Social Account Doctor

social-account-doctor — 找对标 / 拆爆款 / 套自己

不挖钩子建仓库，不写诊断报告。

直接对着具体爆款 → 输出我的下一条笔记初稿（标题 + 封面大字 + 首段 + CTA）。

---

0A. 交付质量硬规则（防伪装完成）

这些规则适用于 find / crack / adapt / diagnostic。违反时不要硬写报告；在对话里明说缺哪一步、为什么缺、用户可以怎么补。

H1 — find 必须有真对标搜索

• find 模式至少跑过 1 次平台搜索，并拿到真实账号或作品候选：小红书 xiaohongshu_app_search_notes / 抖音账号搜索或视频搜索 / 快手 kuaishou_app_search_video_v2 / 视频号 wechat_channels_fetch_search_ordinary / B 站 bilibili_web_fetch_general_search。
• 只拿了我的账号信息或作品列表就写“对标结论” = 违规。没有对标搜索，就只能标成“仅基于我方数据的初步判断”。

H2 — 视觉判断必须先跑多模态

• 报告里只要出现“封面模板 A/B/C/D/E”“大字比例”“真人出镜/实物展示/表格截图”“封面公式”“首帧钩子”等判断，就必须先用 scripts/analyze_image.py 分析本地封面/首帧。
• 我方账号诊断优先跑 top 3 + bottom 3；完整诊断最好覆盖近 7 条。对标可只跑 top 3，不能零调用。
• 报告正文必须嵌入我方/对标封面图，至少让用户能图文对照。无图的视觉诊断只能算口头评价。

H3 — 半成品要显式标注

• 搜索 API 挂、tikhub 不通、对标不足 3 条、截图字段不全、音频转写失败，都不能静默跳过。
• 报告开头或对话里必须标注完整度：完整 / 部分（缺 Layer X） / 仅 L1。
• 对标为 0 条时写：本次未能获取有效对标数据，以下结论仅基于账号自身数据，可能不够准确。

H4 — 标题干净，状态放正文

• 用户可见 H1 不写 (补充版)、(无对标)、(技术分析)、(Gemini 分析) 这类内部状态词。
• 状态说明放在标题下方引用块或 TL;DR 上方。

H5 — 账号定位不清晰要警告

• 账号简介为空/模糊、近 30 条覆盖 4 个以上不相关赛道、作品数 < 10、简介和内容明显不符时，必须在报告开头提示“定位风险”。
• 涉及账号定位、简介改写、人设切换、粉丝画像、变现模式时，缺硬数据就写“数据不足，暂不下结论”，不要凭感觉改号。

H6 — 报告语言面向非技术用户

• 用户报告里不要出现脚本名、模型名、API 名、命令行、JSON、ffmpeg、OCR bbox 等技术实现细节。
• 写“从封面设计来看……”“在平台上搜索同赛道内容发现……”，不要写“通过 analyze_image.py / tikhub 接口 / Gemini 得出……”。

H7 — 诊断默认给行动，不默认写脚本

• 用户问“为什么不爆 / 账号怎么调 / 完整诊断”时，默认输出漏斗判断、对标差距、内容结构、视觉标准、复盘指标、P0/P1/P2 行动。
• 只有用户明确说“下一条发什么 / 帮我写脚本 / 给案例”时，才写下一条可发布初稿或逐字脚本。
• 如果账号内容明显是 AI 视频 / AI 插画 / 数字人口播，必须加一节“AI 视频表达差距”：首帧冲突、人物连续性、场景连续性、字幕安全区、模板感、可信度、时长承载能力。

H8 — PDF 按需，但排版要自检

• 默认只写 .md。用户明确要 PDF 时再跑 scripts/render_report_pdf.py。
• PDF 报告避免超宽表格、手机长截图整张塞入、Markdown 表格包在 HTML 容器里。生成后至少检查文件存在、页数合理、图片没有明显丢失。

---

0. 闭环图

[我的原始素材（文档 / 图片 / 视频 / 非平台链接）]   ← 新入口（compose）
       │
       ▼ ⓪ compose (多模态解析 → 核心事实/独家要素/金句清单 → 5 维本质 → 信息缺口)
       │
[我的账号 / 选题方向 / compose 画像]
       │
       ▼ ① find  (多模态识别本质 → 矩阵搜 → 相似度过滤)
[5-10 个真对标爆款]
       │
       ▼ 人工勾选 3-5 条 ✋
[选定对标]
       │
       ▼ ② crack
[每条 4 维钩子拆解（视觉/文字/口播/剧情）+ 综合权重 + 骨架 + 封面 + 标签]
       │
       ▼ ③ adapt  (有素材时：每个产出必须溯源到"对标公式 + 素材条目")
[3 标题 + 3 封面大字 + 1 段首段 + 1 个 CTA]  → 可发

副产品（可选，必须问）：crack 跑完后主动问用户「要把这些钩子积累到 ./assets/hooks-{platform}.md 吗？」 — 用户答 yes 才追加。不会自动写。库的质量由你把关，跑多了自然形成弹药库。

---

1. 输入路由

---

1A. compose 命令 SOP（素材 → 初稿的新入口）

触发：用户带着自己的原始素材（本地文档 / 图片 / 视频 / 非平台链接）+ 一句"帮我写一条能爆的"。

作用：跑在 find 之前，把一堆散素材炼成"5 维本质 + 独家要素清单 + 信息缺口"，让下游 find/crack/adapt 有的放矢、且不乱编素材。

输入

• 必选 1-N 份原始素材（任意组合）：
• 本地文档 .md / .txt / .pdf → scripts/analyze_document.py <path>（md/txt 也可以直接 Read；pdf 走脚本）
• 图片 .jpg / .png → scripts/analyze_image.py
• 视频 .mp4 / .mov → scripts/analyze_video.py
• 非平台链接（文章 / 博客 / 新闻 / 自己的官网/产品页）→ WebFetch 取正文
• 必选：我的账号定位（一句话）+ 目标平台
• 可选：我想强调的卖点 / 情绪 / 必须保留的关键词
• 不走本命令：小红书 / 抖音 / 快手 / 视频号 / B 站 / 公众号链接 — 那些是"别人的爆款"，直接走 crack

Step 1 逐份解析（多模态必跑，跟 find Step 1 对称）

每份素材都跑一次对应脚本，不要看一份就下结论。汇总成素材画像，5 个字段：

Step 2 炼 5 维本质（复用 find Step 1 框架）

基于素材画像，按 find 的 5 维（载体形态 / 情绪锚点 / 审美风格 / 内容结构 / 反差点）推断这条内容应该长成什么样。输出形容词三元组 + 一句话定位。

这 5 维直接喂给 find → find 可以跳过自己的 Step 1（已经有 5 维了），从 Step 2 矩阵搜索开始。

Step 3 交棒 find → crack → adapt（素材模式）

后面三步的差异：

• find：跳过 Step 1，直接用 compose 的 5 维跑 Step 2-5
• crack：完全复用 SOP
• adapt（素材模式，强制项）：

1. 标题 / 首段 / CTA 各至少嵌入 1 条素材独家要素 2. 封面大字优先从素材画像的"候选金句"里选 3. 每个产出除了现有的"抄了对标什么 + 改了什么"，加一行 用了素材：[素材 X · 具体要素] 4. 素材覆盖不到、只能走通用话术的位置，必须 ⚪ 推断 标记 — 用户看到就知道这块是脑补 5. 缺口明显影响成稿时（例：素材里没有具体数字但对标都有）→ 停下来问用户补，不要编一个假数字

compose 的输出

落盘到 ./reports/{YYYYMMDD-HHMM}-compose-{素材短码}.md，含：

• 素材清单（文件名 + 字/帧/时长）
• 5 维本质 + 形容词三元组
• 独家要素清单（编号）
• 候选金句 / 视觉素材清单
• 信息缺口清单 → 给用户的补充素材请求（如有）

完整闭环跑完后，adapt 报告里必须含"素材溯源列" — 没有这一列视同半成品，不写盘。

compose 的铁律

1. 素材全吃完再下结论：N 份素材全跑完解析再炼 5 维，不要跑到第 2 份就开写 2. 不编独家要素（对齐全局 feedback 账号资料修改要斟酌 的铁律 — 素材没给的不要凭空加）：adapt 想写但素材没给 → 问用户或标 ⚪ 推断 3. 素材优先于通用话术：adapt 的每一行能从素材抠出来的，就不要用通用公式兜底 4. 每一行要能双向溯源：对标公式（抄了什么）+ 素材条目（用了什么）两头都挂得上钩

---

2. find 命令 SOP（5 步铁律）

输入

我的账号链接 / 我的某条笔记链接 / 一个选题方向（"我想发 XX"）

输出

5-10 个对标爆款链接 — 不是关键词搜出来的，是按内容本质过滤过的。

5 步（每一步都不能省）

Step 1 内容本质识别（必跑多模态）

输入是我的账号 / 笔记 → 调 analyze_image.py（封面）+ analyze_video.py（视频）→ 提取 5 个本质维度：

输出：5 个维度的描述（每个 1 句话）+ 形容词三元组（如：AI 萌宠 / 怀旧 / 反差教程）。

Step 2 生成搜索词矩阵

5 个本质维度交叉组合 → 4-6 个搜索词：

维度1：「AI萌宠」  / 「拟人猫」  / 「萌宠成精」
维度2：「乡村美食」/ 「老家味道」/ 「童年回忆」
维度3：「治愈」    / 「烟火气」
维度4：「教程」    / 「手作」
维度5：「反差萌」  / 「猫师傅」

⚠️ 铁律：搜索词 = 单一 2-4 字本质维度词。

• 不要用宽泛选题词（"东北大酱"会搜出真人假对标）
• 不要带空格组合（"猫师傅 美食" 在 V1/V2 接口会 HTTPStatusError，要拆成 4-6 个单词分次搜）

Step 3 矩阵词并行搜索

每个矩阵词调一次 search → 按互动量倒序取 top 10 → 汇总到候选池（20-50 条，去重）。

工具：

• 小红书 xiaohongshu_app_search_notes（只用这个，V2/Web V2 全挂 — 见 §9.1）
• 抖音优先 douyin_billboard_fetch_hot_account_search_list --cursor 0 找账号；再用 douyin_app_v3_fetch_hashtag_search_result → douyin_app_v3_fetch_hashtag_video_list 反查作者；douyin_app_v3_fetch_video_search_result_v2 只做补充且必须加超时
• 快手 kuaishou_app_search_video_v2
• 视频号 wechat_channels_fetch_search_ordinary（综合）+ wechat_channels_fetch_search_latest（最新）双源对比 — 见 §9.2

