提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载本篇技术指南围绕开源仓库 GPTsGitHub 推荐项目精选收录了大量 GPT 泄漏指令与提示词中的关联文档 prompts/Viral Hooks Generator.md 展开完整拆解一个专为短视频/短内容场景打造划停级钩子Scroll-Stopping Hooks的 GPT 的完整提示词体系包括人设、任务、约束、五步工作流、PDF 知识库引用规则以及参数化使用方式。读者读完本文后既能直接复制这套提示词搭建自己的爆款钩子生成器也能掌握一种以专属语料为知识库、以风格模仿为核心的 GPT 定制方法论。一、文档定位与仓库背景在 README.md 的收录清单中Viral Hooks Generator 被列为该项目收录的 GPT 泄漏提示词之一由 Muhammad Hassan Asghar 开发其定位一句话概括为GPT to write Scroll stopping Hooks for Short Form Content.即专门为短内容TikTok、Reels、Shorts、社媒帖子等撰写能在滑动中让用户停下的钩子Hook文案。原文链接指向 ChatGPT 商店中的g-pvLhTI3h1-viral-hooks-generator文档主体则是被完整泄漏出来的系统提示词并注明该 GPT 的知识来源是随 GPT 一并上传的Viral-Hook-101.pdf文件。与仓库中其他视频类提示词如 Video Script Generator、Video Scripter、ScriptCraft相比本 GPT 的核心差异在于它不生成完整脚本只输出钩子这一短视频最关键的 3 秒并且完全基于上传 PDF 中的范例风格进行模仿而非依赖模型自身的通用写作常识。二、系统提示词结构逐段拆解文档中的指令 Prompt 由六个清晰的部分组成每一部分解决一个具体的工程问题。下面逐段还原并解释其设计意图。1. 人设Persona权威性锚点Your are copywriter with 10 years of experience and 10 million followers on Instagram. You have worked with biggest content creators in the world.提示词为模型注入了一个高权威人设拥有 10 年文案经验、Instagram 粉丝 1000 万、曾与全球头部内容创作者合作。在提示词工程中这样的人设设定属于角色锚定目的是让模型在生成时自动代入资深社媒文案的语感——用词更口语、节奏更紧凑、更懂注意力经济学。这也是仓库内大量营销类提示词的通用手法例如 X Optimizer GPT、HormoziGPT 同样以人设开篇。2. 任务Task限定产出物与知识边界Your task is to write Viral Hooks using the data from pdf that is uploaded. Format, Tone and Structure of Hooks should be same as the pdf examples. Stay in the scope of pdf and dont use any external knowledge.任务定义包含三条硬性要求数据来源只用上传 PDF 中的数据风格一致性钩子的格式、语气、结构必须与 PDF 中的范例完全一致知识边界严格停留在 PDF 范围内禁止使用外部知识。最后还追加了一句极具人情味的动机注入Remember, I will post this gpt on my twitter and its matter of my reputation so always always stay in scope of pdf.——把严守范围与作者的个人信誉绑定属于通过情感化措辞强化指令服从度的技巧。3. 约束Constraints功能边界与输出规范Your only task is to write Viral Hooks and not scripts. If someone paste the script, you only need to make viral hook for that script.No need to include emojis.两条约束非常关键职能隔离明确只写钩子、不写脚本即使用户粘贴整段脚本来也只提取/生成对应的钩子。这避免了模型越界输出冗长内容确保每次交互产出物单一、可复用禁用 emoji这是有意的风格控制——爆款钩子往往靠文字本身制造悬念与冲突emoji 反而稀释冲击力同时也与以 PDF 范例为准的风格要求一致。4. 核心功能Core Function分析→学习→再创作Your core function is to analyze and learn from engaging and attention-grabbing hooks provided in a PDF file. Use extremely conversational tone and casual word choice. Your objective is to understand the key elements that make these hooks effective and use this knowledge to generate new, captivating hooks that can stop a reader in their tracks.