可发
```

**副产品(可选,必须问)**:crack 跑完后**主动问**用户「要把这些钩子积累到 `./output/assets/hooks-{platform}.md` 吗?」 — 用户答 yes 才追加。**不会自动写**。库的质量由你把关,跑多了自然形成弹药库。

---

## 1. 输入路由

| 用户说什么 | 走哪个命令 |
|---|---|
| "找对标" / "我这个号有什么对标" / "扫一下同赛道" | **find** |
| "拆这条爆款" / "这条为什么爆" / "提取这条的钩子" | **crack**(单条) |
| "对着这条仿写" / "下一条该怎么写" / "套这条的钩子写一条" | **crack + adapt** |
| "我想发 XX 主题,有什么参考" / "缺爆款选题" | **find + crack + adapt**(全闭环) |
| "我有素材帮我写一条能爆的" / "这份文档/这组图/这段视频能出一条爆款吗" / "基于这些材料做一条" | **compose + find + crack + adapt**(素材打底全闭环) |
| "诊断这个带货账号" / "分析这个带货视频链接或文件" / "根据商品资料写带货脚本" | **commerce**(账号诊断 + 对标内容分析,见 §1B) |
---

## 1A. compose 命令 SOP(素材 → 初稿的新入口)

> **触发**:用户带着**自己的原始素材**(本地文档 / 图片 / 视频 / 非平台链接)+ 一句"帮我写一条能爆的"。
> **作用**:跑在 `find` 之前,把一堆散素材炼成"5 维本质 + 独家要素清单 + 信息缺口",让下游 find/crack/adapt 有的放矢、且不乱编素材。

### 输入
- **必选** 1-N 份原始素材(任意组合):
  - 本地文档 `.md` / `.txt` / `.pdf` → `scripts/analyze_document.py <path>`(md/txt 也可以直接 Read;pdf 走脚本)
  - 图片 `.jpg` / `.png` → `scripts/analyze_image.py`
  - 视频 `.mp4` / `.mov` → `scripts/analyze_video.py`
  - 非平台链接(文章 / 博客 / 新闻 / 自己的官网/产品页)→ `WebFetch` 取正文
- **必选**:我的账号定位(一句话)+ 目标平台
- **可选**:我想强调的卖点 / 情绪 / 必须保留的关键词
- **不走本命令**:小红书 / 抖音 / 快手 / 视频号 / B 站 / 公众号链接 — 那些是"别人的爆款",直接走 `crack`

### Step 1 逐份解析(多模态必跑,跟 find Step 1 对称)

每份素材都跑一次对应脚本,**不要看一份就下结论**。汇总成**素材画像**,5 个字段:

| 字段 | 说明 | 来源要标到具体素材 |
|---|---|---|
| 核心事实 | 3-5 条原子事实 | 每条标 `[素材 X · 段落/时间戳]` |
| **独家要素** | 其他人没有的点:人物 / 数据 / 画面 / 场景 / 金句 | adapt 强制嵌入,必须标来源 |
| 视觉素材候选 | 图片 / 视频帧 / 文档配图 | adapt 的封面直接从这里挑 |
| 情绪基调 | 全部素材汇总出的情绪色 | 后续 Step 2 的 5 维输入 |
| **信息缺口** | adapt 想成立但素材没覆盖的点 | 明文列,**问用户**不要编 |

### Step 2 炼 5 维本质(复用 find Step 1 框架)

基于素材画像,按 `find` 的 5 维(载体形态 / 情绪锚点 / 审美风格 / 内容结构 / **反差点**)推断这条内容**应该长成什么样**。输出形容词三元组 + 一句话定位。

这 5 维直接喂给 `find` → **find 可以跳过自己的 Step 1**(已经有 5 维了),从 Step 2 矩阵搜索开始。

### Step 3 交棒 find → crack → adapt(素材模式)

后面三步的差异:

- `find`:跳过 Step 1,直接用 compose 的 5 维跑 Step 2-5
- `crack`:完全复用 SOP
- `adapt`(**素材模式,强制项**):
  1. 标题 / 首段 / CTA 各至少嵌入 **1 条素材独家要素**
  2. 封面大字**优先**从素材画像的"候选金句"里选
  3. 每个产出除了现有的"抄了对标什么 + 改了什么",**加一行** `用了素材:[素材 X · 具体要素]`
  4. 素材覆盖不到、只能走通用话术的位置,**必须 ⚪ 推断 标记** — 用户看到就知道这块是脑补
  5. 缺口明显影响成稿时(例:素材里没有具体数字但对标都有)→ **停下来问用户补**,不要编一个假数字

### compose 的输出

落盘到 `./output/reports/{YYYYMMDD-HHMM}-compose-{素材短码}.md`,含:
- 素材清单(文件名 + 字/帧/时长)
- 5 维本质 + 形容词三元组
- 独家要素清单(编号)
- 候选金句 / 视觉素材清单
- **信息缺口清单 → 给用户的补充素材请求**(如有)

完整闭环跑完后,adapt 报告里**必须含"素材溯源列"** — 没有这一列视同半成品,不写盘。

### compose 的铁律
1. **素材全吃完再下结论**:N 份素材全跑完解析再炼 5 维,不要跑到第 2 份就开写
2. **不编独家要素**(对齐全局 feedback `账号资料修改要斟酌` 的铁律 — 素材没给的不要凭空加):adapt 想写但素材没给 → 问用户或标 ⚪ 推断
3. **素材优先于通用话术**:adapt 的每一行能从素材抠出来的,就不要用通用公式兜底
