如何用AI准备面试
「面试准备」是「龙虾部署大师」技能市场中的面试训练技能：作用是为求职者生成结合岗位、公司和面试类型的定制化准备方案——输入职位、目标公司、面试形式、经验层级和薄弱环节后，它输出公司研究、常见问题、STAR 回答框架、技术问答要点、反问清单、风险提示和当天检查表，帮你把零散经历整理成可演练、可复盘的面试素材。 技能效果 准备产品经理面试时，它按高频程度排出十道行为面试题，每题给出STAR骨架，还把答案改写成不像背稿的口语示例。 面试前临时抱佛脚，为什么效果总不好 问题在于准备没有结构。多数人面试前的准备停留在三种状态：一是漫无重点，刷一堆通用面试题，却不知道目标岗位和这家公司会重点考什么；二是经历讲不清，明明做过不少事，一被追问就答得零散，缺乏量化成果，也没有"背景—任务—行动—结果"的骨架；三是临场失控，两分钟能讲完的事讲了五分钟，或者面完才想起没准备反问问题。准备得有没有用，看的是能不能把经历变成可演练、可复述的素材。 STAR：把经历讲成完整的故事 S背景 T任务 A行动 R结果(可量化) 这个技能能帮你做什么 它把面试准备做成一套定制化、可演练的训练方案。输入职位、目标公司、面试形式、经验层级和薄弱环节后，它会按岗位、公司和经验层级生成定制化的面试问题；用 STAR 框架帮你拆解经历，给出示例回答的组织建议；针对技术题、行为题、案例题补充答题要点；并输出一份反问清单、一组避坑提醒和一张面试当天的检查表。整个流程强调具体经历、可量化成果、失败复盘和两分钟的表达控制，目的是把你零散的经验整理成临场能复述、能模拟问答、能自我复盘的材料。 输入岗位与公司 形式 / 层级 / 薄弱 定制问题 + STAR 拆解 答题要点 技术/行为/案例 反问 +检查表 用前须知 该技能无需 API Key 或固定运行时依赖，主要基于你提供的岗位、公司和面试类型生成内容。需要注意的是，若要结合目标公司的最新动态，应接入可用的搜索能力并自行核验来源，避免在面试中引用过时或不准确的公司信息。 怎么用它 用法是把目标岗位、公司、面试形式和自己的经历用自然语言交给它，它会生成定制问题和回答框架。例如可以这样对它说： 可以这样对它说 "明天面产品经理，按行为面试准备十个 STAR 答案，别太像背稿。" "我投的是字节的后端岗位，练几道技术面高频问题并整理思路。" "这份经历太散，帮我整理成面试里能讲的三段故事，每段两分钟左右。" 它适合这些场景：准备行为面、技术面或案例面时需要系统化演练回答；目标公司已确定、要结合公司使命、动态和文化设计面试策略；缺少可量化的项目案例、需要把经历整理成清晰的 STAR 故事；以及临近面试当天、要快速核对准备材料、反问问题和表达风险。 大家常问 用STAR法则讲项目时，最容易被求职者省略或讲虚的是哪一步，为什么？ 最容易被省略的是R（Result）。求职者往往讲清楚做了什么，到结果时只剩"顺利完成""客户认可"等笼统话，缺少基线、对比、时间跨度这类可核实的量化指标，导致Action变成自说自话。 行为面试问题主要在考察求职者的什么，和能力测评类问题有什么区别？ 行为面试基于"过去的行为是未来表现的最佳预测指标"，考察真实情境下的行为模式、软性胜任力和决策逻辑；能力测评则是受控条件下的认知表现，测量知识存量、推理速度、技能操作等可标准化打分的硬指标。 面试里的自我介绍超过两分钟会带来什么问题？ 面试官前两分钟注意力最集中，超过这个窗口信息密度下降；同时会挤占后续行为面、技术考察、双向问答的时间，还会暴露候选人在提炼重点和时间把控上的不足，反而稀释了核心亮点。 面试最后的反问环节，问什么类型的问题会显得专业，问什么会扣分？ 加分的是落在岗位实际工作、前3-6个月核心问题、评价标准、团队业务挑战上的问题；扣分的是公司在做什么这类官网可查的基础信息、只关心加班和晋升的利己问题、过于空泛的战略问题，以及"我没有问题了"。 想用上这个技能？ 「面试准备」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 给文章挑刺找漏洞
