拆解爆款标题逻辑,结合用户输入一键生成10个优质爆款标题,告别标题纠结;同时对已有标题从主题匹配度、结构合规度、利益清晰度、情绪唤醒度、稀缺性感知和合规安全性六大维度加权评分,输出等级评定与优化建议;当用户需要生成小红书爆款标题、评估标题爆款潜力、了解标题与爆款规律匹配度或获取标题优化建议时使用
Scanned 9/12/2026
Install to Claude Code
npx -y skills add ahang1598/doubao-workbuddy-qwenwork-skills --skill xiaohongshu-title-score --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Xiaohongshu Title Score?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/ahang1598-xiaohongshu-title-score)More formats (shields.io, HTML) on the badges page.
---
name: xiaohongshu-title-score
description: 拆解爆款标题逻辑,结合用户输入一键生成10个优质爆款标题,告别标题纠结;同时对已有标题从主题匹配度、结构合规度、利益清晰度、情绪唤醒度、稀缺性感知和合规安全性六大维度加权评分,输出等级评定与优化建议;当用户需要生成小红书爆款标题、评估标题爆款潜力、了解标题与爆款规律匹配度或获取标题优化建议时使用
dependency:
---
# 小红书标题生成与评分
## 功能路由
根据用户意图选择执行路径:
- **创作新标题**(如"帮我写标题"、"生成爆款标题"、"关于XX的标题")→ 执行**功能一**
- **评估已有标题**(如"评分"、"打分"、"这个标题怎么样"、"评估标题")→ 执行**功能二**
无论执行哪个功能,用户输入的任何信息都基于此生成爆款标题或评估标题潜力。
## 全局规则
### 鉴权
#### 获取 API Key
1. 访问 [红狐Hub 官网](https://redfox.hk/) 了解服务详情
2. 前往 [注册页面](https://redfox.hk/login) 注册账号
3. **新注册用户将获赠免费积分**,可立即开始使用 API 服务
4. 注册登录后,在个人中心获取 API Key,格式为 `ak_xxxxxxxx`
#### 配置 API Key
- `REDFOX_API_KEY` 从环境变量获取,格式 `ak_xxxxxxxx`
- 若未设置,提示用户自行配置:`export REDFOX_API_KEY=<你的apikey>`;若用户不会配置,Agent应主动帮用户设置:
- **macOS/Linux**:将 `export REDFOX_API_KEY=<值>` 追加到 `~/.zshrc`(zsh)或 `~/.bashrc`(bash),然后 `source` 对应文件使其全局生效
- **Windows**:使用 `[Environment]::SetEnvironmentVariable("REDFOX_API_KEY", "<值>", "User")` 设置用户级永久环境变量(需重启终端生效)
- 配置完成后应验证:`echo $REDFOX_API_KEY`(macOS/Linux)或 `echo %REDFOX_API_KEY%`(Windows),确保换一个skill也能读取到
### 用词规范
- **禁止**:"爬取"、"抓取"
- **替代**:使用"获取"
### 关键词精准匹配
- 用户输入的是什么产品,就只查询什么产品,不随意扩展到相关但不同的产品
- 理解产品具体形态边界:霜≠喷雾≠衣;膏≠液≠粉;液≠霜≠气垫;口红≠唇釉≠唇油
- 核心原则:用户输入的产品是什么形态/类型,就严格限定在该范围内
### 关键词类型判断
- **细分词/垂直赛道**(含具体场景/属性修饰,如"职场穿搭"、"减脂餐")→ 直接查询
- **具体产品词**(如"防晒霜"、"睫毛膏")→ 直接查询,不扩展到其他产品
- **泛化词/大分类**(纯大类词无修饰,如"穿搭"、"美妆")→ 执行泛化词拓展策略
详细判断标准与示例见 [references/guide.md](references/guide.md)
### 泛化词拓展策略
仅当关键词为泛化词时执行,细分词/具体产品词跳过此步直接查询。
1. 查询近7天网页资讯中与泛化词相关的小红书热点,生成10个细分方向(覆盖趋势词、人群词、场景词、意图词各2-3个,词的大小适中不加组合)
2. 输出推荐并**停止执行**,等待用户回复「拓展」或「不拓展」
3. 用户回复「拓展」→搜索10个细分词;回复「不拓展」/「继续」→搜索原关键词
### 数据查询规则
**时间计算**:先获取当前系统时间,再计算 startDate(格式 yyyy-MM-dd)
- 今天:startDate = 昨天
- 近N天:startDate = 今天 - N天
**数据不足时自动扩展时间**(禁止换词):
1. 近1天 → 近3天 → 近7天 → 近30天
2. 每次扩展后提示用户:"该关键词近X天数据不足5条,已自动扩展时间范围至近Y天"
3. 即使扩展到近30天仍不足5条,如实展示并提示数据不足
**超出范围说明**:
- 用户说"今天/今日":"非常抱歉,今天的数据暂未更新,已为您展示最近可用的数据"
- 时间超出30天:"非常抱歉,当前仅支持最近30天的数据,已为您展示最接近的数据"
**执行命令**:
- `python scripts/fetch_xhs_trends.py --keyword <关键词> --start-date <日期>`
