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）。

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 ./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

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：

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 ./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

2. find 命令 SOP（5 步铁律）

输入

我的账号链接 / 我的某条笔记链接 / 一个选题方向（"我想发 XX"）

输出

5-10 个对标爆款链接 — 不是关键词搜出来的，是按内容本质过滤过的。

5 步（每一步都不能省）

Step 1 内容本质识别（必跑多模态）

输入是我的账号 / 笔记 → 调 analyze_image.py（封面）+ analyze_video.py（视频）→ 提取 5 个本质维度：

输出：5 个维度的描述（每个 1 句话）+ 形容词三元组（如：AI 萌宠 / 怀旧 / 反差教程）。

Step 2 生成搜索词矩阵

5 个本质维度交叉组合 → 4-6 个搜索词：

维度1：「AI萌宠」  / 「拟人猫」  / 「萌宠成精」
维度2：「乡村美食」/ 「老家味道」/ 「童年回忆」
维度3：「治愈」    / 「烟火气」
维度4：「教程」    / 「手作」
维度5：「反差萌」  / 「猫师傅」

⚠️ 铁律：搜索词 = 单一 2-4 字本质维度词。

• 不要用宽泛选题词（"东北大酱"会搜出真人假对标）
• 不要带空格组合（"猫师傅 美食" 在 V1/V2 接口会 HTTPStatusError，要拆成 4-6 个单词分次搜）

Step 3 矩阵词并行搜索

每个矩阵词调一次 search → 按互动量倒序取 top 10 → 汇总到候选池（20-50 条，去重）。

工具：

• 小红书 xiaohongshu_app_search_notes（只用这个，V2/Web V2 全挂 — 见 §9.1）
• 抖音 douyin_app_v3_fetch_video_search_result_v2
• 快手 kuaishou_app_search_video_v2
• 视频号 wechat_channels_fetch_search_ordinary（综合）+ wechat_channels_fetch_search_latest（最新）双源对比 — 见 §9.2

接口失败兜底：连续 3 次 retry 失败 → 不再硬刚，让用户手甩 3-5 个对标链接 → 直接 fetch_feed_notes_v2（小红书）/ fetch_video_detail（视频号）→ 跳到 crack。

视频号特殊铁律：视频号客户端不输出可复制的链接 / 视频 ID（分享出去是卡片）。唯一入口是账号名/关键词搜索 → 锁定本号视频 → 拿 id。不要让用户提供"视频号链接"，他给不出。

Step 4 多模态相似度过滤（必跑多模态）

候选池每条抽首图 → analyze_image.py → 按 5 维打分（0-1）→ ≥ 3 维相似才留。

⚠️ 代价警告：这一步 20-50 次 multimodal 调用，token 不便宜，但不能省 — 否则 find 出来的全是表面假对标，后面 crack/adapt 全白做。

Step 5 体量 + 活跃度过滤

→ 输出 5-10 个真对标 + 每个贴一句"为什么是真对标"（5 维相似度命中哪几维）。

find 的人工卡点

最后一步必须给用户看清单 → 用户勾选 3-5 条 → 没勾的不进 crack。

3. crack 命令 SOP

输入

1 个或 N 个对标爆款链接（一般是 find 勾选出来的）。

输出

对每条吐 4 维钩子拆解 + 3 行结构元素（不写诊断报告，不打分，只罗列可抄元素）：

对标：@xxx 的「东北橘猫做大酱」(50w 赞 / 1.2k 评 / 30s)

钩子（4 维拆解）：
├ 视觉钩：拟人猫脸大特写 + 田间背景，0.5s 内出"猫看着你"的目光
├ 文字钩：封面中部一行字（OCR bbox 366,604,546x71）+ 标题「人！」感叹号
├ 口播钩：「人！其实快乐很简单，跟me下乡吧！」— 拟人猫"对人喊话"的反差
├ 剧情钩：第一秒就破壁（猫张嘴说"人！"）— 把"猫"和"观众"的层级倒过来
└ 综合：视觉 ×0.4 + 口播 ×0.6 = 治愈系反差钩  ← 主驱动力

骨架：原料展示 → 工艺过程 → 成品 → 情绪升华（4 段，命中骨架 A 场景+冲突+解决）
封面公式：D 实物展示 + 暖色高对比 + 主体居中（无大字）  [🟢 跑了 multimodal / ⚪ 推断]
标签组合：#AI萌宠 #东北美食 #怀旧 #反差萌（4-5 个）
复用提示：[一句话 — 这条最值得抄的一个具体动作]

为什么 4 维：钩子不是"那一句标题"，而是视觉+文字+口播+剧情的整体开场设计。综合权重决定仿写时的精力分配方向（哪一维占比 ≥ 0.5 = 死磕那一维）。

钩子积累（可选，必须问 — 不要自动存）

crack 跑完所有对标后，把完整 4 维钩子单元（不是单句）汇总打给用户看，主动问：

本次 crack 提取了 N 条 4 维钩子单元：
  1. @xxx「跟me下乡」(9k 赞, 治愈系反差钩, 主驱动力=口播 0.6)
  2. @yyy「比熊求职」(13k 赞, 共鸣型反差钩, 主驱动力=文字 0.7)
  ...

