任务场景
手机在手、补光灯开着、B-roll 剪好了，准备录一条 TikTok 的 talking-head——主题是砍 AI 订阅栈。你知道最终片子的前 1 秒是分水岭——TikTok 的 auto-skip 数据说大约 35-40% 的观众在那个窗口里划走，到第 3 秒又再走 25%。你最近 8 条 3 秒留存平均 28%；数据说明问题在钩子，不在 body。你要 6 套”钩子 + 首镜”组合，对同一段 B-roll 拍，按模式族打标签，方便 A/B 看哪个模式真能在你这个赛道里停下来。
什么时候适合让 AI 来做
AI 懂钩子模式族——反直觉、stake、数字、承认、open-loop、行动中——能输出符合 TikTok 1 秒认知负担的变体（视觉信号 + 4-7 字屏字 + 口播开头同时落地）。它也能避开 2026 年 TikTok 上已经隐形的几种钩子：“看到最后绝对惊呆了”、“POV：”、“如何不用说出 [X] 让你知道我 [X]”、“this is your sign”。
AI 做不到：知道哪种模式在你这个细分领域已经疲劳。同样反直觉开头在 finance TikTok 有效，在美妆 TikTok 就死。把过去 20 条 3 秒留存拉出来，找出表现最弱的钩子风格，让模型轮换掉。AI 也判断不了你的钩子是不是 over-promise——3 秒留存高、15 秒留存崩，钩子骗人、观众走了。
常见失败模式：AI 偏爱口播钩子，把屏字和首个 B-roll 镜头当附属。TikTok 上三个信号必须在第 1 秒同时落地——大约 50% 观众默认静音，需要屏字承担钩子；B-roll 是真正让拇指停下来的东西。
需要先给 AI 的信息
- 视频真正交付的一句话（观众带走的具体收获）
- 你的赛道 + 你注意到那里疲劳的一种钩子风格（比如美妆 TikTok 的”POV: 你走进 Sephora”）
- 格式——出镜（第一帧是你的脸）还是只配音（只 B-roll）
- 最近 5-10 条的 3 秒和 15 秒留存（差距告诉你钩子是否 over-promise）
- 你历史上 top 2 表现最好的钩子（让模型照 pattern match 结构）
- 你想突破的 3 秒留存底线（平均）和值得瞄准的天花板（top 10%）
- 你已经剪好的 B-roll（让模型把首镜匹配到你真有的素材）
- 字幕是自动生成还是 burned-in（burned-in 留存更好；auto 更快更轻）
可直接复制的 Prompt
为 1 秒决策窗口写 6 个 TikTok 钩子。
视频 payoff（一句话具体收获）：{paste}
赛道 + 那里疲劳的一种钩子风格：{paste}
格式：{出镜 / 只配音}
我最近 3 秒留存平均：{%}。15 秒留存：{%}。
我历史上 top 2 钩子：{paste}
我已经剪好的 B-roll：{简描述}
6 个钩子，每个返回：
1）屏字（4-7 字内——静音观众只看到这个）。
2）口播第一句（≤10 字——第 1 秒落地）。
3）首个 B-roll 镜头点——一个能跟文字配对的具体画面。
4）模式 tag——反直觉 / stake / 数字 / 承认 / open-loop / 行动中。
规则：
- 三个信号（屏字 + 口播 + 首镜）必须在第 1 秒同时落地。
- 避开我指定的疲劳风格，以及：「看到最后绝对惊呆」、「POV：」、「如何不用说出」、「this is your sign」、所有最高级（「难以置信」、「绝绝子」）。
- 每个钩子再写一个 5 字"测试变体"——同 pattern、不同句子——这样我对同一 B-roll 录 2 take 互相 A/B。
- 确认屏字在画面上三分之一能舒服放下（TikTok 评论 overlay 挡下半部分）。
结尾一句话：6 个里哪个最可能突破我 {%} 的 3 秒留存底线、为什么。短版本——单钩子快速迭代
下面是一条 3 秒留存 {x}% 的钩子。改成 5 个变体，针对它可能的弱点修。每条：5 字屏字 + 10 字口播 + 一帧 B-roll 镜头。Pattern：{一个具体 pattern 族}。
原钩子：{paste}输出示例
一套好用的三信号组合（反直觉 pattern）：
