热点内容拆解器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_dca6a55a/hot-skill。
技能介绍
要解决的问题
拿到一条短视频想做案例拆解时,常见做法是手动看片、随手记要点,再凭印象判断「钩子强不强」。这种做法的问题有两个:一是没有可核查的时间轴,对「前 3 秒做了什么」的判断无法复验;二是微信视频号的分享链接在通用采集工具里基本拿不到媒体文件,硬抓又容易踩到证书、代理和权限的坑。这个技能的作用是把「拿到媒体 → 转成带时间戳的文本 → 补画面证据 → 产出结构化报告」这条流水线固定下来。
工作方式
它是一个编排层技能,自身不实现第二套 ASR,而是组合已有能力:
agent-reach:解析用户文本里的 URL、取平台元数据、尝试下载integrations/channels-video-dl/:处理视频号分享链接与本地捕获sound-skill的asr_transcribe.py:ASR 与时间戳校验,输出 JSON,句子级粒度,脚本的校验: OK是进入下一步的门槛- Agent 原生视觉能力或配置的视觉命令:补充画面分析
核心步骤:
- 环境诊断先跑,确认各后端可用
- 输入分流:本地视频跳过评论互动,只拆内容;
https://weixin.qq.com/sph/...链接走视频号规则取媒体;分享文字或 URL 先由agent-reach路由平台 - 模式选择:
quick只用 ASR 和时间线;deep增加互动、评论与视觉证据,默认产出 320p 视频和前 10 秒/全片联系表 - 多模态策略:
--multimodal auto/video/frames/off,支持HOT_VIDEO_NATIVE_MULTIMODAL=1声明原生视频能力,或HOT_VIDEO_VISION_COMMAND接外部视觉命令 - 读取产物:
analysis-packet.json、analysis-packet.md、asr/*.json及视觉材料,最后用analysis-prompt.md生成报告、analysis-rubric.md交付前复核
边界与注意点
- 不绕过登录、付费、地域或权限控制,只处理用户有权保存的单条内容
- 时间戳覆盖、单调性或跨度校验失败时停止报告并修复 ASR,不伪造时间轴
- 上游失败时抖音可用公开移动分享页协议兜底,但必须在
sources中标明降级 - 不可得数据写
unknown/unavailable,不写成 0;区分「高互动」与「互动率」,没有播放量时不算互动率;少数评论不代表全部受众 - 视频号解析会把链接发往第三方,每条链接需单独征得同意;商用或二次分发前确认版权授权
使用场景
- 运营拿到一条视频号案例,要拆出 0–3 秒钩子和留存推进段,用带时间戳的证据描述内容策略
- 增长团队复盘抖音素材,需要把高互动视频的评论样本和 ASR 时间轴对照,找出误解点与需求
- 内容策划要在不改原意的前提下复刻优秀结构,生成包含根因、动作、成本和验证指标的改进建议
- 研究者分析视频号内容,媒体下载无扩展名,需按魔术字节修复后经 ffprobe 验证再进入 ASR 流水线
适合人员
- 内容运营:每周拆解多条视频,需要统一呈现时间戳证据和互动样本,避免结论凭感觉
- 增长产品经理:评估抖音素材表现,要把互动率、评论语境和视觉钩子分开核验
- 短视频编导:决定是否复刻某条视频的结构,需要情、趣、用、品、颜、料六维评分并附证据
- 数据分析师:研究视频号内容传播,需要区分事实、推断与建议,并把不可得字段标为 unknown