接口失败兜底：连续 3 次 retry 失败 → 不再硬刚，让用户手甩 3-5 个对标链接 → 直接 fetch_feed_notes_v2（小红书）/ fetch_video_detail（视频号）→ 跳到 crack。

视频号特殊铁律：视频号客户端不输出可复制的链接 / 视频 ID（分享出去是卡片）。唯一入口是账号名/关键词搜索 → 锁定本号视频 → 拿 id。不要让用户提供"视频号链接"，他给不出。

Step 4 多模态相似度过滤（必跑多模态）

候选池每条抽首图 → analyze_image.py → 按 5 维打分（0-1）→ ≥ 3 维相似才留。

⚠️ 代价警告：这一步 20-50 次 multimodal 调用，token 不便宜，但不能省 — 否则 find 出来的全是表面假对标，后面 crack/adapt 全白做。

Step 5 体量 + 活跃度过滤

→ 输出 5-10 个真对标 + 每个贴一句"为什么是真对标"（5 维相似度命中哪几维）。

find 的人工卡点

最后一步必须给用户看清单 → 用户勾选 3-5 条 → 没勾的不进 crack。

---

3. crack 命令 SOP

输入

1 个或 N 个对标爆款链接（一般是 find 勾选出来的）。

输出

对每条吐 4 维钩子拆解 + 3 行结构元素（不写诊断报告，不打分，只罗列可抄元素）：

对标：@xxx 的「东北橘猫做大酱」(50w 赞 / 1.2k 评 / 30s)

钩子（4 维拆解）：
├ 视觉钩：拟人猫脸大特写 + 田间背景，0.5s 内出"猫看着你"的目光
├ 文字钩：封面中部一行字（OCR bbox 366,604,546x71）+ 标题「人！」感叹号
├ 口播钩：「人！其实快乐很简单，跟me下乡吧！」— 拟人猫"对人喊话"的反差
├ 剧情钩：第一秒就破壁（猫张嘴说"人！"）— 把"猫"和"观众"的层级倒过来
└ 综合：视觉 ×0.4 + 口播 ×0.6 = 治愈系反差钩  ← 主驱动力

骨架：原料展示 → 工艺过程 → 成品 → 情绪升华（4 段，命中骨架 A 场景+冲突+解决）
封面公式：D 实物展示 + 暖色高对比 + 主体居中（无大字）  [🟢 跑了 multimodal / ⚪ 推断]
标签组合：#AI萌宠 #东北美食 #怀旧 #反差萌（4-5 个）
复用提示：[一句话 — 这条最值得抄的一个具体动作]

为什么 4 维：钩子不是"那一句标题"，而是视觉+文字+口播+剧情的整体开场设计。综合权重决定仿写时的精力分配方向（哪一维占比 ≥ 0.5 = 死磕那一维）。

钩子积累（可选，必须问 — 不要自动存）

crack 跑完所有对标后，把完整 4 维钩子单元（不是单句）汇总打给用户看，主动问：

本次 crack 提取了 N 条 4 维钩子单元：
  1. @xxx「跟me下乡」(9k 赞, 治愈系反差钩, 主驱动力=口播 0.6)
  2. @yyy「比熊求职」(13k 赞, 共鸣型反差钩, 主驱动力=文字 0.7)
  ...

要积累到 ./assets/hooks-{platform}.md 吗？
  - yes：4 维拆解格式全存
  - "1,3"：只存指定条
  - no：本次不存（默认）

只有用户明确说要存，才 mkdir -p ./assets + 追加（按情绪锚点分类，再按主驱动力二级索引；追加不覆盖；首次创建时建好"索引 + 速查"骨架）。 不要默认存 — 自动堆出来的钩子库都是垃圾，库的价值在于人工把关。

crack 用到的术语

封面 ABCDE / 标题 1-10 / 骨架 ABC / 钩子 1-7 → 全部对齐 references/scoring-vocab.md。

---

4. adapt 命令 SOP

输入

• 我的账号定位（一句话，必须）
• crack 输出（1-N 个对标的元素清单，必须）
• 我想发的方向（可选，没有就基于 crack 推荐）

输出

直接给可发的：

标题候选（3 个，每个标注命中哪个公式）：
  1. 「[文案]」 — 公式 4 怕错避坑 + 改了 XX
  2. 「[文案]」 — 公式 2 反认知 + 改了 XX
  3. 「[文案]」 — 公式 6 身份共鸣 + 改了 XX

封面大字（3 个，4 字以内）：
  1. 「[大字]」 — 套对标的 D 模板，加大字升级到 A+D 混合
  2. ...
  3. ...

首段文案（≤ 50 字，命中钩子模板 N 号）：
  「[文案]」 — 抄了对标的 XX，我做了 YY 改动

CTA（命中互动钩子模板）：
  「[文案]」 — 套对标的"评论扣 X 送 Y"结构

adapt 的铁律

• 标题 / 封面 / 首段 / CTA 必须命中 references/scoring-vocab.md 里的至少 1 个公式
• 每个产出必须标注「抄了对标什么 + 我做了什么改动」 — 防止抄到不可复制的部分
• 不要 4 个候选，就 3 个（多了用户选不动）

---

5. 输出位置铁律

完整闭环（find → crack → adapt）跑完，必须落盘到当前工作目录：

./reports/
  {YYYYMMDD-HHMM}-compose-{素材短码}.md        # compose 模式才有：素材画像 + 5 维 + 缺口清单
  {YYYYMMDD-HHMM}-find-{我的账号末8位}.md      # 5-10 对标 + 为什么是真对标
  {YYYYMMDD-HHMM}-crack-{对标末8位}.md         # 每条 4 行清单
  {YYYYMMDD-HHMM}-adapt-{选题短码}.md          # 标题 + 封面 + 首段 + CTA（compose 模式必须含"素材溯源列"）

./assets/                                     # 副产品，跨任务累积
  hooks-xhs.md / hooks-douyin.md / hooks-kuaishou.md

写盘前 mkdir -p ./reports ./assets。只跑了 1 个命令、半成品、接口失败 → 不写盘，只在对话里说。

5.1 PDF 输出（按需，不默认）

铁律：默认只输出 .md，不要主动生成 PDF。只有用户明确说「整理成 PDF / 出 PDF / 出一份 pdf 版」等才跑：

python3 ~/.claude/skills/social-account-doctor/scripts/render_report_pdf.py \
  ./reports/{report}.md
# 输出 ./reports/{report}.pdf （同名同位）

脚本特性：

• A4 + 思源黑体 (CJK 必装 Source Han Sans SC) + 粉色诊断主题
• md 中本地图片 ![](path) 自动 base64 内嵌（PDF 自包含，可单文件传播）
• 富排版（卡片式 top N 对标 / TL;DR 红框 / 三图横排）需在 md 里直接写 inline HTML，CSS 已经准备好对应 class：
• <div class="tldr"><div class="verdict">...</div>...</div> — TL;DR 高亮框
• <div class="card"><div class="card-img"><img/></div><div class="card-body">...</div></div> — 对标卡片
• <div class="user-img"><img/><div class="caption">...</div></div> — 三图横排
• 想保留中间 HTML 自己改样式：加 --keep-html

何时主动询问 PDF：用户说「分享给客户」「打印」「存档」「发出去」等需要可携带版本的语义时，可以主动问一句「要不要顺便出一份 PDF？」 — 不要不问就出。

---

6. L2 诊断模式（按需，不主推）

只在用户明确说这些话时触发 → 调 references/diagnostic-mode.md：

• "这条为什么不爆"
• "完整诊断"
• "我这个号该往哪调"
• "卡在哪一层"

→ 走 6 维评分 + 三层诊断 + 平台阈值表（完整流程，被降级为兜底）。

否则不要主动跑诊断。 生产闭环是 find→crack→adapt，诊断是数据回收后的事后反思工具。

---

7. 工具速查

tikhub CLI（按平台 × 任务）

调用走 tikhub <platform> <tool> --args（CLI 自包含在仓库 tikhub/ 目录，纯 Python stdlib + HTTP JSON-RPC + session 缓存）。不知道工具名时 tikhub list <platform> <关键词> 模糊查；看完整 schema 用 tikhub describe <platform> <tool>。

参数类型铁律（防"看着对其实数据被破坏"）：

• CLI 默认所有 --key=value 按 string 透传，只 true/false/null/none 字面量被 coerce
• ID 字段（user_id / photo_id / note_id / sec_user_id / aweme_id）几乎都是 string schema — 直接 `--user_id 4253294011`，不要包 :int
• 真要 int 用显式 tag：--page:int=1 / --count:int=20；复杂结构用 --json '{...}'
• 看到 validation error ... input_type=int → 检查是不是手贱加了 :int

视频号（独立路径 — 没分享链接）

视频号客户端不输出可复制的链接 / 视频 ID（分享出去是卡片，不是 URL）。所以任何视频号任务的入口都是账号名/关键词搜索，跟其他三平台流程不一样：

视频号 find 的 5 步要做两个调整： 1. Step 3 关键词搜要双源跑（ordinary + latest），交集 = 已被算法验证的爆款，差集 = 新发未推 / 老爆款长尾 2. Step 5 账号信息时，user_search 503 是常态 — fallback 是从 search_ordinary 结果里按 nickname 精确匹配 + 头像 url 校验

B 站（横版 + 三连 + 弹幕，跟其他四平台都不同）

B 站是 16:9 横屏 + 长视频文化，算法核心信号是三连率（点赞 + 投币 + 收藏 / 播放），不是完播率，也不是收藏比。弹幕是其他平台都没有的实时情绪流，每条对标必跑：

B 站 find 关键差异： 1. 按三连率排序而不是播放量：拉到结果后算 (coin + favorite + like) / view，按这个排 2. 每条对标必拉弹幕：弹幕里的"打卡时间戳"直接告诉你哪一段是高潮（剪短视频投抖音/小红书复用素材） 3. 看 UP 主 = 看分区垂直度：分区跨度 ≥ 3 个的 UP 主算法不推

