Social Account Doctor

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

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 ./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：

• 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

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 次失败时标记为“部分（缺对标层）”，让用户补 3-5 条对标链接，不能输出伪对标。
6. 单条报告必须包含：证据/完整度、结果概览、完整口播、节拍映射、流量点、转化点、用户决策链、品类镜头、复刻框架卡、风险修正。

目标视频拆解格式：

钩子（4 维拆解）：
├ 视觉钩：...
├ 文字钩：...
├ 口播钩：...
├ 剧情钩：...
└ 综合：视觉 ×0.X + 口播 ×0.X = ...

电商 5 维（commerce 模式专属）：
├ 商品露出：出现时间点 + 露出方式（手持/桌面/对比/使用过程/开箱）
├ 利益点顺序：[痛点] → [产品引入] → [卖点1] → [证明动作] → [卖点2] → [CTA]
├ 转化链路：兴趣点（第 N 秒）→ 信任点（第 N 秒）→ 行动点（第 N 秒）
├ 商品卡一致性：仅在用户提供详情/SKU 证据时核对；否则写“未核验”
└ 复刻风险评估：
   ├─ ✅ 可复用：结构/话术/镜头语言
   ├─ ⚠️ 谨慎复用：需授权素材/真人出镜/品牌专属
   └─ ❌ 不可复用：版权内容/虚假宣传/平台违规

内容力：[0-10] 前 3 秒钩子强度
转化点：[0-10] 推动商品卡点击的结构设计（不是实际转化率）

对标差距至少覆盖：前 3 秒、商品首次露出、利益点数量与顺序、证明动作、信任点、CTA、评论反馈和复刻成本。每个结论必须指向目标视频时间戳与至少一条对标证据。

不得根据公开互动或视频内容推断销量、GMV、佣金、商品点击率和成交转化率。

commerce-adapt：强制读取商品事实卡

adapt 在 commerce 模式下，必须先读取或构建 ProductFactCard，不能直接用通用文案公式：

ProductFactCard（adapt 的前置输入）：
├─ 商品名称（必填）
├─ 商品链接（可选，仅记录，不自动抓取）
├─ 商品事实（3-5 条原子事实，每条有来源）
├─ SKU（名称 / 价格 / 库存状态；拿不到就留空并列入待核验）
├─ 目标人群（年龄段/性别/需求场景）
├─ 用户痛点（3 条，按强度排序）
├─ 产品卖点（3-5 条，有详情页证据）
├─ 用户买点（3 条 — 为什么用户会下单）
├─ 证明动作（可拍摄的演示/对比/实验）
├─ 可用文案（已核验的事实 → 可直接写的句子）
├─ 禁用表达（功效承诺/绝对化用语/价格误导/未授权声称）
├─ 价格与活动条件（含资料确认时间）
├─ 资质与授权状态
└─ 待核验项（页面打不开/矛盾信息/缺少证据的点）

commerce-adapt 的铁律（在现有 adapt 铁律基础上追加）：

• 文案只能引用 ProductFactCard 中已核验的事实
• 没有证据的功效、数量、价格、赠品和效果 → 必须标成 ⚠️ 待核验，不得写成确定性文案
• 每个卖点必须能回指到：用户上传的详情页截图/资质文件/品牌资料/用户确认信息
• 价格、库存、赠品、活动期限必须标记资料确认时间
• ProductFactCard 证据不足时停止并列出需要补充的材料，不生成确定性脚本

commerce-adapt 的输出格式

## 标题候选（3 个，每个标注命中哪个标题公式 + 用了哪个商品利益点）
  1. 「[文案]」 — 公式 N + 利益点「XXX」+ 改了 XX
  2. 「[文案]」 — 公式 N + 利益点「XXX」+ 改了 XX
  3. 「[文案]」 — 公式 N + 利益点「XXX」+ 改了 XX

