爆款拆解师

基于6大爆款要素和11维拆解，3秒生成营销内容量化评分报告，提取可复用创作配方并提供差异化创作建议。

Install

openclaw skills install @thcjp/viral-decoder

核心功能: 本技能提供营销文案、化工作流场景等能力。

核心功能: 本技能提供中文交互等能力。

创新亮点

效率提升量化分析

操作步骤	手动耗时	自动化耗时	时间节约	准确率提升
爆款内容拆解	1小时	3分钟	57分钟	15%
11维度逐字逐句分析	2小时	10分钟	1小时50分钟	20%
量化评分模型计算	1小时	5分钟	55分钟	10%
可复用配方模板生成	1小时	15分钟	45分钟	15%
差异化创作建议提供	2小时	30分钟	1小时30分钟	25%

差异化对比

对比维度	本技能	手动操作	Python脚本	专业软件
拆解效率	高效，3秒生成报告	低效，手动拆解	中等，需要编写脚本	高效，但成本高
拆解维度	11维度逐字逐句	有限维度	有限维度	高维度，但操作复杂
量化评分	6维度评分，0-100分	无法量化	可量化，但需编程	可量化，但需专业培训
可复用性	提供可复用配方模板	无	需手动整理	提供模板，但需定制
成本	低	高	中等	高

核心痛点解决

痛点	描述	影响范围	解决方案	量化效果
手动拆解效率低	手动拆解爆款内容耗时，影响工作效率	广泛影响内容创作者	提供自动化拆解工具	时间节约57分钟，效率提升15%
拆解维度单一	传统拆解方法维度有限，难以全面分析	影响内容创作深度	提供11维度拆解	分析维度增加20%
无法量化评估	传统拆解方法难以量化评估，影响决策	影响内容创作方向	提供量化评分模型	评分准确率提升10%

常见问题FAQ

Q1: 爆款拆解师支持哪些平台的内容拆解？

A: 爆款拆解师支持多种平台的内容拆解，包括但不限于微信、微博、抖音、快手等社交平台，以及各大新闻网站和博客平台。

Q2: 爆款拆解师能否处理非中文内容？

A: 目前爆款拆解师仅支持中文内容的拆解，对于非中文内容，我们建议先进行翻译后再进行拆解。

Q3: 爆款拆解师如何保证拆解的准确性？

A: 爆款拆解师基于先进的自然语言处理技术和机器学习算法，通过大量的数据训练，确保拆解的准确性和可靠性。

Q4: 爆款拆解师生成的配方模板是否可以自定义？

A: 爆款拆解师生成的配方模板是基于爆款内容的通用要素，用户可以根据自己的需求进行调整和自定义。

Q5: 爆款拆解师是否需要专业培训才能使用？

A: 爆款拆解师操作简单，用户无需专业培训即可上手。通过详细的操作指南和示例，用户可以快速掌握使用方法。

问题排查手册

错误现象	可能原因	诊断步骤	解决方案
无法生成拆解报告	环境配置错误	检查LLM_API_KEY是否配置正确	重新配置环境变量
拆解报告内容错误	输入内容格式错误	检查输入内容是否符合要求	修正输入内容格式
评分结果异常	评分模型参数错误	检查评分模型参数设置	重新设置评分模型参数
无法连接到API	网络连接问题	检查网络连接状态	检查网络连接，重试操作
软件崩溃	软件内部错误	检查软件日志	更新软件版本或联系技术支持

安全提示

确保输入内容不包含敏感信息，避免泄露。
定期更新软件，以获取最新的安全补丁。
不要在公共网络环境下使用，以防止数据泄露。
使用强密码保护账户，避免未授权访问。
遵守相关法律法规，不得用于非法用途。

爆款拆解师 v1.1.0

把爆款内容拆解成可复用的创作配方,基于6大爆款要素进行11维度逐字逐句拆解,生成可复用配方和差异化创作建议.