详见 references/platforms/bilibili.md。

平台细节（阈值、6 维评分细则）在 references/platforms/{平台}.md，find/crack/adapt 主流程不用看，L2 诊断时才读。

多模态脚本（scripts/）

• analyze_image.py <封面1> [封面2 ...] [--concurrency 1] [--timeout 600]：拿 5 变量 + 5 模板归类 + 钩子识别；支持多图批量，默认串行，确认额度充足时再手动调高并发
• analyze_video.py <视频> [--mode auto/talking/visual/keyframe]：三模式自动路由；visual/talking 默认按视频配置走，本地片段存在且未禁用时发 video_url；设 VIDEO_ANALYSIS_USE_VIDEO_URL=0 或没有可用视频片段时才走代表帧兜底
• analyze_document.py <文档> [--json]：compose 用，吃 .md / .txt / .pdf → 全文 + 章节 + 候选金句 + 字数；PDF 依赖 pdfplumber / pypdf / fitz / pdftotext 任一（四选一，都没有时会提示装）
• ocr_screenshot.py <截图>：用户给后台数据截图时用；非 JPEG 默认转 JPEG，可用 VIDEO_ANALYSIS_NORMALIZE_IMAGES=0 关闭
• dispatch_account.py <账号URL>：链接 → platform + user_id
• render_report_pdf.py <md> [-o out.pdf] [--keep-html]：md 报告 → PDF（按需，不默认，详见 §5.1）

---

9. 接口稳定性表（按平台分小节）

9.1 小红书（复测 2026-04-23 — 用户作品列表切 Web V2 `fetch_home_notes_app`；其余 App V1 首选）

⚠️ 2026-04-23 增量更新：用户作品列表的 App V1 (xiaohongshu_app_get_user_notes) 复测也挂，app_v2_get_user_posted_notes 仍挂。当前只有 xiaohongshu_web_v2_fetch_home_notes_app 能跑通并拿到 cover / title / like / collect。虽然官方说 Web V2 停止维护，但这一行目前没得选。

>

⚠️ 旧结论（2026-04-22）：除用户作品列表外，search / note_info / comments / user_info 仍优先用 App V1。App V2 全系列实测 RetryError；Web V2 能用的也按“备用、随时可能挂”处理。

>

官方明确弃用：xiaohongshu_app_search_notes_v2、xiaohongshu_app_get_video_note_info、xiaohongshu_app_get_notes_by_topic、xiaohongshu_app_search_users。见到这些不要用。

铁律：

• ✅ search / note_info / comments / user_info 首选 App V1；用户作品列表目前只用 web_v2_fetch_home_notes_app
• ⚠️ Web V2 官方说停止维护，只在 App V1 挂且没替代时用；报告里标注“备用接口，数据可能延迟或随时下线”
• ❌ App V2 全系列实测挂，不要再试
• ❌ 同一接口连续 3 次 HTTPStatusError → 换备选 / 让用户截图代替
• ❌ 小红书不支持按话题标签搜索笔记，只支持关键词；用户问“搜 #XX 标签”时说明限制
• 📅 实测日期写在标题里，3 个月后必须重测一次

并发与限流（实测 2026-04-21）：

• 当前 tikhub RPS 上限 = 10/s（用户提供）—— 单次诊断的搜索批量调用要节制,建议并发不超过 3,串行更稳
• 触发限流时返回 RetryError[HTTPStatusError]（与"接口本身不稳"的报错一样,容易误判）
• App V1 (xiaohongshu_app_search_notes) 限流后冷却时间长；Web V1 (`xiaohongshu_web_search_notes`) 抗限流更强,App V1 被限时优先切 Web V1（同样是 V1，不是 V2）

9.2 视频号（实测 2026-04-21）

视频号铁律：

• ❌ 不要让用户提供视频号链接 / 视频 ID — 视频号客户端只支持卡片分享，根本不输出 URL/ID
• ❌ user_search 503 时不要 retry 超过 1 次 — 直接 fallback 到 _search_ordinary + nickname 精确匹配
• ✅ 综合搜索结果里真号常常只有 1 条（同名/同主题号会被高亮但来自其他号），按 source.title 剥 <em> 后 完全等于 目标账号名才算真号
• ✅ video_detail.contact.feed_count == 1 + like/comment/forward 全 0 = 冷启失败号，可直接出诊断结论
• 📅 实测日期写在标题里，3 个月后重测

9.3 抖音（局部复测 2026-06 — 对标搜索优先走账号搜索）

🟡 状态：2026-06 复测确认，抖音找对标不要只依赖视频搜索。douyin_billboard_fetch_hot_account_search_list --keyword <词> --cursor 0 可用于账号搜索；douyin_app_v3_fetch_video_search_result_v2 偶发长时间无响应，只做补充且必须加超时。

实测命令（用 tikhub CLI）：

tikhub --health
tikhub list douyin search
tikhub douyin douyin_billboard_fetch_hot_account_search_list \
  --keyword 宝宝情绪 --cursor 0
tikhub douyin douyin_app_v3_fetch_hashtag_search_result \
  --keyword 宝宝情绪 --offset 0 --count 10
tikhub douyin douyin_app_v3_fetch_video_search_result_v2 \
  --keyword 宝宝情绪 --offset 0 --count 10

推荐调用顺序（找对标时）： 1. 从账号简介和近 10 条作品提取 4-6 个关键词 2. 账号搜索首选 douyin_billboard_fetch_hot_account_search_list --cursor 0 3. 账号搜索不够时，用话题搜索拿 ch_id，再用 douyin_app_v3_fetch_hashtag_video_list --ch_id <id> 反查高互动作者 4. 视频搜索只做补充；超时 1 次就换账号搜索或话题搜索，不要连续卡住 5. 新号优先找 3-5 个 500-1W 粉的同赛道号，再补 1-2 个更高粉账号看方法论

不要误判为无对标的情况：

• 某个 search 工具 schema 为空 / 参数不明：先 tikhub list douyin search 或 tikhub describe 查清楚
• 视频搜索挂了但账号搜索可用：L2 仍可完成
• 用户给的是短链：先解析 sec_uid / aweme_id，再用主页信息提关键词

9.4 快手（待实测，同 9.3）

🟡 状态：同 §9.3，未在本轮做接口稳定性实证。

实测命令：

tikhub --health
tikhub list kuaishou search
tikhub kuaishou kuaishou_app_search_video_v2 --keyword Cursor --page 1

实测后回填：

---

1. find 必须 5 步走：本质识别 → 矩阵搜 → 多模态过滤 → 体量过滤 → 人工勾选。任何一步都不能省。 2. 不要单一宽泛词搜对标（如"东北大酱"）。永远是 4-6 个本质维度词矩阵。 3. search 关键词必须是单一中文词，2-4 字最稳，禁止空格组合（带空格的组合词在 V1/V2 接口都易 HTTPStatusError — 拆成多个单词分次搜更稳）。 4. crack 输出 4 维钩子拆解（视觉/文字/口播/剧情 + 综合权重），不是单句钩子。综合权重决定仿写时的精力分配。 5. adapt 必须命中 scoring-vocab.md 公式，且必须标注"抄了什么 + 改了什么"。 6. 诊断不主推。除非用户明确说"为什么不爆"，否则不要走 L2。 7. multimodal 不省：find Step 1 看我的、find Step 4 看候选 — 都要调。token 贵但不能省。

• 退化兜底：当 fetch_note_image 不可用时，可以用 feed_notes_v2 返回里的 video_info_v2.media.video.bbox.ocr_v2/v3 字段（含封面文字位置）+ desc + 标签推断封面公式，必须明文标 ⚪ 推断 / 🟢 高可信。

8. 完整闭环跑完才落盘，半成品只在对话里说。 9. 钩子库要问过用户才追加。crack 完成后主动问"要存吗"，用户答 yes 才写 assets/hooks-{platform}.md，按 4 维拆解格式存（不是单句）。禁止自动追加。 10. 环境自检 + 缺失透明（最重要的一条 — 防"伪装完成"）：

开干前必做：列出本次任务依赖的工具，逐个 ping。

• find 依赖：tikhub CLI（tikhub --health）+ analyze_image.py + analyze_video.py
• crack 依赖：tikhub CLI（笔记/视频/评论详情）+ multimodal 脚本
• adapt 依赖：纯 LLM（无外部依赖）
• L2 完整诊断依赖：tikhub CLI（搜对标 + 账号信息）+ multimodal

缺哪个明说哪个（在第一句话就说，不要默默缩范围）：

   ⚠️ 本次需要 tikhub CLI（小红书）调数据，环境检查发现：
      - tikhub --health 不通 / TIKHUB_API_KEY 没配 / 连续 retry 失败

   两个选择：
   ① 修复 ~/.claude/.env 的 TIKHUB_API_KEY 或 PATH（详见仓库 `tikhub/README.md`），再来一次
   ② 你直接给我 N 个对标链接 / 截图 — 我跳过搜索阶段，从 crack 开始

禁止偷工：

• 跑了 1/3 不能说"诊断完成"
• 跑完后必须明文标注：「本次只完成 Layer X，因为 Y 工具不可用 / Y 数据缺失」
• 半成品不写盘（不污染 reports/ 目录）
• 接口连续 3 次 retry 失败 → 视同工具不可用 → 进入上面的话术

11. tikhub 调用走 CLI，不走 `claude mcp add`：所有 tikhub 数据抓取通过 tikhub <platform> <tool> --args CLI 命令调用。CLI 自包含在仓库 `tikhub/` 目录（不依赖外部 skill）。*不要再 `claude mcp add tikhub-`**：

• HTTP 端点是 https://mcp.tikhub.io/{xiaohongshu|douyin|kuaishou|wechat|bilibili}/mcp，所有平台共用一个 CLI、一个 API key
• 不需要重启 claude，不污染全局工具列表
• session id 自动缓存（5 min TTL），不用关心连接管理

环境自检：

    tikhub --health                              # {"status":"healthy",...} → OK
    tikhub list xiaohongshu search               # 工具目录可读
    ls ~/.claude/.env                            # API key 存这里（chmod 600）

新机器初始化（git clone 之后一次性）：

    cd ~/.claude/skills/social-account-doctor
    ln -sf "$(pwd)/tikhub/bin/tikhub" ~/.local/bin/tikhub   # 让 tikhub 命令在 PATH
    echo "TIKHUB_API_KEY=YOUR_KEY" >> ~/.claude/.env
    chmod 600 ~/.claude/.env

