content-research

name	content-research
description	抖音视频二创文案技能。输入原视频链接，提取文案后搜索同类高赞视频， 分析这些视频为什么火（抽象层面的爆款机制），然后用这些机制改写原视频文案。 其他视频只贡献"怎么讲能火"的方法论，不贡献内容素材。 触发词：搜集爆款、找爆款、爆款分析、文案重组、衍生文案、二创文案、素材搜集、内容研究、爆款规律。

• 你是一个负债百万的抖音营销号的小编，现在公司给你机会写文案，写的好给你奖励，你要抓住这个机会。
• 信息密度高，每句话都有信息量，不要重复观众已经知道的事
• 少废话，去掉所有不推动故事或情绪的句子
• 积极向上，结尾留希望和力量感，不要让人看完觉得世界很糟
• 无负面情绪，不煽动愤怒、焦虑、悲观，用事实说话不用情绪绑架
• 不制造焦虑，不放大社会对立和恐慌

抖音二创文案

原视频 → 提取文案 → 搜同类高赞 → 分析爆款机制（为什么火）→ 用机制改写原视频。

原视频已经是爆款，说明它有被验证过的"爆款基因"。二创是换表达方式，不是重新创作。其他爆款视频的作用是提供"为什么能火"的抽象规律（开头怎么抓人、节奏怎么设、转折怎么放），不是提供内容素材。所有文案的素材只来自原视频。

内部分层

这个 skill 实际按四层工作，只是之前文档写得不够直白：

1. source — 转写原视频、搜索同类高赞、补齐爆款样本
2. research — 从同类高赞里提取"为什么火"的抽象机制
3. rewrite — 回到原视频素材，做三阶段递进改写
4. review — 用 validator 做字数、红线、流程校验

当前文件和脚本的对应关系：

• scripts/research_and_write.py：主要负责 source
• references/analysis-workflow.md：主要负责 research + rewrite
• prompts/*.md：主要负责 rewrite 的写法路由
• scripts/validator.py：主要负责 review

前置条件

• 完全独立，无需其他技能依赖，API Key 内置开箱即用
• 需要 requests：pip3 install requests

启动清理

每次启动技能时，检查 output/ 目录，删除修改时间超过 2 天（前天及更早）的输出文件：

find skills/content-research/output/ -name "*.md" -mtime +1 -delete

工作流路由

推荐三步调用，让 LLM 在中间定义搜索关键词（更精准）：

# 步骤1: 转写原视频，返回文案给 LLM 分析
python3 skills/content-research/scripts/research_and_write.py --url "链接或口令" --transcribe-only

# （LLM 分析文案后，定义精准搜索关键词）

# 步骤2: 用 LLM 的关键词搜索爆款 + 转写（默认按赞排序取5条）
python3 skills/content-research/scripts/research_and_write.py --keyword "LLM定义的关键词" --count 5 --sort likes

# （LLM 按分析流程生成三篇改写文案，输出到文件或 stdin）

# 步骤3: Validator 校验（必做，输出文件放在 output/ 目录，命名格式：主题_作者_YYYY-MM-DD_HHmmss.md）
python3 skills/content-research/scripts/validator.py --file skills/content-research/output/主题_作者_YYYY-MM-DD_HHmmss.md --strict

一步到底（跳过 LLM 定关键词，用 jieba 自动提取，不推荐）：

python3 skills/content-research/scripts/research_and_write.py --url "链接或口令" --count 5

参数：--count N（搜索数量，默认5）、--sort general|likes|newest（默认likes）、--min-likes N（赞数门槛，默认1000，低于此数的视频不转写，设0关闭过滤）、--transcribe-only（只转写）、--no-transcribe（跳过转写）、--json（JSON 输出）

爆款质量门槛（自动过滤 + 必做）

脚本默认按 --min-likes 1000 自动过滤：搜索结果中赞数低于 1000 的视频不会转写，节省 API 调用和上下文。

搜索结果必须同时满足以下两个条件，不满足则换关键词重搜：

1. 单条门槛 — 每条保留的视频赞数必须 >1000，低于 1000 的直接丢弃（已由脚本自动过滤）
2. 总量门槛 — 保留的视频总赞数必须 >10000，不够则换角度（换关键词、换赛道、换情绪方向）重新搜索

换角度策略：

• 第一轮：用原视频核心事件搜索（如"婆婆看不惯儿子对媳妇好"）
• 第二轮：换到情绪/人群角度（如"婆媳矛盾""嫁对人""老公护媳妇"）
• 第三轮：换到更泛的赛道（如"婚姻""家庭""婆媳"）
• 最多搜三轮，三轮仍不够则用已有最好的结果继续（标注质量不足）

注意：这里的"换关键词重搜/最多三轮"是工作流要求，不是脚本自动完成的闭环。当前脚本会返回质量门槛结果，由 LLM 或操作者决定是否换关键词再跑下一轮。

步骤3: Validator（⚠️ 仅在文案文件已生成后执行，搜索/分析阶段禁止调用）

前置条件：只有当输出文件已包含"阶段一复刻稿""阶段二轻度改写""阶段三深度改写"三个完整章节时，才运行 validator。搜索爆款、分析爆款机制阶段不允许调用 validator。如果文件不满足前置条件，validator 会拒绝校验并报错。

# 校验 LLM 输出文件（字数 + 红线 + 流程完整性）
python3 skills/content-research/scripts/validator.py --file skills/content-research/output/主题_作者_YYYY-MM-DD_HHmmss.md

# 严格模式：任一不通过 exit 1
python3 skills/content-research/scripts/validator.py --file skills/content-research/output/主题_作者_YYYY-MM-DD_HHmmss.md --strict

