拆解对标内容 — 支持文本和视频两种模式。文本：用户粘贴文案，输出结构化拆解。 视频：用户发视频链接或文件，通过 Omni 全模态分析输出四学科视角深度拆解。 结果存入 intel 系统供创作参考。
拆解对标内容 — 支持文本和视频两种模式。文本：用户粘贴文案，输出结构化拆解。 视频：用户发视频链接或文件，通过 Omni 全模态分析输出四学科视角深度拆解。 结果存入 intel 系统供创作参考。
npx skills add https://github.com/alextangson/AutoCrew --skill teardownこのコマンドをClaude Codeにコピー＆ペーストしてスキルをインストール
Guided service configuration — detects unconfigured tools, shows feature impact, walks users through setup module by module. Stores configs in services.json. Triggers: "配置" / "configure" / "设置工具" / "config" / "设置" / "setup tools".
Content writing workflow for Chinese social media
Orchestrate a single content writing task. Activate when user asks to write one specific piece of content, or picks a topic to write about. Trigger: "写这个" / "帮我写" / "写成文案" / "写一篇".
Synchronize the knowledge wiki with new intel and references. Auto-triggered after intel pull/ingest, or manually via "同步知识库" / "整理 wiki" / "sync knowledge base".
Evaluate whether a proposed feature belongs in AutoCrew and in what form. Activate when user explicitly proposes adding a new feature, capability, or integration. Triggers: "我想加" / "能不能做一个" / "想增加" / "加个功能" / "接入一个" / "想做一个" / "I want to add".
一键完成品牌设置 + 写作风格校准。首次使用运行完整流程，再次运行可查看/微调。 Trigger: /setup, 设置, 品牌校准, 风格校准, calibrate
| name | teardown |
| description | 拆解对标内容 — 支持文本和视频两种模式。文本：用户粘贴文案，输出结构化拆解。 视频：用户发视频链接或文件，通过 Omni 全模态分析输出四学科视角深度拆解。 结果存入 intel 系统供创作参考。 |
| trigger | 当用户说"拆解"、"teardown"、"分析这条"、"对标分析"、"拆解这个视频"时触发 |
支持文本和视频两种模态。文本拆解分析文案技巧；视频拆解通过 MiMo-V2-Omni 全模态 分析画面+文案+节奏+结构，输出传播学/心理学/内容结构/视听语言四个学科维度的深度报告。
HAMLETDEER.md — HKRR 框架、Clock Theory、Micro-Retention Techniques、Bang Moment Types~/.autocrew/creator-profile.json — 用于对比自己的定位~/.autocrew/services.json — 读取 videoCrawler 和 omni 配置（服务配置已迁移到此文件）判断用户输入属于哪种模式：
| 输入特征 | 判定 | 路径 |
|---|---|---|
| 纯文本，没有 URL 也没有文件路径 | 文本模式 | → Step 1（文本拆解，下方） |
| URL 包含 douyin/xiaohongshu/bilibili/youtube/weixin 域名 | 视频模式 | → Step V1（视频拆解） |
| 路径以 .mp4 / .mov / .avi / .mkv / .webm 结尾 | 视频模式 | → Step V1（视频拆解） |
对四个维度分别打分（0-10）：
| 维度 | 评分 | 说明 |
|---|---|---|
| Happiness | X/10 | 是否有趣/有笑点？ |
| Knowledge | X/10 | 是否有增量信息/方法论？ |
| Resonance | X/10 | 是否触达情绪/身份认同？ |
| Rhythm | X/10 | 节奏是否有变化？能否持续吸引？ |
标注最强维度。
将内容按比例映射到时钟位，分析每个位置：