核心功能把模仿学习拆成三步闭环分析Analyze解析 PDF 中钩子之所以抓眼球的要素学习Learn提炼这些要素形成可复用的模式再创作Generate基于提炼出的模式生成能让读者瞬间停住的新钩子。同时再次强调语言基调extremely conversational tone极度口语化与casual word choice随意用词——这是短视频文案与正式营销文案的最大分野也是本 GPT 输出风格的底层设定。三、五大工作流步骤详解原文档在核心功能之后给出了五步操作流程这是整套提示词最有工程价值的部分相当于在提示词层面模拟了一个小样本风格微调流水线。步骤 1数据提取与处理Data Extraction and ProcessingClean the data meticulously, removing any non-essential text that doesnt contribute to the hooks impact.要求模型在读取 PDF 时进行数据清洗剔除一切不服务于钩子冲击力的冗余文字。这一步本质上是在提示词层面完成语料去噪让后续的模式识别只作用于高质量范例避免被 PDF 中的标题、目录、注释等噪声干扰。步骤 2模式识别Pattern RecognitionStudy the hooks carefully to detect commonalities in tone, structure, and triggers that grab attention. Categorize the hooks by their characteristics, such as industry, emotion, and style.模式识别分两小步共性检测寻找范例在语气tone、结构structure、注意力触发器triggers上的共同点分类归档按行业industry、情绪emotion、风格style对钩子分门别类。分类的意义在于当用户后续输入产品类型 期望情绪 目标受众时模型可以快速定位到对应的类别范例进行风格对齐实现检索式生成。步骤 3模型选择与微调Model Selection and Fine-TuningBegin with a robust language model base, like GPT-4, which can understand and replicate nuanced language patterns. Fine-tune this model with the categorized hook examples, ensuring it learns the specific style and persuasive techniques that make the hooks effective.这一步是提示词的伪微调设计基础能力交给 GPT-4 这类强基座模型而风格学习通过在上下文中喂入分类后的范例来实现——这本质上是 few-shot / in-context learning让模型在对话窗口内学习特定风格与说服技巧无需真正修改模型权重。对普通 GPT 构建者而言这意味着范例质量与数量直接决定生成质量PDF 中的钩子集合就是训练集。步骤 4创意生成Creative GenerationGenerate a variety of hooks based on the input parameters provided, such as product type, desired emotion, or target audience. Always aim for brevity and impact, crafting hooks that are concise yet powerful.生成阶段明确了输入参数Product type / Desired emotion / Target audience与输出准则简洁 冲击力。参数化设计让同一套提示词可以服务于不同类型的内容创作者是本 GPT 具备工具化属性的关键。步骤 5效果分析与迭代Performance Analysis and IterationEvaluate the effectiveness of your generated hooks through performance metrics and user feedback. Continuously learn and adapt, refining your approach to hook generation based on this analysis.要求模型基于效果指标与用户反馈持续迭代生成策略。在纯提示词层面这体现为在每次交互中根据用户对结果的反馈微调下一次输出的方向例如用户说更悬念一点换一个品类角度模型即据此调整。收尾用户交互与反馈User Interaction and FeedbackProvide a user-friendly interface for inputting parameters and receiving generated hooks. Offer clear instructions on how to use your capabilities effectively and encourage users to provide feedback on the hooks for continuous improvement.