wb-xhs-topic-bank

Use when the user has positioning and wants a reusable Xiaohongshu topic/title bank instead of asking AI to freely brainstorm, especially to map topics to user needs such as emotional resonance, growt

SKILL.md

GitHub

小红书七类选题库

R — 原文

"建选题库,别每天临时想。"

— 文子, X Article, 2026-07-06

"发帖前先想清楚:这条内容,满足了用户的哪一种需求?"

— yanliudreamer, X Article, 2026-07-05

I — 方法论骨架

选题焦虑来自每天从空白开始。文章的方法是把选题变成类型化生产:痛点、数字、对比、稀缺、共鸣、资源、反常识。

每种类型都有不同作用。痛点型负责命中问题,数字型负责制造清晰感,对比型负责凸显变化,稀缺型负责制造注意力,共鸣型负责建立信任,资源型负责提高收藏,反常识型负责制造转发理由。

WorkBuddy 不应该自由发挥,而应该在账号档案和对标公式约束下,按类型生成可筛选的选题。

yanliudreamer 系列补充了“选题需求层”:一条内容要先回答三问:解决了谁的问题、用户为什么点进来、看完能带走什么。标题公式只是入口,真正决定放大的,是这条内容满足了情感共鸣、见证成长、获得新知、学习提升、身份表达中的哪一种底层需求。

dbskill 的标题模块补充了“公式可追溯”原则:每个标题都要能说清来自哪类触发器、为什么适合这个话题、有没有保留悬念。标题不是越炸越好,而是要在 20 个中文字符以内,同时命中真实痛点、扩大受众词、至少包含 2 个张力元素。

xhs-visual-director-skill 补充了“标题必须能变成封面”的要求:选题库不只输出文字标题,还要判断每个选题适合哪种图文形态、封面钩子、主视觉和收藏理由。一个好选题应该能落成 3:4 竖版封面和 6-8 页滑动结构,而不是只停留在一句标题。

A1 — 文章中的应用

案例 1: 七类方向各出多个选题

  • 问题: 新手每天不知道发什么。
  • 方法论的使用: 作者让 WorkBuddy 按七种标题方向,每类生成多条选题。
  • 结论: 一次生成一组选题,而不是每天临时想一条。
  • 结果: 一周内容素材可以被快速筛出。

A2 — 触发场景

用户会在什么情境下需要这个 skill?

  1. 用户已经有定位,但每天不知道发什么。
  2. 用户要为一个赛道批量生成 20-50 个选题。
  3. 用户觉得 AI 标题太像营销号,需要用公式约束。
  4. 用户想建立可持续内容栏目。
  5. 用户想知道某个题目为什么值得点、值得看、值得收藏或转发。

语言信号

  • "帮我建选题库"
  • "小红书标题公式"
  • "一周发什么"
  • "这条内容满足什么需求"
  • "用户为什么要点进来"
  • "give me XHS topics"
  • "topic bank"

与相邻 skill 的区分

  • 与 wb-xhs-low-follower-pattern 的区别: 低粉爆款 skill 负责从样本拆公式;本 skill 负责用公式生产新题。
  • 与 wb-xhs-humanize-compliance 的区别: 本 skill 只产出题目和标题,后者处理正文初稿。

E — 可执行步骤

  1. 读取账号约束

    • 确认目标用户、赛道关键词、变现路径、人设语气、禁区。
    • 完成标准: 没有这些信息时先调用账号档案或定位 skill。
  2. 建立七类公式

    • 为痛点、数字、对比、稀缺、共鸣、资源、反常识各生成 3-5 个模板。
    • 完成标准: 每个模板包含可替换变量。
  3. 标注标题触发器

    • 给每个候选标题标注主触发器: 认知冲突、好奇缺口、损失提醒、身份代入、数字锚定、结果承诺、案例证明、争议互动、场景条件、行动号召、权威借力、互动测试。
    • 完成标准: 每个标题都有“类型来源 + 推荐理由”,不能只自由发挥。
  4. 做标题五项硬检

    • 检查是否 ≤20 个中文字符、保留悬念、不把答案说完、用更大的用户词、击中真实痛点、至少有 2 个张力元素。
    • 完成标准: 标题过长、过窄、太平、太像结论时必须重写。
  5. 叠加五类用户需求

    • 为每个选题标注主需求: 情感共鸣、见证成长、获得新知、学习提升、身份表达。
    • 完成标准: 每个选题都能说明“用户为什么会点/看/藏/评/转”。
  6. 做三问校验

    • 对候选题逐条回答: 解决谁的问题、为什么点进来、看完带走什么。
    • 完成标准: 回答不清的题目降级或重写。
  7. 批量生成选题

    • 每类生成 5 个选题,附标题、目标读者、内容形态、收藏理由。
    • 完成标准: 至少 35 个候选题。
  8. 筛选发布优先级

    • 按变现相关度、用户痛感、制作难度、收藏价值、身份表达强度打分。
    • 完成标准: 选出本周 3-5 个优先题。
  9. 补充视觉交付字段

    • 为优先选题补充内容类型、传播目标、读者情绪、信息密度、封面钩子、主视觉方向、推荐风格和页数建议。
    • 完成标准: 每个优先选题都能继续交给图文视觉导演生成 3:4 封面或 6-8 页图文。

B — 边界

不要在以下情况使用

  • 用户没有定位或目标人群。
  • 用户需要完整正文,而不是选题和标题。

失败模式

  • 让 AI 自由发挥标题,导致表达过度夸张。
  • 只生成标题,不说明内容形态和读者收益。
  • 选题全是热点,和账号变现路径无关。
  • 每条都追求信息密度,却没有情绪、身份或成长证据。
  • 标题很好点,但正文没有明确带走感。
  • 标题无法追溯到任何触发器,只是“看起来像爆款”。
  • 标题把答案说完、话题太窄或超过 20 个中文字符。
  • 选题只有文字标题,没有封面钩子、主视觉或滑动页结构。

作者盲点

  • 七类公式能提高产出稳定性,但可能让账号表达变得模式化。
  • 不同赛道可能需要补充其他类型,例如测评型、案例型、教程型。

相关 skills

  • depends-on: [wb-xhs-account-profile, wb-xhs-low-follower-pattern]
  • contrasts-with: []
  • composes-with: [wb-xhs-humanize-compliance, wb-xhs-schedule-review]

审计信息

  • 验证通过: V1 ✓ / V2 ✓ / V3 ✓
  • 测试通过率: prompts prepared
  • 蒸馏时间: 2026-07-07