| Clock | 内容段落 | Bang moment 类型 | 效果评估 |
|---|---|---|---|
| 12:00 | ... | ... | 强/弱/缺失 |
| 3:00 | ... | ... | 强/弱/缺失 |
| 6:00 | ... | ... | 强/弱/缺失 |
| 9:00 | ... | ... | 强/弱/缺失 |
"这条内容有效/无效，核心原因是 ___"
列出 2-3 个可以应用到自己内容的具体技巧。
如果输入是本地文件路径： 直接使用，跳到 Step V3。
如果输入是视频链接： 读取 ~/.autocrew/services.json → videoCrawler 配置：
if videoCrawler.type == "mediacrawl":
→ 用 Bash 执行: {videoCrawler.command} --url {链接}
→ 等待下载完成，获取本地文件路径
elif videoCrawler.type == "playwright":
→ 用 Playwright 浏览器打开链接
→ 通过浏览器下载视频到临时目录
→ 获取本地文件路径
elif videoCrawler.type == "manual" (或未配置):
→ 提示用户:
"视频拆解需要先获取视频文件。请：
1. 手动下载视频到本地
2. 告诉我文件路径（例如 ~/Downloads/video.mp4）"
→ 等待用户提供路径
如果 videoCrawler 未配置，默认走 manual 模式。
如果视频来自链接，尝试提取：
获取不到不阻塞，标记为"未获取"继续。
前置检查： 读取 ~/.autocrew/services.json → omni 配置。如果未配置：
"视频拆解需要先配置 Omni API。请运行
配置命令（configure skill）选择"视频分析"模块， 或手动在~/.autocrew/services.json中添加："omni": { "provider": "xiaomi", "baseUrl": "https://api.xiaomimimo.com/v1", "model": "mimo-v2-omni", "apiKey": "your-api-key" }获取 API Key：https://platform.xiaomimimo.com"
限制检查：
调用方式（OpenAI 兼容）：
使用 Bash 或 SDK 调用 Omni API。视频文件 → base64 编码 → 通过 image_url content type
以 data:video/mp4;base64,{encoded} 格式发送。
Prompt 使用下方视频拆解模板 v2的完整内容。
⚠️ 以下是发送给 Omni 模型的完整 prompt。不可删减任何维度，每个子维度必须有具体分析。
请对这段视频进行深度拆解分析。你是一位精通传播学、心理学、内容创作和视听语言的分析师。
按以下四个学科视角逐一分析，每个子维度都必须给出具体分析，不可跳过或泛泛而谈。
---
## 1. 传播学视角 — 这条内容为什么会被传播？
### 信息不对称设计
- 创作者掌握了什么观众不知道的信息？这个信息差是如何被制造和维持的？
- 信息揭示的节奏：一次性全揭示 vs 逐层剥开？哪种策略更有效？
### 社会货币
- 观众转发这条视频时，他在向朋友表达什么身份信号？
("我很懂" / "我有品味" / "我关心你" / "看这个离谱的事")
- Berger 的 STEPPS 模型命中了哪些？逐一判断：
Social Currency / Triggers / Emotion / Public / Practical Value / Stories
### 框架效应
- 这个创作者选择了什么叙事框架来组织信息？
- 如果换一个框架（比如从"机会"换成"危机"，或反过来），效果会怎样？
- 框架选择背后的受众洞察是什么？
---
## 2. 心理学视角 — 观众的大脑在经历什么？
### 认知负荷管理
- 复杂概念是如何被拆分成可消化的信息单元的？每个单元有多"重"？
- 有没有刻意设计的"认知休息区"（笑点、停顿、重复、举例）？在什么位置？
### 情绪弧线
- 画出这条视频的情绪曲线：开场情绪状态→中间的起伏节点→结尾情绪状态
- Peak-End Rule：观众会记住哪个高峰时刻？结尾留下了什么情绪？
- 情绪转折点在视频的什么时间位置？
### 身份投射
- 观众看完这条视频后，会觉得自己是什么样的人？
("我是聪明人" / "我是行动派" / "我不孤单" / "我能做到")
- 这条视频满足了马斯洛需求层次的哪一层？（归属感/尊重/自我实现）
### 开放循环与蔡格尼克效应
- 视频中有多少个未关闭的信息缺口？分别在什么时间点打开、什么时间点关闭？
- 观众是在"满足中离开"还是在"好奇中留下"？
- 哪个开放循环设计得最巧妙？
---
## 3. 内容结构视角 — 论证架构是否有效？
### 论证结构
- 这条视频的核心论证链是什么？按这个格式分析：
观点 → 证据类型(数据/案例/权威背书/类比) → 反驳预处理 → 行动号召
- 论证链中最薄弱的环节在哪里？观众可能在哪个环节开始质疑？