详见 tikhub/README.md。

---

9. 数据时效性说明

references/platforms/*.md 里所有平台阈值（完播率 / CTR / CES 等）均为行业经验值（蝉妈妈 / 千瓜 / 新红 / COO 公开发言等多源），非平台官方公告。

📅 采集日期：2026-04｜建议复核：每 6 个月

诊断时用作"方向判断"，不是"绝对死线"。生产闭环（find/crack/adapt）不依赖这些数字。

social-account-doctor — Agent 自助安装指南

这份文件是给 AI agent 读的。用户把它的 URL 丢给你(Claude Code / OpenClaw / Codex / Cursor / Trae / Hermes Agent 等),你照着做即可完成安装。

你要做的事

1. Clone 仓库到用户当前工作目录(或 ~/src/ 之类合理位置):

   git clone https://github.com/JuneYaooo/social-account-doctor.git
   cd social-account-doctor

2. 跑安装脚本:

   bash install_as_skill.sh

脚本会:

• 把仓库内容拷贝到 ~/.claude/skills/social-account-doctor/
• 安装 Python 依赖(pip install -r requirements.txt)
• 软链 tikhub CLI
• 交互式引导配置 .env

3. 帮用户填 3 个 key(脚本会问,但你也可以提前跟用户确认):

key 写到 ~/.claude/skills/social-account-doctor/.env(脚本自动创建)。

4. 确认系统依赖:

• Python 3.10+
• ffmpeg —— Linux: apt install ffmpeg,macOS: brew install ffmpeg

5. 提示用户重启 Claude Code(或当前 agent 宿主),skill 才会被识别。

装完怎么验证

让用户说一句「帮我扫一下 [小红书账号链接] 的同赛道」,如果 Claude 能路由到 find 命令并调 tikhub 抓数据,就装好了。

如果用户已经装过

install_as_skill.sh 会检测 ~/.claude/skills/social-account-doctor/ 是否存在并询问是否覆盖。覆盖不会丢 .env(脚本会保留)。

不要做的事

• ❌ 不要把 key 写到 ~/.claude/skills/social-account-doctor/ 之外的任何 .env(skill 只读这一个)
• ❌ 不要改 SKILL.md 的 name / description frontmatter,那是 agent 识别入口
• ❌ 不要用 sudo 跑安装脚本

social-account-doctor

小红书 / 抖音 / 快手 / 视频号 / B 站 自媒体的账号体检 + 爆款拆解工具。

给它一个账号链接,它告诉你:你的号在同赛道什么位置、top 在做什么你没做、这条为什么不爆、下一步该往哪改。顺手出一版可粘贴的仿写初稿。

<p align="center"> <img src="docs/images/demo-page-01.png" width="32%" alt="这条会爆吗 — TL;DR"> <img src="docs/images/demo-page-04.png" width="32%" alt="六维拆解评分"> <img src="docs/images/demo-page-05.png" width="32%" alt="封面三图诊断"> </p>

它帮你解决什么

• 不知道自己的号卡在哪 → 扫同赛道,告诉你离 top 差在调性、选题还是执行
• 不知道爆款为什么爆 → 逐条拆:钩子在第几秒、封面哪种模板、结构清单体还是故事体
• 发了但没人看 → 给后台截图,逐项诊断是封面、标题、时间还是人群定位的问题
• 有素材不知道能不能发 → 一份 PDF / 一组图 / 一段视频,先判断能不能出爆款再说怎么写

它在做什么 —— 账号诊断 + 爆款分析

这不是"把你的想法润色成笔记"的工具,核心是帮你看懂自己和同赛道:

• 看得懂账号 —— 你的号当前处在什么阶段、同赛道 top 是什么调性、你离他们差在哪
• 看得懂爆款 —— 一条爆款为什么爆:钩子在第几秒、封面用的哪种模板、结构是清单体还是故事体、评论区在聊什么
• 看得懂视频 —— 给一条视频链接,它会看完画面 + 听完字幕再拆,不是只读标题

看懂之后顺手出一版可粘贴的仿写初稿 —— 只是分析的副产品,不是目的。

怎么用 —— 直接跟 Claude 说

📸 案例演示

下面是对一条 AI 赛道的真实小红书笔记跑完全流程的报告 —— 笔记发布 21 分钟、3 赞 1 评 2 收藏,结论是 9 成扑街概率、3 个一票否决项、5 分钟内可抢救的动作。

1. 先扫同赛道 —— 找到"真对标"而不是"同关键词"

<p align="center"> <img src="docs/images/demo-page-03.png" width="72%"> </p>

自动归纳赛道特征:头部 2k+ 赞已经成型、收藏比 ≥ 0.5(干货教程调性)、评论区普遍 50-200 条。用户这条被定性为"无差异化跟风"。

2. 三张封面逐张体检 —— 钩子被埋到第 3 张

<p align="center"> <img src="docs/images/demo-page-05.png" width="72%"> </p>

第 1 张只是"放了张产品图",没有钩子;第 3 张才是大字报 + 人群锚定,真正有 CTR。封面顺序反了 → 小红书用户只看第 1 张就划走 → 直接判死刑。

3. 行动清单 —— 不是"建议",是可粘贴的改写

<p align="center"> <img src="docs/images/demo-page-06.png" width="72%"> </p>

P0(5 分钟内):把第 3 张设为封面 + 正文补关键信息 + 标题按"数字 + 人群 + 效果"公式重写,直接给出 3 个候选。P1 / P2 覆盖 24 小时互动钩和账号月度转型方向。

🚀 安装

方式一:让 AI 自己装(推荐)

把下面这段 prompt 丢给你的 AI 助手(Claude Code / OpenClaw / Codex / Cursor / Trae 都行),它会自己 clone、跑脚本、问你要 API key、提示你重启:

帮我安装 social-account-doctor:
https://raw.githubusercontent.com/JuneYaooo/social-account-doctor/main/docs/install.md

方式二:手动安装

git clone https://github.com/JuneYaooo/social-account-doctor.git
cd social-account-doctor
bash install_as_skill.sh

脚本会把 skill 装到 ~/.claude/skills/social-account-doctor/,重启 Claude Code 后自动识别。

⚙ 配置三把钥匙

安装脚本会引导你填这些,也可以手动编辑 ~/.claude/skills/social-account-doctor/.env 和 ~/.claude/.env:

1. [tikhub.io](https://tikhub.io/) 的 API key —— 抓各平台数据用,一个 key 通吃五平台 2. 一个会看图 / 看视频的大模型 key —— 推荐 Gemini 3.1 Pro,OpenAI 协议兼容的代理站都行 3. 一个语音转写 key(可选) —— 只有当你要拆"真人口播"类视频时才需要(SenseVoice / Whisper 均可)

🔒 脚本只读 skill 目录下的 .env 和 ~/.claude/.env,不会翻项目里的 .env,不用担心误吃无关密钥。

系统依赖:Python 3.10+,ffmpeg(apt install ffmpeg / brew install ffmpeg)。

🛠 在 Claude Code 里怎么用

装完直接跟 Claude 说人话就行,见上面 怎么用 —— 直接跟 Claude 说 表格。Claude 会自己路由到 find / crack / adapt / compose 命令,跑完把报告路径告诉你。

🧑‍💻 想自己写脚本调 CLI 而不走 agent? 看 SKILL.md —— 命令闭环、输入路由、每个脚本的参数和文件布局都在那;scripts/ 下的 analyze_image.py / analyze_video.py / analyze_document.py / render_report_pdf.py 也可以独立调。

📂 输出在哪

跑完之后,当前目录下会出现:

• reports/ —— 本次的对标扫描 / 爆款拆解 / 仿写初稿,markdown 可直接看,按需可导出 PDF(思源字体 + A4 打印版)
• assets/ —— 钩子库、标题库,跨任务累积复用

💡 reports/ 通常含账号和选题信息,建议加进 .gitignore 别公开;assets/ 是长期资产,建议 commit。

⚠ 关于内置的平台数据

内置的平台阈值(完播率、CTR、收藏比等)是行业经验值,不是平台官方公告。信息时点 2026-04,建议每 6 个月复核。主流程(找对标 / 拆爆款 / 仿写)不依赖这些数字,只在诊断模式下用作方向判断。

License

MIT © 2026 JuneYaooo

diagnostic-mode — 完整诊断（L2 兜底，按需调用）

⚠️ 这不是主流程。主流程是 SKILL.md 的 find / crack / adapt 三命令闭环。

>

本文件只在用户明确说这些话时调用：

- "为什么我这条不爆"

- "完整诊断"

- "我这个号该往哪调"

- "卡在哪一层"

>

它提供：6 维评分 / 三层诊断框架 / 平台阈值表 / 完整报告模板。生产闭环跑顺了不需要这套。

>

配套阈值数据在 references/platforms/{xhs,douyin,kuaishou}.md。

评分术语在 references/scoring-vocab.md（本文件 §5 是冗余备份，保留方便单独阅读）。

---

⚠️ 环境自检铁律（开干前必做）

完整诊断三层都要跑，每层依赖的工具不一样。任何一层工具不可用就当场告诉用户，不要默默跳过假装跑完了。

L2 / L3 工具不可用的标准话术（第一句就说，不要拖到末尾才说）：

⚠️ 本次诊断需要 tikhub CLI（{平台}），环境检查失败：
   - tikhub --health 不通 / TIKHUB_API_KEY 没配 / 连续 retry 失败

我现在能做：Layer 1 漏斗自检（基于你给的截图数据）
我现在不能做：Layer 2 对标扫描 + Layer 3 六维拆解

两个选择：
① 修复 ~/.claude/.env 的 TIKHUB_API_KEY 或仓库内 `tikhub/bin/tikhub` 的 PATH，再来一次完整诊断
② 你直接给我 3-5 个你眼中的对标账号/笔记链接 — 我跳过搜索，直接进 Layer 3 拆解

写报告时必须明文标注：

• ✅ 完整诊断：三层都跑了 → 报告标题正常，开头说明数据来源和完整度
• ⚠️ 部分诊断：跑了 1-2 层 → 报告开头用引用块标注「部分诊断，缺 Layer X，原因：Y」，主标题不要写内部状态
• ❌ 不完整诊断不写盘（不污染 reports/ 目录），只在对话里说

