技能介绍

很多团队用 AI 做短剧的链路是：aladin-drama-topic 出选题，script 写剧本，gen / subtitle / dub 生成画面和声音，edit 剪好成片，publish 排好发布。但走到发布这一步，常见结果就是「发完等播放」。真正的问题不是不会写文案，而是缺少发布之后的主动引流、跨平台分发，以及把真实表现反馈到下一期选题的机制。

它解决什么问题

常见的爆款文案工具或短视频脚本工具，通常只输出一段文案或一条脚本，不会继续做这些事：

按平台差异生成钩子、置顶评论与关注引导
把同一集拆成适合多平台发布的分发矩阵
给出预算梯度与人群定向提示
把播放、完播、涨粉等结果沉淀成下一轮选题输入

本技能定位在 AI 短剧创作环的引流收口环节。输入来自 aladin-drama-publish 的 _publish_plan.json，可选传入真实 --metrics；输出是可本地执行的引流方案，并生成可回灌 aladin-drama-topic 的 feedback 字段。

核心能力与工作流程

主要产出包括：每平台钩子文案（前 3 秒留人话术、评论区置顶、引导关注、互动提问）、跨平台分发矩阵（主平台精发，多平台切片改编）、评论区运营 SOP（黄金 1 小时、置顶话术、神评互动）、轻量投放建议（试投 / 放量 / 爆发梯度与人群定向提示）、数据反哺选题（基于 --metrics 或选题基因生成 feedback）。

工作流有四个本地步骤。traffic_hook.py 产出 hooks.json。traffic_plan.py 产出 _traffic_plan.json，包含投放建议、评论区 SOP、KOL 建议与 feedback。traffic_report.py 生成自包含看板 traffic_board.html 和执行清单 traffic_notes.md。traffic_retro.py 在发布后把真实跑量写入本地 traffic_playbook.json，支持后续 summary、benchmark 与组合推荐。由此形成引流、真实表现、复盘沉淀、下次越做越准的循环。

适用边界

它适合已经有发布计划的短剧团队，不替代选题、剧本、生成、剪辑、配音与发布排期，也不负责互动承接或客服社群；互动承接可用 omni-engage，历史数据复盘可用 omni-growth。注意：不连接任何广告平台 API，不提供充值、出价或真实投放；不承诺播放与涨粉结果；无真实 --metrics 时不编造数据，只给默认策略；feedback 必须能机械回灌 aladin-drama-topic。脚本仅依赖 Python 标准库，离线可跑，相同输入必得相同输出，便于回归与审计。