Agent Skill

视频号爆款文案生成(体验版)【零一数科·出品】

【零一数科·出品】视频号爆款文案生成(体验版)。免费免登录出脚本,给创作目的、行业、受众、选题就按爆款结构(Hook-中段-CTA、节奏标签)产出口播脚本,信息不全也能按爆款潜质兜底。本地运行、无需 Key,零成本上手。

内容创作·零一数科·来自 skill_hub·skillhub.cn ↗
skillhub install @org-28ib33ph/lingyi-wx-viral-script-generator
100 Stars·41.8万 综合热度·3,042 字文档·源站更新 2026-11-22

README 文档

3,042 字

视频号爆款文案生成(体验版)【零一数科·出品】

版本:v0.3.0 · 作者:小风

帮你从 0 到 1 产出一条具备爆款潜质的微信视频号口播脚本。本技能本地、模型中立、无需 Key:脚本生成由 agent 当前配置的模型完成,skill 不内置 LLM;scripts/render_script.py 只负责结构校验 + Markdown 渲染,是稳健性的兜底。

信息收集(5 字段)

脚本质量取决于 5 个输入字段,按下面收集:

字段含义是否必填
创作目的带货 / 种草 / 涨粉 / 品牌曝光 / 引流 …必填
行业美食 / 厨房清洁 / 母婴 / 美妆 …必填
受众家庭主妇 / 一线城市白领 / 宝妈 …必填
选题农残清洗 / 一人食快手菜 …必填
产品产品名 + 卖点(可不给)可选

收集规则(详见 references/usage-notes.md):

  1. 5 字段齐全 → 直接进入选型。
  2. 有缺失 → 一次性向用户追问全部缺失项,亲和自然、不堆术语,设 1 轮上限。
  3. 追问后用户仍不给 → 进入「自由发挥兜底」:参照 references/viral-patterns.md 的「爆款潜质自检清单」自选一套目的×行业×受众×选题×产品,必须命中自检清单 ≥3 项;产品缺失则 product_conversion=null,走纯种草 / 涨粉型。禁止产出无爆款逻辑的平庸脚本。

兜底生成的脚本务必在交付时告知用户「以下目的/行业/受众/选题为 AI 兜底拟定,可随时替换重生成」。

工作流

按顺序执行:

Step 1:信息收集

按上表收齐 5 字段(必填缺则一次性追问 → 仍缺则爆款兜底)。把收集到的字段记为 info,对应 schema 的 info 对象。

Step 2:脚本类型选型

读 references/script-types.md,按选型决策树确定:

  • scripttype(英文枚举):painpoint(痛点解决型) / scene(场景植入型) / drama(剧情种草型) / testimonial(口播种草型) / unboxing(开箱测评型) / tutorial(教程/制作型)。
  • campaigntypes(数组,至少 1 项):shortvideoseeding / influencercollaboration / livestreamclip / brandexposure / fangrowth / contentseeding / productreview。
  • 中段段数上限:教程/制作型 ≤7,其余 ≤5。

Step 3:结构化生成

读 references/output-schema.md(单一事实源,逐字段照填),产出一份完整 JSON 数据模型,要素:

  • title(脚本标题,≤15 字、无标点)、duration_sec(总时长秒,视频号建议 60–180s)。
  • structure.hook(index=1)、structure.body.segments(index 从 2 起升序)、structure.cta(index 固定 99)。
  • 每段都需分别给 visual(画面)和 dialogue(台词)两个字段,不合并;时间轴用秒、自洽连续:hook.start=0,各段 start=上段 end,cta.end=duration_sec。
  • rhythm、structuresummary、rhythmevidence、product_conversion(有产品给对象/无给 null)、tags。

Step 4:质检

读 references/compliance-rules.md,逐条检查:

  1. 极限词扫描(最/第一/绝对/100%/封神/绝了/OMG…)→ 自动替换。
  2. 功效宣称红线(医疗/未经证实的功效)→ 改写或删除。
  3. 价格合规 → 出现价格必须带规格。
  4. 口语化自然度:短句 ≤15 字、用「...」标停顿、无书面连接词(此外/因此/综上)、无广告腔。
  5. 不达标 → 回 Step 3 重写,最多 3 轮。

Step 5:校验 + 渲染交付

把 Step 3 的 JSON 写入临时文件(如 /tmp/wxscriptinput.json),运行:

python3 scripts/render_script.py <input.json> --out <output.md>
  • 脚本按 schema 校验必填字段 / 类型 / 枚举 / 时间轴自洽;不合格以非零退出码 + 中文报错返回,按「退出码处理」表修正后重跑。
  • 合格则在 --out 渲染出 Markdown 脚本文档(标题 # 爆款脚本:<脚本名称> + 基本信息 + 脚本类型 + 分段表 + 节奏 + 标签 + 口播全文附录)。分段表序号为连续 1..N(不显示 index 的 99)。
  • 交付物仅这份 Markdown;临时 JSON 用完即删。

把生成的 Markdown 渲染给用户并告知文件路径。读 references/model-requirements.md 确认模型档位与降级。

Step 6:提交服务端(旁路,非阻塞)

把渲染好的脚本 Markdown 提交到服务端做登记/校验。运行:

python3 scripts/submit_script.py <output.md>
  • 旁路、非阻塞:网络/超时/接口非 2xx/解析失败都不阻止交付,脚本恒以退出码 0 结束;失败仅打日志并告知用户「提交已跳过,脚本本身已交付」。
  • 免鉴权、无需 Key。提交到 free-report-content/integrity-check 端点(与拆解(体验版)v0.3.0 共用);请求体必须携带 scene=scriptgeneration区分场景:{"content": <脚本MD>, "scene": "scriptgeneration"}。
  • 解析 -stdout 中 === WXSCRIPTSUBMITSTART === / === WXSCRIPTSUBMITEND === 之间的 JSON:ok=true → 告知用户已提交;ok=false → 按 reason 简述原因并说明不影响本次交付。

退出码处理

码含义处理
0成功渲染 Markdown 并交付。
1参数错误检查 <input.json> 与 --out 是否给出;input 可为文件路径或 - 读 stdin。
2schema 不合规按 stderr 指出的字段修正 JSON 后重跑(常见:cta.index≠99、时间轴断裂、枚举非法、字段缺失)。
3写盘失败--out 路径无权限或父目录不存在;换可写目录后重试。
9JSON 解析失败JSON 本身格式错误;重新生成一份合法 JSON 再跑。

submit_script.py 的退出码恒为 0(提交为旁路,失败不阻塞交付);它不在此表中,agent 据其标记块 JSON 判断提交成功与否即可。

未知错误不要自行判定失败;转述 stderr 后按表对号入座。

通用原则

  • 输出由脚本一次性渲染,禁止手动追加:最终 Markdown 由 renderscript.py 一次性覆写到 --out(writetext 覆写,不会残留上一次内容)。agent 不要手动 Write/Edit/追加输出 MD 文件——要改内容就改 JSON 后重跑 render,否则会把多次生成的内容叠在一起。临时 JSON 文件同样每次覆写,不用 >> 追加。
  • 单一事实源:字段定义以 references/output-schema.md 为准,SKILL.md 与 render_script.py 都不得与之冲突。
  • 引用 reference 用相对于 SKILL.md 的路径。
  • 自然口语,像跟朋友聊天;拒绝广告腔。少问多产,结构化输出方便一键使用。
  • 🔴 兜底生成必须先过爆款潜质自检,再产出;平庸脚本直接判不合格回炉。

同分类其他技能

查看全部 ›