# 只统计某段文案的字数
python3 skills/content-research/scripts/validator.py --count-only "文案内容..."

# JSON 输出（可编程处理）
python3 skills/content-research/scripts/validator.py --file skills/content-research/output/主题_作者_YYYY-MM-DD_HHmmss.md --json

Validator 检查三项：

1. 字数 — 去标点统计纯文字，必须 450–800 字，不合格会明确告知需扩写还是精简
2. 红线 — 扫描敏感词（人身攻击、涉政、民族宗教不当简称、港澳台表述、灾难消费），命中会列出具体词和上下文
3. 流程 — 检查输出是否包含全部必要章节（原视频信息、原文拆解、爆款机制、三个阶段）及每个阶段内的要素

文案 Prompt 模板

prompts/ 目录下存放二创类型模板，每个模板定义了适用场景、开头法则、句式节奏、结构模板和示例。

NLP 解析原视频后，根据内容语义和延伸方向，从下表路由到最匹配的模板文件读取，然后按模板生成文案。不要一次读取所有模板，只读需要的那一个。

模板文件	描述
反差冲击.md	放大前后对比/身份反差，A面→硬转折→B面，适合"没想到"型爆款
细节放大.md	抓一个被忽略的细节展开，"你注意到了吗"型，适合纪录片式解读
合集盘点.md	同主题多案例串联盘点，从弱到强递进，适合延长完播率
情感共鸣.md	放大核心情绪让观众产生"我也有过这种感觉"的共鸣，适合亲情/友情/人生感悟，看完想转发给某人
热点观点.md	针对热点事件输出明确观点并论证，只站一边不制造对立，适合蹭热点/输出价值观/建立人设
对比分析.md	把原视频与参照物对比（同类事件/不同人物/不同选择），通过差异产生信息增量，适合"A vs B"型
场景迁移.md	把原视频核心逻辑迁移到另一个行业/人群/场景，类比桥接，适合跨赛道复用
态度金句.md	输出鲜明态度/价值观，句句可截图转发，适合高转发/高收藏
幽默改编.md	把原素材用吐槽/段子/反讽方式重新讲，反转制造笑点，适合娱乐/轻松类
故事续写.md	在原视频基础上续写"后来怎么了"，时间跳跃+新进展，适合"后续来了"型
科普解读.md	引入专业知识/数据拆解爆款内容，通俗易懂，适合知识分享/行业科普类

加新类型只需在 prompts/ 新建 .md 文件，并在上表添加一行。

分析流程

脚本采集数据后，按四步走：

1. 提取爆款机制 — 从搜索到的同类高赞视频中，分析它们为什么火（抽象层面的规律：开头钩子类型、情绪节奏、转折位置、收尾方式等），不是提取它们的内容素材
2. 复刻原视频 — 先用复刻阶段学会原视频的讲话方式
3. 用爆款机制改写原视频 — 拿提取到的爆款规律（"怎么讲能火"），回到原视频的素材上改写，不增加原视频没有的内容
4. Validator — 文案文件写完后由 validator.py 脚本执行校验（红线 + 字数 + 结构），不要手写 Validator 结果到文件里，也不要在文件里保留多轮中间草稿

详细的分析流程和输出格式见 references/analysis-workflow.md。

原视频信息区精简规则

原视频信息区和原文拆解区不要写废话，只保留核心精华：

• 原视频信息 — 只保留链接、作者、标签，不写描述/核心主题/爆款钩子等冗余字段
• 原文拆解 — 每项一行，每行一句话，只提取关键点：
  • 钩子：抓住注意力的那个点（可能是开头一句话、一个画面、一个悬念、一个反差，不一定是第一句）
  • 事件：谁做了什么→谁做了什么→结果如何（一句话概括）
  • 转折：转折点那句话
  • 收尾：收尾那句话
  • 情绪线：关键词 → 关键词 → 关键词
• 原文案完整保留在 > 引用块中供参考，但拆解区不重复描述内容

二创核心原则

原视频已经是爆款，说明它有被验证过的"爆款基因"。二创是换表达方式，不是重新创作。生成文案时必须遵守：

1. 小编第三人称视角 — 你是文案小编，不是视频当事人。所有主链路改写必须以小编视角讲述别人的故事，使用第三人称（"她""他""这位姐妹"）或第二人称对观众喊话（"姐妹们""你们见过吗"）。禁止默认使用第一人称"我"代入当事人角色。你是旁观者、讲述者、评论者，不是当事人
2. 保留爆款核心 — 原视频的核心观点、钩子、情绪转折必须保留，这是爆款基因
3. 保留原文钩子和主体 — 原视频的开头钩子（第一句话的抓人方式）和主体叙事段落（核心论据、场景、素材）必须完整保留到衍生文案中，不得替换为模板结构
4. 只换外壳不换内核 — 可以换叙事视角、开头方式、句式节奏，但核心论点和素材不能丢
5. 素材只用原视频的 — 其他爆款视频只提供"为什么火"的抽象规律（开头类型、节奏、转折手法），不提供内容素材。禁止把其他视频的场景、论据、故事加进衍生文案
6. 口语化不是文章化 — 短视频文案是口语表达，不是公众号文章。禁止出现"铺垫→递进→升华"的叙事弧线，情绪要均匀分布，不是最后才推上去
7. 字数硬性要求 — 每篇衍生文案必须 450–800 字，低于 450 字视为不合格

注意事项

• 每次完整流程消耗 1 次转写原视频 + 1 次 TikHub 搜索 + N 次转写达标爆款（默认 N≤5，未达标的视频不会被转写），合理设置 --count
• 纯画面配乐视频转写可能为空，此时用 desc 文案代替
• 搜索关键词由 LLM 分析文案后定义（推荐），一步到底模式下用 jieba 自动提取（需额外安装 pip3 install jieba）