4. **每一行要能双向溯源**:对标公式(抄了什么)+ 素材条目(用了什么)两头都挂得上钩

---

## 1B. commerce 命令 SOP(账号诊断 + 对标内容分析)

> **作用**:复用本 Skill 的核心 `diagnostic/find/crack/adapt` 链路,诊断带货账号,解析平台带货视频链接或本地视频。用户要求诊断、差距或改进时,必须结合 3-5 条同类对标;只要求客观拆解时可先完成单条 `crack`。商品详情截图、SKU、资质文件和用户确认事实用于商品一致性检查与脚本生成。
> **不提供**:在线商品页解析、选品、趋势监控、GMV/佣金推断。视频链接与商品链接必须分开处理。

### commerce 输入门禁

检测到 commerce 请求后,按目标索要材料:

| 目标 | 必选输入 | 可选输入 |
|---|---|---|
| 诊断带货账号 | 账号主页链接;平台 | 后台指标截图/JSON、用户认可的对标账号 |
| 分析带货内容 | 平台视频链接或本地 `.mp4/.mov`;账号定位 | 商品详情/SKU/资质材料、后台指标、用户指定对标 |
| 生成带货脚本 | 商品名称;至少一份详情/SKU/资质/品牌资料;账号定位;目标人群 | 本地参考视频、表达风格、目标指标 |

- 平台视频链接:先复用通用 `crack` 的链接解析、详情和媒体下载链路;连续 3 次失败后,明确标记工具不可用并要求用户上传本地视频,不能假装看过画面。
- 抖音/小红书/快手/B 站可以接收各自支持的作品链接;视频号客户端没有普通可复制作品 URL,按账号名/关键词搜索或用户上传本地文件处理。
- `tikhub --health` 和工具出现在 `list` 中只证明客户端/目录正常,不证明业务接口能返回数据;必须以一次真实调用成功作为本次任务的能力门禁。
- 只有商品链接:说明本 Skill 不解析在线商品页,请用户上传详情页、SKU、价格活动和资质截图。
- 只有品类词并要求选品/趋势:说明不支持,不生成伪 Top10,也不推荐外部未安装能力。

### commerce 子命令

| 用户说什么 | 路由 |
|---|---|
| "诊断这个带货账号" / "账号为什么不出单" | **commerce-diagnostic**:通用三层诊断 + 带货内容维度 + 同赛道账号对标 |
| "分析这个带货视频链接或文件" / "检查这条素材" | **commerce-review**:链接解析/本地视频 → 多模态拆解 → 同类对标差距 + 风险 |
| "根据这些商品资料写带货脚本" / "这个品怎么拍" | **commerce-adapt**:用户证据 → ProductFactCard → 文案 + 分镜 |

### commerce-diagnostic:账号诊断叠加电商维度

先读取 `references/commerce-analysis-template.md`。完整复用 `references/diagnostic-mode.md` 的三层诊断,不能另造一套脱离对标的电商评分:

1. Layer 1:只用用户后台数据判断曝光、点击、完播、互动和商品点击漏斗;缺什么就标什么,不能估算。
2. Layer 2:用 `find` 搜索并筛出 3-5 个同平台、同品类、同内容形态、体量可比的账号。
3. Layer 3:抽样我方 top 3 + bottom 3、对标 top 3,全部跑多模态内容分析。
4. 在通用六维差距上追加:商品露出、利益点顺序、证明动作、信任建立、CTA、商品一致性和合规风险。
5. 从 top/bottom 与对标样本归纳内容赛道、账号相对赢家、重复钩子、重复证明方式、转化公式和复刻门槛;至少出现 2 次才叫账号公式。
6. 输出 `继续保持 / 从对标补齐 / 不要照抄` 和下一轮单变量测试;没有有效对标时只能交付部分诊断。

### commerce-review:视频链接/本地视频 + 对标审查

先读取 `references/commerce-analysis-template.md`。如果输入是平台视频链接,按 §7 的通用 `crack` 工具表解析分享链接、获取详情和媒体地址,按 §5 的 media 规则下载到 `./output/media/{平台}-{作品ID}.{ext}`(已存在直接复用);输入已经是本地文件时直接进入多模态。媒体拿不到时不得只读标题和互动数据冒充完整内容分析。

1. 对目标视频运行 `scripts/analyze_video.py`,完成 4 维钩子与电商维度拆解。
2. 从目标视频提取品类、目标人群、载体形态、情绪锚点、内容结构、利益点与证明方式。
3. 用户只要求“拆解这条”时,可在目标视频完整多模态分析后交付单条 `crack`,并明确这是内容拆解、不是账号或效果诊断。
4. 用户要求“为什么不爆/不出单、哪里有问题、和同行差在哪、怎么改”时,必须复用 `find` Step 2-5 搜索候选,经多模态过滤后保留 3-5 条同类对标;用户已指定对标时直接 `crack`,但仍要校验是否同类。
5. 诊断型请求必须输出逐维横向比较和差距结论。对标搜索连续 3 次

讨论

提问、分享技巧或报告无法使用。按“有帮助”数量排序。

还没有帖子,欢迎第一个提问或分享。

此处内容由用户撰写,不代表 PopNx 团队。

登录后发帖

来自 GitHub

GitHub 星标
385
开发者
JuneYaooo
许可证
MIT
最近代码更新
2026年9月19日
repo 中的 SKILL.md 文件(含译本和模板)
1
主题
ai-agent, ai-agents, claude-code-skills, content-analytics, copywriting, douyin, e-commerce, skills, social-media-tools, xiaohongshu