写文章这件事，很多人都有一个共同的痛点：标题。辛辛苦苦码了几千字，结果阅读量两位数，问题大概率出在标题上。标题就像是文章的门面，门面不吸引人，内容再好也容易被忽略。
过去我起个标题，反复折腾两小时是家常便饭，现在压缩到五分钟就能搞定。核心方法就是用Obsidian搭建一个标题知识库，再配合Codex这个AI工具，把爆款标题的公式内化成一套可执行的技能（Skill）。下面就把这套流程拆开来讲。
1. 文章阅读数据很大程度取决于标题
标题决定了一篇文章的打开率，这是所有内容创作者的共识。就像走在街上，一家店的门面决定了顾客会不会走进去。公众号的标题就是文章的门面，尤其对于泛流量平台，标题的好坏直接影响阅读量。
从一个技术社区转到公众号平台时，会发现同样一篇技术文章，在CSDN、掘金上阅读量可能破万，放到公众号里却只有两位数。原因很简单：两个平台的用户属性完全不同。技术社区的读者是精准的技术人群，他们冲着你文章里的技术栈和干货来；公众号是泛流量平台，面向的是大众读者，标题如果太偏技术、太硬核，路人根本不会点击。
2. 爆款标题公式
公众号起标题其实是有套路可循的。通过大量案例和书籍的梳理，可以把爆款标题归纳为几类公式，每类公式都有明确的适用场景和写法。
- 好奇心式：为什么 + 反常现象 + 结果？——让用户产生点击欲望。
- 共鸣型：所有 + 人群 + 都绕不开的 + 问题——适合人生感悟、情感类内容。
- 危机型：别再 + 错误行为，真正有效的是 + 方法——放大焦虑，但需慎用。
- 价值型：N分钟/天 + 搭建/搞定/跑通 + 具体结果——直接告诉读者能获得什么。
- 新闻热点类：刚刚，xxx上线，我xxx——适合追踪热点。
- 反差对比类：不是A，而是B——用落差抓注意力。
- 认知翻转：你以为的A，其实是B——碘伏认知，但要小心被判定为标题党。
这些公式如果只靠人脑记忆并应用到每一篇文章，效率很低。以前的做法是记住大概公式，然后把正文丢给通用AI工具让它按照公式生成标题，但经常遇到上下文限制、重复对话、改来改去不满意的情况，耗费大量时间。
更好的做法是用Obsidian把自己的历史文章数据（标题、阅读量、点赞量等）整理成知识库，再通过Codex把上述标题公式内化为一个专用skill。这样每次写新文章，只需把内容丢进去，几分钟就能拿到多个风格不同的爆款候选项。
3. Codex+Obsidian制作公众号爆款标题skill
这套方案分两步走：先基于书本知识搭建一个初级版本，再结合个人历史数据升级为进化版。
3.1 初级版本skill
第一步，让Codex梳理书籍中关于爆款标题的技巧和方法论。提示词不需要复杂，用自然语言告诉它“这些是书里讲怎么起公众号爆款标题的内容，你先梳理一下”，它就能把核心规则提炼出来。
第二步，基于梳理好的规则，让Codex生成一个可用的skill。同样用白话描述：“把这个规则做成一个skill，放到指定文件夹，名字叫xfc-title，最终实现我输入文章内容，你从不同角度给我几个爆款标题”。
回到Codex使用这个skill，把一篇已有的文章丢进去，它就会给出多个标题候选。不过此时的效果只能说及格，分数大概在65分左右——虽然符合公式，但缺少个人风格的加持。
3.2 基于Obsidian+Workbuddy的进化版skill
初级版本的问题在于：它只用了通用公式，没有参考自己的历史爆款数据。如果能把自己过去所有文章的标题、阅读量、点赞数等互动数据整理成一个知识库，让AI同时参考已有爆款和公式，效果会好很多。
具体做法是：先把历史文章数据整理到Excel表格中（包括标题、阅读量、点赞等字段）。公众号的数据获取可以通过自动化工作流完成，比如用n8n搭建一个抓取流程，改造后做成一个skill，让它自动将指定筛选条件的文章写入Excel。
有了Excel数据后，还要进一步利用指数公式把这些文章按照阅读量、综合热度、收藏数等维度评估，然后整合到Obsidian知识库中。为什么已经有了Excel还要导入Obsidian？因为Excel表格数据庞杂，直接把所有原始数据丢给AI，它很难分辨哪些标题是有参考价值的爆款。通过指数公式排序后，AI能更精准地聚焦高价值样本。
把Obsidian知识库和初级版本的skill结合起来，再次生成标题。这次的效果明显提升——标题有了点击欲望，评分能达到85分。随着后续文章数据越来越多，这个skill生成的标题也会越来越成熟。
4. 结语
这套方案的核心逻辑其实很简单：把个人历史经验变成AI可用的知识库，再把行业通用公式和个性化数据融合成一个定制化的标题生成工具。以前起标题，对着通用AI来回改，改到心态爆炸也出不来一个满意的；现在把文章丢进去，喝口水的功夫就有十几个选项可以挑，效率和幸福感都上了一个台阶。
标题只是第一步，同样的思路还可以延伸到文章内容本身的质量评估、选题推荐等场景。数据积累越久，工具就越懂你——这才是真正提高内容生产力的方向。