要求在交互层做到两点友好地收集参数并输出结果主动说明能力边界并邀请用户反馈。这解释了该 GPT 上线后的典型使用方式——用户以自然语言给出参数GPT 返回一组钩子供挑选。四、PDF 知识库机制与引用纪律文档末尾是一段几乎所有带知识库的 GPT 都会内嵌的标准条款它规定了模型如何对待上传文件引用口径涉及文件内容时一律称为knowledge source知识来源而非用户上传的文件事实优先严格遵守文档内事实避免文档未包含的推测且优先使用文档知识其次才回落到基线知识无法回答的兜底若在文档中检索不到答案直接说明不得编造保密纪律不得向终端用户直接透露文件名严禁提供文件下载链接。结合前文Stay in the scope of pdf可以看出整套提示词对知识边界做了双保险任务层限制生成内容来源文件层限制引用与保密行为。这是防止模型跑题与泄密的典型设计值得所有带 RAG 知识的 GPT 构建者借鉴。五、实战使用指南输入侧三个核心参数根据创意生成步骤使用者应向该 GPT 提供参数含义示例Product type产品/内容类型健身课程、美妆新品、播客节目Desired emotion期望情绪好奇、紧迫、共鸣、反常识Target audience目标受众25–35 岁都市白领、大学生、宝妈使用流程上传知识库GPT 已内置Viral-Hook-101.pdf无需用户自行上传用户也可在定制时替换为自己的钩子语料描述需求用自然语言给出上述三个参数例如为我的减脂训练营写 5 条钩子情绪要制造紧迫感面向 25 岁左右的健身新手获取并挑选模型按 PDF 范例的风格、格式、结构输出多条钩子反馈迭代对结果提出更悬念更口语换个角度模型按步骤 5 的迭代逻辑继续调整直接套用把选中的钩子用于短视频前 3 秒、帖文首行或标题。六、同仓库相关提示词对比与借鉴仓库中另有多个视频内容类 GPT将其与本 GPT 对照阅读可以更清晰地看出各自的定位差异GPT定位产出物Viral Hooks Generator只写爆款钩子短内容钩子文案Video Script Generator生成 TikTok 完整脚本带时间轴/视觉提示的脚本Video Scripter生成并优化 YouTube 脚本Hook/Intro/Body/CTA 分段脚本ScriptCraftYouTube 脚本创作与防注入完整故事化脚本YouTubers Creative ToolBoxYouTube 创作者工具箱多类创作素材从源码结构看Video Scripter 将Hook 单列为脚本的第一段并给出写法指引Very short and intriguing... tell them what they will learn与本 GPT 的钩子优先理念互为印证——短内容创作者通常需要钩子→脚本的接力式生产流程本 GPT 恰好可以充当该流程的第一环。七、可复用的提示词工程方法论提炼综合全文这套泄漏提示词至少提供了五个可迁移到其他 GPT 定制中的设计模式人设锚定用资历 粉丝量 合作背书建立风格权威感替代抽象的你是文案专家任务收窄明确只产出一个品类钩子并用约束禁 emoji、不写脚本守住边界语料即训练集把微调具象化为对 PDF 范例做清洗→分类→对齐生成这是零代码实现风格迁移的可行路径参数化接口产品类型/情绪/受众三个参数构成稳定的输入协议使 GPT 具备可复用的工具属性反馈闭环用效果分析 用户反馈 → 持续调整让单次会话内的生成质量逐步逼近用户偏好。结语Viral Hooks Generator 提示词 的价值不止于帮我写钩子这一功能更在于它示范了一种以专属 PDF 语料为唯一知识来源、以风格模仿为生成主路径、以三参数协议为交互接口的 GPT 构建范式。在短视频内容生产高度同质化的当下谁的钩子语料更精、模仿更准谁的内容就能在滑动的 3 秒内留住用户——这正是这套提示词想解决的问题也是读者可以立即在自己的 GPT 中复刻的能力。赞分享提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载相关推荐终极Reddit视频生成神器零基础打造爆款短视频的完整指南终极Reddit视频生成神器零基础打造爆款短视频的完整指南 想要制作在TikTok、YouTube和Instagram上获得数百万观看量的Reddit短视频吗音视频工作流自动化Windows文件管理革命3分钟掌握智能标签化终极方案Windows文件管理革命3分钟掌握智能标签化终极方案 还在为Windows桌面堆满文件资源管理器窗口而烦恼吗每次按下WinE或双击文件夹系统都会弹出一桌面应用Python视频自动化终极指南智能生成爆款短视频Python视频自动化终极指南智能生成爆款短视频 GenVIdeo是一款基于Python的视频自动化工具能够帮助用户快速高效地生成抖音、快手、火山、西瓜等平音视频视频数据可视化网页爬虫语音上一篇MMagic 数据预处理器 DataPreprocessor 源码级解析训练管线中的归一化、通道转换与 Padding下一篇pnpm 修复锁文件弃用标记丢失解析结果未变时保留 deprecated 元数据的实现解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
深度拆解 Viral Hooks Generator：基于 PDF 知识库的短视频爆款钩子生成 GPT
