起标题

一篇内容的成败，最后 5% 的功夫决定另外 95% 的命运。

三条实证底线（与直觉相反，先记住）

1. 负面框架 > 正面框架。
Nature Human Behaviour 的 22,743 组随机对照实验：标题每多一个负面词 CTR +2.3%，每多一个正面词 −1.0%。Outbrain 6.5 万条付费标题：含负面最高级的标题，CTR 比含正面最高级的高 63%。这是本领域唯一被两个独立、方法迥异的大样本同时验证的结论。

但负面框架不等于恐吓。同一份 RCT 拆解情绪后显示：fear 类词显著降低点击（β=−0.007, p<0.001），anger 无显著效应，真正有效的是 sadness。所以用"最差 / 别再 / 代价 / 踩过的坑 / 已经失效 / 白花的钱"，不用"危险 / 致命 / 恐怖 / 血崩"。

2. 具体性是倒 U 形，不是越具体越好。
Scientific Reports 的 8,977 组现场 RCT：原本偏抽象的标题，加数字和实体名会涨；原本已经塞满专名和数字的标题，再加反而掉约 10%。先判断手上这条在光谱的哪一端，再决定是加还是减。 一个全是抽象名词的标题需要落地，一个全是参数的标题需要留白。

3. 核心信息前置。
每个平台都在某个位置截断，移动端截得更早。最重要的信息放前 10 字以内——这条同时满足抗截断和抗扫读，没有任何平台例外。

一条心法：标题的「活人感」从哪来

AI 味的真正根源不是某些句式（"不是…而是"、黑话），而是文字里没有一个真实活过的人。标题同理——

• 抽象、正确、属于所有人的标题（"AI 时代你必须掌握的 5 个高效标题技巧"），是标题界的 AI 味：信息有、观点有，但没有一个具体的人在具体的处境里。
• 真能打的标题，背后站着一个真人 + 真 stakes + 真事件：具体的人、具体的代价、具体的反转。

这正好对应三件事，也是本 skill 三阶段的底层逻辑：

• 义理 = 内核张力（Phase 1）：你到底想说一句什么"只有你敢说"的判断？没有赌注的前提，措辞救不回来。
• 考据 = 真实兑现（Phase 3 不编造 / 兑现度）：标题的承诺有没有真事撑着？没有，就别承诺。
• 辞章 = 招式措辞（Phase 2）：怎么写得准、写得勾人。但前两层是空的，辞章再漂亮也是空中楼阁。

一句古训收口：修辞立其诚——你写下的每个标题，都得经得起自己的内心。点进去的人觉得被骗，就是"不诚"，一票否决。

中文还讲一寸「分寸」：鲁迅写孔乙己只写"排出九文大钱"，朱自清写父爱只写"穿过铁道去买橘子"。动作把感情说完了，作者不必再替读者感动一次。标题同理——留一寸余味，别把结论全说完（好奇缺口要留缝），但也别承诺正文给不了的东西（兑现度）。把已经落地的话再总结一遍，那一寸余味就没了。

反套路警告

BuzzSumo 公布"will make you"是最强短语后几天内，模仿标题泛滥成灾，研究作者本人公开表示后悔。任何被公开的模板都会被套利到失效。 招式库给的是机制，不是台词。照抄句式只会产出一股 2015 年味儿。

先判断模式

选错模式是这类任务最常见的失败。用户贴了现成标题却收到一堆无关新标题，等于没回答他。

表现分析模式：先分析波动，再讨论标题

用户提供一组标题与指标，或询问“为什么这篇突然低了”时，加载 references/reading-diagnostics.md 和 data/observations.md（如果存在）。不要把这组数据直接当成爆款收录。

按以下顺序工作：

1. 确认指标类型：阅读、播放、点赞、收藏和涨粉不能混为同一指标。
2. 保留页面展示值；1.1万 是近似显示，10万+ 是下限，不制造精确比值。
3. 按账号、平台、内容类型和时间恢复序列；文章与贴图、不同账号和不同平台不能直接横比。
4. 有足够样本时，用同账号同类型前 3—5 条的中位显示值作为近似基线；没有基线就标 基线未知。
5. 先报告观察事实，再给 1—3 个标题候选解释，最后列出热点、封面、推荐、发布时间和正文兑现等替代解释。
6. 将“低阅读”写成 low_candidate，将“相对下滑”写成 relative_drop_candidate；除非有实验或更完整数据，不写“标题导致”。