### 承诺-兑现分析
- 前 3 秒（显性或隐性地）承诺了什么？
- 这个承诺最终兑现了吗？是超额兑现、刚好兑现、还是打折兑现？
- 如果打折兑现：观众是否会感到被标题党了？
### 信息密度曲线
- 哪些时间段信息密度高（新概念/新数据密集出现）？
- 哪些时间段是"呼吸空间"（重复、举例、情绪渲染、视觉留白）？
- 高密度和低密度的交替节奏是否合理？有没有连续高密度导致"听不进去"的段落？
### 观点光谱定位
- 这个观点在行业共识光谱上的位置：纯共识 ←────→ 极度反共识
- 反共识的程度是否恰到好处？（太顺=没传播价值，太反=失去信任）
- 创作者如何在"反共识"和"可信度"之间取得平衡？
---
## 4. 视听语言视角 — 形式如何服务内容？
### 视觉叙事
- 画面在传递什么文案/口播没有说的信息？（隐性信息层）
- 在关键论证节点，为什么选择这个画面？是强化、反差、还是补充论证？
- 有没有纯靠画面推进叙事（没有口播/文字）的段落？效果如何？
### 节奏与注意力（Clock Theory）
- 按时钟理论标注四个关键节点（12:00/3:00/6:00/9:00）各有什么 bang moment：
| 时钟位 | 时间点 | 内容 | Bang moment 类型 | 强度 |
|--------|--------|------|-----------------|------|
| 12:00 | | | | 强/弱/缺失 |
| 3:00 | | | | 强/弱/缺失 |
| 6:00 | | | | 强/弱/缺失 |
| 9:00 | | | | 强/弱/缺失 |
- 剪辑切镜节奏是否和论证节奏同步？论点密集时切镜是否加快？
### HKRR 诊断
- 主导维度是哪个（H快乐 / K知识 / R共鸣 / R节奏）？纯粹度如何？
- 是否存在维度冲突？（想教知识又想搞笑 = 哪个都不到位）
- 短视频（<60s）是否只选了一个维度？长视频是否有效组合了多个维度？
---
## 5. 可借鉴清单（最重要的输出）
### ✅ 方法论级借鉴（可迁移到任何主题的"公式"）
- 列出 2-3 个这个创作者用的可复用方法
### ⚠️ 风格级借鉴（好但需要适配自身风格）
- 列出 1-2 个需要调整后才能用的点
### ❌ 不适合借鉴
- 列出 1 个这个账号做但不适合我们做的，说明为什么
### 💡 创作启发
- 看完这个视频后产生的新选题想法、新切入角度、或新的表达方式
将 Omni 返回的分析整理为结构化 markdown 报告。
写入 _teardowns/ 目录：
~/.autocrew/data/pipeline/intel/_teardowns/{date}-{slug}.md
YAML frontmatter:
---
title: "拆解: {视频标题或前20字}"
type: teardown
mode: video
platform: "{平台}"
source_url: "{视频链接，如有}"
source_account: "{账号名，如有}"
video_duration: "{时长}"
analysis_model: "mimo-v2-omni"
dominantHKRR: "{最强维度}"
overallScore: 0
createdAt: "{ISO timestamp}"
tags: [teardown, video]
---
写入 intel 库触发 wiki sync：
调用 autocrew_intel with action: "ingest":
{
"action": "ingest",
"text": "{报告摘要：基础信息 + 四个视角各一句核心结论 + 可借鉴清单}",
"domain": "content-strategy",
"tags": ["teardown", "video", "{相关标签}"]
}
→ 自动触发 knowledge-sync → wiki 页面更新。
展示完整拆解报告，然后：
拆解报告已保存到
_teardowns/{filename}，知识库已同步。你可以：
- 基于这个拆解写一篇内容 — 我会自动引用拆解结论
- 继续拆解另一个视频
- 对比多个拆解报告，找共性规律
write-script 在创作时会自动搜索 pipeline/intel/_teardowns/ 目录，查找与当前主题相关的
拆解报告作为参考。视频拆解和文本拆解的报告都在同一目录，统一被检索。无需手动操作。
| 失败场景 | 处理 |
|---|---|
| videoCrawler 未配置 | 降级到 manual 模式，提示用户手动下载 |
| omni 未配置 | 提示用户运行 configure skill 或手动编辑 services.json |
| 视频文件过大（>200MB） | 提示压缩或裁剪 |
| 视频时长过长（>30min） | 提示裁剪关键片段 |
| 采集器下载失败 | 降级到 manual 模式 |
| Omni API 调用失败 | 显示错误信息，建议检查 API Key 和网络 |
| 拆解报告保存失败 | 在聊天中展示完整报告供用户复制 |