做内容运营的人十个有九个都在反复做同一件事拆爆款、想选题、写脚本。我最近在Codex平台上把这件事整个技能化了——构建了一套AI技能先按固定框架做抖音爆款分析再一键联动生成带货视频脚本和分镜表。整个流程跑通之后最大的感受是AI不是帮你猜而是帮你把过去靠感觉积累的经验变成一套可复用、可迭代的标准动作。这篇文章会把这套技能的构建思路、目录结构、分析框架、提示词模板、运行环境排错全部拆开讲。适合两类人看一是自己拍抖音做带货想稳定产出内容的人二是想把Codex这类工具真正用起来而不是停留在问一句答一句阶段的开发者。1. 为什么爆款分析值得被做成Codex技能而不是零散对话先说一个很多人忽略的事实直接在对话框里让AI分析一条爆款视频它给出的结论往往很泛。你说帮我看看这条为什么火它回你因为钩子强、节奏快、情绪到位听起来都对但看完你还是不知道下一期该拍什么。我不是否定对话式AI的价值而是想说分析爆款这件事真正值钱的不是某一个结论而是分析框架本身。你会看点赞、评论、完播、评论区情绪、选题类型、文案结构甚至拍摄手法——这些维度组合在一起才构成一次完整的拆解。一旦这些维度被固化成一个技能每次输入新样本输出的就是一份结构统一、可以直接对照执行的分析报告。这是零散对话做不到的。1.1 零散对话和技能化工作流的差距用对话方式分析爆款最大的问题有三个每次都要重新交代背景。今天是这个品类明天是另一个品类AI没有稳定的上下文。输出格式不固定。有时给你一段话有时给你列三点整理成本很高。分析标准不统一。你今天让它看完播率明天可能忘了让它看评论区情绪结论自然飘忽。技能化之后输入、输出、分析维度全部固定。你只需要丢给它一条视频的公开信息它按既有框架走完分析流程返回一份结构完整的报告。1.2 Codex技能的最简目录结构我推荐用Codex的自定义Agent目录来组织技能。一个完整的技能目录大致长这样~/.codex/agents/ └── douyin_analyzer/ ├── AGENTS.md # 技能主文件角色定义、触发条件、工作流 ├── scripts/ │ └── analyze.py # 可选数据清洗或指标计算脚本 ├── prompts/ │ ├── basic_report.md # 基础分析提示词模板 │ └── deep_dive.md # 深度拆解提示词模板 └── data/ └── samples/ # 存放手工采集的公开样本数据每个目录就是一个Agent技能。AGENTS.md是整个技能的行为准则Codex在运行这个Agent时会把里面的指令当作操作手册。把分析框架、输出格式、禁区都写进去比在提示词里临时强调一百遍都管用。1.3 一个技能要回答清楚的四个问题写技能文件之前先回答四个问题回答不清楚技能就跑偏输入是什么一条视频链接、一段逐字稿、截图里的数据还是三者混合分析框架是什么从哪些维度拆解每个维度看什么指标输出是什么格式报告、表格、还是直接生成下一期脚本边界在哪里哪些内容不做、不碰、不生成这四个问题本质上是在定义一个AI员工的岗位说明书。岗位职责越清楚产出越稳定。我见过很多人把技能写成一堆形容词比如你要成为爆款专家你要懂用户心理结果模型不知道到底该干什么。真正的技能文件应该像SOP第一步做什么、第二步做什么逻辑链完整。2. 爆款拆解技能六个分析维度与报告模板这个技能我命名为douyin_analyzer核心任务是输入一条抖音视频的公开信息输出一份可执行的分析报告。下面把这套分析框架最重要的六个维度展开讲。2.1 六个维度的具体拆解逻辑拆爆款不要凭感觉要按维度走。我日常分析主要看六个维度维度核心问题可获取的公开信号完播结构用户为什么愿意看完时长、前5秒内容、节奏变化、分段钩子互动表现点赞、评论、收藏、转发的分布四项公开数据及其比例关系评论区情绪用户在讨论什么评论区高频词、意见分歧点、对象选题类型这个内容踩中了什么需求话题标签、热门BGM、发布时间、时效性文案结构标题和口播如何组织标题文案、字幕、逐字稿拍摄与剪辑画面语言如何服务内容景别、运镜、字幕样式、特效使用每个维度都要落到具体信号上而不是一句内容质量高。比如看互动表现我会让AI特别注意一个细节如果一条视频点赞很高但评论很少说明它引发了认同型互动而非讨论型互动这类内容适合种草但不容易制造话题。反之如果收藏高于点赞说明内容有工具属性用户想存下来以后用。这些判断不是AI拍脑袋得出的是你把公开数据和观察到的信号喂给它之后它基于分析框架给出的推断。所以技能里面要写清楚每个维度需要用户提供什么信息信息不足时可以基于哪些常见规律做推断但必须标注置信度。