Hook Mining 是一个专注于社交媒体钩子(hook)挖掘与改写的工具,旨在解决 AI 生成钩子常见的两个问题:要么直接复制他人成功的钩子,要么在改写过程中丢失原有的心理学机制和节奏。它通过保留已验证的结构和心理学机制,仅替换强力词,来生成既原创又有效的钩子。
用途 Hook Mining 用于从真实高表现钩子数据中提取模式,并基于这些模式生成新的钩子变体。它强调“保留心理学,替换强力词”的原则,确保新钩子既继承成功元素,又避免抄袭。
主要能力
- 数据输入:接受包含钩子列和表现列(如观看量、点赞数、评分)的 CSV 文件。数据来源可以是 Sandcastles 导出、社交分析导出、通过 agent-reach 技能获取的竞品钩子,或 reel-analyzer 的分解结果。
- 自动挖掘:通过命令行运行
python skills/hook-mining/mine_hooks.py hooks.csv [--top 40],自动检测钩子列和表现列,进行排序、按模式分桶,并标记已存在的强力词,输出 hooks.mined.json。支持--selftest验证解析。 - 模式分类:将钩子分为 result-proof、time-bound、contrarian、secret-gap、listicle、how-to、warning-fear、newsjack、comparison、question、curiosity-tease、plain-statement 等模式。
- 改写生成:对每个值得复用的钩子,生成 3-5 个替代版本,保持模式、从句顺序、具体性(数字保持数字)、节奏和音节形状、张力及其解决点、视角不变,仅替换带电词(动词、强调词、承载情感的名词)。强力词频率数据可指导替换选择。
使用方式
- 准备真实高表现钩子的 CSV 文件。
- 运行挖掘脚本,生成 hooks.mined.json。
- 根据挖掘结果,对每个钩子进行改写,生成变体。
- 可将优胜变体交给 viral-hook-writer 排名,或直接用于 reel-scripter。
适用场景 适用于内容创作者、社交媒体运营者、短视频脚本作者等,需要基于数据创作原创钩子,提升内容吸引力的场景。尤其适合需要保持特定心理学结构和节奏的钩子创作。
限制与规则
- 不得逐字发布挖掘的钩子,避免抄袭和平台降权。
- 不得改动结构,包括从句顺序和数字。
- 数字必须是自己的且真实,不可替换为无法证实的统计。
- 应先排序再挖掘,避免改写未表现好的钩子。
- 小样本桶也可能是信号,应按表现加权而非数量。
- 常见失败模式包括:变体平淡(因重写句子而非替换词)、变体雷同(因只换一个词)、变体失去张力(因在钩子内解决了好奇心缺口)、无效果(因挖掘未排序或非 niche 数据)。
位置 在内容生产流程中,agent-reach / reel-analyzer 发现有效内容 → Hook Mining 将数据转化为自己的钩子 → viral-hook-writer 排名 → reel-scripter 写脚本 → reel-builder 制作。