视频号爆款口播脚本生成

技能文档

---
name: lingyi-wx-viral-script-generator
title: 视频号爆款口播脚本生成
category: 内容创作
description: 从 0 到 1 产出具备爆款潜质的微信视频号口播脚本：给创作目的、行业、受众、选题即可按爆款结构（Hook-中段-CTA、节奏标签）生成结构化脚本，信息不全时按爆款潜质清单兜底拟定，本地结构校验并渲染为 Markdown 分段脚本。当用户需要写视频号脚本、口播稿、短视频文案、带货或种草脚本时使用。触发词：视频号脚本、口播稿、爆款文案、短视频脚本、带货脚本。
---

# 视频号爆款口播脚本生成

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**。本技能本地运行、模型中立、无需 Key：脚本生成由当前 Agent 配置的模型完成，技能本身不内置 LLM；[scripts/render_script.py](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](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](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」。

## 技能工作流

### 步骤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。

### 步骤2：脚本类型选型

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

- `script_type`（英文枚举）：`pain_point`(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)。
- `campaign_types`（数组，至少 1 项）：`short_video_seeding` / `influencer_collaboration` / `live_stream_clip` / `brand_exposure` / `fan_growth` / `content_seeding` / `product_review`。
- 中段段数上限：**教程/制作型 ≤7，其余 ≤5**。

### 步骤3：结构化生成

读 [references/output-schema.md](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`、`structure_summary`、`rhythm_evidence`、`product_conversion`（有产品给对象/无给 null）、`tags`。

### 步骤4：质检

读 [references/compliance-rules.md](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 → 回步骤3 重写，最多 3 轮。

### 步骤5：校验 + 渲染交付

把步骤3 的 JSON 写入临时文件（如 `/tmp/wx_script_input.json`），运行：

```bash
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](references/model-requirements.md) 确认模型档位与降级。

## 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。 |
| 2 | schema 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。 |
| 9 | JSON 解析失败 | JSON 本身格式错误；重新生成一份合法 JSON 再跑。 |

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 `render_script.py` 一次性覆写到 `--out`（`write_text` 覆写，不会残留上一次内容）。**不要**手动编辑/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](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。

使用说明

# 视频号爆款口播脚本生成

从 0 到 1 产出具备爆款潜质的微信视频号口播脚本：按爆款结构（Hook-中段-CTA、节奏标签）生成，自动做极限词与合规质检，渲染为结构化 Markdown 分段脚本。

## 使用

```text
帮我写一条视频号脚本：带货 purpose、厨房清洁行业、宝妈受众、选题是油污一喷净
```

信息不全也没关系，Agent 会一次性追问缺失项；追问后仍缺失则按「爆款潜质清单」兜底拟定并可随时替换重生成。

## 工作原理

六要素输入 → 脚本类型选型 → 产出结构化 JSON（分段画面/台词、秒级时间轴、节奏标签）→ 极限词与合规质检 → `scripts/render_script.py` 校验并渲染为 Markdown（分段表 + 口播全文附录）。字段定义见 `references/output-schema.md`。

## 依赖

- Python 3（仅结构校验与渲染，无需 API Key）

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。