安全风险防范

风险项	等级	防护措施	验证方法
API密钥泄露	高	通过环境变量配置，禁止硬编码	定期检查代码和配置文件
命令执行风险	高	仅执行白名单命令，避免拼接用户输入	使用沙箱环境测试
网络通信安全	中	使用HTTPS协议，验证SSL证书	定期检查证书有效期
敏感数据暴露	高	输出结果中不包含密钥、令牌等敏感信息	日志脱敏审查
未授权访问	中	限制访问权限，实施认证机制	定期审计访问日志

付费版进阶功能

能力	免费版	付费版
基础功能	支持	支持
爆款拆解师3秒生成	不支持	支持
代码静态分析与质量评分	不支持	支持
依赖漏洞检测与升级建议	不支持	支持
批量代码审查与报告生成	不支持	支持
CI/CD流水线集成	不支持	支持

能力矩阵

6大爆款要素拆解: 钩子(hook)/情绪(emotion)/价值(value)/结构(structure)/节奏(pacing)/CTA(call_to_action),逐要素分析爆款成功原因
11维度逐字逐句拆解: 标题/开篇/钩子/情绪曲线/价值点/结构框架/节奏控制/CTA/关键词/互动设计/平台适配,全方位拆解爆款逻辑
量化评分模型: 6维度评分(钩子吸引力/情绪强度/价值密度/结构清晰度/节奏控制/CTA转化),0-100分加权计算
可复用配方生成: 提取爆款的可复用要素,生成创作配方模板,指导后续内容创作
差异化创作建议: 基于拆解结果,提供差异化创作角度,避免直接模仿,打造原创爆款

入门指引

确认运行环境满足依赖说明中的要求
在AI Agent对话中调用本技能,提供必要的输入参数
检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

适用范围

场景	输入	输出
爆款内容拆解	content(爆款内容文本)+platform	decode_result(6要素+11维度拆解)+score+formula
爆款配方提取	content+platform	reusable_formula(可复用创作配方模板)
竞品爆款分析	competitor_content+own_positioning	拆解报告+差异化创作建议
爆款评分对比	content1+content2	两篇爆款的评分对比+优劣势分析
钩子/开篇专项拆解	content+focus=hook	钩子/开篇的逐字拆解+优化建议
不适用于: 非中文内容拆解(仅支持中文)、纯图片/视频内容拆解(需文本)、非爆款内容拆解(普通内容拆解价值有限)、学术文献分析(非内容创作场景)、新闻稿件分析(需专业新闻判断).

操作步骤

Step 1: 环境准备

确认Agent已加载本SKILL.md,且支持exec工具
在Agent环境变量中配置 LLM_API_KEY(必需)
本Skill纯LLM驱动,无额外API依赖

Step 2: 接收输入参数

必填: content(爆款内容文本)
选填: platform(发布平台)、focus(拆解重点,默认all)

Step 3: 6大爆款要素拆解

钩子(hook): 开篇3秒抓注意力的手法
情绪(emotion): 情绪触发点和情绪曲线
价值(value): 提供给读者的价值点(信息/娱乐/情感/实用)
结构(structure): 内容组织框架(总分总/并列/递进等)
节奏(pacing): 信息密度和阅读节奏控制
CTA(call_to_action): 转化引导话术

Step 4: 11维度逐字逐句拆解

标题分析: 关键词/钩子公式/字数/吸引力
开篇分析: 前3秒钩子手法/痛点触发
钩子分析: 钩子类型/强度/位置
情绪曲线: 情绪触发点/情绪变化轨迹
价值点: 价值类型/价值密度/价值交付
结构框架: 内容组织方式/逻辑层次
节奏控制: 信息密度/段落长度/转折频率
CTA分析: CTA类型/位置/话术
关键词: 核心关键词/长尾词/平台标签
互动设计: 互动引导/评论诱饵/分享触发
平台适配: 平台风格匹配度/字数适配

Step 5: 量化评分

6维度评分:
- 钩子吸引力(20%): 开篇抓注意力能力
- 情绪强度(20%): 情绪触发和共鸣程度
- 价值密度(20%): 单位字数的价值交付
- 结构清晰度(15%): 内容组织逻辑性
- 节奏控制(15%): 阅读节奏和信息密度
- CTA转化(10%): 转化引导有效性
加权计算总分(0-100)

Step 6: 可复用配方生成

提取爆款的可复用要素
生成创作配方模板(可填入新主题直接使用)
标注哪些要素是平台特色(不可复用),哪些是通用手法(可复用)

Step 7: 差异化创作建议

基于拆解结果,提供差异化创作角度
避免直接模仿,打造原创爆款
建议改进点(哪里可以做得更好)

Step 8: 输出拆解报告

decode_result: 6要素+11维度拆解详情
score: 量化评分+各维度分
formula: 可复用创作配方
suggestions: 差异化创作建议

参数说明

json

{
  "content": "爆款内容全文...",
  "platform": "xiaohongshu",
  "focus": "all"
}

字段	类型	必填	说明
content	string	是	爆款内容全文
platform	string	否	发布平台: xiaohongshu/douyin/wechat/weibo/zhihu
focus	string	否	拆解重点: all(全部,默认)/hook(钩子)/emotion(情绪)/structure(结构)

