visual-benchmarker

name	visual-benchmarker
description	(元技能) 视觉对标视频搜索器，通过指导AI调用其他工具，为项目确认视觉风格。
metadata	{"version":"1.0.0","source":"https://github.com/your-repo/visual-benchmarker","author":"an","tags":["metaskill","workflow","video","marketing","research"],"license":"MIT","requirements":["skill:douyin-video-search"]}

技能名称：视觉对标视频搜索器 (visual-benchmarker)

核心目标

这是一个元技能 (Meta-Skill)，它本身不包含代码，而是作为一个行动手册，指导AI通过组合自身能力和外部工具，为项目（如短视频拍摄）确认视觉风格和剪辑风格，从而避免返工。

---

🧠 工作流程（三步走）

第一步：AI 提取关键词

AI 需要根据用户上传的资料（如文本文件），提取核心品类与搜索关键词。这一步完全依赖 AI 的推理能力，无需代码，只需执行以下提示词：

**提示词模板：**

你是一位资深的短视频内容策略师。请仔细阅读以下客户资料，从中提取可用于抖音搜索的“核心品类”和“关键词”。

**客户资料：**
{此处粘贴用户上传的作战地图/产品资料/启动会录音文本}

**要求：**
1. 首先确定核心品类（例如：女装、母婴、知识付费等）。
2. 然后围绕该品类，提取 3-5 个精准搜索关键词（例如：极简通勤穿搭、亲子互动、职场口才等）。
3. 以 JSON 数组形式输出，例如：["女装", "通勤穿搭", "轻熟风", "一衣多穿"]。

第二步：调用 douyin-video-search 技能获取视频

AI 将第一步生成的关键词，作为参数，调用已安装的 douyin-video-search 技能来获取视频列表。

调用示例 (可移植):

# AI应使用工具调用，而不是执行固定路径的脚本
# 以下为概念性示例，实际调用取决于AI对工具的封装
tools.douyin_video_search(keyword="科技公司 办公空间", sort="1", publish="7")

AI应优先选择按点赞量排序 (--sort "1") 的结果，以筛选高热度视频，并可使用分页参数 (--cursor) 获取更多结果。

第三步：AI 筛选与输出案例

AI 对第二步获取的视频列表进行筛选，保留点赞量高、视觉风格独特、与项目定位匹配的视频，最终输出 3 个以上的对标视频案例，并附上简要分析。

输出格式示例：

## 对标视频案例推荐

### 案例 1：极简通勤穿搭｜一衣多穿公式
- **视频链接**：https://www.douyin.com/video/1234567890
- **亮点分析**：视频开头3秒直接展示穿搭前后对比，节奏紧凑；画面干净高级，符合“极简风”定位。
- **可借鉴元素**：开头的痛点提问方式、快速切换的搭配镜头。

### 案例 2：小户型收纳｜3招让空间大一倍
- **视频链接**：https://www.douyin.com/video/2345678901
- **亮点分析**：采用第一视角拍摄，代入感强；字幕设计清晰，信息密度高。
- **可借鉴元素**：第一视角运镜、关键信息字幕包装。

---

🛠️ 使用说明

输入

用户需提供一份包含战略信息的文本文件（作战地图、产品资料等）。

输出

一个包含至少 3 个对标视频的 Markdown 格式报告。

依赖技能

• skill:douyin-video-search: 必须已安装并在 config.json 中配置好 tikhub_api_token。

---

⚠️ 注意事项

• 动态调用: AI 在执行第二步时，必须通过工具系统动态调用 douyin-video-search 技能，绝不能依赖或执行任何写死的本地文件路径。
• 关键词质量: 第一步的关键词提取质量直接影响最终结果，AI 可与用户交互，对关键词进行确认或调整。