--- name: video-content-analyst slash_command: analyze-video description: > 视频创作全流程助手：分析视频→沉淀方法论知识库→依据知识库生成创意与剧本。 当用户上传视频要求分析、或要求生成视频创意、或要求写脚本/剧本时触发。 支持五种模式： (1) /analyze-video 分析视频，审核后写入知识库 (2) /generate-idea 基于知识库生成选题创意 (3) /write-script 从选题到完整分镜脚本全流程生成 (4) /kb-add 手动追加文字笔记到知识库 (5) /kb-summary AI主动梳理知识库并更新规律总结 知识库路径：~/.claude/skills/video-content-analyst/knowledge-base/ usage: | /analyze-video <视频路径> /generate-idea [主题关键词] /write-script [选题描述或创意编号] /kb-add <笔记内容> /kb-summary --- # Video Content Analyst v3 — 创作知识大脑 ## 架构总览 ``` video-content-analyst/ ← skill 安装目录 ├── SKILL.md ← 本文件，主控逻辑 ├── references/ │ ├── content-frameworks.md ← 叙事框架速查 │ └── platform-context.md ← 各平台规律 ├── scripts/ │ ├── extract.sh ← 视频提取（ffmpeg） │ └── kb-write.sh ← 知识库写入工具 └── kb-template/ ├── entry-template.md ← 分析条目模板 └── index-schema.json ← 索引结构定义（文档用） └── knowledge-base/ ← 视频分析知识库（运行时自动创建） ├── index.json ← 综合索引（三维：标签/时间/方法论类型） ├── patterns.md ← AI归纳规律（/kb-summary 更新，生成时自动读取） ├── hypotheses.json ← 待验证假设追踪 ├── entries/ ← 每次分析沉淀的条目 └── README.md ← 知识库说明 ``` --- ## 知识库索引结构（index.json） 每个条目在 index.json 中的完整记录格式如下。 写入时由 `scripts/kb-write.sh` 自动填充，无需手动编辑。 ```json { "entries": [ { "id": "2026-03-20_ai-qitan", "file": "entries/2026-03-20_ai-qitan.md", "meta": { "title": "AI奇谈·止戈为武·流金", "date": "2026-03-20", "source_platform": "CCTV/微信视频号", "duration_seconds": 322 }, "tags": ["#时事评论", "#拟人化叙事", "#AI生成画面", "#地缘政治"], "methodology": { "hook_type": "金句前置", "structure_model": "矛盾建立→势力登场→冲突激化→多极化收口", "visual_style": "AI高拟真+拟人动物", "language_tone": "古白话+现代口语混搭" }, "effectiveness": { "hook_strength": 5, "information_density": 3, "virality_potential": 5, "notes": "截图传播性极强，表情包素材丰富" }, "reuse_count": 0, "hypotheses": ["金句前置比悬念型开场留存率更高（待验证）"], "created_at": "2026-03-20T11:04:08Z", "last_cited": null } ], "tag_index": { "#时事评论": ["2026-03-20_ai-qitan"], "#拟人化叙事": ["2026-03-20_ai-qitan"] }, "methodology_index": { "hook_type": { "金句前置": ["2026-03-20_ai-qitan"], "悬念型": [], "痛点共鸣": [], "反常识": [] }, "structure_model": { "AIDA": [], "PAS": [], "故事弧": [], "自定义": ["2026-03-20_ai-qitan"] }, "visual_style": { "真人出镜": [], "AI生成": ["2026-03-20_ai-qitan"], "混合": [], "动画": [] } } } ``` **三维检索说明**： - `tag_index`：按内容标签反查条目列表（如 `#时事评论` → 所有时事类条目） - `methodology_index.hook_type`：按钩子类型聚合，用于生成创意时调取最佳开场策略 - `methodology_index.visual_style`：按视觉风格聚合，用于脚本生成时匹配画面策略 - `effectiveness.reuse_count`：每次 /generate-idea 或 /write-script 引用该条目时自动+1，积累后可识别"高价值条目" --- ## 模式一：/analyze-video — 分析视频并沉淀知识库 ### Step 1：提取视频信息 ```bash bash scripts/extract.sh "$VIDEO_PATH" # 输出：WORK_DIR 路径，含 meta.json / frames/ / audio.txt ``` ### Step 2：四维分析 见本文件底部「四维分析框架」章节。 ### Step 3：生成草稿，等待审核 ``` 📋 分析完成，以下是准备写入知识库的草稿： 【标题】xxx 【标签】#xxx #xxx #xxx 【钩子类型】xxx 【结构模型】xxx 【视觉风格】xxx 【语言调性】xxx 【核心可复用原则】 1. xxx 2. xxx 3. xxx 【效能评分】 钩子强度：⭐x/5 信息密度：⭐x/5 传播势能：⭐x/5 【待验证假设】 - xxx 是否写入知识库？ [Y] 写入 [E] 编辑后写入 [N] 不写入 ``` --- ## 模式二：/generate-idea — 基于知识库生成创意 ### 执行流程 1. **读取知识库状态**： ```bash KB_DIR="$HOME/.claude/skills/video-content-analyst/knowledge-base" cat "$KB_DIR/patterns.md" # 已归纳规律 cat "$KB_DIR/index.json" # 方法论分布 # 按 reuse_count 降序读取前5条高价值条目 python3 -c " import json with open('$KB_DIR/index.json') as f: data = json.load(f) top = sorted(data['entries'], key=lambda x: x['effectiveness']['virality_potential'], reverse=True)[:5] for e in top: print(e['id'], e['file']) " ``` 2. **生成10条创意**，每条格式： ``` 【创意 #N】 选题：xxx 核心角度：xxx 开场钩子策略：xxx └ 知识库依据：「条目名」的「钩子类型」，传播势能评分 ⭐x/5，已被引用 N 次 目标受众：xxx 平台适配：xxx（预计时长 x:xx） 传播势能预判：⭐x/5（理由：xxx） ``` 3. 询问用户选择或重新生成，选定后进入 /write-script 流程。 --- ## 模式三：/write-script — 全流程脚本生成 三阶段交互，逐阶段确认，不跳步。 --- ### 阶段一：策略书 ``` ## 选题策略书 选题：xxx 核心角度：xxx（一句话） 目标受众：xxx 平台：xxx → 预计时长：x:xx 结构模型：xxx 📚 知识库调用说明： 开头钩子 → 「条目」·「策略名」（引用后该条目 reuse_count +1） 叙事结构 → 「条目」·「结构模型」 语言风格 → 「条目」·「调性描述」 ⚠️ 知识库空白维度：xxx（将从 references/ 通用框架推导） [1] ✅ 确认，进入大纲 [2] ✏️ 调整平台/时长 [3] ✏️ 调整结构模型 [4] ✏️ 调整受众定位 ``` --- ### 阶段二：节拍表 ``` ## 视频节拍表（共 N 段，总时长 x:xx） | # | 时间段 | 段落名 | 核心任务 | 情绪节拍 | 留存风险 | |---|--------|--------|---------|---------|---------| | 1 | 00:00–00:15 | 开场钩子 | 制造认知冲突 | 🔴 高张力 | 低 | | 2 | 00:15–01:00 | 背景建立 | 交代核心矛盾 | 🟡 中张力 | ⚠️ 易拖沓 | | … | … | … | … | … | … | 结构诊断： 前15秒钩子强度：⭐x/5 最高风险段：第 N 段（建议：xxx） 整体情绪曲线：xxx → xxx → xxx [1] ✅ 确认，生成完整脚本 [2] ✏️ 调整第 N 段 [3] ✏️ 整体重排 ``` --- ### 阶段三：完整分镜脚本 脚本头部： ``` # 《xxx》完整分镜脚本 > 平台：xxx ｜ 目标时长：x:xx ｜ 结构：xxx > 生成依据：知识库 N 条条目，patterns.md 更新于 YYYY-MM-DD ``` **每个分镜块包含六层，对应不同下游消费者**： ``` ### § N · [段落名]｜[时间段]｜[情绪节拍] ━━ 🎬 画面指令（→ AI生图/视频工具）━━━━━━━━━━━ 景别：特写 / 中景 / 全景 / 航拍 运动：静止 / 缓推 / 横摇 / 环绕 色调：xxx（明确说明色温与饱和度倾向） AI生图提示词： 正向：[主体], [环境], [风格], [光线], [构图], cinematic, high