hit-content-writer

独立提取、分析、存储、查询和智能仿写爆款短视频及文章内容，支持结构化分析与多平台适配。

🚀 爆款内容仿写专家

工具安装及配置

安装爆款内容存储和查询工具

bash

uv tool install jl-vector-store

核心能力

重要提示: 以下每个操作都是独立的，可单独执行。例如：提取文案仅提取文案，不会自动存储或分析；分析内容仅进行分析，不会自动存储。

🔍 爆款短视频文案提取（独立操作）

• 结构分析: 自动识别各短视频详情网址或分享地址
• 内容提取: 调用技能jl-video-downloader,提取文案内容
• 输入: 短视频详情网址或分享内容
• 输出： 自动清理和格式化文案并输出

🔍 智能拆解分析（独立操作）

• 结构分析: 自动识别爆款内容的标题、开头、正文、结尾结构
• 要素提取: 提取核心观点、关键词、情感倾向、句式特点
• 风格识别: 分析语言风格（正式/口语/幽默/专业等）
• 平台适配: 识别内容适合的平台（抖音/小红书/公众号/B站等）
• 输入： 直接输入内容或短视频提取的文案
• 输出: 结构化分析报告

markdown

# 分析维度（详细设计见 references/content-analyzer.md）
1. 基础结构分析：长度、段落、句子统计
2. 核心要素提取：关键词、观点、情感倾向
3. 风格特征识别：写作风格、句式特点、修辞手法
4. 钩子分析：悬念、问题、故事、数据、情感、利益钩子
5. 节奏分析：句子变化、段落平衡、钩子分布、情绪变化
6. 情绪曲线：情绪分数计算、变化轨迹分析
7. 平台适配：针对不同平台的内容特征匹配

💾 智能存储管理（独立操作）

• 向量化存储: 使用ChromaDB存储爆款内容的向量表示
• 元数据管理: 平台等元数据
• 分类标签: 自动打标签（情感/主题/风格/平台）
• 快速检索: 支持语义搜索和关键词搜索
• 输入: 爆款内容文本（可直接存储，无需先分析）
• 输出: 存储确认信息

bash

jl-vector-store store --content [爆款内容文本] --platform [爆款来源平台]

# 示例
jl-vector-store store --content 我要存储内容 --platform 抖音
# 输出
存储成功，ID: hit_20ab0ecd39384208

🔍 查询参考内容（独立操作）

• 相似度匹配: 基于语义相似度查找最相关的爆款参考
• 输入: 目标主题或关键词
• 输出: 最相似的爆款内容

bash

## --platform 可选
jl-vector-store query --text [目标主题或关键词] --platform 抖音

# 示例
jl-vector-store query --text [目标主题或关键词] --platform 抖音

# 输出内容：
平台: 内容归属平台
内容: 检索的内容呢

✍️ 智能参考仿写（独立操作）

• 结构模仿: 参考爆款的结构框架进行仿写
• 风格迁移: 学习爆款的写作风格和语言特点
• 创新融合: 结合多个爆款优点进行创新创作
• 输入: 目标主题（可选提供参考爆款或分析结果）
• 输出: 仿写初稿 + 策略说明

markdown

# 仿写策略（详细设计见 references/rewrite_strategies.md）
1. 结构模仿法：复制成功的内容结构框架
2. 风格迁移法：学习并应用特定的写作风格
3. 要素重组法：融合多个参考爆款的优点
4. 平台适配法：根据平台特征调整内容表达
5. 创新融合法：在模仿基础上实现创新突破

# 策略选择依据
- 目标与参考的相似度评分
- 风格匹配度和平台适配度
- 用户明确指定的仿写要求
- 多参考情况下的优势组合

🧠 核心分析能力

注：以下为设计文档参考，实际实现可能采用不同技术方案。

1. 智能内容分析（基于设计文档）

• 设计文档
• 设计哲学

markdown

能力特点:
- 多维度深度分析：结构、风格、钩子、节奏、情绪曲线
- LLM驱动：利用大语言模型的理解能力
- 结构化输出：符合预定格式的分析报告
- 可解释性：分析方法和标准透明可见

