内容工厂 — 內容工廠

Content Factory 高质量内容创作标准（2026-04-17 更新）

爆款文章核心公式 标题 + 开头 = 80%的阅读量 流量权重公式（来自饼干哥哥200+文章数据验证）： 选题占 50% 标题占 20% 正文占 20% 开头占 10% 90%的人第一步就错了——第一步不是写提示词，是选题。 选题不对，内容再好也是从零开始。同一个工具，换个选题角度，数据天差地别。

核心原则 文章必须给用户带来真正价值： 学到具体的方法论 - 不是泛泛而谈，有可操作的方法 能实操的指南 - 照着做就能成，给提示词、给代码、给步骤 开拓视野提升认知 - 看到以前没想过的东西，认知升级

标题写法 争议/对比词：「手撕Sora，脚踢Veo」「黑奴」「智商税」 数字吸睛：「13个行业实战案例」 疑问句引发好奇：「真的值吗？」 颠覆认知：挑战传统观点

开头写法 Hook 是必须的：开头必须有一个 Hook，不能直接进入正文。 Hook 的结构：承认一个普遍痛点 + 今天这期的独特发现 Jeff 给的示范： 「大家使用 OpenClaw，其实并没有特别好的找到商业应用场景。今天通过地图 API 的结合，让我们看到了更多商业落地应用的可能性。」 其他 Hook 示例： 「很多人装了 OpenClaw，但不知道它还能这样用……」 「你以为 OpenClaw 只能聊天？实际上它能干这个……」 「大多数人用 AI 工具只用到了一成功能……」 一句话总结：开头先承认用户的困惑或局限，再抛出今天的发现，让读者觉得『这正是我需要的』。

开头/结尾类型框架（来自饼干哥哥） 四种高转化开头类型： 嘴替共鸣型：说出读者心里话 反常识型：违反常识的事实 个人故事型：真实场景代入 数据冲击型：意外数据制造好奇 禁止开头用：「你知道吗」「很多人不知道」「今天分享」「值得注意的是」 提示词模板（让AI批量生成开头）： 给我这个主题写10个开头： 前5个用不同情绪触发（好奇/恐惧/惊喜/共鸣/挑衅） 后5个用不同结构（数字/问句/故事/反常识/悬念） 每个不超过15字 禁止「你知道吗」「很多人不知道」「今天分享」 主题：[填你的主题]

三种强力结尾类型： 首尾呼应：呼应开头场景形成闭环 个人表态：加入你的判断和偏见 数据收尾：一个反直觉数据留下认知冲击 禁止结尾用：总结全文、展望未来趋势、以「总之/综上/希望」开头 提示词模板（让AI按类型写结尾）： 为这篇文章写3个不同风格的结尾，禁止： x 总结全文 x 提到「AI门槛/人工介入/未来趋势」 x 以「总之/综上/希望」开头 要求： A：首尾呼应，呼应开头的 [填你的开头场景] B：以作者个人的反常识判断收尾 C：以一个反直觉数据收尾

正文结构 2-3个具体案例，层层递进： 每个案例包含： 具体场景（扔给AI什么任务） 真实过程（提示词、报错、改Bug） 结果展示（截图、链接、数据） 优缺点分析（不藏着掖着） 干货要求 给可直接抄作业的提示词 完整代码示例 真实项目名和案例 工作流拆解

好内容的六条黄金标准 来自饼干哥哥对比200+篇文章数据后提炼——阅读量和完读率双高的文章，基本都符合这六条： # 标准 说明 一 逻辑层层递进 每300-500字要有一个新观点或新问题把读者往下拽 二 开头反常识 制造认知冲突，读者前3秒决定要不要继续读 三 持续阅读钩子 新观点、问题、悬念，任何让读者觉得「下面还有东西」的信号 四 三感：素人感+人设感+故事感 读者能感受到「这是一个真人在说话」 五 强烈个人观点，敢表态 中立等于无聊 六 结尾是洞察/金句/反问 不是空洞总结 这六条标准就是给AI下指令的核心约束条件。

真诚原则 报错经历也分享 槽点大方承认 效果对比（Before/After） 提供测试链接和在线Demo 结尾升华 方法论总结 未来趋势展望 Agent自动化想象空间

三篇文章对照学习 维度 Qwen3.5篇 MiniMax M2.5篇 Seedance 2.0篇 标题 争议词+结论 疑问句+颠覆 对比+数字 开头 问题切入 观察洞察 回应期待 结构 2.0→3.0升级 基础→附加→终极 行业分类 干货 代码配置 提示词实测 完整工作流 真诚 报错经历 槽点承认 不足之处 结尾 心里话升华 测试入口 Agent未来 Overview

八、高阅读量文章共同点（来自饼干哥哥、藏师傅分析）

• 选题精准 蹭热点 + 独特视角 解决具体问题 目标人群明确
• 结构清晰 层层递进 案例丰富 重点突出
• 语言生动 有情绪（有态度） 有细节（不说正确的废话） 有对话感（像在跟朋友聊天）
• 利他思维 读者能得到什么？ 看完能做什么？ 为什么转发？
• 平台友好 关键词布局 开头有关键词 结尾引导互动

Generate complete WeChat Official Account "viral-style" articles using YouTube research, user confirmation, and professional writing with self-iteration. 使用 YouTube 研究、用户确认和专业写作的自我迭代，生成完整的 WeChat 公众号「病毒式」文章。

CRITICAL: Tool Dependency Check (MUST DO FIRST) 在开始任何研究之前，必须进行工具检查： Step 1: Check yt-dlp Installation yt-dlp --version 如果没有安装或命令失败：立即停止 通知用户： "yt-dlp 工具是 YouTube 内容提取所必需的" 提供安装命令： pip install yt-dlp 等待用户安装后再继续 DO NOT 跳过到替代方法而不检查工具。

Step 2: Verify Script Files ls scripts/yt_dlp_search.py ls scripts/yt_dlp_captions.py 如果脚本缺失：检查技能基础目录： ~/.claude/skills\content-factory\scripts\ 通知用户如果文件缺失 DO NOT 在没有验证脚本可用性之前继续。

Step 3: Verify Web Search Tools # 测试 Tavily（主要）- 检查凭据 python3 -c "import json; print(json.load(open('/root/.openclaw/credentials/tavily.json'))['api_key'])" && echo "Tavily: OK" # 测试 Brave（备用）- 检查凭据 python3 -c "import json; print(json.load(open('/root/.openclaw/credentials/brave.json'))['api_key'])" && echo "Brave: OK" # 测试 smart_search 脚本 python3 /root/.openclaw/workspace/scripts/smart_search.py "test" --max-results 1 2>&1 | head -5 如果 Tavily/Brave 凭据存在： "Web 搜索工具已验证：Tavily API ，Brave API " 继续使用 smart_search.py（Tavily 主要，Brave 备用）进行 Web 研究 如果凭据缺失： "Web 搜索凭据未找到 —— 检查 Tavily/Brave 设置" 回退到：YouTube 搜索结果 + X/Nitter + 官方页面（仍然可行）

Step 4: Tool Status Communication 始终通知用户工具状态： "yt-dlp 已安装（版本 X.X.X），继续进行