2.2 AGENTS.md里如何定义分析框架AGENTS.md是技能的行为准则我截取核心片段# 抖音爆款拆解技能 ## 触发条件 当用户提供一条抖音视频的链接、文案、逐字稿、后台数据截图等信息时自动进入分析流程。 ## 输入要求 1. 先询问用户能提供哪些素材链接/文案/逐字稿/公开数据截图。 2. 如果用户只能提供链接请提示用户至少补充人工观察到的画面信息。 ## 分析流程 第一步整理视频基础信息时长、发布时间、话题标签、BGM。 第二步按六个维度依次分析完播结构、互动表现、评论区情绪、选题类型、文案结构、拍摄与剪辑。 第三步每个维度先列客观信号再做推断。 第四步输出报告并给出可用于下一期选题的可执行结论。 ## 输出规范 报告必须包含基础信息表、六维度分析、可复用点、风险点。 ## 禁区 - 不得编造不存在的用户评论或互动数据。 - 不得输出涉及个人隐私抓取、账号逆向、非公开数据获取的内容。注意那两个禁区非常重要。AI在信息不足时倾向于补全细节如果允许它编数据报告看着漂亮实际上全是幻觉。所以必须硬性规定不能编造评论和互动数据。2.3 一份可直接套用的报告模板分析完之后的报告格式我会让AI严格按这个模板输出# 爆款拆解报告 ## 一、视频基础信息 - 时长 - 发布时间 - 话题标签 - BGM - 内容品类 ## 二、六维度分析 ### 完播结构 客观信号... 推断... ### 互动表现 客观信号... 推断... ### 评论区情绪 高频讨论点... 情绪倾向... ### 选题类型 用户需求... 可复用选题方向... ### 文案结构 开头方式... 正文逻辑... 结尾引导... ### 拍摄与剪辑 画面特征... 字幕与特效... ## 三、可复用点 1. ... 2. ... 3. ... ## 四、风险点 - 哪些元素是特定博主的人设红利普通人照搬无效。 - 哪些话题有时效性过期不适用。这个模板的价值在于它强制把信号和推断分开。客观信号是用户提供的、或基于常识能确认的事实推断是模型的分析结论标注出来方便人判断。用久了你会发现真正指导选题的往往不是最火的那些点而是可复用点里排第一的那一条。2.4 分析中最容易翻车的两个坑第一个坑是幸存者偏差。你拿三条爆款视频去分析得出来的结论可能只适用于爆款不代表普通视频按这个思路改就能爆。我在技能里会明确要求AI区分爆款共因和幸存者特征——比如发布时间在晚上8点这类因素样本量不足时不能直接当作归因。第二个坑是混淆人设红利和内容结构。有些视频爆是因为博主本人有辨识度、有粉丝基础换个人拍同样的内容可能完全没水花。技能里必须定义清楚哪些元素是内容结构可复制哪些是人设不可复制。这一步做好了分析报告才不是正确的废话。3. 带货脚本生成技能从卖点到分镜的可执行输出分析爆款不是为了看着爽而是要转化为生产动作。所以第二个技能live_goods_script用来生成带货视频脚本。分析技能的结论会作为这个技能的输入之一最终输出可直接进棚拍摄的脚本文档。3.1 带货脚本的核心不是写文案是设计决策路径很多人让AI写带货脚本得到的是一段充满形容词的广告词这款产品太棒了用过的人都爱上了。这种内容发出去基本没人看完因为它违反了短视频带货的基本逻辑用户需要一个完整的决策路径。我把这个路径拆成五步停留、代入、确认、相信、行动。停留前3秒必须有悬念或利益点让刷到的人停下来。代入不是介绍产品而是描述用户正在经历的痛苦场景。确认产品作为解决方案登场讲清楚它解决了哪个具体问题。相信用测试过程、成分解析、对比实验证明它真的有用。行动给一个低门槛的行动指令而不是苍白地说快下单。AI技能里真正要固化的就是这个决策路径而不是某一句具体的文案。3.2 输入侧的规范卖点表怎么喂给AI生成脚本前必须要求用户提供结构化的产品卖点表而不是丢一句帮我写一个收纳盒的脚本。卖点表应该包含产品名称、品类、价格带目标人群画像年龄、场景、核心痛点核心卖点最多3个按优先级排序差异化证据测试数据、资质、对比结果使用场景至少2个具体场景为什么强调最多3个因为一条15到30秒的短视频能把一个核心卖点讲透就不错了塞三个以上卖点用户一个都记不住。AI接到一个满是卖点的需求时容易什么都想讲所以技能里要强制要求做减法。3.3 输出侧的分镜表模板脚本的输出不能只是一段口播词必须带分镜表。我使用的分镜表字段如下镜头时长画面内容口播/文案字幕备注10-3s痛点场景特写这句话一定要够短大字报样式钩子镜头决定完播23-8s产品出现解决问题解释产品作用关键词高亮过渡自然38-18s使用过程演示讲使用细节分步字幕核心镜头节奏放慢418-23s前后对比/测试结果讲证据对比数据增加可信度523-28s行动号召低门槛指令购买引导不吼不喊分镜表为什么这么重要因为AI生成的口播词再精彩到了拍摄现场还是不知道先拍什么、后拍什么。