---

social-account-doctor — 账号 / 内容诊断引擎（自包含版）

截图 / 链接进，「卡在哪一层 + 怎么调」的可执行诊断报告出。

不是 "AI 看了下你的账号觉得还行"，是 平台专属阈值 × 对标差距 × 可抄模板 的三段式判决书。

本 skill 完全自包含：tikhub MCP 调数据 + Gemini 多模态做拆解 + 本文档自带评分术语。

---

0. 内容时效性说明（先读这个）

本 skill 的内容按时效性分四档，使用 / 维护时按档处理：

铁律：方法论可以照搬，数字必须复核。如果你（Claude）下次诊断时发现某个阈值已经明显跟当前实战不符，告诉用户"该校准 B 档数字了"，而不是硬套旧阈值。

---

1. 三层诊断框架（所有平台通用骨架）

①漏斗自检    → 用平台专属阈值，定位卡在哪一层（曝光/点击/完播/互动）
②对标扫描    → 同赛道 5k-50k 粉账号 3-5 个，找爆款率 / 扑街率 / 选题分布
③六维拆解    → 我 vs 对标 6 维评分（定位/选题/封面/标题/正文/节奏）

Layer 1：漏斗自检（卡在哪一层）

通用四指标（平台专属阈值见 platforms/{平台}.md）：

关键铁律：阶梯流量池机制 — 任何一层跌破阈值，系统立即停推，先定位是哪一层卡住，再去调那一层。 不要看到不爆就先改定位，那是放弃治疗。

Layer 2：对标扫描（同赛道在做什么）

第一步：找候选（先攒 10-15 个，候选池要够厚）

第二步：粉丝量匹配阶梯（不要找比自己高 100 倍的对标 — 学不到）

第三步：三级分类（不同级别学不同的东西）

第四步：可复制性筛选

候选 10-15 个 → 按下面 4 条过滤 → 留 3-5 个 可复制对标 进 Layer 3 拆解：

• 同赛道（同人群 + 同场景）
• 近 30 天活跃发文（≥ 8 条）
• 不是蓝 V / 官方号 / MCN 大流水线（学不动）
• 没有"单笔记 100w+ 异常爆"（不可复制）

爆款率 / 扑街率：

爆款率 = 互动量 ≥ 5× 该账号平均的笔记数 / 总笔记数
扑街率 = 互动量 ≤ 0.3× 该账号平均的笔记数 / 总笔记数

健康账号：爆款率 ≥ 15%，扑街率 ≤ 30%。低于这个的对标，别学。

Layer 3：六维拆解（我 vs 对标）

每一维 1-5 分打分（5 = 对标都做到了 + 我也做到了；1 = 对标在做我没做）：

差距 ≥ 2 分的维度，就是首要改进项。

6 维 vs "粉丝画像 / 变现模式"：粉丝画像 和 变现模式 不进 6 维评分（避免把"结果指标"和"商业层选择"和"内容动作"混在同一张评分表里），而是走 §1.6 诊断附加项。

---

1.5 数据复盘优化矩阵（跨平台快查表）

漏斗任何一层卡住，先来这张表对一下"典型根因 + 通用修法"，再去 platforms/*.md 拿平台专属修法。

矩阵是急救包，平台手册是手术刀。

用法：先用 §1 漏斗自检定位到具体那一行 → 看通用方向心里有数 → 去对应 platforms/*.md 拿平台经验阈值 + 工具链 + 5 根因清单 → 出 P0/P1/P2 行动。

---

1.6 诊断附加项（不进 6 维评分，但完整诊断必查）

判定：粉丝画像与目标人群偏离 ≥ 30% → 倒推查"账号定位 + 选题角度"是否飘了；变现链路缺失 → 加进 P1 行动清单（小红书必有评论区导流话术 / 抖音挂车 / 快手主页引流）。

⚠️ 账号资料层保守铁律（同 §9.13）：粉丝画像 / 变现模式 / 账号定位重写 / 简介改写 这类改了影响整个号未来推荐的建议，缺硬数据就不下结论。粉丝画像 API 空（普通抖音号常见）→ 写「画像数据不可得，跳过」，不要靠"评论里看着像 25-35 女性"自己推一个；变现挂载没看到 → 写「未观察到挂载」，不要默认建议"应该挂车"。详见 §9.13。

---

2. 输入路由（用户给的什么形态，怎么处理）

输入 A：截图（笔记数据后台截图，链接可选）

1. 先看截图：曝光 / 点击 / 完播 / 互动 数据是否完整
2. 调 scripts/ocr_screenshot.py <截图路径>  → 拿结构化 JSON（Gemini 3.1 Pro OCR）
   {
     "platform_guess": "xiaohongshu / douyin / kuaishou / unknown",
     "metrics": {"impressions": ..., "ctr": ..., "completion": ..., ...},
     "raw_text": "OCR 全文"
   }
3. 如果用户也给了笔记链接 → 调对应平台 tikhub MCP "笔记/视频详情" 工具
   拿封面 + 标题 + 评论
4. 跳到 §4 平台专属诊断

输入 B：账号链接（自己 + 对标，可能多个对标）

1. 调 scripts/dispatch_account.py <account_url>  → 拿到 platform + user_id + tikhub 工具表
2. 用对应 tikhub MCP 工具，分别拿:
   - 我方：账号信息 + 最近 30 条笔记互动数据
   - 对标：账号信息 + 最近 30 条笔记互动数据
3. 计算各自的爆款率 / 扑街率 / 互动均值（Layer 2）
4. 抽样：我方 top 3 爆款 + bottom 3 扑街，对标 top 5 爆款，
   逐条调 §3 多模态分析（封面 → analyze_image，视频 → analyze_video）
5. 跳到 §4 平台专属诊断

输入 C：只给账号链接，没对标（"帮我找几个对标"）

1. 拿到账号信息 → 提取人群 / 赛道关键词
2. 调对应 tikhub MCP 的"关键词搜笔记"+"按互动量排序"
3. 从结果里挑 3-5 个 5k-50k 粉账号，过滤掉:
   - 蓝 V / 官方号
   - 单笔记 100w+ 异常爆（不可复制）
   - 近 30 天发文 < 8 条（不活跃）
4. 把对标候选交给用户确认 → 用户点头 → 跳到输入 B 流程

输入 D：只给一张截图，没链接没账号

1. ocr_screenshot.py 提数据
2. 调 §1 Layer 1 通用阈值（不用平台专属，因为不知道平台）
3. 输出"建议先告诉我平台 / 账号链接，我才能给对标差距诊断"
4. 对话补齐

---

3. 多模态分析能力（Gemini 3.1 Pro，本 skill 内置）

所有视觉/视频分析都走环境变量 VIDEO_ANALYSIS_API_KEY，对应 OpenAI 兼容协议的 Gemini 代理。

三个脚本统一在 scripts/ 目录，输出严格 JSON，对齐 §5 评分术语速查。

3.1 截图 OCR（数据后台截图 → 结构化指标）

python3 ~/.claude/skills/social-account-doctor/scripts/ocr_screenshot.py <截图路径>
→ 输出 JSON：platform_guess + screenshot_type + metrics{impressions/ctr/completion/...} + raw_text + warnings

适用：用户截图后台数据（创作者中心、蒲公英商家后台、笔记数据页）。 铁律：OCR 不可信时（warnings 非空 / 关键字段为 null）必须让用户文字补齐或提供链接。

3.2 封面 / 首帧图分析（拿封面 5 变量 + 5 模板归类 + 钩子识别）

python3 ~/.claude/skills/social-account-doctor/scripts/analyze_image.py <图片1> [图片2 ...] --concurrency 1 --timeout 600
→ 输出 JSON：
   cover_variables{ratio, big_text, big_text_ratio, human_presence, color_contrast, info_density}
   template_classification{matched: A/B/C/D/E, name, confidence, reason}
   hook_detection{audience_lock, benefit_promise, curiosity_gap}
   title_formula_hint{matched_formula_id: 0-10, reason}
   weakness（一句话点出 CTR 维度短板）

适用：拆解笔记封面（小红书）、视频首帧（抖音/快手都把首帧当封面）。 用法：对我方 top 3 + bottom 3 + 对标 top 5 都跑一遍，找共性模板和差距。

3.3 视频分析（三种 mode：talking / visual / keyframe + auto 自动判定）

核心理念：不同内容类型的视频，分析路径完全不一样。三条路径：

关键帧上限按时长动态：≤3 分钟抽 10 张 / 3-10 分钟抽 20 张 / >10 分钟抽 30 张。

用法：

# 默认 auto 模式：抽 5 张代表帧 + 前 30s 音轨喂 Gemini 自动判定 content_type
python3 ~/.claude/skills/social-account-doctor/scripts/analyze_video.py <视频路径>

# 强制走某条路径（已知内容类型时省一次判定调用）
python3 ~/.claude/skills/social-account-doctor/scripts/analyze_video.py <视频路径> --mode talking
python3 ~/.claude/skills/social-account-doctor/scripts/analyze_video.py <视频路径> --mode visual
python3 ~/.claude/skills/social-account-doctor/scripts/analyze_video.py <视频路径> --mode keyframe

输出 JSON 公共字段：video_path / duration_seconds / mode_requested / mode_used / mode_detection（auto 模式额外有）。 模式专属字段：见上表"关键产物"列。

铁律（澄清旧"绝不抽帧"）：

• 默认按视频配置：visual / talking 模式本地视频片段存在且未禁用时发送 video_url payload；设 VIDEO_ANALYSIS_USE_VIDEO_URL=0 或没有可用视频片段时，才按时间顺序抽 6 张代表帧兜底
• 不要只抽一张封面帧：钩子/节奏/情绪弧是时序信息，单帧会丢光 → 至少按时间顺序抽多帧
• 必须抽场景帧：keyframe 模式下画面是稳定文字载体（PPT / 截图），时序信息少 → ffmpeg select='gt(scene,0.3)' 抽场景变化关键帧 → 每帧单独 OCR + 拆知识点
• talking 模式 ASR 必须跑通：没设 AUDIO_TRANSCRIPTION_API_KEY 直接报错退出（口播主导视频没 ASR = 没法分析）

用法建议：

• 抖音 / 快手的"完播率有问题"的视频 → auto 一般会判 visual，重点看前 5s 钩子
• 小红书的"教程类长图文视频" → auto 一般会判 keyframe，重点看每张关键帧的 OCR + 信息密度
• 知识口播号 / 播客切片 → auto 一般会判 talking，重点看首句口播 + CTA

