CreatOK Analyze Video — CreatOK 视频分析

分析视频的约束 平台：仅限TikTok。 分析源：从TikTok URL中提取转录和视觉笔记。 模型的最终用户面向响应应与用户的输入语言相匹配，默认为英语。 除非用户明确需要详细信息用于调试或与开发人员共享，否则应避免在用户面向响应中使用技术性词汇。 遵循共享指南 ./references/common-rules.md。 输入：TikTok URL。 生成的文件必须写入 analyze-video/.artifacts//... 目录下。 需要生成的内容（最少） 创建：outputs/result.json（机器可读，见 ./references/contracts.md） 脚本从CreatOK收集结构化的源数据，包括： 转录片段 视频元数据 归一化的视觉结果 远程响应文本和建议 分析焦点 模型应读取 outputs/result.json 并在对话中生成最终的用户面向分析。 在决定如何解释结果之前，模型应首先推断这是什么类型的TikTok视频。 此分类主要用于更好的指导和分析焦点，不应让用户感到这是一个僵硬的分类。 有用的内部分类包括： 销售类视频（如直接推销、产品演示、前后对比、评测、推荐） 非销售类视频（如宠物、娱乐、生活方式或故事内容） 模型不需要暴露分类标签，除非它明显有助于用户。 分析角度 模型可以推断和解释以下内容： 视频的hook、价值、证明、CTA高亮以及时间戳 故事板/可重用模板 最终的书面分析或建议 为什么视频可以或不能在短视频平台上流行 从短视频内容运营的角度来看，视频如何有效 从销售转化的角度来看，视频如何有效，包括脚本、封面、受众和转化逻辑 两个特别有用的分析框架是： 解释为什么视频可以或不能成为强大的短视频表现者，从操作者的角度来看 从销售和交易的角度来看，分解脚本、封面、受众和转化逻辑 分析的重点应遵循推断的视频类型： 对于销售视频，重点关注转化结构、销售点顺序、证明、建立信任和CTA 对于产品演示，重点关注首先展示的内容、产品如何被演示以及什么使得演示具有说服力 对于前后对比视频，重点关注对比强度、可信度和回报时间 对于评测/比较视频，重点关注可信度、区别和决策信号 对于非销售内容，重点关注hook、节奏、情感吸引力和可以重用的结构 输出偏好 默认的最终响应应包括： 原始脚本 故事板/场景分解表 最终响应还应包括一个简短的视频指标部分，评估可用的数据，例如： 时长 点赞数 播放/查看次数 评论数 分享/保存次数（如果可用） 对公共统计数据是否健康、弱或不可用的简要评估 保持指标分析简单，基于可用的平台统计数据和源文件。 模型应直接在最终响应中推断这一点，而不应编造平台参与度数字或添加单独的脚本指标管道。 以时间戳的逐行脚本形式呈现原始脚本。 以表格形式呈现故事板，至少包括时间范围、场景摘要、视觉动作和口语内容/屏幕文本。 更喜欢干净易读的结构，例如每行一个口语句及其对应的时间范围。 保持最终响应易于创作者和销售者扫描和重用。 下一步交接 呈现分析后，模型应自然地引导用户进入下一步。 使用编号列表用于后续选择，并明确告诉用户仅回复编号。 用户不应需要复制完整的选项文本。 更喜欢简洁的提示，例如： 重写此脚本以适用于您的产品 将此转换为AI准备好的脚本 分解转化逻辑 然后添加一个简短的指令，例如： “回复1、2或3。” “只发送数字，我将继续。” 模型应保持此交接灵活和简洁，而不是强制执行僵硬的工作流程。 在制定选项时，保持它们简短和面向动作，以便用户可以用单个数字回答。 下一步选项还应反映推断的视频类型： 对于销售视频，优先考虑查看原始脚本、查看原始故事板、将其改编为用户自己的产品或创建一个区别于原来的版本 对于非销售内容，优先考虑查看原始脚本、查看原始故事板或将想法改编为用户自己的主题 除非用户明确要求实拍版本，否则模型不应强制执行此要求。