抖音爆款短视频拆解

抖音视频分析的痛点

手动拆解抖音爆款视频耗时且难以系统化。内容创作者需要从竞品视频中快速提取结构分段、爆款归因和可复用策略，但传统方法依赖人工观看与笔记，效率低且易遗漏关键细节。

技能如何工作

该技能通过异步接口自动化视频拆解，核心流程包括：

• 输入处理：支持抖音分享链接（短链 https://v.douyin.com/... 或带 /video/ 的长链）或本地视频文件（如 .mp4、.mov）。本地文件会自动上传至服务端并换取 video_id。
• 任务调度：使用 python3 scripts/analyze_dy_video.py 提交任务。

- --only-create 创建任务并返回 analysis_task_id。
- --poll-task 轮询进度，避免单次调用阻塞会话。任务运行约 1–5 分钟，需多次短轮询（每次 ≤90 秒）。

• 报告生成：成功后从 data.result.markdown 提取报告，包含视频结构分段、爆款原因分析、评分及策略建议。报告以 Markdown 格式渲染，包含标题、表格和列表。

关键步骤如扣点确认（约 128 点）和退出码处理（如退出码 13 表示进行中需继续轮询）确保流程可靠。

适用边界与注意点

• 输入限制：仅支持抖音平台视频；其他平台（如视频号、B 站）链接需先下载为本地文件。文件格式限 mp4/mov 等，大小不超过 200MB，超限需压缩。
• 扣点机制：新发起任务扣除点数，成功后结算；失败时点数返还。轮询或重试同一任务（--retry-task）不重复扣点，但真重试需重新发起。
• 报告准确性：拆解由远端服务生成，仅供参考，重大决策需人工复核。报告 Markdown 需正确渲染以避免格式错误。
• 交互规范：必须按步骤处理：先确认 API Key（配置于 config.json），再识别输入，执行前确认扣点，最后交付报告时渲染 Markdown 正文。