分镜表把文案拆成镜头语言是在AI和实拍之间搭了一座桥。还有人会把这层输出直接接到剪映草稿、ComfyUI等视频生成工具上去做画面预演脚本技能负责内容层画面工具负责表现层各干各的活。3.4 生成脚本的提示词模板技能里的提示词模板长这样请基于以下卖点表生成一条15-30秒的带货视频脚本。 卖点表 产品名称... 目标人群... 核心卖点... 差异化证据... 使用场景... /卖点表 要求 1. 按停留-代入-确认-相信-行动五步结构组织。 2. 口播文案要短句每句不超过20个字。 3. 分镜表包含镜头、时长、画面内容、口播、字幕、备注。 4. 不要使用最第一绝对等极限词。 5. 结尾行动指令要具体例如点下方链接看看详细规格。这个模板不复杂但每一步都是在规避实际问题。比如短句是为了口播节奏每句不超过20个字是方便记忆和拍摄不要极限词是广告法红线后面会专门讲。4. 两个技能联动一次从选题到成片的完整工作流演示工具构建得再好不会联动也没用。我拿一个实际跑过的场景来演示假设我运营一个家居好物账号运营目标是推一款桌面收纳盒。4.1 第一步用爆款技能拆解对标样本我先从搜索页找三条同品类的公开视频。这条信息是平台上任何用户都能看到的不需要任何特殊工具。在Codex里运行douyin_analyzer把三条视频的公开信息和逐字稿输入进去AI输出三份报告。三份报告的共同点会浮出来这类视频的高赞内容几乎都在前3秒直接呈现桌面乱成一团的画面然后才展示收纳后的效果。评论区高频词集中在链接求链接不知道尺寸三个方向——这意味着用户有购买意向但担心尺寸不合适。这个指令看起来普通价值在于它是统一的框架跑出来的不会因为今天心情好多看一个维度、明天累了少看一个维度。4.2 第二步报告结论直接作为带货脚本的输入跑完分析后再把报告的可复用点和产品卖点表一起丢给live_goods_script。AI会把爆款拆解出来的经验反哺进脚本结构前段用桌面乱这个痛点场景做停留钩子中段用收纳前后的对比做核心证据最后加一句关于尺寸的话术来回应评论区担心的点。最终生成的分镜表示意镜头时长画面内容口播/文案10-3s电脑桌堆满数据线、杂物桌面乱心情就乱。23-8s收纳盒出场杂物归位让每样东西都有自己的位置。38-18s分格放数据线、U盘、便签四个分格按使用频率放。418-23s量尺量盒子尺寸长26厘米宽18厘米桌面再小也放得下。523-28s手点购物车尺寸图放左下角了回去量一下再拍。最后那句话尺寸图放左下角了回去量一下再拍就是从评论区需求反推出来的行动指令。这不是AI灵光一现而是分析技能的结论被生成技能消费掉了。4.3 第三步人工审校环节不可跳过脚本生成后不能直接拿去拍需要过一个审校流程产品信息是否真实容量、尺寸、材质有没有被AI美化。表述是否合规有没有极限词、绝对化承诺。画面是否可落地镜头涉及的特效、场景道具能不能在实拍中实现。评论区敏感点是否覆盖尺寸、价格、发货这类高频咨询有没有回应。我一般把审校清单也写进技能的AGENTS.md里让AI在交付脚本时主动附上需要人工确认项。这相当于给AI加了一层自我检查机制。5. Codex运行环境实录第三方模型接入与endpoint报错排查技能本身写好了运行环境才是真正劝退人的地方。我用自己的实际经历把几个高频坑讲清楚。5.1 在config.toml里接入第三方模型供应商Codex本身支持通过OpenAI兼容接口接入第三方模型。最直接的办法是编辑~/.codex/config.toml增加一个模型供应商定义model deepseek-chat model_provider deepseek [model_providers.deepseek] name deepseek base_url https://api.deepseek.com/v1 env_key DEEPSEEK_API_KEY wire_api chat然后把DEEPSEEK_API_KEY配置到环境变量里。这样在模型选择上就有了更多余地费用可控也能按任务类型选不同模型。分析类任务我倾向于用推理能力强一点的模型脚本生成类任务更看重响应速度。5.2 一次endpoint报错的完整排查链路接入第三方模型后我遇到过一次很典型的报错报错信息里包含cc switch local proxy failed while handling codex endpoint /responses当时第一反应是配置写错了但反复检查config.toml都没有发现问题。