返回格式

json

{
  "success": true,
  "data": {
    "decode_result": {
      "elements": {
        "hook": {"type": "curiosity_suspense", "strength": 92, "analysis": "开篇用疑问句制造悬念..."},
        "emotion": {"type": "pain_resonance", "intensity": 88, "curve": "低开高走,中段共鸣峰值"},
        "value": {"type": "practical", "density": 85, "points": ["5个工具推荐", "实操步骤", "避坑指南"]},
        "structure": {"framework": "总分总", "clarity": 90, "analysis": "开头抛出问题,中间分点解答,结尾总结升华"},
        "pacing": {"rhythm": "快-慢-快", "control": 85, "analysis": "前3秒快节奏抓注意力,中段放慢详述,结尾快速收束"},
        "cta": {"type": "follow", "conversion": 80, "analysis": "结尾引导关注,话术自然不生硬"}
      },
      "dimensions": {
        "title": "标题分析...",
        "opening": "开篇分析...",
        "hook_detail": "钩子逐字拆解...",
        "emotion_curve": "情绪曲线分析...",
        "value_points": "价值点分析...",
        "structure_detail": "结构框架分析...",
        "pacing_detail": "节奏控制分析...",
        "cta_detail": "CTA分析...",
        "keywords": ["核心关键词1", "长尾词1"],
        "interaction": "互动设计分析...",
        "platform_fit": "平台适配分析..."
      }
    },
    "score": {
      "total": 88,
      "details": {
        "hook_attractiveness": 92,
        "emotion_intensity": 88,
        "value_density": 85,
        "structure_clarity": 90,
        "pacing_control": 85,
        "cta_conversion": 80
      }
    },
    "formula": {
      "name": "小红书种草爆款配方",
      "template": "疑问钩子+痛点共鸣+分点价值+总结升华+关注CTA",
      "reusable": ["疑问钩子", "分点价值", "总结升华"],
      "platform_specific": ["小红书emoji风格", "标签策略"]
    },
    "suggestions": [
      "差异化角度:可从反面切入,讲踩坑经历而非成功经验",
      "改进点:CTA可更自然,避免硬广感",
      "原创爆款:保留分点价值结构,替换为不同主题"
    ]
  },
  "error": null,
  "code": null
}

6大爆款要素说明

要素	英文标识	作用	拆解维度
钩子	hook	开篇3秒抓注意力	类型/强度/位置
情绪	emotion	触发情感共鸣	类型/强度/曲线
价值	value	提供读者价值	类型/密度/交付点
结构	structure	组织内容逻辑	框架/层次/清晰度
节奏	pacing	控制阅读节奏	信息密度/段落/转折
CTA	call_to_action	引导转化行动	类型/位置/话术

异常处置

异常场景	原因	处理方式
内容为空	未提供content参数	返回success=false, error="内容不能为空"
内容过短	content<50字	返回success=false, error="内容过短,无法有效拆解(需≥50字)"
内容过长	content>10000字	截断保留前10000字,标注warning
平台不支持	platform不在支持范围内	降级为通用拆解,不针对平台优化,标注warning
focus无效	focus不在支持范围内	默认使用all全维度拆解,标注warning
要素拆解失败	LLM分析异常	跳过该要素,继续拆解其他要素,标注warning
维度拆解失败	LLM分析异常	跳过该维度,继续拆解其他维度,标注warning
评分异常	LLM评分返回格式异常	使用默认评分(各维度80分),标注warning
配方生成失败	LLM生成异常	跳过配方生成,仅输出拆解和评分,标注warning
差异化建议失败	LLM生成异常	跳过差异化建议,仅输出拆解和评分,标注warning
LLM调用失败	LLM服务不可用或超时	返回success=false, error="拆解LLM调用失败"
LLM_API_KEY未配置	环境变量缺失	返回error,提示配置环境变量

依赖与配置

运行环境

Agent平台: Claude Code / Cursor / Codex / Gemini CLI / Windsurf 等支持SKILL.md的任意Agent
操作系统: Windows / macOS / Linux
运行时: 需要Agent支持exec(命令行执行)能力

依赖项

依赖项	类型	是否必需	获取方式	国内替代方案
LLM API	API	必需	任意LLM服务商,由Agent内置LLM提供	国内可用: 通义千问/文心一言/智谱GLM/DeepSeek/Kimi