## 口播脚本（15s / 30s / 60s 三档）
  15s：「[口播全文]」— 只打 1 个核心利益点 + CTA
  30s：「[口播全文]」— 痛点 → 1 个利益点 + 证明 + CTA
  60s：「[口播全文]」— 痛点 → 2-3 个利益点 + 证明动作 + 价格/赠品 + CTA

## 分镜提示（3-5 镜）
  镜1：[时间] [画面描述] [口播对应句] [商品露出方式]
  镜2：...
  ...

## CTA 候选（2 个）
  1. 「[文案]」— 限时/限量/评论互动
  2. 「[文案]」— 引导主页/直播间/商品卡

## 风险标注
### ⚠️ 待核验
- [列出所有未核实的事实；没有则写“无”]
### 🚫 禁用表达
- [列出 ProductFactCard 标记的禁用项；没有则写“无”]
价格确认时间：[时间戳]

落盘 JSON 前必须运行 build_commerce_package.py。脚本返回 invalid 时修复报告或补证据，不得交付旧 JSON；成功包契约版本为 2.0.0。

commerce 的输出位置

commerce 模式跑完，落盘到：

./output/reports/
  commerce-diagnostic-{YYYYMMDD-HHMM}.md # 带货账号三层诊断 + 对标差距
  commerce-review-{YYYYMMDD-HHMM}.md     # 视频链接/本地视频拆解；诊断型请求含对标差距
  commerce-adapt-{YYYYMMDD-HHMM}.md      # 带货文案+分镜+风险标注
  product-fact-{YYYYMMDD-HHMM}.md        # 商品事实卡

commerce 的铁律

1. 不编商品事实：用户没有上传证据就不能猜；材料内部矛盾时先列冲突，不生成文案
2. 每个卖点可溯源：必须能回指到用户上传材料的文件名 + 页码/截图/行号
3. 禁用表达前置：文案生成前先列出哪些话不能说（功效承诺/绝对化/价格误导）
4. 价格有时效：价格、库存、赠品、活动期限必须标记资料确认时间
5. 合规不是可选项：带货文案必须标注风险项，禁止把"待核验"写成确定性表达

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_v2_search_notes
• 抖音优先 douyin_billboard_fetch_hot_account_search_list --cursor 0 找账号；再用 douyin_search_fetch_challenge_search_v2 → douyin_app_v3_fetch_hashtag_video_list 反查作者；douyin_search_fetch_video_search_v2 只做补充且必须加超时
• 快手 kuaishou_app_search_video_v2
• 视频号 wechat_channels_v2_fetch_search_channel_videos

接口失败兜底：客户端完成 3 次退避重试仍失败 → 不再重复计费调用，让用户提供 3-5 个对标链接或本地素材 → 直接走作品详情 → 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 ./output/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 ./output/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

统一输出根：当前工作目录下的 ./output/，所有产物都收在这一棵树里（已内置 gitignore；写盘前 mkdir -p ./output/reports ./output/assets）：

./output/
  reports/                                     # 交付物（人看的报告，md 为主）
    {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"）
    commerce-diagnostic-{YYYYMMDD-HHMM}.md     # commerce 模式：带货账号诊断 + 对标差距
    commerce-review-{YYYYMMDD-HHMM}.md         # commerce 模式：视频链接/本地视频 + 对标审查
    commerce-adapt-{YYYYMMDD-HHMM}.md          # commerce 模式：带货文案+分镜+风险标注
    product-fact-{YYYYMMDD-HHMM}.md            # commerce 模式：商品事实卡
  assets/                                      # 副产品，跨任务累积
    hooks-xhs.md / hooks-douyin.md / hooks-kuaishou.md
  cache/                                       # 平台数据缓存（24h 复用；可随时清空，会再生）
    mc-data/{平台}/json/                       # mc 抓取原始 JSON（默认自动落这里）
    tikhub/*.json                              # TikHub 响应缓存（默认开启，--no-cache / TIKHUB_CACHE=0 关）
  media/                                       # 下载的平台媒体
    {平台}-{作品ID}.{mp4|webp|jpg}             # 例：douyin-7428xxxx.mp4、xhs-661fxxxx-0.webp

media 落盘规则：下载视频/封面时按 {平台}-{作品ID}.{ext} 命名写进 ./output/media/；文件已存在就直接复用，不要重复下载。多图笔记用 -0/-1/-2 后缀。分析中间产物（视频切片/关键帧/音频）继续走系统临时目录用完即删，不进 ./output/。

