mcpField
S
show-and-tell-video-slate

show-and-tell-video-slate

github.com/ericosiu营销与增长3.7k43 次安装5 周前更新
代码仓库

关于 show-and-tell-video-slate

面向营销创作的技能,将获准使用的工作产物和结果整理为以证据为核心的视频选题与包装方案。它通过展示验证和评分门槛,生成分段流程、证明记录及排序后的选题表。

主要功能

  1. 01界定范围并确认来源授权
  2. 02盘点可拍摄的证据
  3. 03设置展示验证筛选门槛
  4. 04规划 15 分钟节目结构
  5. 05为每集设计三种不同包装
  6. 06提供验证与拍摄顺序指引

适用场景

  1. 01从近期产品或工作流成果中筛选节目
  2. 02制定分段的演示型拍摄计划
  3. 03区分已验证结果与计划、预测

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/ericosiu/ai-marketing-skills --skill show-and-tell-video-slate

安装后在 Claude Code 中输入/show-and-tell-video-slate确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

README.md
requirements.txt
agents/
openai.yaml
references/
output-contract.md
selection-rubric.md
scripts/
evaluate_slate.py
tests/
test_evaluate_slate.py

详细介绍

展示与讲解视频选题板

把真实工作变成视频,让开场承诺通过可见的成果、工作流、结果或前后对比得到兑现。

前言

从仓库根目录运行注重隐私的版本检查和遥测初始化程序(如有):

python3 telemetry/version_check.py 2>/dev/null || true
python3 telemetry/telemetry_init.py 2>/dev/null || true

远程遥测需选择启用。绝不记录内容、URL、路径、凭据、姓名、业务数据或证明材料。

确定范围

说明获准使用的数据源、负责人、频道、观众、时长、交付内容和停止条件。源系统保持只读。绝不搜索无关的账户、仓库、对话或凭据。

如果尚不清楚,请用户为以下成果排序:

  1. 创造收入;
  2. 节省资金;
  3. 提升生产能力。

在撰写标题或开场钩子之前,先加载用户提供的创作者语气指南。即使某选题的数值评分达标,只要违反指南,也应予以淘汰。

盘点可拍摄的证据

仅检查用户提供或授权的构建成果、仓库、演示、Agent 运行记录、仪表板、分析数据和工作流输出。对每个候选选题,记录:

  • 观众和业务成果;
  • 可见的成果及演示路径;
  • 主张状态:已实现、估算、轶事、预测、目标或计划;
  • 证明材料指针、时效性和隐私限制;
  • 实现机制、经验教训和观众行动;
  • 尚缺的补拍、采集、脱敏或验证工作。

不要把记忆中的结果说成已验证的证据。对暂定候选选题做好标注。

应用展示与讲解门槛

阅读 references/selection-rubric.md。除非满足以下条件,否则淘汰或修订候选选题:

  • 前 30 秒内能展示真实成果、构建成果、屏幕、输出或实体物品;
  • 演示能解释或证明选题主张;
  • 一个承诺足以支撑 15 分钟内容,且不注水;
  • 观众能获得可用的机制或决策依据;
  • 结尾能彻底兑现开场承诺。

仅讲框架的主题必须使用真实案例。产品演示必须先讲观众能获得的成果,而非罗列功能。

谨慎组合

只有在想法共享同一种机制、同一类观众和同一项收获时,才将它们组合。例如,使用同一套触达循环的销售和招聘工作流、同一审计系统中的多种成本控制方法,或将已展示的内容成果与产出该成果的循环流程配对。

不要为了凑时长而组合无关的证据点。内容单薄的想法应改为较短的形式。

制定精确的 15 分钟内容脉络

除非用户另有要求,否则时长设为 900 秒:

  1. 0:00-0:30 展示成果并提出承诺;
  2. 0:30-2:00 说明利害关系和基线;
  3. 2:00-5:00 展示构建了什么;
  4. 5:00-10:00 演示其工作方式;
  5. 10:00-13:00 展示佐证、局限和经验教训;
  6. 13:00-15:00 给出实施路径并兑现承诺。

评分并设计方案

使用 references/selection-rubric.md 中的九项内容评估维度。要求平均分达到 90 分以上,且“可演示性”和“收获兑现度”均至少达到 90 分。

恰好制作三套差异显著的方案:

  1. 结论或反常识观点;
  2. 具体证据或转变;
  3. 决策实用性或实施框架。

要求每套方案得分至少为 9.0/10,且没有任何维度低于 8.5。缩略图文字控制在 0 到 4 个词,主要视觉元素不超过 3 组。优先使用真实成果、结果屏幕、仪表板、输出或实体道具,而非抽象隐喻。

选题板通过审核后,如果已安装这些技能,则使用 content-eval 进行更深入的评审,使用 video-content-engine 制作制作计划,并使用 shortform-idea-grill 制作完整的短视频衍生内容。如有兼容的缩略图方案设计技能,也一并使用。将已实现的成果与计划和预测明确区分。

验证

阅读 references/output-contract.md,将结构化选题列表保存为 JSON,然后运行:

python3 scripts/evaluate_slate.py slate.json --output slate-eval.json
python3 scripts/evaluate_slate.py slate.json --validate-only

验证器会检查运行时、素材证据、主张证明、单集评分、包装路径、缩略图字数、组件预算和包装评分下限。

交付

返回排名后的选题列表、组合决策、准确的节目流程、前 30 秒的承诺、证明与补录清单、每集三个包装方案、评估回读、获胜包装方案和拍摄顺序。

将 ready 与 repair 分开。再出色的包装方案也不能弥补证据缺失。未经明确批准,不要渲染、发布、安排发布时间、上传或更改线上素材。

生命周期

  • 跟踪状态: 将运行证据、选题列表 JSON、评估报告和决策保存在用户选择的私有运行时文件夹中,而不是技能中。
  • 成功标准: 至少有一集通过单集和演示关卡,每个展示的包装方案都通过确定性验证,并且每项已实现的主张都有证明指针。
  • 重复触发条件: 在选择拍摄选题列表时、重要构建发布后,或收到新的第一方结果时运行。默认不要安排运行时间。
  • 学习回写: 将用户更正、失败的证明检查和发布后的效果证据存入私有运行时文件夹。
  • 晋升: 一次真实构建生成通过验证的选题列表并完成录制后,进行验证。累计完成三个有用的选题列表和至少两次有测量数据的内容回读后,将其视为已可投入生产。
  • 退役: 如果连续三次运行都没有新增具有差异化的就绪单集,或其他工作流已接手完整流程,则归档。

评论

支持 Markdown