实现方式:
- 提示工程：精确的分析提示模板
- 会话管理：在OpenClaw会话中保持分析状态
- 结果缓存：避免重复分析相同内容
- 渐进增强：随着使用不断优化分析质量

2. 智能仿写策略（基于设计文档）

具体请查看设计文档和快速参考：

• 设计文档
• 快速参考

markdown

核心策略:
1. 结构模仿法：复制成功的内容结构框架
2. 风格迁移法：学习并应用特定的写作风格
3. 要素重组法：融合多个参考爆款的优点
4. 平台适配法：根据平台特征调整内容表达
5. 创新融合法：在模仿基础上实现创新突破

策略选择:
- 基于相似度、风格匹配度、平台适配度
- 考虑用户明确指定的仿写要求
- 多参考情况下的智能优势组合

质量控制:
- 原创性控制：相似度20-40%理想范围
- 可读性保证：符合目标受众阅读习惯
- 传播力预测：基于爆款特征预测潜力
- 平台适配度：符合平台规范和用户期待

🚀 快速开始

独立操作示例

每个操作都是独立的，可单独执行。以下为各操作的独立使用示例：

1. 文案提取（独立操作）

仅提取文案，不进行存储或分析。

bash

# 从短视频链接提取文案
使用hit-content-rewriter提取文案：https://www.douyin.com/video/123456789

# 从分享内容提取
使用hit-content-rewriter提取文案：[抖音分享内容包含链接]

# 提取后仅输出文案文本，不进行其他处理

2. 内容分析（独立操作）

仅分析内容，不进行存储或仿写。

bash

# 分析文本内容
使用hit-content-rewriter分析这个爆款内容：[你的文本内容]

# 分析文件内容
使用hit-content-rewriter分析这个爆款文件：/path/to/content.txt

# 分析后输出分析报告，不自动存储

3. 内容存储（独立操作）

仅存储内容，无需先分析。

bash

# 存储文本内容
使用hit-content-rewriter存储内容：[爆款内容文本] --platform 抖音

# 存储文件内容
使用hit-content-rewriter存储文件：/path/to/content.txt --platform 小红书

# 直接存储，不进行前置分析

4. 内容查询（独立操作）

仅查询相似内容，不进行仿写。

bash

# 查询相似爆款
使用hit-content-rewriter查找关于[健身/学习/理财]的爆款参考

# 按平台查询
使用hit-content-rewriter查找抖音上关于[主题]的爆款

# 按风格查询
使用hit-content-rewriter查找幽默风格的[主题]爆款

# 仅返回查询结果，不进行后续处理

5. 智能仿写（独立操作）

仅进行仿写，可独立运行。

bash

# 基础仿写（仅提供主题）
使用hit-content-rewriter仿写关于[如何提高工作效率]的内容

# 进阶仿写（指定参数）
使用hit-content-rewriter进行爆款仿写：
目标主题：如何提升学习效率
参考要求：需要幽默风格，适合小红书平台
特殊要求：包含3个实用技巧，长度300字左右

# 仿写后输出内容，不自动存储或分析

操作组合说明

如需组合多个操作，请分别执行：

1. 先提取文案 → 再分析内容 → 最后存储（三个独立操作）
2. 先查询参考 → 再基于查询结果仿写（两个独立操作）
3. 任何操作都可单独执行，不会自动触发其他操作

📊 参考模板

• 分析报告格式模板
• 仿写结果格式模板

⚠️ 注意事项

合规性要求

1. 版权尊重: 仿写不是抄袭，必须保持足够的原创性
2. 平台规则: 遵守各平台的内容规范和政策
3. 内容安全: 不生成违法违规内容
4. 隐私保护: 不处理个人隐私信息

技术限制

1. 模型依赖: 需要合适的嵌入模型支持
2. 存储空间: ChromaDB需要足够的磁盘空间
3. 处理时间: 复杂内容分析可能需要较长时间
4. 网络要求: 部分功能需要网络连接