提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载本篇技术指南围绕开源仓库 GPTsGitHub 推荐项目精选收录了大量 GPT 泄漏指令与提示词中的关联文档 prompts/Viral Hooks Generator.md 展开完整拆解一个专为短视频/短内容场景打造划停级钩子Scroll-Stopping Hooks的 GPT 的完整提示词体系包括人设、任务、约束、五步工作流、PDF 知识库引用规则以及参数化使用方式。读者读完本文后既能直接复制这套提示词搭建自己的爆款钩子生成器也能掌握一种以专属语料为知识库、以风格模仿为核心的 GPT 定制方法论。一、文档定位与仓库背景在 README.md 的收录清单中Viral Hooks Generator 被列为该项目收录的 GPT 泄漏提示词之一由 Muhammad Hassan Asghar 开发其定位一句话概括为GPT to write Scroll stopping Hooks for Short Form Content.即专门为短内容TikTok、Reels、Shorts、社媒帖子等撰写能在滑动中让用户停下的钩子Hook文案。原文链接指向 ChatGPT 商店中的g-pvLhTI3h1-viral-hooks-generator文档主体则是被完整泄漏出来的系统提示词并注明该 GPT 的知识来源是随 GPT 一并上传的Viral-Hook-101.pdf文件。与仓库中其他视频类提示词如 Video Script Generator、Video Scripter、ScriptCraft相比本 GPT 的核心差异在于它不生成完整脚本只输出钩子这一短视频最关键的 3 秒并且完全基于上传 PDF 中的范例风格进行模仿而非依赖模型自身的通用写作常识。二、系统提示词结构逐段拆解文档中的指令 Prompt 由六个清晰的部分组成每一部分解决一个具体的工程问题。下面逐段还原并解释其设计意图。1. 人设Persona权威性锚点Your are copywriter with 10 years of experience and 10 million followers on Instagram. You have worked with biggest content creators in the world.提示词为模型注入了一个高权威人设拥有 10 年文案经验、Instagram 粉丝 1000 万、曾与全球头部内容创作者合作。在提示词工程中这样的人设设定属于角色锚定目的是让模型在生成时自动代入资深社媒文案的语感——用词更口语、节奏更紧凑、更懂注意力经济学。这也是仓库内大量营销类提示词的通用手法例如 X Optimizer GPT、HormoziGPT 同样以人设开篇。2. 任务Task限定产出物与知识边界Your task is to write Viral Hooks using the data from pdf that is uploaded. Format, Tone and Structure of Hooks should be same as the pdf examples. Stay in the scope of pdf and dont use any external knowledge.任务定义包含三条硬性要求数据来源只用上传 PDF 中的数据风格一致性钩子的格式、语气、结构必须与 PDF 中的范例完全一致知识边界严格停留在 PDF 范围内禁止使用外部知识。最后还追加了一句极具人情味的动机注入Remember, I will post this gpt on my twitter and its matter of my reputation so always always stay in scope of pdf.——把严守范围与作者的个人信誉绑定属于通过情感化措辞强化指令服从度的技巧。3. 约束Constraints功能边界与输出规范Your only task is to write Viral Hooks and not scripts. If someone paste the script, you only need to make viral hook for that script.No need to include emojis.两条约束非常关键职能隔离明确只写钩子、不写脚本即使用户粘贴整段脚本来也只提取/生成对应的钩子。这避免了模型越界输出冗长内容确保每次交互产出物单一、可复用禁用 emoji这是有意的风格控制——爆款钩子往往靠文字本身制造悬念与冲突emoji 反而稀释冲击力同时也与以 PDF 范例为准的风格要求一致。4. 核心功能Core Function分析→学习→再创作Your core function is to analyze and learn from engaging and attention-grabbing hooks provided in a PDF file. Use extremely conversational tone and casual word choice. Your objective is to understand the key elements that make these hooks effective and use this knowledge to generate new, captivating hooks that can stop a reader in their tracks.