- 屏字：“你每月多花 ¥150”
- 口播第一句：“你已经买了 ChatGPT Plus 还在买这些工具的——停。”
- 首个 B-roll：手指在手机上取消订阅，近景。
- 模式 tag：反直觉 + stake。
- 测试变体：“这 ¥150 你不用再花。”
一套好用的 stake pattern：
- 屏字：“大多数 AI 工具在双重计费”
- 口播第一句：“你的 AI 工具栈几乎肯定重了——90 秒教你查。”
- 首个 B-roll：两个 app 图标并排、功能重叠部分高亮。
- 模式 tag：stake。
- 测试变体：“你在为同一件事付两遍。”
一段好用的”预测胜者”：“钩子 1 最可能突破你 28% 留存底线。屏字含数字 + stake，两者在你赛道都验证过；B-roll 是触觉动作（取消），能 hold 住拇指。钩子 4（承认 pattern）是风险更高的押注——上限高（如果你受众最近没见过承认型钩子）、下限低（如果他们已经见过了）。“
怎么改输出
- 屏字砍到 5 字 —— “如果某条钩子的屏字超 5 字，重写。静音观众要在 1 秒内读完；5 字是现实上限，4 字更好。”
- 三信号同时落地 —— “复查每个组合：屏字、口播、首镜应该在第 1 秒内传递同一方向。如果口播要 3 秒才落地、屏字快，慢的那个就是瓶颈。”
- 首镜匹配我有的素材 —— “再读首镜。任何一条需要我没有的素材，就换成我已经剪过的镜头里的一个。不会为了一个变体重新拍。”
- 删疲劳 pattern —— “对照我指定的疲劳风格 + 2026 通用死 pattern。如果有变体用了’看到最后’、‘POV:‘或最高级，重写。”
- 预测胜者并说理由 —— “结尾给一句预测：6 个里哪个最可能突破留存底线、引用 pattern + 赛道信号。没有预测，A/B 测试没校准。“
容易踩的坑
- “看到最后绝对惊呆”、“POV：”、“如何不用说出 [X] 让你知道我 [X]“——2026 年 TikTok 通用疲劳；算法识别 + 观众预划
- 屏字 3 秒才读完——字数必须装进 1 秒决策窗；4-7 字上限，4 更好
- 没配 B-roll 计划——光声音停不下来 TikTok 拇指；视觉才是真 hold
- 屏字被评论 overlay 挡——TikTok 下半 20% 被 UI 覆盖；屏字放上三分之一
- 承诺视频没交付的东西——3 秒留存高、15 秒崩，是经典特征；观众走了、算法连带罚下一条
- 所有视频用同一种钩子模式——算法读成 signal 老化；跨 post 轮换 pattern 族，即使当下某个 pattern 在打
- 一条钩子只录一 take——同一 body 永远录 2 个钩子变体；A/B 揭示观众真奖励什么
- 忽略静音观众——TikTok 大约 50% 默认静音；屏字必须独立承担钩子
FAQ
- TikTok 一定要把笑点前置吗？ —— 是。TikTok 奖励 watch-time 和完播；前 3 秒没拿到价值的观众不会再来。悬念 / open loop 留给长视频（YouTube、播客）——你已经赢得了注意力。
- 一周 A/B 几个钩子？ —— 每内容主题 2 个不同 pattern 族。更少是噪音（2 周无信号）。更多是疲劳（你受众跨所有钩子风格 pattern match 你）。跑 2 周再轮换。
- 3 秒留存高但 15 秒崩怎么办？ —— 钩子 over-promise 了。改写诚实版——钩子要为 body 真交付的东西铺路。AI 在这件事上可以：“钩子必须对应视频 payoff；不要写视频不交付的钩子。”
- Burned-in 字幕 vs 自动生成？ —— Burned-in 留存可测量更好（自选字体、时机、强调），但每条视频多花约 10 分钟。在意的 post 用 burned-in。日常量产用 auto 就够。
- 模型一直建议疲劳 pattern 怎么办？ —— 加：“以下 pattern 2026 年已死、禁止使用：‘看到最后’、‘POV：’、‘如何不用说出’、‘this is your sign’、所有最高级（‘难以置信’、‘绝绝子’）。变体用了任一就重写。目标是平实但反预期，不是标题党语气。“