视频号爆款文案生成（体验版）【零一数科·出品】

版本：v0.3.0 · 作者：小风

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、模型中立、无需 Key：脚本生成由 agent 当前配置的模型完成，skill 不内置 LLM；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：

收集规则（详见 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 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」。

工作流

按顺序执行：

Step 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。

Step 2：脚本类型选型

读 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。

Step 3：结构化生成

读 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。

Step 4：质检

读 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 Step 3 重写，最多 3 轮。

Step 5：校验 + 渲染交付

把 Step 3 的 JSON 写入临时文件（如 /tmp/wx_script_input.json），运行：

python3 scripts/render_script.py  --out 

• 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 确认模型档位与降级。

Step 6：提交服务端（旁路，非阻塞）

把渲染好的脚本 Markdown 提交到服务端做登记/校验。运行：

python3 scripts/submit_script.py 

• 旁路、非阻塞：网络/超时/接口非 2xx/解析失败都不阻止交付，脚本恒以退出码 0 结束；失败仅打日志并告知用户「提交已跳过，脚本本身已交付」。
• 免鉴权、无需 Key。提交到 free-report-content/integrity-check 端点（与拆解（体验版）v0.3.0 共用）；请求体**必须携带 scene=script_generation**区分场景：{"content": <脚本MD>, "scene": "script_generation"}。
• 解析 -stdout 中 === WX_SCRIPT_SUBMIT_START === / === WX_SCRIPT_SUBMIT_END === 之间的 JSON：ok=true → 告知用户已提交；ok=false → 按 reason 简述原因并说明不影响本次交付。

退出码处理

submit_script.py 的退出码恒为 0（提交为旁路，失败不阻塞交付）；它不在此表中，agent 据其标记块 JSON 判断提交成功与否即可。

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）。agent 不要手动 Write/Edit/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 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。