核心功能把模仿学习拆成三步闭环分析Analyze解析 PDF 中钩子之所以抓眼球的要素学习Learn提炼这些要素形成可复用的模式再创作Generate基于提炼出的模式生成能让读者瞬间停住的新钩子。同时再次强调语言基调extremely conversational tone极度口语化与casual word choice随意用词——这是短视频文案与正式营销文案的最大分野也是本 GPT 输出风格的底层设定。三、五大工作流步骤详解原文档在核心功能之后给出了五步操作流程这是整套提示词最有工程价值的部分相当于在提示词层面模拟了一个小样本风格微调流水线。步骤 1数据提取与处理Data Extraction and ProcessingClean the data meticulously, removing any non-essential text that doesnt contribute to the hooks impact.要求模型在读取 PDF 时进行数据清洗剔除一切不服务于钩子冲击力的冗余文字。这一步本质上是在提示词层面完成语料去噪让后续的模式识别只作用于高质量范例避免被 PDF 中的标题、目录、注释等噪声干扰。步骤 2模式识别Pattern RecognitionStudy the hooks carefully to detect commonalities in tone, structure, and triggers that grab attention. Categorize the hooks by their characteristics, such as industry, emotion, and style.模式识别分两小步共性检测寻找范例在语气tone、结构structure、注意力触发器triggers上的共同点分类归档按行业industry、情绪emotion、风格style对钩子分门别类。分类的意义在于当用户后续输入产品类型 期望情绪 目标受众时模型可以快速定位到对应的类别范例进行风格对齐实现检索式生成。步骤 3模型选择与微调Model Selection and Fine-TuningBegin with a robust language model base, like GPT-4, which can understand and replicate nuanced language patterns. Fine-tune this model with the categorized hook examples, ensuring it learns the specific style and persuasive techniques that make the hooks effective.这一步是提示词的伪微调设计基础能力交给 GPT-4 这类强基座模型而风格学习通过在上下文中喂入分类后的范例来实现——这本质上是 few-shot / in-context learning让模型在对话窗口内学习特定风格与说服技巧无需真正修改模型权重。对普通 GPT 构建者而言这意味着范例质量与数量直接决定生成质量PDF 中的钩子集合就是训练集。步骤 4创意生成Creative GenerationGenerate a variety of hooks based on the input parameters provided, such as product type, desired emotion, or target audience. Always aim for brevity and impact, crafting hooks that are concise yet powerful.生成阶段明确了输入参数Product type / Desired emotion / Target audience与输出准则简洁 冲击力。参数化设计让同一套提示词可以服务于不同类型的内容创作者是本 GPT 具备工具化属性的关键。步骤 5效果分析与迭代Performance Analysis and IterationEvaluate the effectiveness of your generated hooks through performance metrics and user feedback. Continuously learn and adapt, refining your approach to hook generation based on this analysis.要求模型基于效果指标与用户反馈持续迭代生成策略。在纯提示词层面这体现为在每次交互中根据用户对结果的反馈微调下一次输出的方向例如用户说更悬念一点换一个品类角度模型即据此调整。收尾用户交互与反馈User Interaction and FeedbackProvide a user-friendly interface for inputting parameters and receiving generated hooks. Offer clear instructions on how to use your capabilities effectively and encourage users to provide feedback on the hooks for continuous improvement.