youtube-script-master

YouTube 脚本大师

用于以 Hinglish 创作数据驱动、基于证据的心脏病学 YouTube 脚本的统一技能。

此技能使用 research-engine Python 流水线提供的数据。 它不会用手动网页搜索取代该流水线。

---

关键：先运行研究流水线

编写任何脚本前，应先运行 research-engine，生成：

• 包含优先主题的内容日历
• 需求分析（人们想了解什么）
• 空白分析（有哪些机会）
• 叙事分析（需要回应哪些错误信息）

cd "/Users/shaileshsingh/cowriting system/research-engine"
python run_pipeline.py --quick    # Quick mode (~10 min)
python run_pipeline.py            # Full mode (~30 min)

---

完整架构

┌─────────────────────────────────────────────────────────────────┐
│           PHASE 1: DATA COLLECTION (Weekly - Python Pipeline)   │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  channel_scraper.py ──► Scrapes 35+ channels (no API needed)   │
│                         Competition, inspiration, belief-seeders│
│                                                                  │
│  comment_scraper.py ──► Downloads comments from top videos      │
│                         Extracts questions and pain points      │
│                                                                  │
│  OUTPUT: /data/scraped/latest_scrape.json                       │
│          /data/scraped/latest_comments.json                     │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│           PHASE 2: ANALYSIS (Python Pipeline)                    │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  demand_signals.py ──► What topics get views/engagement         │
│                        Question themes, demand scoring           │
│                                                                  │
│  narrative_monitor.py ──► Tracks 8 dangerous narratives:        │
│                           1. LDL skepticism                      │
│                           2. Statin fear                         │
│                           3. Insulin primacy                     │
│                           4. Fasting absolutism                  │
│                           5. Supplement superiority              │
│                           6. Seed oil villain                    │
│                           7. Exercise compensation               │
│                           8. Fear mongering                      │
│                                                                  │
│  gap_finder.py ──► Content opportunities                        │
│                    CORRECTION_OPPORTUNITY (misinformation)       │
│                    LANGUAGE_GAP (English→Hindi needed)           │
│                    DEMAND_GAP (questions but no videos)          │
│                    PROVEN_TOPIC (high views in English)          │
│                                                                  │
│  view_predictor.py ──► ML prediction of video performance       │
│                        Ridge regression + TF-IDF on title        │
│                                                                  │
│  OUTPUT: /output/demand_analysis_*.json                          │
│          /output/narrative_analysis_*.json                       │
│          /output/content_gaps_*.json                             │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│           PHASE 3: PLANNING (Python Pipeline)                    │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  idea_combinator.py ──► Seed ideas (300+) × Modifiers (215+)   │
│                         Filters by pillar, archetype, compat    │
│                         Prioritizes by demand + gap scores       │
│                                                                  │
│  calendar_generator.py ──► 100-day content calendar             │
│                            Mon/Wed/Fri schedule                  │
│                            Balanced by pillar and audience       │
│                                                                  │
│  OUTPUT: /output/calendar.json                                   │
│          /output/100-day-calendar.md (Obsidian-ready)           │
│          /output/idea-briefs/*.md (per-video briefs)            │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│           PHASE 4: KNOWLEDGE BUILDING (Per Video)                │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  knowledge_pipeline.py ──► RAG + PubMed in parallel             │
│    ├─► RAG: Your textbooks/guidelines (AstraDB)                 │
│    └─► PubMed: Latest research (NCBI API)                       │
│                                                                  │
│  OUTPUT: Knowledge brief with citations                          │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│           PHASE 5: SCRIPT WRITING (This Skill - Opus)            │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  INPUTS:                                                         │
│  - calendar.json (which topic, why now)                         │
│  - content_gaps.json (opportunity type)                         │
│  - narrative_analysis.json (if debunk: which narrative)         │
│  - knowledge_brief (evidence for claims)                        │
│                                                                  │
│  APPLY:                                                          │
│  - Hinglish rules (70% Hindi / 30% English)                     │
│  - Script structure (hook → body → CTA)                         │
│  - Debunk protocol (if correction opportunity)                  │
│  - 6-point voice check                                          │
│                                                                  │
│  OUTPUT: Complete 15-30 min script in Hinglish                  │
└─────────────────────────────────────────────────────────────────┘

