AI Copywriter 技能实测:访谈式生成文案 + 33 条人性化规则审计,把“点击诱饵 vs 说教感”双输局破了

做过内容营销、产品文案、冷邮件、落地页的同学都碰过同一个墙：让 AI 写文案，只有两种坏结局。

更深一层的痛点：文案与人性化是割裂的两步。先让模型写标题 → 嫌太浮夸 → 再让模型“改人话” → 变得没诱惑力 → 反复拉扯、上下文污染、最后自己重写。没有一个工具把“写得动人” 和 “读得像人” 做在同一个闭环里。

破局点

ai-copywriter（by Mickey Haslavsky / enso.bot research）把这两半活合在一个技能里，且把决策权交给“读者此刻的感受”：

1. 1. 写文案前先访谈：不接需求就开写，而是批量追问三件事——
• • ICP（理想客户画像）：精确到“深夜 11 点会在搜索框打什么词”
• • Category（心智货架）：读者把你归类到哪个格子，决定你跟谁比
• • Story（真实时刻）：带具体数字、差点翻车的瞬间、被证伪的信念、晚餐桌上会不自觉说出的故事
• • 通过故事压力测试：无惊人数字、无濒死时刻、无反直觉信念 → 拒绝写、继续挖，直到故事既真实又有趣
2. 2. 每个变体都是对“读者感受”的回答：
• • 标题给 5-10 个角度变体（数字/反问/矛盾/结果/命名敌人/How-to），推荐理由永远是“读者此刻的感觉”，从不说“这标题更有冲击力”
• • 微文案（按钮/报错/空状态/确认框）按用户所在任务阶段的情绪定措辞：报错先说“哪坏了”再教“怎么修”，空状态卖“下一步动作”，破坏性确认讲“后果”
3. 3. 人性化不是事后补丁，是写作约束：
• • 基于 blader's Humanizer 打包的 Wikipedia“AI 写作特征”33 条可检测/可修复模式（如：意义通胀、AI 词汇、格言公式、过度过渡、被动堆砌…）
• • 草稿 → 审计 → 定稿 三步走，全文自动跑完 33 条规则才交付
• • 拒绝编造事实：最强标题需要的数字必须来自用户，不会为了好看编数字
4. 4. 一份技能跑遍全链路：
• • 标题/短描述/微文案/邮件主题/LinkedIn 帖/战略长文（strategic-blog-template.md）
• • 人声校准：喂 2-3 段自己的文字，技能分析句式节奏/用词偏好/口癖，改写时套用你的声纹，不输出通用“干净文本”

核心工作流拆解：以“写一篇战略长文”为例

输入：

/ai-copywriter
Write a strategic blog post.
Topic: why traditional outbound is dying and what AI-native companies do instead
Target reader: seed-stage B2B founders doing their own go-to-market
Old playbook: high-volume cold email sequences
Emerging shift: growth through community and product-led distribution
Examples: [companies you watched, exactly what they did]
Evidence: [numbers, founder conversations, experiments you can vouch for]

中间过程（不可见，技能自动执行）：

输出：

• • 标题（含变体 + Pick 理由）
• • 一句话副标题
• • 1500-2500 字完稿：开篇 → 阶段史 → 新模型命名 → 铁律 → 编号策略 → 最终压缩公式

全程零编造：技能不会替你编造公司结果、引语、社区规模、市场数字；因果不确定处自动改用谨慎措辞。

微文案场景实测：报错/空状态/按钮/邮件主题

实测体感：把“用户此刻在感受什么”写进 Prompt，文案通过率（自测 A/B）从 ~30% 升到 ~70% 以上——因为不再靠直觉拼词，而是靠“情绪 → 措辞”的显式映射。

总结

最大局限：访谈成本在前端。技能强制你把 ICP/Category/Story 讲清楚、讲具体，没素材就不写。这对“只想快速出一版、事后再改” 的工作流是阻力。但反过来看，这正是它能产出非泛泛文案的门槛——弱故事写不出强文案，再强的润色造型也救不回来。

部署成本极低：

# 技能 CLI（跨 Agent 通用）
npx skills add mikiarlo3/ai-copywriter --global

# Claude Code 插件
/plugin marketplace add mikiarlo3/ai-copywriter

# 手动：把 SKILL.md 扔进任何支持技能格式的目录 / Project Knowledge / Custom GPT Instructions

8000 tokens 左右，任何现代模型上下文轻松装下。Apache-2.0 / MIT 双许可，商业落地无法律顾虑。