「对抗式内容审稿」是「龙虾部署大师」技能市场中的内容质量审稿技能。它用总指挥、笔杆子、参谋、裁判的角色分工，对文章、公众号草稿和观点内容做对抗式审查：写出初稿后，由反方角色从五个维度系统挑刺，再改稿、再打分，循环 2 到 3 轮，8 分以上才通过，最终输出定稿与审稿摘要。 技能效果 给它一篇标题党的AI副业稿，它先扮反方从标题、结构等维度逐条挑刺并打了低分，再把标题和正文改成可信、能过审的发布版。 稿子发出去之前，问题出在哪 用 AI 写稿最大的隐患，是它写完会"自我感觉良好"：通读顺畅，但论据站不站得住、标题有没有吸引力、结构会不会绕，它不会主动跟你较真。作者自己回头检查，也容易因为"是自己写的"而手下留情。结果就是软肋一直藏到发布之后才被读者发现——而那时已经晚了。 这个技能能帮你做什么 它把"写—审—改"拆成几个互相较劲的角色：笔杆子负责写，参谋专门站在反方挑刺，裁判负责打分把关，总指挥统筹流程。给定主题、读者、核心论点和字数要求，它先生成任务简报和初稿，再循环跑 2 到 3 轮挑刺与修订，分数到 8 分以上才算通过——相当于给内容设了一道质量门禁。 ≥ 8 分 · 通过交付 初稿笔杆子 反方挑刺参谋 改稿笔杆子 裁判评分裁判 评分 < 8 分 · 再来一轮 挑刺不是泛泛说"再改改"，而是固定从五个维度逐项找问题并指出改稿方向：标题吸引力、结构逻辑、数据支撑、读者视角、篇幅比例。这五项基本覆盖了一篇观点稿"能不能打动人"的主要软肋。每一轮挑了什么、为什么改、打了几分都会留痕，最终交付两份产物：能直接发的定稿（final-draft），以及记录全过程的审稿摘要（review-summary）。 怎么用它 用法是把要审的稿子和要求用自然语言交给它，说清读者、轮次和重点即可。例如可以这样对它说： 可以这样对它说 "这篇公众号稿先让反方挑刺，评分八分以下继续改到能发，标题别太夸张。" "演讲稿需要两轮审稿，重点看标题、逻辑和数据支撑，别只改措辞。" "把这篇观点文过一遍裁判评分，标出站不住的地方和重写原因。" 它适合这些场景：公众号文章发布前先发现标题、结构和论证上的薄弱点；用对抗式流程提升观点文、演讲稿的说服力；长文已有初版、需要多轮批评和打分后再定稿；内容项目需要留下审稿记录以便复盘。反过来，纯信息罗列、通知公告这类不需要"说服"的内容，或赶时间只要一版能用的草稿，就不必动用这套多轮流程。 一篇待发 的稿子 要说服读者 / 发布前把关？ 是 交给它 先挑刺把关 否 不必动用 这套流程 大家常问 为什么自己写完读着挺顺的稿子，发出去读者往往看两段就划走？ 作者大脑会自动补全背景和逻辑链，对自己的稿天然带确认偏误，读着顺其实是看不见盲点；读者只看纸面文字，信息密度跟不上注意力就划走。需要切换"挑刺者"视角，逐段问这段去掉会损失什么、第一句够不够独立扛注意力、有没有假设读者已经懂的前提。 写作里说的"对抗式审稿"到底是什么意思？跟自己回头改一遍稿子有什么本质区别？ 对抗式审稿是把笔杆子、参谋、裁判拆成独立角色循环：参谋只看纸上写了什么、专门找漏洞，笔杆子只读批评不参与辩解，裁判只看结果打分。和自己改稿的本质差别不在认不认真，而在外部视角、维度系统性和评分硬阈值——同一个大脑没法跳出自己的盲区。 