---

使用研究引擎的输出

步骤 1：查看内容日历

# See next 5 topics to create
python calendar_generator.py --show-next 5

# Or read directly
cat /output/calendar.json | head -100

每个日历条目都包括：

• seed_idea - 主题
• modifier - 切入角度
• gap_score - 这个主题为何有机会
• recommended_date - 建议发布时间

步骤 2：检查是否需要辟谣

# Get threat ranking of narratives
python analyzer/narrative_monitor.py --threats

# Generate debunk ideas
python analyzer/narrative_monitor.py --debunk

# Get response video ideas for high-reach misinformation
python analyzer/narrative_monitor.py --response

输出包括：

• 哪些频道在宣传哪些叙事
• 错误信息视频的观看次数
• 预先生成的用于辟谣内容的 Hinglish 开场白
• 匹配的反制内容种子创意

步骤 3：查看纠正错误信息的机会

python analyzer/gap_finder.py --corrections

返回传播广泛的错误信息视频，包括：

• 视频标题和观看次数
• 检测到的叙事
• 建议的纠正形式（direct_response、evidence_synthesis、gentle_correction、indian_context）

步骤 4：为选定主题构建知识

from rag_pipeline.src.knowledge_pipeline import KnowledgePipeline

pipeline = KnowledgePipeline(verbose=True)
brief = pipeline.synthesize_knowledge("Your selected topic")

步骤 5：使用此技能编写脚本

准备好所有数据后，应用以下规则。

---

35 个以上的追踪频道（数据来源）

research-engine 会在 target_channels.json 中追踪以下频道：

竞争频道（印地语）- 差异化／监测

• Dr Navin Agrawal CARDIO CARE（30 万以上）
• Cardiac Second Opinion（10 万以上）
• SAAOL Heart Center（340 万）- 反面典型

印度大型频道 - 监测／差异化

• Fit Tuber（700 万以上）
• Dr Vikas Bangar（100 万以上）
• Satvic Movement（100 万以上）
• Dr Biswaroop Roy Chowdhury（400 万以上）- 重要反面典型

灵感来源（英语）- 借鉴技巧

• Peter Attia MD（150 万以上）- 首要范例
• York Cardiology（100 万以上）
• Nutrition Made Simple（120 万以上）
• The Proof with Simon Hill（100 万以上）
• Dr Ford Brewer（70 万以上）
• Medlife Crisis（150 万以上）

信念传播者 - 高优先级辟谣对象

• Dr Eric Berg（1,100 万以上）- 生酮饮食、胰岛素优先论、对他汀类药物的恐惧
• Dr Sten Ekberg（350 万以上）- 胰岛素、断食
• Dr Ken Berry（250 万以上）- 肉食饮食、对 LDL 的质疑
• Dr Mark Hyman（300 万以上）- 功能医学
• Dr Jason Fung（100 万以上）- 断食
• Dr Pradip Jamnadas（100 万以上）- 在印度侨民中颇受欢迎

---

8 种追踪叙事（用于辟谣内容）

narrative_monitor.py 会追踪以下危险信念：

叙事	他们的说法	主要频道
ldl_skepticism	“LDL 不会导致心脏病”	Berg、Ekberg、Berry、Low Carb Down Under
statin_fear	“他汀类药物很危险／没必要”	Berg、Berry、SAAOL、Satvic
insulin_primacy	“只有胰岛素重要，LDL 不重要”	Ekberg、Fung、Jamnadas、Hyman
fasting_absolutism	“断食能治愈／逆转一切”	Fung、Jamnadas、DeLauer
supplement_superiority	“补充剂优于药物”	Berg、Hyman、Huberman
seed_oil_villain	“种子油会导致心脏病”	Berry、Saladino
exercise_compensation	“运动能逆转斑块”	各类频道
fear_mongering	“医生／制药公司隐瞒了治愈方法”	Dr Biswaroop、SAAOL