要积累到 ./assets/hooks-{platform}.md 吗？
  - yes：4 维拆解格式全存
  - "1,3"：只存指定条
  - no：本次不存（默认）

只有用户明确说要存，才 mkdir -p ./assets + 追加（按情绪锚点分类，再按主驱动力二级索引；追加不覆盖；首次创建时建好"索引 + 速查"骨架）。 不要默认存 — 自动堆出来的钩子库都是垃圾，库的价值在于人工把关。

crack 用到的术语

封面 ABCDE / 标题 1-10 / 骨架 ABC / 钩子 1-7 → 全部对齐 references/scoring-vocab.md。

4. adapt 命令 SOP

输入

• 我的账号定位（一句话，必须）
• crack 输出（1-N 个对标的元素清单，必须）
• 我想发的方向（可选，没有就基于 crack 推荐）

输出

直接给可发的：

标题候选（3 个，每个标注命中哪个公式）：
  1. 「[文案]」 — 公式 4 怕错避坑 + 改了 XX
  2. 「[文案]」 — 公式 2 反认知 + 改了 XX
  3. 「[文案]」 — 公式 6 身份共鸣 + 改了 XX

封面大字（3 个，4 字以内）：
  1. 「[大字]」 — 套对标的 D 模板，加大字升级到 A+D 混合
  2. ...
  3. ...

首段文案（≤ 50 字，命中钩子模板 N 号）：
  「[文案]」 — 抄了对标的 XX，我做了 YY 改动

CTA（命中互动钩子模板）：
  「[文案]」 — 套对标的"评论扣 X 送 Y"结构

adapt 的铁律

• 标题 / 封面 / 首段 / CTA 必须命中 references/scoring-vocab.md 里的至少 1 个公式
• 每个产出必须标注「抄了对标什么 + 我做了什么改动」 — 防止抄到不可复制的部分
• 不要 4 个候选，就 3 个（多了用户选不动）

5. 输出位置铁律

完整闭环（find → crack → adapt）跑完，必须落盘到当前工作目录：

./reports/
  {YYYYMMDD-HHMM}-compose-{素材短码}.md        # compose 模式才有：素材画像 + 5 维 + 缺口清单
  {YYYYMMDD-HHMM}-find-{我的账号末8位}.md      # 5-10 对标 + 为什么是真对标
  {YYYYMMDD-HHMM}-crack-{对标末8位}.md         # 每条 4 行清单
  {YYYYMMDD-HHMM}-adapt-{选题短码}.md          # 标题 + 封面 + 首段 + CTA（compose 模式必须含"素材溯源列"）

./assets/                                     # 副产品，跨任务累积
  hooks-xhs.md / hooks-douyin.md / hooks-kuaishou.md

写盘前 mkdir -p ./reports ./assets。只跑了 1 个命令、半成品、接口失败 → 不写盘，只在对话里说。

5.1 PDF 输出（按需，不默认）

铁律：默认只输出 .md，不要主动生成 PDF。只有用户明确说「整理成 PDF / 出 PDF / 出一份 pdf 版」等才跑：

python3 ~/.claude/skills/social-account-doctor/scripts/render_report_pdf.py \
  ./reports/{report}.md
# 输出 ./reports/{report}.pdf （同名同位）

脚本特性：

• A4 + 思源黑体 (CJK 必装 Source Han Sans SC) + 粉色诊断主题
• md 中本地图片 ![](path) 自动 base64 内嵌（PDF 自包含，可单文件传播）
• 富排版（卡片式 top N 对标 / TL;DR 红框 / 三图横排）需在 md 里直接写 inline HTML，CSS 已经准备好对应 class：
  • <div class="tldr"><div class="verdict">...</div>...</div> — TL;DR 高亮框
  • <div class="card"><div class="card-img"><img/></div><div class="card-body">...</div></div> — 对标卡片
  • <div class="user-img"><img/><div class="caption">...</div></div> — 三图横排
• 想保留中间 HTML 自己改样式：加 --keep-html

**何时主动询问 PDF