为什么写作流程要把写作、批评、修改、评分拆成不同角色循环，而不是一个人一气呵成？ 一气呵成相当于让模型在自己挖的地基上检查裂缝，会路径依赖式地觉得自洽；拆角色是制造信息不对称——参谋不知改稿走向、笔杆子不知打分标准、裁判只看结果，让对抗张力真实存在。多轮循环时第一到二轮提升最大，三轮后边际递减，所以通常 2 到 3 轮收敛。 反方挑刺常说的标题、结构、逻辑、数据、读者视角这五个维度，分别盯的是什么？ 标题盯的是关键词覆盖了但正文是否真锚定；结构盯段与段是积木式还是链条式，删一段能不能看出断裂；逻辑盯隐含前提和跳跃推理，追问 Because why 几层就断；数据盯是不是装饰品，抹掉数字结论还成不成立；读者视角盯换个身份读同一段时反应是否一致。 想用上这个技能？ 「对抗式内容审稿」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
故事写作怎么从创意到成稿？规划世界观大纲伏笔并生成正文
「故事写作」是「龙虾部署大师」技能市场中的小说与短篇创作技能：作用是提供从创意发散到正文输出的完整流程，支持 1000-1200 字爆款短篇和长篇连载规划，能搭建世界观、生成创意方向、模拟特定作家风格，并输出人物设定、情节骨架、伏笔清单、正文、金句和续写方向，兼顾节奏、冲突与传播点。 技能效果 围绕“结尾反转、开头抓人”的要求，它直接写出了完整的悬疑短篇，并把封面标题做成更有传播感的钩子句。 想写故事，卡在开头和结构上 很多创作的难点不在文笔，而在结构。短篇常见的卡点是：开头不抓人、中段拖沓、结尾反转不够意外，传播力打了折扣；长篇的卡点则是世界观、主线冲突和伏笔没搭清楚，写到一半线索散乱、难以为继。从一个模糊的创意到一篇结构完整、节奏可控的成稿，中间隔着大量需要反复推敲的取舍，这正是动笔最耗精力的地方。 一篇短篇的张力曲线，由结构决定 开头钩子 冲突升级 高潮反转 余韵收尾 这个技能能帮你写出什么 它先确认创作类型、字数预期、风格偏好、发布平台和目标读者，再按不同路径推进。短篇路径会先给出 3 到 5 个创意方向，用六维评分挑出最佳方案，再产出人物设定、情节骨架、伏笔清单和正文；长篇路径则先搭世界观、主线冲突、人物档案和伏笔线，再展开大纲与章节。叙事结构上，它可选用七拍、九拍、情绪流、快节奏或多重反转等不同框架，并能模拟说书人、猫腻、金庸、古龙等风格的语言特色。成稿之外，它还会附上金句、传播亮点、配套视觉提示和续写方向。 创意方向 › 六维评分 选最佳方案 › 骨架 + 伏笔 + 正文 按叙事结构展开 › 金句 + 传播亮点 + 续写方向 用前须知 该技能无需 API Key 或系统依赖，正文创作可直接运行。若需要配套插画、人物画像或封面图，则要启用可用的图像生成能力，技能本身只产出文字与视觉提示。 怎么用它 用法是把创作意图——类型、字数、风格、平台和特殊要求用自然语言说清楚，它会选择合适的叙事结构推进。例如可以这样对它说： 可以这样对它说 "写一篇一千字悬疑短篇，结尾反转，开头抓人，封面标题更有小红书传播感。" "修仙长篇先搭世界观、主线冲突、人物档案和伏笔线，再开大纲，口吻放松些。" "用古龙式冷峻笔法写一段江湖雨夜，人物对白短一点，留白感保留，别照搬原句。" 它适合这些场景：创作适合小红书或公众号传播的悬疑反转短篇；规划长篇修仙、科幻或奇幻小说，先搭世界观与大纲；想用特定作家风格完成片段创作，同时保留自然表达；已有故事需要续写、回收伏笔或提升冲突层次与节奏。 大家常问 伏笔和铺垫的区别是什么？ 