编写辟谣内容时，请使用下文的先公允呈现、再纠正流程。

---

Hinglish 语言规则

用词选择表

语境	使用印地语	使用英语
情绪	Dil、zindagi、takleef	-
医学术语	-	Cholesterol、BP、diabetes、LDL、HDL
行动	Samjhiye、dekhiye、sochiye	-
数据	-	80%、studies show、evidence
身体部位	-	Heart、arteries、blood
严重程度	Khatarnak、serious	Critical、emergency

比例：70% 印地语／30% 英语（仅限技术术语）

句式

解释：

“胆固醇有两种——LDL，也就是‘坏胆固醇’，以及 HDL，也就是‘好胆固醇’。LDL 过高就会堆积在动脉里……”

证据引用：

“一项 2023 年的研究调查了 50,000 名印度人，发现……”

实用建议：

“那该怎么办呢？很简单——每天散步 30 分钟、晚上 8 点前吃晚餐，并减少钠的摄入……”

转场（印地语）

• 从一点转到另一点：“接下来讲第二点……”“第三点……”“最重要的是……”
• 对比：“但是……”“是的，不过……”“这里有个转折……”
• 强调：“请仔细听……”“这很重要……”“别忘了……”
• 讲故事：“我来讲一位患者的案例……”“说说我遇到的事……”

---

视频脚本结构（15-30 分钟视频）

钩子（0:00 - 0:30）

让观众停下滑动，引发好奇心。

句式：

• 惊人数据：“做这件事的印度人中，有 80% 患心脏病的风险会翻倍……”
• 挑战迷思：“你可能听说过 [belief]。这是错的。我来告诉你为什么……”
• 故事开场：“有位 42 岁的患者来找我。他的案例会让你大开眼界……”
• 直接提问：“你会 [common thing] 吗？这对你的心脏有什么影响？”

规则：

• 不要说“Namaste dosto”（无聊，观众会跳过）
• 开头 5 秒最关键
• 制造一个必须解开的信息缺口

对于辟谣视频，narrative_monitor.py 会生成这样的 Hinglish 钩子：

• “在 YouTube 上看到 LDL 不坏？来听听一位心脏病专家说出真相……”
• “害怕他汀类药物？我理解你的担忧。现在我们来看看证据……”

开场介绍 + 建立可信度（0:30 - 2:00）

确立专业权威，说明观众可以期待什么。

“我是 Shailesh 医生，一名介入心脏病专家。过去 15 年里，我看过成千上万名患者。今天，我会告诉你我在诊所里会告诉患者的那些事……”

正文——主要内容（2:00 - 25:00）

结构选项：

A. 清单式（3-5 点）

Point 1: [Setup → Evidence → Practical takeaway]
Transition: "Ab doosri baat..."
Point 2: [Setup → Evidence → Practical takeaway]
...

B. 故事驱动式

Patient case introduction
What happened (tension)
Medical explanation (education)
Resolution
Lessons learned

C. 破除迷思（辟谣格式）

State the myth clearly
Steelman: Why people believe it (from narrative_monitor data)
Evidence: What studies actually show (from knowledge_brief)
Nuance: The complete picture
What to do instead

互动节点（每 3-4 分钟）：

• 向观众提问：“你怎么看？”
• 揭示惊人信息：“但这里有个转折……”
• 引发共鸣：“你可能也在想……”
• 打破节奏：改变语速、语气或视觉提示

总结 + 行动号召（25:00 - 30:00）

总结：

• 简要回顾 3 个关键点
• 用一句话总结要点
• “如果只能记住一件事……”