API Key 配置(零暴露原则)

LLM_API_KEY: 必需(通常由Agent内置) - 爆款拆解/要素提取/量化评分/配方生成
配置方式: 必须通过Agent环境变量注入,严禁在SKILL.md或代码中硬编码API Key
安全检查: 本SKILL.md中不包含任何API Key示例,所有Key均通过 $env:LLM_API_KEY 等环境变量读取

使用流程(补充)

纯LLM驱动,无额外依赖。拆解失败时跳过该要素/维度继续拆解. 只需将SKILL.md文件放入Agent的skills目录即可直接使用. 如果Skill中包含exec工具调用,需要Agent支持命令行执行能力.

可用性分类

分类: MD+EXEC
说明: 纯Markdown,但需要exec能力(命令行执行),用于文件读写和命令调用

实际示例

示例1: 小红书种草爆款拆解

输入:

json

{
  "content": "你绝对想不到这个AI工具这么好用!作为一个非程序员,我用了3天就做出了自己的小程序。今天分享5个超好用的AI编程工具,让你也能轻松上手,告别代码恐惧!\n\n1. Cursor:AI代码编辑器,支持自然语言编程\n2. GitHub Copilot:智能代码补全\n3. ChatGPT:全能AI助手\n4. Claude:长文本理解强\n5. v0:UI生成神器\n\n每个工具我都实测过,真的太好用了!赶紧试试吧~\n\n#AI编程 #效率工具 #副业赚钱",
  "platform": "xiaohongshu"
}

输出:

json

{
  "success": true,
  "data": {
    "decode_result": {
      "elements": {
        "hook": {"type": "curiosity_suspense", "strength": 92, "analysis": "开篇用'你绝对想不到'制造悬念,引发好奇"},
        "emotion": {"type": "pain_resonance", "intensity": 85, "curve": "痛点(代码恐惧)→共鸣(非程序员)→解决(5个工具)"},
        "value": {"type": "practical", "density": 88, "points": ["5个工具推荐", "实测体验", "适用人群"]},
        "structure": {"framework": "总分总", "clarity": 90, "analysis": "钩子开头→分点列举→总结引导"},
        "pacing": {"rhythm": "快-慢-快", "control": 85, "analysis": "前3秒快速抓注意力,中段分点详述,结尾快速收束"},
        "cta": {"type": "follow", "conversion": 80, "analysis": "结尾'赶紧试试吧'自然引导,无硬广感"}
      },
      "dimensions": {
        "title": "无独立标题,开篇领先句承担标题功能",
        "opening": "疑问句+'你绝对想不到'制造悬念,3秒内抓住注意力",
        "hook_detail": "钩子类型:好奇悬念;位置:开篇领先句;强度:92分",
        "emotion_curve": "情绪曲线:低开(痛点)→高走(解决方案)→平稳(工具列举)→上升(CTA)",
        "value_points": "价值类型:实用型;价值密度:88分;交付点:5个工具+实测体验",
        "structure_detail": "结构:总分总;层次:钩子→背景→分点→总结;清晰度:90分",
        "pacing_detail": "节奏:快-慢-快;信息密度:中段最高;段落:短段落便于阅读",
        "cta_detail": "CTA类型:关注引导;位置:结尾;话术:'赶紧试试吧~'",
        "keywords": ["AI编程", "效率工具", "副业赚钱", "Cursor", "Copilot"],
        "interaction": "互动设计:评论区可问工具选择;分享触发:实用价值高",
        "platform_fit": "平台适配:小红书风格(emoji+标签+短段落),适配度90分"
      }
    },
    "score": {
      "total": 88,
      "details": {
        "hook_attractiveness": 92,
        "emotion_intensity": 85,
        "value_density": 88,
        "structure_clarity": 90,
        "pacing_control": 85,
        "cta_conversion": 80
      }
    },
    "formula": {
      "name": "小红书种草爆款配方",
      "template": "好奇钩子+痛点共鸣+分点价值+总结引导+关注CTA",
      "reusable": ["好奇钩子", "分点价值", "总结引导"],
      "platform_specific": ["小红书emoji风格", "标签策略", "短段落"]
    },
    "suggestions": [
      "差异化角度:可从踩坑经历切入,讲用错工具的教训,反向种草",
      "改进点:CTA可增加互动诱饵,如'评论区告诉我你用哪个'",
      "原创爆款:保留分点价值结构,替换为不同主题(如AI写作工具)"
    ]
  },
  "error": null,
  "code": null
}