把 AI、产品等领域词替换成通用信号：具体对象、真实动作、价值锚点、有边界的比较、具体场景、可感知结果和时间关联。领域样本可以校准机制，不能自动升级成跨行业规律。

Phase 0 · 对齐（不要审问用户）

需要三样东西：目标平台、内容内核、目标读者。

• 用户已经给的，直接用，不要重问。完整的 brief 是礼物，再问一遍是收税。
• 只有平台缺失且无法从上下文推断时，问一次，并把选项直接摆出来让用户一个词回答。
• 实在问不到就默认"通用中文长图文"，并在输出末尾注明这个假设。

Phase 1 · 找内核

从素材里至少列出 3 个张力候选（不达标就回素材重挖，禁止用素材原句拆字段凑数）。张力来自这六类之一：①一个意外 ②一次反转 ③一笔代价 ④一处冲突 ⑤一个改变判断的数字 ⑥一件读者切身的利害。

选一个最强的，写成一句话：谁受影响 + 什么被赌上。自检：这句话不能只是素材的字段拼接（如"做AI客服"+"复盘"），必须包含赌注或意外——否则回素材再挖。

Gate：把这句话单独拿给读者看，他想不想要下文？"Kubernetes 网络"是话题标签，不合格；"昨天还能解析的 DNS 今天挂了，配置一个字没改"是张力，合格。

内核弱，后面二十个标题会一起弱。不合格就回素材里再挖，别硬着头皮往下走——措辞救不了一个没有赌注的前提。

Phase 2 · 批量生成（先要量，不要精雕）

• 生成 15–25 条。写快一点，先别 judge。生成阶段抛光会把搜索空间收窄在最不该收窄的地方。
• 加载 references/moves.md，至少覆盖 6 种招式，每条标注用的是哪一招（招式名必须来自 moves.md 的 12 招；现编招式须标 [新招式待入库] 并说明机制，不得无据硬编）。
• 每条都锚在 Phase 1 的内核上。
• 把素材里的硬材料拽进标题：数字、人名、地名、时间、原话、报错信息。
• 必须包含该平台首选招式（见 references/platforms.md 速查表）；最终推荐优先选首选招式之一。
• 末尾自检：草稿 ≥15 条且 ≥6 种招式标注，否则回 Phase 1 重挖内核；招式数须与草稿标注一致，禁止事后贴标签。
• 库反哺（生成 / 诊断 / 评审三模式都走）：① 必查 data/hits.md + data/patterns.md——若目标平台 / 招式有 ≥1 条已验证案例或已命名规律，拉 1—2 条作校准参照，并说明「为何贴切」（禁止只贴引用不解释）；② 跨平台案例不硬套（小红书素材不拿公众号案例校准）；③ 规律层（patterns.md）的命名规律要主动用到生成里；④ 库空就如实声明「库暂未覆盖此平台/招式」，不装有货；⑤ 只有表现分析模式才读取 data/observations.md，不得把某一领域的观察样本当成通用爆款证据。

Upworthy 的做法是每篇写 25 个、实际只上线测 4–5 个（平均 4.37 个）。25 是创作量，不是交付量。经验上最好的那条通常出现在第 7 条之后——前 6 条是惯性。

Phase 3 · 硬校验 + 排序

硬校验（客观可判，不过就删或改，不要辩护）：

0. 不编造（最优先，草稿和定稿都查） —— 每条候选只能用素材明示的事实。下列一律删，且不许以同义形态复活进定稿：① 注入素材未给的数字/事实（套数、金额、时长、职业、中介费等）；② 注入比例判断词（"只有""竟""只到"）把素材没说的结论塞进去；③ 注入未给的实体（"一张表""每套""对比图"）；④ 注入未给的正文承诺（"是这么来的""我从最疼的讲起""一文讲透"——素材没给路径/顺序/篇幅就别承诺）。被砍项不得改个同义词混进最终推荐/备选。