旧版位置（./reports/、./assets/、vendor/mc-data）的存量不自动迁移；用户问到时提示可手动挪进 ./output/ 对应子目录。

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 \
  ./output/reports/{report}.md
# 输出 ./output/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）
• 结构化 fallback 同样支持本地关键帧画廊；同一段连续放 1-3 张 Markdown 图片时自动横向排版并保留图片 alt 作为图注
• 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

客户版 PDF 内容铁律：

• PDF 是分析交付，不是运行日志。不得出现执行命令、脚本/API/模型名、绝对路径、JSON/TXT 文件名、临时目录、技术状态码或“素材证据包”。
• 标题后直接进入“一页结论”。不要写“基于 X 秒原视频复核”“本报告分析的是……”“不把销量归因于本视频”“仅供参考”“不能替代专业依据”等方法、来源或免责声明前言。
• 证据边界不要集中写成开场声明。只在受影响的具体结论旁说明，例如经营数据来源放在经营判断中，母婴安全/功效边界放在风险与“不要照抄”中；内部 Markdown 继续保留完整证据状态。
• 单条视频至少选 4-6 张覆盖开头、中段和结尾的关键帧。每张图注必须写“时间点 + 画面任务”，并在相邻正文说明它服务于钩子、卖点、证明、场景还是 CTA；不能只堆截图。
• 默认结构：一页结论 → 关键画面链 → 节拍/文案逻辑 → 流量逻辑 → 转化逻辑 → 可复刻路径 → 风险与单变量实验。
• 默认不放完整逐字稿，只摘与结构判断相关的关键句。用户明确要逐字稿时再放附录。
• 技术证据和产物路径留在内部 .md/运行目录；PDF 只呈现用户做内容决策所需的信息。

何时主动询问 PDF：用户说「分享给客户」「打印」「存档」「发出去」等需要可携带版本的语义时，可以主动问一句「要不要顺便出一份 PDF？」 — 不要不问就出。

6. L2 诊断模式（按需，不主推）

只在用户明确说这些话时触发 → 调 references/diagnostic-mode.md：

• "这条为什么不爆"
• "完整诊断"
• "我这个号该往哪调"
• "卡在哪一层"

→ 走 6 维评分 + 三层诊断 + 平台阈值表（完整流程，被降级为兜底）。

否则不要主动跑诊断。 生产闭环是 find→crack→adapt，诊断是数据回收后的事后反思工具。

7. 工具速查

tikhub CLI（按平台 × 任务）

调用走 tikhub <platform> <endpoint> --args。CLI 自包含在仓库 tikhub/ 目录，底层直接请求 TikHub REST API（https://api.tikhub.io/api/v1/...），禁止调用 TikHub MCP 或 mcp.tikhub.io。不知道端点名时用 tikhub list <platform> <关键词>；看 HTTP 方法、REST 路径和参数 schema 用 tikhub describe <platform> <endpoint>。

参数类型铁律（防"看着对其实数据被破坏"）：

• CLI 默认所有 --key=value 按 string 透传，只 true/false/null/none 字面量被 coerce
• ID 字段（user_id / photo_id / note_id / sec_user_id / aweme_id）几乎都是 string schema — 直接 --user_id 4253294011，不要包 :int
• 真要 int 用显式 tag：--page:int=1 / --count:int=20；复杂结构用 --json '{...}'
• 看到 validation error ... input_type=int → 检查是不是手贱加了 :int