- 多关键词用逗号分隔:`python scripts/fetch_xhs_trends.py --keyword "防晒霜,防晒喷雾" --start-date 2024-01-15`
- 全站热门:`python scripts/fetch_xhs_trends.py --keyword "" --start-date <日期>`
---
## 功能一:爆款标题生成
### 第一步:提取关键词
从用户输入中提取核心关键词,判断关键词类型(见全局规则),泛化词需先执行拓展策略。
### 第二步:查询数据
- **默认时间范围**:近7天(startDate = 今天 - 7天)
- 执行数据查询命令(见全局规则)
- 读取生成的 Markdown 文件:`关键词_爆款数据.md`
- **必须向用户输出数据获取数量**:从脚本执行的 stderr 输出中读取各类别数据条数,向用户汇报(如"共获取到爆款数据 XX 条,其中低粉爆款 XX 条、点赞最多 XX 条、单日互动 XX 条、7日增长 XX 条")
- 数据时间差说明(内部参考,不展示):互动数据截止为入库时间,非实时数据
### 第三步:生成爆款标题
**必须先内部完成爆款标题分析,再生成标题,顺序不能颠倒。**
1. **[仅内部执行]分析爆款标题**:从数据中提取所有标题,分析标题结构、关键词、情绪、目标人群、痛点、利益承诺。分析结果不展示给用户。
2. **生成10个新爆款标题(向用户展示)**:
- 基于分析规律创新创作,非直接采用参考爆款
- 标题字数控制在20字以内
- 推荐理由须详细说明:标题结构、关键词、目标人群、痛点、价值、平台适配性
- 匹配指数8-10之间,保留一位小数,同一指数最多重复2次
- 参考爆款须带链接:`[标题文字](https://www.xiaohongshu.com/explore/{photoId})`
### 输出格式(必须严格遵守)
**标题列表前必须输出数据说明**:
> ⚠️数据说明:!!!受小红书风控规则限制,部分作品链接可能无法正常跳转,您可复制对应作品标题前往小红书搜索查看,感谢理解🙇♀️🙇♀️
**每个标题格式**:
```
**标题X:[标题内容]**
📈匹配指数:[8.0-10.0]
🔥参考的爆款:[标题1](https://www.xiaohongshu.com/explore/{photoId})(互动数:XXX)、[标题2](...)(互动数:YYY)
👍推荐理由:[详细推荐理由]
---
```
**格式校验**:数据说明在标题列表前 | 标题行粗体+20字内 | 匹配指数一位小数8-10 | 参考爆款带链接+互动数 | 推荐理由详细 | 块间分隔线 | emoji一致(📈🔥👍) | 共10个标题
---
## 功能二:爆款标题评分
### 第一步:提取关键信息
识别两个核心要素:
1. **待评分标题**:用户想要评估的标题
2. **主题关键词**:用于查询爆款数据(用户未提供则从标题中提取)
### 第二步:查询数据
- **默认时间范围**:近30天(startDate = 今天 - 30天),获取更全面的爆款规律
- 执行数据查询命令(见全局规则)
- **必须向用户输出数据获取数量**:从脚本执行的 stderr 输出中读取各类别数据条数,向用户汇报(如"共获取到爆款数据 XX 条,其中低粉爆款 XX 条、点赞最多 XX 条、单日互动 XX 条、7日增长 XX 条")
### 第三步:评分(必须向用户输出)
**先检查标题重合**:用户标题与爆款标题完全一致(或仅标点/空格差异)→ 直接S级(9.5+分)
**6维度加权评分**:主题匹配度(15%)、结构合规度(20%)、利益清晰度(25%)、情绪唤醒度(20%)、稀缺性感知(15%)、合规安全性(5%)
**等级**:S级(9.0+)/A级(7.0-8.9)/B级(5.0-6.9)/C级(<5.0)
**输出要求**:评分结果必须完整输出给用户,包括综合得分、等级、6维度评分明细表,不得省略或仅内部参考。
评分标准、计算公式和输出格式模板见 [references/guide.md](references/guide.md)
### 第四步:输出优化建议(必须向用户输出)
- **S级**:基于6维度爆款规律说明为什么好 + 3-5条同主题高赞标题及相似之处
- **A/B/C级**:核心问题清单 + 3-5条参考爆款标题(含可复用点)+ 2-3个修改版本(干货风/情绪风/猎奇风,标注适用场景和预期效果)
详细输出格式模板见 [references/guide.md](references/guide.md)
---
## 使用示例
### 功能一:爆款标题生成
- **场景/输入**:用户输入"防晒霜"
- **预期产出**:查询防晒霜爆款数据 → 汇报获取数量(如"共获取爆款数据 35 条,其中低粉爆款 10 条...")→ 生成10个新爆款标题
- **关键要点**:只查询防晒霜,不包含防晒喷雾、防晒衣等;必须输出数据获取数量
### 功能二:标题评分
- **场景/输入**:用户输入"帮我评分'这款防晒霜真的绝了',关键词防晒霜"
- **预期产出**:查询数据并汇报获取数量 → 评分报告(6维度加权得分+等级)→ 优化建议(核心问题+参考爆款+修改版本)
- **关键要点**:基于防晒霜相关爆款数据评分,必须输出数据获取数量,优化建议有针对性
---
## 资源索引
- 数据查询脚本:[scripts/fetch_xhs_trends.py](scripts/fetch_xhs_trends.py)(查询小红书爆款数据,参数:--keyword 关键词 --start-date 起始日期)
- 评分与关键词指南:[references/guide.md](references/guide.md)(执行功能二时读取评分标准与输出模板;判断关键词类型时读取泛化词/具体词详细定义与示例)
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!