伏笔讲的是"藏"，植入时不推动当前情节、读者无感，要在后期兑现时才被回溯，重在制造顿悟感；铺垫讲的是"蓄"，每一步当下就有清晰功能，渐进积累情感与逻辑势能，让高潮水到渠成。两者并不互斥，常常在同一段叙事里并存。 人物弧光是指什么？ 人物弧光指角色在故事进程中内在状态——信念、价值观、心理特质——的变化轨迹，关注的不是他做了什么，而是变成了什么人。常见有成长弧、堕落弧、扁平弧三类，由谎言、欲望、需求与一连串选择点串联，是情节背后的深层骨架。 三幕结构为什么是叙事最常见的框架？ 三幕结构对应人类因果推理的"原因—中介—结果"三段式，也契合认知负荷由低到高的自然分布与"建立张力—放大张力—释放张力"的情感周期。它足够复杂以容纳反转，又足够简洁能被直觉理解，所以在不同文化和叙事媒介里反复出现。 情节反转的作用是什么？ 反转的核心不是制造惊讶，而是触发认知重构——读者用新信息回头重读所有铺陈，发现先前细节都另有深意。它对应亚里士多德所说的突转与发现，能延迟叙事闭合、放大主题张力，让结局显得"从一开始就至关重要"。 想用上这个技能？ 「故事写作」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
Etsy SEO怎么优化？用eRank挑词配标题标签
「Etsy SEO 优化」是「龙虾部署大师」技能市场中的搜索曝光优化技能：它覆盖关键词研究、标题构建、13 个标签配置、上架观察期和持续监控，结合 eRank 的搜索量、竞争度、CTR 等指标识别超级关键词、低垂果实和长尾词，并按优化清单模板输出，避免频繁改动干扰质量分。 技能效果 优化一条定制名字项链的Etsy listing时，它写出132字符、读着自然不堆词的标题，并配齐13个覆盖材质风格场景受众的标签。 Etsy 靠搜索吃饭，标题标签没优化就没流量 Etsy 的流量高度依赖站内搜索，标题和 13 个标签直接决定一个 listing 能不能被搜到。但优化有讲究：堆词、用太泛的大词，曝光上不去；上架没多久就频繁改标题，又会干扰质量分、打乱观察期。新手往往卡在"既不知道该选什么词，又不敢动手改"。 这个技能能帮你做什么 它把 Etsy SEO 拆成有节奏的工作流。它先用 eRank 的搜索量、竞争度、CTR 等指标评估关键词机会，把词分成超级关键词、低垂果实和长尾三类组合；再按 Etsy 标题和 13 个标签的规则生成可读、不堆词的优化方案；最后规划 60 到 90 天观察期后的监控、测试和迭代策略，避免上架初期乱改。 关键词分三层组合 超级关键词 · 搜索量大、要争 低垂果实 · 量竞比好、性价比高 长尾词 · 精准、转化高、竞争小 它的另一个重点是节奏：上架后给 listing 留足观察期，先看数据再优化，而不是一上来就反复改动。 上架标题+13标签 60–90 天观察、别乱改 之后测试 · 迭代 用前须知 该技能无需本地 API Key，但关键词机会判断依赖 eRank 或 Etsy Stats 的数据；生成正式优化清单前，它会先读取技能内的 listing_optimization_checklist 模板，按统一标准输出。 怎么用它 用法是把 listing 的状态（新上架 / 上线不久 / 满 90 天）和目标用自然语言说清楚即可。例如可以这样对它说： 可以这样对它说 "这条 Etsy listing 上架前，重做标题和十三个标签，避开堆词。" "用 eRank 数据筛关键词，避开竞争太高的泛词，按机会分层。" "这个手工杯卖了三个月，按点击和转化调整 SEO，别频繁大改标题。" 