detail, 8k 负向：blurry, watermark, text, low quality ━━ 🎙 台词 / 旁白（→ AI配音工具）━━━━━━━━━━━ 旁白：（每句≤12字，句末标注语气：[平稳/上扬/停顿/加重]） > xxx [平稳] > xxx [停顿3秒] > xxx [加重] 对话（如有）： 角色A：xxx 角色B：xxx 情绪标注（供AI配音参考）：[冷静叙述 / 紧张急促 / 低沉有力 / 轻松幽默] ━━ 📝 字幕设计（→ 剪辑师）━━━━━━━━━━━━━━━ 显示文字：xxx 出现时机：第 x 秒 / 与台词同步 / 台词后 x 秒 视觉处理：普通字幕 / 关键词放大 / 逐字出现 / 动态强调 字幕备注：xxx（如需特殊处理） ━━ ✂️ 剪辑指令（→ 剪辑师）━━━━━━━━━━━━━━━ 本段时长：xx 秒 镜头数量：x 个（平均 x 秒/镜头） 切点节奏：[硬切 / 叠化 / 音效切点] 转场方式：[直接切 / 推进转场 / 叠化 x 帧] 剪辑重点：xxx ━━ 📚 知识库依据━━━━━━━━━━━━━━━━━━━━━ 本段来源：「条目名」→「规律描述」 ━━ ⚠️ 创作警示━━━━━━━━━━━━━━━━━━━━━━━ xxx（此段最易犯的错误，或来自知识库的反面案例） ``` 脚本结尾附自检清单： ``` ## 交付前自检 □ 前15秒有明确钩子，且≥⭐4/5强度？ □ 每段情绪目标清晰，不存在连续2段以上低张力？ □ 台词每句≤12字？ □ AI生图提示词包含正向+负向？ □ 每段剪辑指令中有明确的切点依据？ □ 至少一处知识库规律被显式引用？ □ 结尾有明确的情绪收口或行动召唤？ ``` 脚本完成后询问： ``` 📄 脚本已完成（N 段，约 x:xx） 是否将本次「选题策略 + 结构逻辑」写入知识库？ [Y] 写入草稿进入审核 [E] 只写入选题策略，不含脚本细节 [N] 不写入 ``` --- ## 模式四：/kb-add — 手动追加笔记 ```bash KB_NOTES="$HOME/.claude/skills/video-content-analyst/knowledge-base/notes/manual-notes.md" mkdir -p "$(dirname $KB_NOTES)" echo "\n---\n$(date '+%Y-%m-%d %H:%M') 手动笔记\n$*" >> "$KB_NOTES" echo "✅ 已追加" ``` --- ## 模式五：/kb-summary — 规律梳理与 patterns.md 更新 读取所有 entries + notes，输出： ``` ## 知识库规律总结（基于 N 条条目，更新于 YYYY-MM-DD） ### 高频钩子类型（按使用次数） 1. xxx（N 次，平均传播势能 ⭐x/5） 2. xxx ### 最可靠的结构模型 1. xxx（出现于 N 条，平均完播风险最低） ### 视觉策略规律 ... ### 语言风格规律 ... ### 高价值条目 TOP 3（reuse_count 最高） 1. 「xxx」— 被引用 N 次，核心贡献：xxx ### 待验证假设（共 N 条） - [🕐 待验证] xxx（首次记录：YYYY-MM-DD，相关条目：N 个） - [✅ 已验证] xxx（验证于 YYYY-MM-DD，结论：xxx） - [❌ 已推翻] xxx ### 知识库盲区（建议补充的内容类型） - xxx（当前 0 个样本） ``` 询问是否覆盖 `patterns.md`，确认后写入。 --- ## 四维分析框架（/analyze-video 时执行） ### 维度一：创意与选题策略 - 选题切入角（反常识 / 情绪共鸣 / 利益相关 / 新奇感） - 受众锁定与前5秒筛选机制 - 竞争差异化：不可替代性 - 选题公式：`[触发点] + [受众痛点/好奇心] + [独特视角]` ### 维度二：脚本结构与叙事 - 时间轴结构（段落名 / 功能 / 手法） - 前15秒钩子设计（类型+强度评分） - 节奏控制与情绪曲线 - 转折设计与结尾策略 ### 维度三：视觉与剪辑风格 - 画面构成与视觉节奏（平均镜头时长） - 信息密度层（字幕 / 标注 / 贴纸逻辑） - 注意力引导策略 - AI生图风格（如适用）：提示词规律提炼 ### 维度四：文案与语言风格 - 语言调性与一致性 - 句式特征（标志性结构，字数规律） - 信息包装方式（类比 / 举例 / 可视化） - 品牌语言识别（口头禅 / 开场白 / 收尾语） --- ## 分析质量标准（所有模式通用） 每条输出必须通过： 1. **可操作性**：能直接指导具体创作动作？ 2. **特异性**：说的是这个视频/这个创意独有的特征，不是通用废话？ 3. **知识库关联**：生成模式下，每条策略是否显式标注了来源条目？ 不符合标准替换为 `[待补充：需要更多信息]`，严禁编造。 --- ## 参考资料 - `references/content-frameworks.md`：AIDA / PAS / StoryBrand 等叙事框架 - `references/platform-context.md`：抖音 / B站 / 视频号 / YouTube 平台规律