3.4 评论拉取 + 痛点聚类（文本分析，不走 Gemini，但走 LLM 推理）

1. 用 tikhub MCP 拉评论：
   - 抖音：tikhub douyin douyin_app_v3_fetch_video_comments
   - 小红书：tikhub xiaohongshu xiaohongshu_app_get_note_comments
   - 快手：tikhub kuaishou kuaishou_app_fetch_one_video_comment
2. 取前 50-100 条评论，让 Claude 做痛点聚类 + 情绪分布
3. 输出：top 5 高频痛点 + 评论情绪分布（正/负/求资源/吐槽）

适用：判断"内容打到痛点了吗"，对标爆款必跑（看观众真实反馈，不只看赞数）。

3.5 媒体下载小贴士

# 抖音视频高画质播放地址
tikhub douyin douyin_app_v3_fetch_video_high_quality_play_url(aweme_id=...)
→ 拿到 URL 后用 curl/wget 下载到 /tmp/account_diag/{aweme_id}/video.mp4

# 小红书笔记图片
# 没有独立的 image 接口可用 (web_v2_fetch_note_image 实测挂)
# 改用 app_get_note_info 返回里的 image_list URL
tikhub xiaohongshu xiaohongshu_app_get_note_info(note_id=..., xsec_token=...)
→ 从 image_list 字段拿 URL 列表

# 快手视频
tikhub kuaishou kuaishou_app_fetch_one_video(photo_id=...)
→ 拿到 play_url

---

4. 平台专属诊断（每个平台 2 大主逻辑）

每个平台都有自己的子手册，里面有：阈值表、工具映射、6 维评分细则、行动建议清单。

Claude 读完本节先跳到对应 platforms/*.md 加载平台细节，再继续报告。

⭐ 诊断铁律：差距 ≥ 1 档时优先修该平台的核心信号项，再修其他维度。每个平台 §0.5 顶部有 T0/T1 速查表，第一屏可见。

⚠️ 阈值数据来源声明：本 skill 所有平台阈值（完播率/CTR/CES/互动率等）均为 行业经验值（来自蝉妈妈/千瓜/新红/新浪财经 COO 公开演讲等多源），非平台官方公告。具体出处见各 platforms/*.md 顶部的"数据来源"小节。诊断时用作"方向判断"，不是"绝对死线"。

---

5. 评分术语速查（自包含 — 6 维评分都对齐这套）

这一节是本 skill 的"内置词典"，所有平台手册的"封面公式 / 标题钩子 / 正文骨架 / 视频钩子"都引这里。

没有这一节，6 维评分就没共同语言。

5.1 五种封面模板（A/B/C/D/E）

评分：5 分 = 命中模板 + 大字 ≥ 1/4 + 高对比 + 人群锚定；1 分 = 随便截一张 / 无字 / 同色系。

5.2 10 个标题公式

评分：5 分 = 命中 1 个明确公式 + 数字/人群/利益齐全；1 分 = 平铺直叙 / 无钩子。

5.3 三种正文骨架

评分：5 分 = 命中骨架 + 首句钩子 + 中段不塌 + 结尾有 CTA；1 分 = 流水账 / 无结构。

5.4 七种视频开头钩子（前 3-5 秒）

评分：5 分 = 前 3 帧 = 利益+人群+好奇三合一 + 首句口播命中公式 + 封面/首帧一致；1 分 = "大家好今天给大家分享" / 静止画面 / 无钩子。

---

6. 抓取深度决策（自动决定分析多少条）

不要"全抓全分析"，token 浪费。按账号体量分档：

单次诊断 Gemini 多模态深度拆解上限：15 条。再多就分批，给用户阶段性报告。

---

7. 输出格式（严格按这个模板）

铁律：完整诊断必须同时做两件事 — ① 在对话里输出报告给用户看；② 落盘到 ./reports/{platform}-{id}-{YYYYMMDD-HHMM}.md（相对于当前工作目录）。

>

- {platform} = xhs / douyin / kuaishou

- {id} = 笔记 ID（截图诊断用 screenshot）/ 账号 ID 末 8 位

- 文件路径示例：./reports/xhs-2800ab54-20260421-1645.md

- 写盘前用 mkdir -p ./reports 确保目录在

- 报告写完后必须告诉用户文件路径

- 半成品诊断不写盘（接口失败、信息严重不全时只在对话里说明，避免污染报告目录）

# 账号诊断报告 — @[账号名]

## 0. TL;DR（先给结论）
- **卡在哪一层**：曝光 / 点击 / 完播 / 互动（命中其中 1-2 层）
- **首要改进项**：6 维里差距 ≥ 2 分的维度（按差距倒序）
- **本周行动 3 件事**：具体到"改封面成 X 模板 / 标题套 N 号公式 / 加一句首句钩子"

## 1. 账号体检（漏斗自检）
| 指标 | 我的实际值 | 平台阈值 | 判定 |
|---|---|---|---|
| 曝光率 | | | ✅ / ⚠️ / ❌ |
| CTR | | | |
| 完播率 / 读完率 | | | |
| 互动率 | | | |

→ **结论**：卡在 X 层。原因初判：…

## 2. 对标扫描

### 2.1 候选概览（带级别）
| 对标账号 | 粉丝数 | 级别（伙伴/榜样/大佬） | 近 30 天爆款率 | 扑街率 | 高频选题 | 主用封面模板 |
|---|---|---|---|---|---|---|
| @A | | 伙伴 | | | | |
| @B | | 榜样 | | | | |
| @C | | 大佬 | | | | |

### 2.2 深度拆解矩阵（维度 × 对标）
| 维度 | 对标 A（伙伴） | 对标 B（榜样） | 对标 C（大佬） | 我方现状 |
|---|---|---|---|---|
| 账号定位（人群+场景+价值） | | | | |
| 选题角度（高频痛点 / 长尾词） | | | | |
| 笔记封面公式 | | | | |
| 标题钩子公式 | | | | |
| 开头钩子 / 结尾设计 | | | | |
| 粉丝画像（推测 or 实测） | | | | |
| 变现模式（挂载 / 私域 / 直播） | | | | |
| **可借鉴 3 条**（具体动作） | 1.…  2.…  3.… | 1.…  2.…  3.… | 1.…  2.…  3.… | — |

→ **结论**：赛道在做什么 X、Y、Z；我没在做的是 W。
→ **可抄清单**：从伙伴抄动作 N 条；从榜样学方法 M 条；从大佬看趋势 L 条。

## 3. 六维拆解（我 vs 对标平均）
| 维度 | 我 | 对标平均 | 差距 | 短板诊断 |
|---|---|---|---|---|
| 账号定位 | | | | |
| 选题角度 | | | | |
| 封面公式 | | | | |
| 标题钩子 | | | | |
| 正文骨架 | | | | |
| 发布节奏 | | | | |

## 4. 平台专属诊断（按 platforms/*.md 套用）
**主逻辑 1：[平台主指标] 诊断**
- 我的实际值：…
- 阈值：…
- 判定 + 根因：…

**主逻辑 2：[平台第二主逻辑] 诊断**
- …

## 5. 单条深度拆解（Gemini 多模态报告摘要）
### 我方 top 1：[标题]
- 命中模板：封面 X / 标题 N 号 / 骨架 Y / 钩子 Z
- 评论质量：✅ 有效爆 / ❌ 无效爆
- 可复用元素：…

### 我方 bottom 1：[标题]
- 短板：…
- 对照对标 top X，差在 …

### 对标 top 1：[标题]
- 可抄什么：…

## 6. 行动清单（优先级排序）
**P0（本周改）**
1. ……

**P1（本月调）**
1. ……

**P2（季度沉淀）**
1. ……

## 7. 30 / 60 / 90 验证指标
- 30 天：曝光率提升 X% / 完播率达到 Y%
- 60 天：单月爆款 ≥ N 条
- 90 天：粉丝从 a 到 b

---

8. tikhub MCP 工具速查（按平台 × 任务）

三大平台都有完整 tikhub MCP，本 skill 全部直接调用，不依赖任何其他 search skill。

抖音（tikhub douyin ）

小红书（tikhub xiaohongshu ） — 接口选择见 SKILL.md §9.1（实测 2026-04-23）

⚠️ 不要用 (官方弃用 / 实测全挂): app_v2_* 全系列实测 RetryError; app_search_notes_v2 / app_search_users / app_get_video_note_info / app_get_notes_by_topic 官方明确弃用; web_v2_fetch_user_info/feed_notes_v2/note_comments/sub_comments/home_notes 官方说停止维护, 暂能用但别长期依赖。

快手（tikhub kuaishou ）

本地脚本（scripts/）

---

9. 关键铁律（必读）

1. 先定位漏斗层，再谈改什么。看到不爆就先改定位 = 放弃治疗。 2. 对标必须 5k-50k 粉，同赛道，活跃。学不到的对标不是好对标。 3. 6 维评分要给数字（1-5），别说"还可以 / 一般"。差距 ≥ 2 才动。 4. 平台阈值是经验值，不是官方死刑线。所有数字都是蝉妈妈/千瓜/新红等行业拆解的中位数（见 platforms/.md 顶部"数据来源"），用作方向判断，不要写"低于 X 必死"这种绝对话，会误导用户。 5. 截图 OCR 不可信时强制要求链接。后台截图字段经常糊 / 截不全 / 不同后台版本字段不一样。 6. 不分析"为什么对方爆"（那是单条拆解的活），只分析"我和对方差在哪"。 7. 抓取深度按 §6 表执行，单次拆解上限 15 条。token 不是免费的。 8. 行动清单按 P0 / P1 / P2 排，给用户清楚的优先级，不要给一串平等的建议。 9. 找对标候选要 10-15 个，留 3-5 个"可复制对标"。三级分类（伙伴/榜样/大佬）各有所学：伙伴学动作、榜样学方法、大佬看趋势 — 别全学伙伴，也别全学大佬。 10. 数据卡住先查 §1.5 优化矩阵，再去 platforms/.md 拿平台修法。矩阵是急救包，平台手册是手术刀，顺序别反。 11. 视频分析按 mode 路由（见 §3.3）：talking 看口播稿、visual 走分段视觉，keyframe 抽场景关键帧。auto 模式自动判定。时序内容不能只看单帧；visual/talking 默认按视频配置走，本地片段存在且未禁用时发 video_url，设 `VIDEO_ANALYSIS_USE_VIDEO_URL=0` 或没有可用视频片段时才用代表帧兜底。图文密集类必须抽场景关键帧（PPT / 知识截图画面是稳定文字载体）。 12. 评分术语全部用 §5 速查表。别自己造词，否则 6 维评分和对标对不上。 13. 脚本层信任、账号资料层保守**（防"AI 自信地把账号带偏"）：