要求在交互层做到两点友好地收集参数并输出结果主动说明能力边界并邀请用户反馈。这解释了该 GPT 上线后的典型使用方式——用户以自然语言给出参数GPT 返回一组钩子供挑选。四、PDF 知识库机制与引用纪律文档末尾是一段几乎所有带知识库的 GPT 都会内嵌的标准条款它规定了模型如何对待上传文件引用口径涉及文件内容时一律称为knowledge source知识来源而非用户上传的文件事实优先严格遵守文档内事实避免文档未包含的推测且优先使用文档知识其次才回落到基线知识无法回答的兜底若在文档中检索不到答案直接说明不得编造保密纪律不得向终端用户直接透露文件名严禁提供文件下载链接。结合前文Stay in the scope of pdf可以看出整套提示词对知识边界做了双保险任务层限制生成内容来源文件层限制引用与保密行为。这是防止模型跑题与泄密的典型设计值得所有带 RAG 知识的 GPT 构建者借鉴。五、实战使用指南输入侧三个核心参数根据创意生成步骤使用者应向该 GPT 提供参数含义示例Product type产品/内容类型健身课程、美妆新品、播客节目Desired emotion期望情绪好奇、紧迫、共鸣、反常识Target audience目标受众25–35 岁都市白领、大学生、宝妈使用流程上传知识库GPT 已内置Viral-Hook-101.pdf无需用户自行上传用户也可在定制时替换为自己的钩子语料描述需求用自然语言给出上述三个参数例如为我的减脂训练营写 5 条钩子情绪要制造紧迫感面向 25 岁左右的健身新手获取并挑选模型按 PDF 范例的风格、格式、结构输出多条钩子反馈迭代对结果提出更悬念更口语换个角度模型按步骤 5 的迭代逻辑继续调整直接套用把选中的钩子用于短视频前 3 秒、帖文首行或标题。六、同仓库相关提示词对比与借鉴仓库中另有多个视频内容类 GPT将其与本 GPT 对照阅读可以更清晰地看出各自的定位差异GPT定位产出物Viral Hooks Generator只写爆款钩子短内容钩子文案Video Script Generator生成 TikTok 完整脚本带时间轴/视觉提示的脚本Video Scripter生成并优化 YouTube 脚本Hook/Intro/Body/CTA 分段脚本ScriptCraftYouTube 脚本创作与防注入完整故事化脚本YouTubers Creative ToolBoxYouTube 创作者工具箱多类创作素材从源码结构看Video Scripter 将Hook 单列为脚本的第一段并给出写法指引Very short and intriguing... tell them what they will learn与本 GPT 的钩子优先理念互为印证——短内容创作者通常需要钩子→脚本的接力式生产流程本 GPT 恰好可以充当该流程的第一环。七、可复用的提示词工程方法论提炼综合全文这套泄漏提示词至少提供了五个可迁移到其他 GPT 定制中的设计模式人设锚定用资历 粉丝量 合作背书建立风格权威感替代抽象的你是文案专家任务收窄明确只产出一个品类钩子并用约束禁 emoji、不写脚本守住边界语料即训练集把微调具象化为对 PDF 范例做清洗→分类→对齐生成这是零代码实现风格迁移的可行路径参数化接口产品类型/情绪/受众三个参数构成稳定的输入协议使 GPT 具备可复用的工具属性反馈闭环用效果分析 用户反馈 → 持续调整让单次会话内的生成质量逐步逼近用户偏好。结语Viral Hooks Generator 提示词 的价值不止于帮我写钩子这一功能更在于它示范了一种以专属 PDF 语料为唯一知识来源、以风格模仿为生成主路径、以三参数协议为交互接口的 GPT 构建范式。在短视频内容生产高度同质化的当下谁的钩子语料更精、模仿更准谁的内容就能在滑动的 3 秒内留住用户——这正是这套提示词想解决的问题也是读者可以立即在自己的 GPT 中复刻的能力。赞分享提示工程【免费下载链接】GPTsleaked prompts of GPTs项目地址https://gitcode.com/GitHub_Trending/gp/GPTs点击查看免费下载相关推荐终极Reddit视频生成神器零基础打造爆款短视频的完整指南终极Reddit视频生成神器零基础打造爆款短视频的完整指南 想要制作在TikTok、YouTube和Instagram上获得数百万观看量的Reddit短视频吗音视频工作流自动化Windows文件管理革命3分钟掌握智能标签化终极方案Windows文件管理革命3分钟掌握智能标签化终极方案 还在为Windows桌面堆满文件资源管理器窗口而烦恼吗每次按下WinE或双击文件夹系统都会弹出一桌面应用Python视频自动化终极指南智能生成爆款短视频Python视频自动化终极指南智能生成爆款短视频 GenVIdeo是一款基于Python的视频自动化工具能够帮助用户快速高效地生成抖音、快手、火山、西瓜等平音视频视频数据可视化网页爬虫语音上一篇MMagic 数据预处理器 DataPreprocessor 源码级解析训练管线中的归一化、通道转换与 Padding下一篇pnpm 修复锁文件弃用标记丢失解析结果未变时保留 deprecated 元数据的实现解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