后来按下面这个链路一步一步排查才定位到问题排查步骤用codex --debug启动观察实际请求发往的URL和返回的HTTP状态码。检查base_url是否带版本前缀。如果配置里写成https://api.deepseek.com而接口实际要求/v1请求路径会拼错。检查本地是否有独立的转发服务占用相关端口。报错里出现local字样说明Codex把请求定位到了本地地址本地转发组件没有正常应答。用curl直接测试目标接口连通性curl -N https://api.deepseek.com/v1/chat/completions \ -H Authorization: Bearer $DEEPSEEK_API_KEY \ -H Content-Type: application/json \ -d {model: deepseek-chat, messages: [{role: user, content: hi}]}curl能通说明远端接口没问题问题出在Codex本地组件和远端之间的衔接curl不通则优先检查鉴权和网络。确认环境变量是否正确加载。部分系统里修改~/.zshrc后没有重新source导致Codex启动时读不到DEEPSEEK_API_KEY。最终定位到的问题是环境变量没有正确传递到Codex的子进程里。把环境变量写进配置文件对应的启动入口后报错消失。5.3 Windows环境安装未完成的处理如果你的运行环境是Windows安装Codex时可能会遇到安装未完成或安装后命令不可用的现象。常见原因和解决办法安装包被系统安全策略拦截检查Windows Defender隔离记录必要时手动添加信任。安装路径带空格或中文部分命令行工具解析路径时会出问题尽量安装在纯英文无空格目录。没有关闭并重开终端PATH变量更新后已打开的终端不会自动获取新路径必须重新打开。还有一个容易忽略的点新版工具管理器对Node版本有要求如果版本过低安装过程会静默失败只看到未完成而没有明确报错。先检查运行时版本再重试能省很多时间。6. 做内容分析工具前必须想清楚的合规边界内容工具做得越顺手越要克制。下面几条边界是我做这个项目时反复提醒自己的。6.1 数据获取的三条线第一平台公开页面能看到的信息比如视频本身、公开的点赞评论数据、话题标签人工采集少量样本做内容分析这是常见做法。第二你自己账号在创作者后台看到的数据比如完播率、粉丝画像属于你自己的数据资产用来优化内容没有问题。第三绕过登录鉴权、批量抓取接口、逆向客户端协议、把未公开数据转为结构化列表这些行为边界在法律上非常明确内容从业者不应该碰。我遇到过有人问能不能把某个功能做成输入UID就把这条账号的所有商品数据拉出来的自动化工具。我的回答是技术上一旦涉及绕过平台机制获取非公开信息就不再是效率问题而是合规问题。做工具的人尤其要想清楚工具本身会不会把使用者带进风险里。6.2 素材版权与下载类工具的误区很多做带货视频的人会被无水印下载这几个字吸引。我的建议是不要依赖任何绕过平台水印机制的下载方案。自己创作的内容通过官方创作者后台或创作服务平台导出引用他人的素材先获得授权注明来源商用素材走正规授权渠道。这不是讲大道理而是你辛辛苦苦做的带货视频如果里面的素材来源有问题一旦被投诉下架算轻的账号可能直接受限。素材成本不该省的地方一定不要省。6.3 平台规则与AI生成内容声明用AI生成文案甚至画面越来越普遍但平台对AI生成内容的标注要求也在收紧。做带货内容时注意两条涉及AI生成或深度合成的内容按照平台要求如实标注不要试图混淆真实拍摄和AI生成。带货文案受广告法规约束避免使用最第一国家级全网最低等绝对化表述。这些约束不是束缚反而会倒逼内容做得更扎实。当你的脚本不依赖极限词而是靠真实场景和证据说服人转化效果往往更稳。把合规这条线划清楚之后这套技能的完整链路才是真正可落地的拆解公开爆款样本提炼可复用结构生成带货脚本和分镜再经过人工审校投入拍摄。整个过程里AI负责的是把模糊的感觉变成清晰的清单最后拍板的依然是人。我个人现在最依赖的一个习惯是在每个技能的AGENTS.md末尾都保留一条交付前自查指令让AI在返回结果前先检查一遍数据真实性、合规红线、落地可能性。这套东西用熟了之后你会明显感觉到技能不是替代你思考而是把你的思考框架焊在每一次产出里。下次如果遇到AI生成内容什么都对但什么都没用的情况可以先回头看看是不是自己的技能文件里缺少了足够具体的输入规范和输出约束。