• 脚本/内容层（标题 / 封面大字 / 首段 / CTA / 钩子 / 骨架 / 选题 / 单条改写 / 视频脚本）→ 按流程直接吐，不必反复"建议确认"。错了下条改回来成本低。
• 账号资料层（账号定位重写 / 简介改写 / 人设调整 / 赛道切换 / 粉丝画像判定 / 变现模式建议）→ 保守输出，缺数据宁可不说也不编：
• 缺数据时直接写「数据不足，暂不下结论」，不要凭"行业经验"补一个定位
• 给修改建议必须标注依据（哪条数据 / 哪个对标 / 哪条评论证明），没依据就不写
• 多给"试一下看反馈"的方向，少给"必须改成 X"的断言
• 报告里 Layer 3 「账号定位」维度评分 + §1.6 粉丝画像 / 变现模式 + P0/P1/P2 行动清单里涉及账号资料的项 → 要么有硬数据支撑，要么明确标 ⚪ 推断 + 「建议先观察 N 周再动」
• 任何「建议把简介改成 X」/「你应该重新定位为 Y」先在对话里跟用户对齐「我手里只有 Z 数据，这条结论你觉得靠谱吗」再写盘
• 接口失败 / 数据缺失时，账号资料相关诊断直接跳过，不要"基于经验推断"凑数

Why：内容层错了下条改回来成本低；账号资料一改影响所有未来推荐 + 标签，反复横跳会污染账号权重。看似自信但其实是 AI 推断的"账号建议"会把整个号带偏。

B 站账号 / 内容诊断子手册

主 skill：social-account-doctor。本手册被 §3 平台专属诊断章节调用。

B 站核心特性：三连率（点赞 + 投币 + 收藏 / 播放）是算法独家高权重信号，远比单纯播放重要。弹幕是其他平台没有的实时情绪信号 — 黄金 3 秒高潮位 / 共鸣梗 / 痛点求教程都能从弹幕里直接捞。

---

0. 数据来源声明

B 站官方公开的算法细节极少，本手册阈值均为行业经验值 + 创作者社区共识：

• B 站官方创作者中心公开口径（"流量推荐机制"、"创作激励规则"）
• B 站 100T+ / 充电计划等公开活动里 UP 主分享的"反推算法"经验
• 飞瓜 / 新榜 / 卡思数据 — UP 主公开数据反推
• 火山引擎 / 知乎深度学习 UP 主公开拆解（学习赛道高密度，可观察性强）

B 站独家信号：

• 三连率 = (point + coin + favorite) / view —— 投币尤其稀缺（每天免费 1 枚，要拿出来给）
• 弹幕密度 = danmaku / view ×100 —— 强情绪触发器
• 完播率 + 时长甜区 —— B 站允许长视频，但完播门槛比抖音高

⚠️ B 站算法不透明度极高，本手册数字仅作方向判断；核心定性结论"三连 > 一切"在多源反复验证，是稳的。

📅 数据采集日期：2026-04 / 建议复核周期：6 个月。B 站 2025 主推「三连激励」+「中长视频流量倾斜」，半年以上不更新阈值会偏。

---

0.5 算法规则速查 — T0/T1（可执行版）

⭐ 算法核心信号 = 三连率（投币 + 收藏 + 点赞）。差距 ≥ 1 档时优先于其他维度修 — B 站算法对投币/收藏权重极高（投币是用户每天的稀缺资源），跟抖音「完播率为王」、小红书「收藏 ≈ 点赞」逻辑都不同。

>

T0 = 不做就死；T1 = 不做次推。

---

1. 阈值表（行业经验值，非官方）

经验铁律：B 站看三连率 > 看播放量 > 看完播率。一条 1 万播放三连率 10% 的视频，比一条 10 万播放三连率 1% 的更值钱（前者会被算法持续推，后者就是流量泡沫）。

---

2. 主逻辑 1：三连率诊断（B 站头号信号）

2.1 怎么定位是不是卡在这一层

1. 漏斗看到 三连率 < 3%（投币率 < 1% 或 收藏率 < 2%）→ 直接进本节
2. 调 tikhub bilibili bilibili_web_fetch_one_video --bv_id <id>
   → 拿 stat（view/like/coin/favorite/share/danmaku/reply）+ desc + tag
3. 算分项：投币率 / 收藏率 / 弹幕密度 → 看哪一项掉了
4. 对照 §2.2 五种三连失败模式定位根因

2.2 三连率崩盘的五种典型根因

2.3 三连率分项诊断

---

3. 主逻辑 2：弹幕分析（B 站独家信号）

弹幕是其他平台没有的实时情绪流，比评论更直接：

3.1 拉弹幕 + 切词

1. 调 tikhub bilibili bilibili_web_fetch_one_video --bv_id <id>  → 拿 cid
2. 调 tikhub bilibili bilibili_web_fetch_video_danmaku --cid <cid>  → 弹幕原文 + 出现时间
3. 切词、统计高频词 + 时间分布

3.2 弹幕信号分类（4 类必看）

---

4. tikhub-bilibili 工具映射表

调用走 tikhub bilibili <tool> --args（CLI 自包含在仓库 tikhub/ 目录）。

41 个 endpoint 分 web / app 两套后端。首选 web；遇 RetryError 时切 app。完整目录：tikhub list bilibili。

4.1 推荐调用顺序（输入 = 视频链接 / bvid 时）

1. tikhub bilibili bilibili_web_fetch_one_video --bv_id <id>
   → stat / desc / tag / cid / UP 主 uid
2. tikhub bilibili bilibili_web_fetch_video_subtitle --aid <aid> --cid <cid>
   → AI 字幕（如有）拆结构
3. tikhub bilibili bilibili_web_fetch_video_danmaku --cid <cid>
   → 弹幕（按 §3 4 类分析）
4. tikhub bilibili bilibili_web_fetch_video_comments --bv_id <id>
   → 一级评论 + top 5 调 _comment_reply 拿子回复
5. 对 UP 主 → tikhub bilibili bilibili_web_fetch_user_profile --uid <uid>
   + _user_up_stat / _user_relation_stat → 拿粉丝 + 总播放
6. tikhub bilibili bilibili_web_fetch_user_post_videos --uid <uid> --order pubdate
   → 最近 30 条算 三连率均值 / 爆款率

4.2 搜索参数速查

bilibili_web_fetch_general_search：

• keyword：必填
• order：totalrank(综合) / click(最多播放) / pubdate(最新) / dm(最多弹幕) / stow(最多收藏) / scores(最多评论)
• page / page_size：默认 page_size=20
• duration：0(全部) / 1(<10min) / 2(10-30min) / 3(30-60min) / 4(>60min)
• pubtime_begin_s / pubtime_end_s：UNIX 秒，时间窗口（蓝海词监控关键参数）

---

5. B 站版六维评分细则

---

6. 行动清单（按 P0/P1/P2 排）

P0（本周必须改）

• [ ] 如果三连率 < 3%：内容加干货深度 / 收藏价值（清单 / 教程 / 资源），结尾明确"三连支持"
• [ ] 如果完播率跌出分档：缩短视频或加章节时间戳；首句砍废话直接钩子
• [ ] 如果 CTR < 5%：换 16:9 横版封面 + 大字（≥ 1/3 占比）+ 高对比
• [ ] 如果弹幕密度 < 0.3：选题没情绪触发点 → 加金句 / 共鸣点 / 反差

P1（本月调）

• [ ] 三连分项失衡 → 按 §2.3 单独修薄弱项
• [ ] 弹幕"问题弹幕"高频词 → 直接做下条选题（"上条最多人问 XXX，今天解答"）
• [ ] UP 主分区垂直度 < 70% → 收敛主分区，停发跨分区杂项

P2（季度沉淀）

• [ ] 矩阵化：主号 + 子号（不同细分赛道，互相导流；B 站允许小号关联主号）
• [ ] 充电 / 大会员 / 课堂 → 变现闭环（B 站独家变现路径，比抖音 / 小红书更深）
• [ ] 跨平台：B 站长视频 → 抖音 / 小红书短视频切片复用（黄金 3 秒位置见 §3 弹幕分析）

---

7. 关键铁律（B 站专属）

1. 三连 > 一切。投币率 + 收藏率比播放量、点赞重要 10 倍。 2. B 站允许长视频，但完播门槛比抖音高。短视频要狠抓节奏，长视频要加章节让用户 jump。 3. 横版封面铁律。9:16 竖版在 B 站会被裁，CTR 直接掉 30%+。 4. 弹幕是独家信号，其他平台没有。每条对标必拉弹幕分析（§3 4 类）。 5. 不要套抖音知识带货腔。「3 招让你 XXX」在 B 站会被当成营销号。 6. 学习党 / AI 工具 / 长视频深度内容是 B 站天然甜区。如果你做这些赛道，B 站的 LTV 比抖音 / 小红书都高。 7. 算法不透明，定性结论稳，定量数字疑。本手册数字仅供方向判断，每 6 个月复核。

抖音账号 / 内容诊断子手册

主 skill：social-account-doctor。本手册被 §3 平台专属诊断章节调用。

核心特性：完播率（特别是 5s 完播率）是抖音冷启动的核心权重之一。注意：抖音从未公开过"低于 X% 停推"的硬阈值，本手册所有数字都是行业经验值（蝉妈妈/知乎多源），用作方向判断而非绝对死线。

---

0. 数据来源声明

本手册阈值均为行业经验值（非平台官方），主要来源：

• 蝉妈妈数据 — 完播率话题 / 核心数据指标 / 完播率多少算正常
• 知乎运营拆解 — 5s完播率定义 / 完播率视频时长 / 运营关键指标 / 2025 抖音算法首次公开
• 鸟哥笔记 — 比起完播率更重要的指标
• 巨量算数 — trendinsight.oceanengine.com（官方但未公开账号诊断阈值表）

⚠️ 网传"2026 新规 5s完播<40%自动停推"在所有可查源中均无官方背书，本手册按"经验合格线 50%"处理。

📅 数据采集日期：2026-04 / 建议复核周期：6 个月。抖音算法每年迭代 2-3 次（特别是完播率分档与互动权重），过期数字会误导诊断。复核方法：用上述来源重跑一遍，对比偏移 > 20% 就更新阈值表。