1. 字数 —— 是否超目标平台上限？查 references/platforms.md。中文按字数（非字符）；视频号按字符（30字/60字符）。

2. 合规 —— 有无极限词、诱导互动话术、平台明令禁止的形式？查 references/platforms.md。触发动作：若标题涉及健康/功效/商品推广（如减脂、美白、治病、涨粉），不得只挂风险——首选给「去功效化安全版」（把功效表述换成过程/记录表述，如"体脂从32%降到26%"优于"瘦了10斤的神器"），规避广告法极限词与平台夸大红线。
3. 前置 —— 核心信息 / 搜索关键词是否在前段？
4. 兑现度 —— 正文能不能兑现标题的承诺？点进去的人会不会觉得被骗？会 → 删掉。不许靠加"可能""或许""也许"这类对冲词硬保一条超出内容范围的标题。

排序权重（明确取舍，不要十三个维度全打勾）：

> 兑现度（一票否决） > 具体性 > 张力

留 3–5 条，且招式必须互斥——两条同招式的候选是在抢同一个读者反射，等于只有一条。

定稿复检铁律（防止被砍的虚构项复活）：最终留下的推荐 + 备选，逐条再过一遍「不编造」和「兑现度」。任何在 Phase 2 被砍的虚构项（如"只有2件事""一张表""每套"），不得以换同义词的方式重新混进来。

交付的每条标题（推荐 + 备选）都禁止是用户原话的近义复述（如把"我用小浣熊做房源分析帮朋友挑到房子"直接当作推荐或备选）——那等于没干活。若素材稀薄到每条都只能复述原话，先回 Phase 1 重挖内核（找反差 / 利害 / 好奇缺口 / 身份，而不是换同义词），仍挖不出才给平实功能性标题并说明。

不打分数。 市面标题评分工具与实际表现的相关系数只有 r=.41（CoSchedule）和 r=.09（Sharethrough）。一个"87 分"是假的确定感。给理由，不给分。

Phase 4 · 输出（用户视角，先给标题）

输出铁律：用户只要标题，不要方法论。Phase 0–3 的全部推演（内核、库反哺、硬校验逐条、招式判定、被砍候选及理由）都是 agent 内部工作记忆，默认不展示给用户。只交付四样：① 推荐标题 ② 备选 ③ 一句为什么 ④ 升级填空位。全部用户可见文本（含脚注、填空位、备选标注、诊断/评审说明）不得出现 agent 黑话——不写"招式/机制/库反哺/兑现度/Gate/Phase/硬校验"等词，用大白话替代（如"为什么选它""正文能兑现吗"）。

输出模板（严格照此：标题单独成行、可一键复制、不夹招式标注、不露 agent 黑话）：

★ 直接复制这条
[推荐标题]

备选
- [备选标题 1]
- [备选标题 2]
- [备选标题 3]

为啥是第一条：[一句话，说清它凭什么胜出；用大白话，不扯内部术语]

想更强？补真实数据我立刻升级（每条给完整可复制标题，不要只给改动说明；补全 [方括号] 及它括住的实体才算真，方括号外的字不许默认是真）
- 若[条件 A，如"比对了几套"] → [对应完整变体标题]
- 若[条件 B，如"没找中介"] → [对应完整变体标题]

轻量校验脚注（一行，不展开逐条推导，对推荐+备选逐条负责）：✓ 已过 [平台] 实 X 字 / 限 Y 字 · 合规 · 前置 · 兑现度——每条交付标题（含备选）都要达标才打 ✓；只要有一条超上限 / 待补 / 待确认 / 越线，就改为写具体风险点（如「备选3 实22字 超知识星球建议20字」「含待补数字」），不得笼统打 ✓ 已过。格式：中文报字数、视频号报字符。

诊断模式：先一句话定性问题出在哪一层（内核 / 招式 / 措辞 / 平台适配 / 合规），再给改法；改法放最前并用 ★ 标出能直接用的那条（和生成模式同款锚点），让用户先拿到能用的，再理解杠杆；诊断也可引 data/hits.md 正例作反证。