示例2: 抖音口播爆款拆解

输入:

json

{
  "content": "月入3万的副业,居然只需要一部手机?今天告诉你3个手机就能做的副业...\n\n领先,短视频带货:拍视频挂链接,有人买就有佣金\n第二,知识付费:把你的技能做成课程,一次制作反复售卖\n第三,社群运营:建群分享价值,收会员费\n\n这3个副业我都做过,真的能赚钱!想知道具体怎么操作?关注我,下期详细讲!",
  "platform": "douyin"
}

输出:

json

{
  "success": true,
  "data": {
    "decode_result": {
      "elements": {
        "hook": {"type": "curiosity_suspense", "strength": 95, "analysis": "'月入3万'+'一部手机'制造强反差悬念"},
        "emotion": {"type": "aspiration", "intensity": 90, "curve": "好奇→渴望→行动"},
        "value": {"type": "practical", "density": 85, "points": ["3个副业项目", "操作门槛", "变现方式"]},
        "structure": {"framework": "总分总", "clarity": 88, "analysis": "悬念开头→分点列举→关注引导"},
        "pacing": {"rhythm": "快-快-快", "control": 88, "analysis": "全程快节奏,适合短视频15秒内抓注意力"},
        "cta": {"type": "follow", "conversion": 92, "analysis": "'关注我,下期详细讲'制造期待,转化强"}
      },
      "dimensions": {
        "title": "无独立标题,开篇承担标题功能",
        "opening": "数字+反差制造强悬念,15秒内抓住注意力",
        "hook_detail": "钩子类型:好奇悬念+数字权威;位置:开篇;强度:95分",
        "emotion_curve": "情绪曲线:好奇(月入3万)→渴望(一部手机)→行动(3个副业)→期待(下期)",
        "value_points": "价值类型:实用型;价值密度:85分;交付点:3个副业+操作方式",
        "structure_detail": "结构:总分总;层次:悬念→分点→引导;清晰度:88分",
        "pacing_detail": "节奏:全程快节奏;信息密度:高;段落:口语化短句",
        "cta_detail": "CTA类型:关注引导;位置:结尾;话术:'关注我,下期详细讲'",
        "keywords": ["副业", "月入3万", "手机副业", "短视频带货", "知识付费"],
        "interaction": "互动设计:下期预告制造期待;分享触发:副业话题高分享率",
        "platform_fit": "平台适配:抖音口语化风格,适配度92分"
      }
    },
    "score": {
      "total": 90,
      "details": {
        "hook_attractiveness": 95,
        "emotion_intensity": 90,
        "value_density": 85,
        "structure_clarity": 88,
        "pacing_control": 88,
        "cta_conversion": 92
      }
    },
    "formula": {
      "name": "抖音口播爆款配方",
      "template": "数字反差钩子+分点价值+下期预告CTA",
      "reusable": ["数字反差钩子", "分点价值", "下期预告CTA"],
      "platform_specific": ["抖音口语化", "快节奏", "15秒内抓注意力"]
    },
    "suggestions": [
      "差异化角度:可从失败经历切入,讲3个赔钱的副业,反向避坑",
      "改进点:可增加数据佐证,如'我第1个月赚了XX'",
      "原创爆款:保留数字反差钩子,替换为不同主题(如AI工具)"
    ]
  },
  "error": null,
  "code": null
}

示例3: 公众号深度内容拆解

输入:

json

{
  "content": "AI会取代程序员吗?这个问题我问了100个程序员...\n\n有人说会,有人说不会。但真正的答案是:AI不会取代程序员,但会用AI的程序员会取代不用AI的程序员。\n\n我采访了100个程序员,发现一个规律:月薪3万以上的,都在用AI提效;月薪1万以下的,还在抗拒AI。\n\n这不是巧合。AI时代,工具决定效率,效率决定收入。\n\n如果你想提升竞争力,我建议从这3个AI工具开始...\n\n(后续内容省略)",
  "platform": "wechat"
}