它适合这些场景：新商品上架前完成关键词研究、生成标题与标签组合；listing 刚上线不久、要避免误改标题并优先优化主图；上架超过 90 天、想根据关键词表现做 A/B 测试；旺季前加入季节词、提升礼品或节日搜索流量覆盖。 大家常问 Etsy 的 13 个标签（Tags）和标题里的关键词有什么区别，为什么不该重复堆同样的词？ 标题面向人和算法、权重最高（尤其前 20—30 字符），要通顺可读、负责匹配搜索加促进点击；13 个标签买家默认看不到、纯给算法读、权重低于标题，每个最多 20 字符，作用是补充覆盖更多搜索词。不该重复是因为 Etsy 按短语匹配而非词频，同一个词出现一次就够、重复不加分；13 个名额有限，把它们堆在同一核心词上等于主动放弃大量长尾入口。正确做法是前 5—7 个呼应标题核心词，后 6—8 个开拓材质、场景、送礼等新方向。 Etsy listing 刚上架不久，为什么不建议频繁大改标题和标签？ 新 listing 上架后有 60—90 天的质量分观察期，算法在此期间测试曝光、收集点击与转化数据来定排名权重。每次大改标题或标签，算法会当成一次重大重新上架——已积累的数据被弱化、质量分重算、观察期可能重新计时，而且改坏了也分不清是改的还是本来就该跌。正确节奏是上架前把关键词研究透，前 60 天只优化主图、描述、定价（这些不影响关键词匹配），满 90 天后再每次只改一个变量并等 2—4 周看效果。 Etsy SEO 里说的超级关键词、低垂果实和长尾词分别是什么，怎么区分？ 长尾词是 3 个词以上、意图具体、搜索量小但转化高、容易排名，适合所有卖家。低垂果实是竞争低但有一定搜索量的词（参考搜索结果约 1000—10000 条），相关性强、最能快速见效，是中小卖家主攻方向。超级关键词是 1—2 个词的高搜索量泛词（如 earrings、necklace），竞争极激烈、只有大卖家容易排上。区分主要看词长、搜索量和竞争度三者的组合，建议标题按长尾 40%、低垂果实 40%、超级词 20% 搭配。 Etsy 搜索排名除了关键词匹配，为什么还和上架时间、转化率这些因素有关？ 因为 Etsy 排名约等于相关性×质量分×店铺表现，关键词匹配只解决"相关性"这一层，质量分才决定排得多高。否则两个标题一样但转化 10% 和 1% 的卖家会同排，对买家不公平。转化率是质量分权重最高的指标之一（能卖出去的排前面），点击率、收藏加购、店铺评分和发货时效也都计入。上架时间则有双重作用：新品有 1—2 周流量扶持期供算法测试，数据好就稳住、差就回落，老 listing 则因数据充分而排名更抗干扰。 想用上这个技能？ 「Etsy SEO 优化」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 按条件选股
「智能选股」是「龙虾部署大师」技能市场中的股票池筛选技能：它基于东方财富妙想 API，用自然语言按行情指标、财务指标、行业、板块、指数成分股等条件筛选 A 股、港股、美股、板块和 ETF，输出可直接打开的 CSV、结果说明和原始 JSON，帮助快速形成候选股票池。 技能效果 做今日选股时，它筛出涨幅超2%、成交额靠前的二十只A股，按半导体、PCB等板块分组，列出涨幅、成交额和换手率。 选股条件一多，筛起来就吃力 投研前期常要从全市场里圈出一批候选股：今天涨幅超过某个阈值的、市盈率低于某个倍数且股价高于某个价位的、某个行业里近期放量的。条件单看简单，叠在一起手工筛就吃力——要在不同筛选器之间反复切换、把结果导出再合并，口径稍有不一致就得重来。靠大模型凭记忆"推荐几只"更不可取，它的数据可能早已过时。「智能选股」要做的，是把自然语言条件直接翻译成对官方接口的筛选请求，一次跑出候选池。 