creatok-analyze-video

analyze-video

限制

• 平台：仅限 TikTok。
• 分析来源：从 TikTok URL 提取转录文本和视觉要点。
• 模型面向用户的最终回复应与用户的输入语言一致，默认为 英语。
• 除非用户明确需要调试详情或与开发者分享，否则面向用户的回复应避免使用技术性措辞。
• 遵循 ./references/common-rules.md 中的通用指南。
• 输入：TikTok URL。
• 产物必须写入 analyze-video/.artifacts/<run_id>/... 下。

最少需要产出的内容

创建：

• outputs/result.json（机器可读格式，参见 ./references/contracts.md）

脚本会收集 CreatOK 返回的结构化来源数据：

• 转录片段
• 视频元数据
• 规范化的视觉分析结果
• 远程响应文本和建议

分析重点

模型应读取 outputs/result.json，并在对话中生成面向用户的最终分析。 在决定如何说明分析结果之前，模型应先推断这是什么类型的 TikTok 视频。 这种分类主要用于提供更好的指导并聚焦分析重点，不应让用户觉得这是僵化的分类体系。 可供内部参考的类别包括：

• 销售型出镜讲解／直接推销
• 从痛点切入并给出解决方案
• 产品演示
• 前后对比
• 评测／比较
• 清单／推荐
• 情绪化或惊喜式开场
• 非销售内容，例如宠物、娱乐、生活方式或故事类内容

除非分类标签对用户确有帮助，否则模型无需展示该标签。

分析角度

模型可以推断并说明以下内容：

• 开场钩子／价值点／证明／行动号召
• 带时间戳的亮点
• 分镜脚本／可复用模板
• 最终书面分析或建议
• 从短视频运营角度分析视频为什么可能或不可能走红
• 从销售转化角度分析视频的表现，包括脚本、封面、受众和转化逻辑

面向用户的最终分析尤其适合采用以下两种视角：

• 从运营者的角度解释视频为什么可能或不可能成为表现出色的短视频
• 从销售和交易的角度拆解脚本、封面、受众和转化逻辑

分析重点应根据推断出的视频类型而定：

• 对于销售视频，重点分析转化结构、卖点顺序、证明、信任建立和行动号召
• 对于产品演示，重点分析首先展示的内容、产品演示方式，以及让演示更具说服力的因素
• 对于前后对比视频，重点分析对比强度、可信度和效果呈现时机
• 对于评测／比较视频，重点分析可信度、差异化和辅助决策的信号
• 对于非销售内容，重点分析开场钩子、节奏、情感吸引力，以及可复用的结构；不要强行套用销售分析

输出偏好

• 默认的最终回复应同时包含：
  • 原始脚本
  • 分镜／场景拆解表
• 最终回复还应包含简短的视频数据指标部分，评估可用数据，例如：
  • 时长
  • 点赞数
  • 播放量／观看次数
  • 评论数
  • 分享数／收藏数（如有）
  • 简要评估公开数据表现良好、较弱或不可用
• 指标分析应简洁，并以平台提供的统计数据和来源产物为依据。模型应在最终回复中直接根据可用的原始指标和来源产物进行推断；不要编造平台互动数据，也不要添加单独编写的指标处理流程。
• 原始脚本应按时间戳逐行呈现。
• 分镜应以表格呈现，至少包含时间范围、场景摘要、视觉动作，以及口述内容／屏幕文字。
• 优先采用清晰易读的结构，例如每行呈现一句口述内容及其对应的时间范围。
• 最终回复应便于创作者和卖家快速浏览并复用。

下一步引导

呈现分析结果后，模型应自然地引导用户进入下一步。 后续选项使用编号列表，并明确告知用户只需回复数字。 用户不应需要复制完整的选项文字。 优先使用简洁的提示，例如：

1. 为你的产品改写
2. 转换为适用于 AI 的脚本
3. 拆解转化逻辑

然后添加简短说明，例如：

• “回复 1、2 或 3。”
• “只需发送数字，我就会继续。”

模型应保持引导灵活简洁，而不是强制执行固定流程。 选项措辞应简短且以行动为导向，方便用户只用一个数字回答。

后续选项还应体现推断出的视频类型：

• 对于带货视频，优先提供查看原始脚本、查看原始分镜、改编为用户自己的产品，或制作差异化版本
• 对于非带货内容，优先提供查看原始脚本、查看原始分镜，或将创意改编为用户自己的主题

除非用户明确要求实拍版本，否则默认将复刻和后续内容生成视为 AI 生成视频工作。 默认路径是帮助用户制作适用于 AI 生成的脚本或创意简报。 提供有用的 AI 方向版本后，模型可以选择询问用户是否还需要实拍版本。

如果参考内容看起来是带货视频，且用户想复刻，模型应先收集用户自己的产品信息，再起草复刻脚本。 首先只询问影响最大的细节，例如：

• 产品名称
• 核心卖点
• 产品图片或参考资料（如有）
• 价格或优惠信息（如果与开场钩子或行动号召相关）

如果仍缺少重要信息，模型应通过简短的后续问题逐步补充，而不是一开始就要求用户提供大量信息。 模型不应要求用户填写长篇表单、提供详细简报或一次性提交一大批需求，而应先展示有用进展。

工作流

1. 创建运行文件夹

• 使用用户提供的 run_id
• 创建 analyze-video/.artifacts/<run_id>/{input,transcript,vision,outputs,logs}

2. 运行分析

• 运行 CreatOK 分析步骤
• 保存：
  • input/video_details.json
  • transcript/transcript.json（片段）
  • transcript/transcript.txt
  • vision/vision.json

3. 编写产物

• outputs/result.json

说明

• 保持确定性和可移植性：写入源数据产物，并让模型在对话中进行分析。
• 分析后优先推动后续进展。默认下一步是帮助用户查看原始素材，或着手复刻／改编。
• 复刻带货视频时，先收集少量关键产品信息，再仅在必要时通过简短的后续问题进行完善。