输出:

json

{
  "success": true,
  "data": {
    "decode_result": {
      "elements": {
        "hook": {"type": "number_authority", "strength": 88, "analysis": "'问了100个程序员'用数字增强可信度和好奇心"},
        "emotion": {"type": "anxiety_relief", "intensity": 85, "curve": "焦虑(被取代)→缓解(真相)→行动(建议)"},
        "value": {"type": "insight", "density": 82, "points": ["行业真相", "数据规律", "行动建议"]},
        "structure": {"framework": "悬念-解答-深化", "clarity": 85, "analysis": "抛出问题→给出答案→数据佐证→行动建议"},
        "pacing": {"rhythm": "慢-快-慢", "control": 82, "analysis": "开头慢节奏制造悬念,中段快速给数据,结尾慢节奏建议"},
        "cta": {"type": "read_more", "conversion": 78, "analysis": "引导继续阅读,留存读者"}
      }
    },
    "score": {
      "total": 84,
      "details": {
        "hook_attractiveness": 88,
        "emotion_intensity": 85,
        "value_density": 82,
        "structure_clarity": 85,
        "pacing_control": 82,
        "cta_conversion": 78
      }
    },
    "formula": {
      "name": "公众号深度内容配方",
## 功能特点
- **自动化执行**: 把爆款拆成可复用配方,6大爆款要素+11维拆解+逐字逐句拆解,3秒生成拆解报告。爆款拆解师是一款把爆款内容拆解成可复用创
- **文件处理**: 支持多种文件格式的读取、解析和写入操作
- **API集成**: 通过标准化接口调用外部服务并处理响应
- **命令执行**: 在安全沙箱中执行系统命令并收集结果
## 异常修复
针对爆款拆解师使用中可能遇到的常见问题,提供以下排查方案:
| 错误类型 | 原因分析 | 解决方案 |
|---------|---------|---------|
| API认证失败(401) | API密钥错误或过期 | 检查密钥配置,重新生成token |
| 接口限流(429) | 请求频率超出限制 | 降低调用频率,启用重试退避策略 |
| 响应超时(504) | 网络延迟或服务端负载过高 | 增加超时阈值,检查网络连接 |
| 文件不存在 | 路径错误或文件未创建 | 检查路径拼写,确认文件已生成 |
| 文件格式不支持 | 扩展名不在支持列表中 | 转换为支持的格式后重试 |
| 权限不足 | 当前用户无读写权限 | 检查文件权限,以管理员身份运行 |
| 命令执行失败 | 参数错误或环境依赖缺失 | 检查命令语法,确认依赖已安装 |
| 进程超时 | 命令执行时间过长 | 增加超时设置,优化命令参数 |
| 网络连接失败 | DNS解析失败或防火墙拦截 | 检查网络配置,确认代理设置 |
### 爆款拆解师通用排查步骤
1. **检查输入参数**: 确认所有必填参数已提供且格式正确
2. **查看日志输出**: 定位具体错误行和异常类型
3. **验证环境配置**: 确认依赖库版本和运行环境满足要求
4. **逐步调试**: 缩小问题范围,隔离故障模块
## 上手指南
1. **配置API密钥**: 在环境变量中设置对应的API Key
2. **初始化连接**: 使用提供的凭证建立API连接
3. **调用接口**: 传入必要参数执行API调用
1. **准备文件**: 确认文件路径正确且格式受支持
2. **执行处理**: 调用对应的处理函数
3. **查看结果**: 检查输出文件或返回数据
1. **检查环境**: 确认运行时和依赖已安装
2. **执行命令**: 使用正确的参数格式执行
3. **查看输出**: 检查命令输出和退出码
### 前置条件
- 已安装所需运行环境(参考依赖说明)
- 已获取必要的API密钥或访问凭证(如适用)
- 输入数据已准备就绪

爆款拆解师

Install

创新亮点

效率提升量化分析

差异化对比

核心痛点解决

常见问题FAQ

Q1: 爆款拆解师支持哪些平台的内容拆解？

Q2: 爆款拆解师能否处理非中文内容？

Q3: 爆款拆解师如何保证拆解的准确性？

Q4: 爆款拆解师生成的配方模板是否可以自定义？

Q5: 爆款拆解师是否需要专业培训才能使用？

问题排查手册

安全提示

爆款拆解师 v1.1.0

安全风险防范

付费版进阶功能

能力矩阵

入门指引

适用范围

操作步骤

Step 1: 环境准备

Step 2: 接收输入参数

Step 3: 6大爆款要素拆解

Step 4: 11维度逐字逐句拆解

Step 5: 量化评分

Step 6: 可复用配方生成

Step 7: 差异化创作建议

Step 8: 输出拆解报告

参数说明

返回格式

6大爆款要素说明

异常处置

依赖与配置

运行环境

依赖项

API Key 配置(零暴露原则)

使用流程(补充)

可用性分类

实际示例

示例1: 小红书种草爆款拆解

示例2: 抖音口播爆款拆解

示例3: 公众号深度内容拆解

Related skills