多条件层层过滤，收敛成候选池 全市场标的 行情条件（涨幅/换手） 财务条件（PE/股价） 候选股票池 这个技能能帮你做什么 它的核心是"按条件筛"，和单纯查价格、查资讯不同。解析层面，它把自然语言选股条件解析为行情、财务或板块筛选请求；范围层面，支持 A 股、港股、美股、ETF、行业板块和指数成分股查询；输出层面，产出可直接打开的 CSV、结果说明和 API 原始 JSON；校验层面，它会核对接口状态、字段映射和返回数量，并提示空结果该如何处理。这样得到的候选清单基于实时官方数据，避免依赖大模型的过时信息做基础筛选。 自然语言条件涨幅/PE/行业 妙想 API 筛选 CSV 候选池+ 说明 + 原始 JSON 基于实时官方数据，按组看 用前须知 该技能需要东方财富妙想 API Key，通过 MX_APIKEY 环境变量设置；它用 Python 脚本输出 CSV、说明文本和原始 JSON，数据来自官方 API。它做的是按条件筛选、形成候选池，不对个股做推荐或评级，结果仅供研究参考，不构成投资建议。 怎么用它 用法是把选股条件用自然语言说清楚，并指定排序或取数口径。例如可以这样对它说： 可以这样对它说 "筛出今天涨幅超过 2%、成交额靠前且换手率不低的 A 股前二十只，按组看。" "找市盈率低于 20 倍、股价大于 50 元的沪深 300 银行股，按股息率排序。" "港股里股价大于 50 元、近三日放量的公司有哪些，按成交额降序，把口径写清。" 它适合这些场景：筛选今日涨幅超过特定阈值的 A 股或板块成分股；查找股价、市盈率、行业属性共同满足条件的股票；投研前期从自然语言条件生成候选股票清单；以及在模型知识可能过时时，用实时官方数据完成基础筛选。适用于投研助理、量化研究初学者、财经运营和需要快速形成股票候选池的数据分析人员。 大家常问 为什么按多个条件组合选股，通常比只看单一指标更可靠？ 单一指标只反映一个维度，低 PE 可能是价值陷阱、高 ROE 可能靠高杠杆堆出来。多条件取交集能让信号纯度提升、缩小踩雷概率，基本面、技术面、资金面互补，分别回答买什么、有没有人买、什么时候买，相互印证时决策才更稳。 基本面选股和技术面选股，本质上有什么区别？ 基本面选股研究企业价值，看 PE、PB、ROE、营收增速等财务数据，时间尺度偏中长期，假设价格终将回归价值；技术面选股研究市场行为，看均线、量价、MACD 等信号，时间尺度偏中短期，假设历史模式会重复。两者并非对立，常用基本面建池、技术面择时。 按条件筛出来的候选股票池，为什么不能直接当成买入名单？ 条件选股的本质是缩小关注范围，而不是确认买入价值。候选池还需经过定性分析、估值评估、风险管理和持续跟踪——财务指标覆盖不了管理层、行业格局、政策等因素。历史表现不代表未来收益，任何选股逻辑都消除不了市场的不确定性。 选股时为什么通常要先加上市值和流动性的过滤条件？ 市值和流动性过滤往往放在筛选第一层，原理有三：小市值低成交额的股票价格易被少数交易左右，产生伪信号、扭曲指标；缩小样本能降低多重比较带来的过拟合风险；更现实的是保证策略可执行，避免冲击成本过大或买不进卖不出。它是数据可信、样本合理、策略可执行的共同保障。 想用上这个技能？ 「智能选股」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
小红书笔记怎么写爆款？拆解标题正文规律去AI味控字数
