“小龙虾”短视频拆解工作流:从提示词训练到自动化仿写
针对短视频创作中的爆款分析与内容复用需求,一种名为“小龙虾”的定制化AI工作流被开发出来。该工作流通过将短视频拆解方法转化为标准化的AI指令,实现了从文案提取、情绪分析到机制拆解、仿写生成的全流程自动化。这不仅降低了人工分析的繁琐程度,还通过保留底层传播机制、重写表达风格的方式,为短视频创作提供了可复用的方法论支持。
01核心工作流逻辑
- 文案提取
获取目标视频的原始脚本内容,作为分析的基础素材。 - 情绪锚点定位
抓取并分析评论区热门反馈,精准定位用户的情绪共鸣点。 - 机制深度拆解
剖析视频火爆背后的底层逻辑,识别可迁移的核心机制。 - 风格化仿写
结合上述分析与指定语言风格,生成多版保留机制但表达创新的仿写文案。
02训练提示词分段解析
| 阶段名称 | 核心目的 | 关键指令逻辑 |
|---|---|---|
| 总导航模块 | 建立流程认知 | 明确工作流的启动条件、执行顺序及最终交付标准,确保AI按步骤执行而非随意点评。 |
| 执行练模块 | 落实核心动作 | 拆解每一步的具体操作(如提取、抓取、创建文档),规范工具调用与结果产出,设定应急处理机制。 |
| 视频剖析模块 | 深度解构爆款 | 指导AI从受众匹配、传播机制、结构逻辑(开头留存、中段成立、结尾传播)及评论区验证等角度进行分析。 |
| 仿写模块 | 机制迁移重写 | 强调保留有效机制、更换表达系统,要求输出两种不同开头,确保仿写非照抄而是逻辑再造。 |
四段式提示词训练策略
该工作流的实现依赖于特定的MCP工具与预设提示词包。使用者可以将包含工具和指令的压缩包直接发送给AI进行学习,或使用基于豆包等平台运行的半自动平替版本来完成配置。通过这种标准化的训练,AI能够从单一的助手转变为具备自动化执行能力的“短视频邪修”,显著提升内容生产效率。
当前文章无评论,是时候发表评论了