技能介绍

解决什么问题

理财短视频口播文案往往依赖创作者的个人经验，缺乏客观的评估标准。常见的问题是：开头抓不住人、痛点讲不透、卖点堆砌却缺乏逻辑支撑，或者文案结构残缺导致转化率低。此外，大量创作者容易陷入“自我感动”的修辞循环，反复使用相同的句式和钩子，导致内容同质化严重。缺乏一个能对文案进行结构化拆解、查重比对并给出量化反馈的工具，是内容迭代的主要瓶颈。

核心能力与工作流

Licai Script Scorer 通过“七段爆款公式”与“五维评分体系”对文案进行结构化打分，并输出自包含的 HTML 评测报告。

七段结构拆解：检查文案是否包含钩子、痛点、结果、逻辑支撑、过渡句、图书卖点和引导购买这 7 个核心要素。缺段或 CTA 偏弱会按规则扣分。
五维量化评分：

- 结构完整（20分）：评估 7 段要素的齐全度。
- 言语干练（15分）：统计词组重复率，识别修辞手法的使用频次（用 1 次加分，用 ≥3 次扣分）。
- 信息密度（20分）：痛点是否多面展开，卖点是否覆盖 references/selling.md 中的 8 大类别。
- 新意（30分）：最关键的维度。通过比对本地历史库（references/originals.md 等）查重钩子、痛点和逻辑支撑，避免同质化。
- 开头吸引力（15分）：评估钩子强度与金句加成。

可视化报告：生成浅色主题的 HTML 报告，包含环形进度条、五维得分明细（标注加分/扣分原因）以及按优先级排序的修改建议。

适用边界与注意点

本地历史库依赖：新意维度的查重完全依赖 skill 自带的 references/ 目录快照。这意味着它评估的是“相对历史爆款”的新意，而非全网绝对新意。
库更新机制：如果需要更新历史库，需手动重新抽取并覆盖对应的 references 文件，评分逻辑本身无需改动。
ima 协作限制：默认且必须使用本地库，以确保他人安装后开箱即用。若作者本人在已连接 ima-mcp 的环境下，可额外调用 ima 进行交叉核对，但不得将其作为唯一数据源。