「小红书内容写作」是「龙虾部署大师」技能市场中的图文创作技能：它先研究同类爆款图文、拆解标题与正文规律、分析评论里的情感共鸣点，再据此生成符合平台调性的标题、正文、标签和配图建议，输出可发布的成稿，并强制把标题控制在 20 字内、正文控制在 1000 字内，附带字数自检和去 AI 味处理。 技能效果 围绕「通勤包收纳」主题、并限定标题不超过 20 字时，它产出了符合字数的标题、按分区展开的正文与一组话题标签，还配上了 9:16 的竖版图。 写小红书，为什么总像"差点意思" 小红书的图文有它自己的味道：标题要短、要戳人，正文要像真实用户在分享而不是品牌在说教。自己闭门写，常踩两类坑：一是脱离平台爆款规律，标题平、正文像说明书，发出去没人停留；二是带着明显的 AI 腔和套话，读起来不像真人。再加上平台对标题和正文有字数红线，一边想表达完整、一边又要压字数，反复删改也未必合规。 封面图 标题 · 平淡 ✗ 标题没钩子 ✗ 正文一股 AI 腔 ✗ 超出平台字数 ✗ 不像真实用户 这个技能能帮你拿到什么 它不是直接套模板写，而是先做研究再动笔。核心做四件事：搜索并分析同主题高互动图文的标题、正文和封面规律；从评论里提取痛点、身份认同、焦虑解决和互动触发这几类共鸣点；据此生成小红书的标题、正文、标签和配图建议，并完成字数自检；需要配图时可调用 Seedream 生成 9:16 竖版图，也可以直接用你提供的图片。整个流程会做去 AI 味处理，让成稿更像真实用户在发笔记。 研究爆款 拆评论共鸣 标题 / 正文 / 标签 字数自检 · 去 AI 味 可发布成稿 + 配图 / 配图建议 字数红线是硬约束：它会把标题控制在 20 字内、正文控制在 1000 字内，并在交稿前做字数自检，省去你反复数字、来回删改的功夫。 用前须知 文案生成本身不需要任何发布权限。AI 配图功能需要 Python 环境以及 openai、pillow 和 AI agent 的登录配置。该技能不会直接发布到小红书，成稿需要你手动复制到 App 完成发布。 怎么用它 用法是把主题、目标人群、想要的口吻以及是否要配图用自然语言说清楚。例如可以这样对它说： 可以这样对它说 "写一篇小红书图文，主题是通勤包收纳，要配 9:16 的图，标题别超 20 字。" "把这五张便当照片写成小红书笔记，标题控制在二十字内，正文别超千字。" "只要小红书文案，不生成配图，语气像真实打工人，少用套话和感叹。" 它适合这些场景：品牌或个人要围绕一个主题产出能直接发布的小红书图文；已有图片素材，需要补上更像真实用户的标题和正文；选题前想先分析同类爆款内容的结构和评论共鸣；以及不需要配图、只想拿到合规字数内的文案与标签。 大家常问 为什么小红书的笔记标题要控制在 20 字以内？ 这不是平台硬规则，而是双列瀑布流的展示物理约束：单行只能容下约 18–22 个中文字符，超过会被省略号截断，核心信息看不到，点击率自然下降。 什么是小红书笔记里的"AI 味"？ 指句式排比工整、过渡词堆砌、情感曲线一条直线、段落长度方差过小这类被识别为非真人的特征集合；命中后笔记不会下架，但自然推荐流会被压制。 小红书的笔记互动率是怎么算的，为什么它会影响推荐？ 互动率＝（赞+藏+评+转+关）/曝光，分母是曝光不是阅读。新笔记先进 200–500 人冷启动池，互动率达类目阈值才滚雪球进下一级流量池，否则停推。 在小红书上，KOC 和 KOL 在笔记表现上的本质区别是什么？ KOL 有粉丝关注页保底流量+账号画像补位，标签起优化作用；KOC 几乎全靠发现页推荐，封面 CTR 和标签精准度直接决定能不能推得动，标签起定义作用。 想用上这个技能？ 「小红书内容写作」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
提示