X 风格复刻 — 五层深度萃取方法论

核心发现：风格复刻 = 从数据到规则的逐层抽象过程，五层缺一不可 输入：目标账号的 X handle 产出：风格指南 + 写作模板库 + AI System Prompt

方法论概览

第 1 层：数据采集        ← 原始数据（300+ 条帖子，3+ 个月）
    ↓
第 2 层：量化分析        ← 发帖节奏、类型分布、长度 vs 互动、高低互动特征对比
    ↓
第 3 层：语言风格分析    ← 开头钩子、句式结构、人称、情绪基调、口头禅、论证方式
    ↓
第 4 层：内容策略逆向    ← 话题矩阵、叙事线、推广模式、高/低互动公式
    ↓
第 5 层：风格凝练产出    ← 风格指南 + 写作模板 + AI System Prompt

第 1 层：数据采集

目标

获取目标账号的完整帖子数据（文本 + 互动指标）。

采集要求

采集方式

使用 bb-browser daemon + Chrome CDP 带登录态爬取：

1. 启动 bb-browser daemon，确保已有 X 登录态
2. 导航到目标账号的 timeline
3. 滚动加载所有帖子，提取结构化数据
4. 输出为 JSON 格式，存入 evidence/tweets-raw.json

注意事项

• 必须带登录态：X 对未登录用户限制内容展示
• 排除回复和引用转发：只采集原创帖子（非以 @ 开头的帖子）
• 排除转发贴（Retweet）：转发贴是别人的内容，混入会污染风格分析，把别人的风格学过来
• 记录媒体类型：区分纯文字、含图片、含视频、含链接
• 数据清洗：去除置顶帖的重复计数

第 2 层：量化分析

分析维度

2.1 发帖节奏

2.2 帖子类型分布

按媒体类型分类统计：

• 纯文字
• 含图片（无视频）
• 含视频
• 含链接（无图/视频）

2.3 长度 vs 互动分析

2.4 互动数据分析

2.5 回复与互动模式

• 原创帖 vs 回复帖比例
• 是否使用 Thread 格式
• @提及频率和对象

第 3 层：语言风格分析

分析维度

3.1 开头钩子分类

对所有帖子的第一句话进行分类，统计各类型的：

• 出现频率
• 平均互动
• 典型示例

常见分类：叙事钩子、产品发布、个人反思、对比/反转、How-to、直接断言、问题式、类比、列表式、引用他人。

3.2 句式结构

3.3 人称与视角

统计 I/You/We 系词频，分析各人称的使用场景。

3.4 情绪基调

• 语气词频率（love、insane、wow 等）
• 标点使用（感叹号、问号、省略号频率）
• 整体基调定性：是真诚型、hype 型、讽刺型、学术型？

3.5 口头禅与标志性表达

• 高频核心词汇
• 标志性短语
• 标志性句式（如 “X is the new Y”）

3.6 论证方式

统计论证类型分布：数据/数字、个人故事、类比、反问、步骤式教程等。

3.7 CTA 模式

• CTA 类型和频率
• CTA 风格（显式 vs 隐式）

3.8 帖子结构

• 结尾模式统计
• 归纳 3-5 种典型帖子结构模型

第 4 层：内容策略逆向

分析维度

4.1 内容矩阵

按话题域分类所有帖子，统计各话题的：

• 帖子数量和占比
• 平均互动
• 互动效率评级（S/A/B/C/D）

4.2 话题轮换节奏

• 是否按日程表轮换？还是”主题浪潮”模式？
• 高产日的触发场景
• 月度演化趋势

4.3 热点借势策略

分析账号如何与行业热点互动：

• 直接蹭热点？嫁接到自己的叙事？引用延伸？

4.4 个人叙事线

提取 2-4 条核心叙事线：

• 每条叙事线的主题是什么？
• 如何交织出现？
• 哪条叙事线互动最高？

4.5 产品推广模式

如果目标账号有推广行为，分析：

• 从软到硬排列所有推广方式
• 各方式的互动效果
• 软植入 vs 硬推的比例

4.6 高互动公式

Top 20% 分析：

• 互动门槛是多少？
• 共性特征（长度、话题、媒体、开头方式）
• 提取 5-10 种高互动帖模板

Bottom 20% 分析：

• 扑街原因分类
• 共性特征

互动引爆点提取：

• 归纳 5-8 个高互动触发器

第 5 层：风格凝练产出

产出物清单

风格指南结构

## 一、硬规则（可量化）
- 发帖频率、最优长度、类型配比、链接策略、Thread 策略、CTA 策略、Emoji 策略

## 二、语言规则
- 句式、用词、人称、情绪

## 三、内容策略
- 话题配比（按互动效率排序）
- 核心叙事线
- 产品推广方式

## 四、禁忌清单
- 10 条"绝不会做的事"

## 五、标杆帖原文 + 批注
- Top 20 帖子逐条批注

写作模板结构

每个模板包含：

1. 适用场景
2. 填空结构
3. 原帖示例（附互动数据）

AI System Prompt 结构

涵盖：Voice & Tone → Sentence Structure → Word Choice → Perspective → Content Rules → Core Narrative → Post Structures → Prohibitions

产出目录规范

所有产出存入 style_clone/X/<账号名>/，目录结构如下：

X/<账号名>/
├── _brief.md                      # 账号画像摘要（handle、定位、粉丝量级、采集时间等元信息）
├── evidence/
│   └── tweets-raw.json            # 第 1 层：原始帖子数据（JSON 格式）
├── 0-量化特征与语言风格.md         # 第 2-3 层：量化分析 + 语言风格分析
├── 1-内容策略与高互动公式.md       # 第 4 层：内容策略逆向 + 高互动公式
└── 产出/
    ├── 风格指南.md                 # 硬规则 + 语言规则 + 内容策略 + 禁忌清单 + 标杆帖批注
    ├── 写作模板库.md               # 10 个高互动帖子模板（填空结构 + 原帖示例）
    └── AI写作Prompt.md            # 中英双版 System Prompt，可直接用于 AI 代笔

命名说明

执行检查清单

• 第 1 层：采集到 300+ 条帖子，时间跨度 3+ 个月
• 第 2 层：完成所有量化分析维度，找到最优长度区间和高/低互动特征
• 第 3 层：完成语言风格所有维度分析，归纳出核心风格标记
• 第 4 层：完成内容矩阵、叙事线提取、高互动公式提取
• 第 5 层：产出风格指南 + 写作模板库 + AI System Prompt
• 所有产出存入 style_clone/X/<账号名>/ 目录，符合上述目录规范

方法论来源

本方法论从 Zara Zhang (@zarazhangrui) 的风格萃取实践中抽象而来。首次应用于 457 条帖子的分析，验证了五层递进结构的有效性。