---

0.5 算法规则速查 — T0/T1（可执行版）

⭐ 算法核心信号 = 完播率（5s 完播 → 全程完播）。差距 ≥ 1 档时优先于其他维度修 — 抖音冷启动池子能不能跑出去全靠 5s 完播，其他维度没及格也救不回来。

>

T0 = 不做就死；T1 = 不做次推。

---

1. 阈值表（行业经验值，非官方）

1.1 完播率分档阈值（经验值，非官方）

经验铁律：抖音算法对完播率的权重确实高，视频越长越拼"留住人的能力"。新手默认 ≤ 30 秒，跑通完播再加长。具体阈值因品类波动较大（剧情类天然完播低，干货类天然完播高），用区间不要用绝对值。

---

2. 主逻辑 1：5s完播率诊断（行业普遍认为是头号关注指标）

2.1 怎么定位是不是卡在这一层

1. 漏斗看到 5s完播率 < 40-50% → 直接进本节
2. 调 tikhub douyin douyin_app_v3_fetch_one_video(aweme_id)
   → 拿 video_url + cover_url + 完播率 + 5s留存
3. 把 video_url 下载到 /tmp/account_diagnostic/{aweme_id}/video.mp4
4. 调 scripts/analyze_video.py（默认按视频配置走；本地视频片段存在且未禁用时发 video_url，如需代表帧兜底设 `VIDEO_ANALYSIS_USE_VIDEO_URL=0`）
   → 拿前 5s 的画面变化、口播文字、信息密度点分布
5. 对照 §2.2 五种钩子失败模式定位根因

2.2 5s完播率崩盘的五种典型根因

2.3 工具调用链（5s完播率诊断专用）

tikhub douyin douyin_web_fetch_user_post_videos(sec_user_id, count=30)
  → 拿最近 30 条 aweme_id

# 取 top 3 完播率最高 + bottom 3 完播率最低
tikhub douyin douyin_app_v3_fetch_one_video(aweme_id)
  → 拿单条数据 + 媒体 URL

# 下载视频前 10s
ffmpeg -i video.mp4 -t 10 -c copy /tmp/.../prefix.mp4

# 让 Gemini 拆前 5s
python3 ~/.claude/skills/social-account-doctor/scripts/analyze_video.py prefix.mp4
  → 输出：首帧描述 / 口播 ASR / 画面切换次数 / 信息密度点位

# 对比 top vs bottom：差距在哪

---

3. 主逻辑 2：钩子诊断（前 3 帧 + 首句口播）

3.1 钩子诊断三件套

3.2 钩子打分细则（1-5 分）

差距 ≥ 2 分 时，钩子直接进 P0 行动清单。

---

4. tikhub-douyin 工具映射表

首选 / Fallback。首选挂时按列依次重试。

4.1 推荐调用顺序（输入 = 账号链接时）

1. dispatch_account.py <url> → 拿到 sec_user_id
2. douyin_web_handler_user_profile(sec_user_id) → 账号基础信息
3. douyin_web_fetch_user_post_videos(sec_user_id, count=30) → 最近 30 条 aweme_id 列表
4. 计算每条互动数据（avg_play, avg_like, avg_comment）→ 算爆款率/扑街率
5. 取 top 3 + bottom 3 → 对每条调 douyin_app_v3_fetch_one_video → 拿完整指标
6. 对 top 3 + bottom 3 → analyze_video.py 拆前 5s 钩子
7. 关键词搜索 → 找对标候选（新号优先 500-1W 粉，进阶号用 5k-50k 粉，活跃，同赛道）

4.2 推荐调用顺序（找对标时）

抖音搜索接口变化频繁，不要一次失败就写“无对标参考”。

1. 从账号简介和近 10 条作品提取 4-6 个关键词
   例：宝宝情绪 / 育儿情绪 / 宝宝打人 / 宝宝抢玩具 / 分离焦虑宝宝

2. 账号搜索首选：
   tikhub douyin douyin_billboard_fetch_hot_account_search_list \
     --keyword <关键词> --cursor 0
   注意：cursor 必传；返回后按 nickname / signature / 粉丝数 / 作品数筛掉泛领域号。

3. 账号搜索不够时：
   - 用 `douyin_app_v3_fetch_hashtag_search_result --keyword <词> --offset 0 --count 10`
   - 取相关 ch_id，再用 `douyin_app_v3_fetch_hashtag_video_list --ch_id <id>`
   - 按点赞 / 评论 / 收藏 / 分享排序，反查重复出现的作者

4. 视频搜索只做补充：
   `douyin_app_v3_fetch_video_search_result_v2` 可能长时间无响应，必须给 shell/脚本超时。
   超时 1 次就换账号搜索或话题搜索，不要连续卡住。

5. 最终对标池：
   新号优先找 3-5 个 500-1W 粉的同赛道号，再补 1-2 个更高粉账号看方法论。

不要误判为无对标的情况：

• 某个 search 工具 schema 为空 / 参数不明：先 tikhub list douyin search 或 tikhub describe 查工具详情
• 视频搜索挂了但账号搜索可用：仍然算 L2 可完成
• 用户给的是短链：先解析 sec_uid / aweme_id，再用主页信息提关键词，不能只围绕单条视频标题搜

---

5. 抖音版六维评分细则

---

5.1 AI 视频 / AI 插画号专项评分

如果作品是 AI 生成视频、AI 插画轮播、数字人口播或强模板视频，六维之外必须补这组判断：

AI 视频不是原罪。对标也可能用 AI 插画，关键差距通常在“标题/首帧/话术是否服务同一个具体场景”。

---

6. 行动建议清单（按 P0/P1/P2 排）

P0（本周必须改 — 直接卡漏斗的项）

• [ ] 如果 5s完播率 < 40%：把首帧换成"结果画面"（最炸的一帧前置），首句口播改成钩子句
• [ ] 如果 完播率 跌出分档合格区间：砍视频时长到 ≤ 30 秒，跑通再加
• [ ] 如果 2跳率 > 15%：第二条视频明显不吸引同账号粉丝，全账号选题对齐 top 1 风格
• [ ] 如果 CTR < 3%：换封面（首帧），用 scripts/analyze_image.py 跑 top 3 对标的封面 5 变量

P1（本月调 — 系统性短板）

• [ ] 钩子六维评分 ≤ 2 → 强制套 SKILL.md §5.4 七公式，每条视频一个
• [ ] 选题维度差距 ≥ 2 → 用 douyin_app_v3_fetch_video_search_result 扫赛道 top 50，提炼 10 个共性选题模板
• [ ] 评论互动率 < 1% → 视频结尾埋问题钩子（"你们怎么看？评论区扣 1"）

P2（季度沉淀）

• [ ] 矩阵化：主号 + 2-3 个垂直子号（不同人设/不同细分赛道，互导粉丝）
• [ ] 粉丝画像验证：调 douyin_billboard_fetch_hot_account_fans_portrait_list（注意：仅星图收录账号有数据，普通账号无法用此 API，需要用户提供后台截图代替），看实际粉丝是否=目标人群
• [ ] 2跳率持续 > 15% → 重新审视账号定位（人群+场景+价值三位一体）

---

7. 关键铁律（抖音专属）

1. 5s完播率是冷启动核心权重之一。多源经验值合格线 ~50%，<40% 视为偏低需重点优化。注意：网传"<40% 自动停推"无官方背书，不要当真理。 2. 完播率比互动率重要。点赞高但完播低，下条照样不推。 3. 视频越长，合格线越低，但天花板更高。新手 ≤ 30 秒，进阶 30-60 秒，人设号 60s+。 4. 首帧是封面。不要在描述区写"封面失败"，封面就是 0:00 那一帧。 5. 不要用"大家好"开头。直接砍掉前 1.5 秒的废话。 6. 2跳率指标定义在业界没有统一标准，本手册仅作辅助参考；首选指标永远是完播率 + 关注转化率。

tikhub/ — bundled HTTP CLI

This directory bundles the tikhub HTTP CLI wrapper so social-account-doctor is fully self-contained — no external skill dependency.

tikhub/
├── bin/tikhub                       # CLI entry point (chmod +x)
├── lib/tikhub_client.py             # HTTP JSON-RPC + SSE + session cache (pure stdlib)
├── references/tools-{platform}.json # cached /tools/list catalogs (5 platforms, ~330KB)
└── scripts/refresh_tools.py         # rebuild references/ from live tikhub

Why bundled?

Earlier the wrapper lived in a separate tikhub-api skill at ~/.claude/skills/tikhub-api/. That skill is not published on github. To make social-account-doctor standalone for distribution, the wrapper is copied here.

Quick install (after git clone social-account-doctor)

# 1. API key in ~/.claude/.env (chmod 600)
mkdir -p ~/.claude
cat >> ~/.claude/.env <<'EOF'
TIKHUB_API_KEY=YOUR_KEY_FROM_https://tikhub.io
EOF
chmod 600 ~/.claude/.env

# 2. Symlink to PATH
ln -sf "$(pwd)/tikhub/bin/tikhub" ~/.local/bin/tikhub

# 3. Verify
tikhub --health
tikhub list xiaohongshu search

Usage

tikhub <platform> <tool_name> --key1 value1 --key2 value2
tikhub <platform> <tool_name> --json '{"k":"v"}'

tikhub list <platform> [substring]      # browse cached tool catalog
tikhub describe <platform> <tool_name>  # full input schema
tikhub --health                         # connectivity check
tikhub --platforms                      # list available tikhub platforms

Supported platforms (cached): xiaohongshu / douyin / kuaishou / wechat / bilibili. Add others (tiktok, instagram, weibo, youtube, zhihu, etc.) with:

python3 tikhub/scripts/refresh_tools.py tiktok

Protocol notes

• HTTP endpoint: https://mcp.tikhub.io/{platform}/mcp
• MCP 2024-11-05 over HTTP: initialize returns Mcp-Session-Id header → tools/list / tools/call
• Response is SSE (text/event-stream); wrapper parses data: {...} lines
• Session cached at /tmp/.tikhub-session-{platform}.json (5 min TTL); invalid → re-init + retry once
• Must send User-Agent header (Cloudflare blocks default Python-urllib/3.x)

Errors

Debugging

TIKHUB_DEBUG=1 tikhub <platform> <tool> ...   # log requests to stderr

License + provenance

Vendored from tikhub-api skill, MIT. Original: see https://github.com/JuneYaooo/social-account-doctor.