A/B 平台（今日头条等）：额外给一条角度互斥的备选，一句说明差异即可。

收录模式 · 爆款搜集库

用户发来验证过的爆款标题，说"存一下 / 这个爆了 / 加进库"→ 走这里。完整协议在 references/hits-library.md，要点：

1. 解析：平台（推断或问一次）、标题原文、验证证据。
2. 硬校验：字数 ≤ 平台上限、合规、AI 味、归一化招式（复用 moves.md / platforms.md）。不过也照实记，不拒收。
3. 去重：归一化比对，>80% 相似不新建，改记 复现次数 +1。
4. 落库：ID 自增、追加到 data/hits.md（只追加不覆盖）。
5. 提炼：同 (平台 + 招式) 满 3 例 → 在 data/patterns.md 命名一条规律。
6. 回填：用户后来补证据 / 证伪 → 更新 验证状态 与规律层 [修正]。
7. 回执：告知 ID、招式、风险标记、库总量、新规律。

库反哺生成：见 Phase 2「库反哺」。用户查询"库里 XX 平台爆款有哪些" → 读 data/hits.md 按平台汇总。

观察模式 · 标题表现序列

用户发来截图或一组“标题 + 指标”，并要求整理、比较或解释涨跌时：

1. 不把普通标题、低阅读标题和贴图自动写入 data/hits.md。
2. 用户明确要求保存时，追加到 data/observations.md，证据状态写 user_observed，并保留指标原文。
3. 对低值记录使用 low_candidate；只有存在同账号同类型基线时才使用 relative_drop_candidate。
4. 每条观察至少记录一个标题信号和一个非标题混淆因素；没有足够信息时写 unknown。
5. 从一个领域样本抽出的机制先写成候选，不直接改写成“所有平台都有效”的规律。

常见故障

素材没有张力，只有一份平铺直叙的说明。
成因：内容本身没有赌注、意外或变化。
解法：问作者一句——"这里面最让你意外的一个事实是什么？"或"不解决它的代价是什么？"。真的没有，就直说，然后给平实的功能性标题。硬造的张力过不了兑现度那一关。

候选全长一个样 / 交付标题=用户原话复述。
成因：生成时被"零编造"框死，只在同一内核句上换同义词，或把用户给的原话直接当推荐/备选输出。这是最容易被一眼看穿的偷懒。
解法：打开招式库按顺序走，每个没用过的招强制出一条，覆盖 ≥6 种互斥招式；交付的每条都必须是一个新角度（反差 / 利害 / 好奇缺口 / 身份 / 机制之一），不是原话改写。若素材确实稀薄，回 Phase 1 重挖内核，仍不行就坦白给平实标题。

标题都准确，但都很平。
成因：问题在内核，不在措辞。词级打磨救不了一个没有赌注的前提。
解法：回 Phase 1 重挖。

收录时验证证据不足。
成因：用户只发了标题，没说为什么算爆。
解法：标 验证状态: 待回填，不替用户编数据；等用户补证据再升级为 已验证。

把低阅读数字直接当成标题失败。
成因：没有区分绝对值、账号基线、内容类型和分发条件。
解法：切换到表现分析模式，先恢复可比序列；若基线未知，只给候选原因，不给归因结论。

把 AI/产品案例中的专有名词当成通用招式。
成因：案例里的热点对象很醒目，真正可迁移的动作、结果和价值锚点被忽略。
解法：把专有名词归一化为具体对象、真实动作、价值锚点、比较范围、场景和结果；跨领域重复后再升级规律。

加载参考资料

不做的事

默认不写文件、不建目录、不给时间戳。例外：① 收录模式会追加写入 data/hits.md / data/patterns.md（只追加不覆盖，详见 hits-library.md）；② 用户明确要求保存表现观察时，追加写入 data/observations.md，不覆盖既有记录；③ 其余标题仍直接给在对话里。绝不替用户编验证数据——证据缺就标待回填，展示阅读量只保留原文和近似判断。