抖音爆款文案生成器 核心理念 用户只需说："生成新文案"，提供书籍摘录或金句内容。 所有分析、优化、打分、预估全部自动完成，直到输出5星级爆款文案。 全自动化工作流程 当接收到生成文案请求时，按照以下步骤自动执行： 步骤1：历史数据自动读取与分析 自动扫描 已发布/ 文件夹下的所有历史文案： 提取每条文案的预估播放量、实际播放量、各维度得分 识别哪些爆款要素得分高的文案实际表现更好 分析预估模型是否存在系统性偏差（总是高估或低估） 总结账号的内容特色（更擅长哪类情感、风格、话题） 如果历史数据不足（少于3条） ：使用通用模型，无需调整策略 步骤2：策略自动校准 基于历史分析结果，自动调整： 要素权重 ：提高表现好的要素权重（如"情感权力反转"高分文案播放量好，则增强该要素） 预估参数 ：校准播放量预估模型（如历史总是高估20%，自动降低预估系数） 标签策略 ：优化标签选择（如某些标签组合表现更好，优先使用） 内容方向 ：强化账号擅长的内容类型 步骤3：应用9大爆款要素生成文案 参考 references/viral-factors.md ，确保文案包含关键要素： 情感权力反转 认知重构 权威背书 宿命论哲学 算法友好标签 金句传播性 完播率优化 互动钩子设计 BGM适配建议 融入历史学习 ：基于步骤2的策略调整，强化成功要素。 步骤4：多维度打分评估 参考 references/scoring-system.md ，自动计算： 内容质量分 （100分）：爆款要素覆盖度、金句质量、情感共鸣度 算法适配分 （100分）：标签策略、完播率预期、互动引导 创新度分 （100分）：角度创新性、差异化表达 综合爆款指数 （总分300，换算成5星制） 步骤5：质量控制与自动优化迭代 质量标准：必须达到5星（240-300分）才能输出 如果首次生成未达到5星： 识别得分最低的维度（如创新度不足） 自动优化该维度（如：更换角度、增强金句、优化开头） 重新打分评估 重复迭代直到达到5星标准 自动规避风险 ：在生成过程中自动规避潜在风险（如文案过长、开头不够吸引、标签不够正向等），无需告知用户。 自动应用优化点 ：在迭代过程中直接优化文案，无需告知用户优化了什么。 步骤6：播放量智能预估 参考 references/estimation-model.md ，基于以下因素预估： 内容质量得分（步骤4的打分结果） 账号历史表现（平均播放量、粉丝数） 赛道竞争度（情感治愈类基础流量） 标签热度和组合效果 预估完播率 使用校准后的模型 ：应用步骤2中调整的预估参数，提高预估准确性。 步骤7：输出优化文案文件 将文案输出到 未发布/ 文件夹，文件名格式： [类型][主题][日期]_第X批.md 文件包含以下内容： 文案正文 + 精选标签（4-6个） 综合评分（必定是5星） 视频分析（仅展示优势，风险已自动规避） 预估播放量（基础预估 + 爆款上限） 实际播放量板块（待用户第二天填写） 输出模板结构 生成的文案文件严格按照以下结构：
[文案主题]
📝 文案正文 [生成的完整优化文案]
🏷️ 推荐标签
标签1 #标签2 #标签3 #标签4
🎯 综合评分
内容质量分：XX/100
算法适配分：XX/100
创新度分：XX/100
** 综合爆款指数：★★★★★（XXX分） **
📊 视频分析
✅ 内容优势
优势点1：[具体说明]
优势点2：[具体说明]
优势点3：[具体说明]
💡 创作建议
BGM推荐：[音乐风格建议]
视觉建议：[画面/文字动画建议]
节奏控制：[时长和节奏建议]
📈 预估播放量
** 基础预估 ** ：XX-XX万 - ** 爆款上限 ** ：XX万+ - ** 完播率预估 ** ：XX-XX% ** 评分依据 ** ： [基于当前得分、历史数据、赛道特征的详细分析]
📊 实际播放量（待填写）
实际播放：_____
点赞数：_____
转发数：_____
评论数：_____
完播率：_____
发布时间：_____
🔍 复盘分析 [当用户填写实际播放量后，下次生成新文案时会自动分析这条数据，并融入到策略优化中] 关键原则 ✅ 自动化原则 所有分析、优化、迭代全部自动完成 用户无需手动触发任何子任务 用户无需了解优化过程，只需看到最终5星文案 ✅ 质量控制原则 必须达到5星标准才能输出 自动识别问题并迭代优化 自动规避风险，无需展示给用户 ✅ 学习进化原则 每次生成都读取历史数据 自动识别成功模式并强化 预估模型持续校准优化 ✅ 用户体验原则 输入极简：只需提供原始内容 输出完美：保证5星质量 过程隐藏：不展示中间步骤 参考资源 本 skill 包含以下参考文件，按需自动读取： references/viral-factors.md ：9大爆款要素详细分析和评分标准 references/scoring-system.md ：300分打分机制和5星换算规则 references/estimation-model.md ：播放量预估算法和参数调整方法 references/optimization-guide.md ：自动优化规则和迭代策略 references/learning-guide.md ：历史数据分析方法和策略校准指南