行动号召（选择一项主要行动）：

• 订阅：“本频道会定期发布这类视频……”
• 评论：“请在下方写下你的问题，我会回答……”
• 分享：“转发给可能用得上的亲友……”

---

先公允陈述，再纠正的流程（适用于辟谣内容）

第 1 步：找出其中合理的部分

每种流行的健康观念都包含一些真实成分。找出它。

观念	合理的部分
“LDL 无关紧要”	仅看 LDL 并不能了解全貌；颗粒数量和炎症也很重要
“他汀类药物是毒药”	他汀类药物确实有副作用；并非所有人都需要服用
“禁食能治好一切”	禁食有代谢方面的益处；限制热量摄入也有帮助
“胰岛素才是真正的问题”	胰岛素抵抗确实很重要；代谢健康也很重要

第 2 步：明确承认

错误示范：

“这些人错了。LDL 显然会导致心脏病。”

正确示范：

“这种观念是怎么来的？其实，其中有个合理的观点。仅看 LDL 并不能了解全貌。ApoB、颗粒数量、炎症——这些都很重要。但这并不意味着 LDL 完全不重要……”

第 3 步：指出逻辑错误

• 过度简化：“事情没那么简单……”
• 挑选研究：“当我们查看所有研究时……”
• 个人经历与证据混淆：“有些人的经历确实如此，但从整个人群的角度来看……”

语气：不要这样说 / 改为这样说

不要这样说	改为这样说
"这些人错了"	"这种方法存在一个问题"
"胡说八道"	"事情并没有这么简单"
"你们被骗了"	"这只是部分事实，不过……"
"危险的错误信息"	"证据显示的情况有所不同"

---

6 点语气检查

交付任何脚本前，请确认以下 6 点：

#	检查项	问题
1	权威性	Topol、Attia 或 Huberman 会用 Hinglish 这样说吗？
2	领域专家	听起来像心脏病专家，而不是健康生活方式导师吗？
3	严谨性	这段内容能通过期刊审查（英文）吗？
4	易懂性	德里的七年级学生能看懂吗？
5	不说教	这是在解释，而不是训诫吗？
6	不评判	依据的是证据，而不是羞辱他人的生活方式吗？

详细标准请参阅 voice-check.md。

---

证据引用规范

研究

"2023 年，《European Heart Journal》发表了一项荟萃分析——涵盖 200 项研究、200 万人。结果是什么？[具体发现]……"

指南

"欧洲顶尖心脏病专家制定的 ESC 指南建议 [具体建议]。为什么？因为证据表明……"

临床经验

"在过去 15 年的临床实践中，我见过 [X] 个病例，其中 [观察结果]……"

---

快速参考：数据文件

文件	位置	包含内容
内容日历	/output/calendar.json	要创建的内容及时间安排
需求分析	/output/demand_analysis_*.json	受众的需求
缺口分析	/output/content_gaps_*.json	存在哪些机会
叙事威胁	/output/narrative_analysis_*.json	需要反驳的内容
种子创意	/data/seed-ideas.json	300 多个主题种子
修饰项	/data/modifiers.json	215 多个内容角度
目标频道	/data/target_channels.json	35 多个跟踪频道

---

斜杠命令

命令	用途
/research-and-script [topic]	完整工作流：数据 → 知识 → 脚本
/show-calendar	查看内容日历
/debunk-script [narrative]	编写纠正视频
/idea-details [idea-id]	深入研究特定创意

---

已弃用的技能

此技能取代：

• /.claude/skills/youtube-script-hinglish/skill.md - 已弃用
• /.claude/skills/debunk-script-writer/skill.md - 已弃用
• /.claude/skills/cardiology-youtube-scriptwriter/SKILL.md - 已弃用

请改用此统一技能。

---

此技能确保每个 YouTube 脚本都以数据为驱动（来自 research-engine）+ 以证据为基础（来自 RAG+PubMed）+ 真实可信（采用 Hinglish 语气，并通过 6 点检查）。