- name
- visual-benchmarker
- description
- (元技能) 视觉对标视频搜索器，通过指导AI调用其他工具，为项目确认视觉风格。
- metadata
- version
- 1.0.0
- source
- https://github.com/your-repo/visual-benchmarker
- author
- an
- tags
- [metaskill, workflow, video, marketing, research]
- license
- MIT
- requirements
技能名称：视觉对标视频搜索器 (visual-benchmarker)
核心目标
这是一个元技能 (Meta-Skill)，它本身不包含代码，而是作为一个行动手册，指导AI通过组合自身能力和外部工具，为项目（如短视频拍摄）确认视觉风格和剪辑风格，从而避免返工。
🧠 工作流程（三步走）
第一步：AI 提取关键词
AI 需要根据用户上传的资料（如文本文件），提取核心品类与搜索关键词。这一步完全依赖 AI 的推理能力，无需代码，只需执行以下提示词：
**提示词模板：**
你是一位资深的短视频内容策略师。请仔细阅读以下客户资料，从中提取可用于抖音搜索的“核心品类”和“关键词”。
**客户资料：**
{此处粘贴用户上传的作战地图/产品资料/启动会录音文本}
**要求：**
1. 首先确定核心品类（例如：女装、母婴、知识付费等）。
2. 然后围绕该品类，提取 3-5 个精准搜索关键词（例如：极简通勤穿搭、亲子互动、职场口才等）。
3. 以 JSON 数组形式输出，例如：["女装", "通勤穿搭", "轻熟风", "一衣多穿"]。第二步：调用 douyin-video-search 技能获取视频
AI 将第一步生成的关键词，作为参数，调用已安装的 douyin-video-search 技能来获取视频列表。
调用示例 (可移植):
# AI应使用工具调用，而不是执行固定路径的脚本
# 以下为概念性示例，实际调用取决于AI对工具的封装
tools.douyin_video_search(keyword="科技公司 办公空间", sort="1", publish="7")*AI应优先选择按点赞量排序 (--sort "1") 的结果，以筛选高热度视频，并可使用分页参数 (--cursor) 获取更多结果。*
第三步：AI 筛选与输出案例
AI 对第二步获取的视频列表进行筛选，保留点赞量高、视觉风格独特、与项目定位匹配的视频，最终输出 3 个以上的对标视频案例，并附上简要分析。
输出格式示例：
## 对标视频案例推荐
### 案例 1：极简通勤穿搭｜一衣多穿公式
- **视频链接**：https://www.douyin.com/video/1234567890
- **亮点分析**：视频开头3秒直接展示穿搭前后对比，节奏紧凑；画面干净高级，符合“极简风”定位。
- **可借鉴元素**：开头的痛点提问方式、快速切换的搭配镜头。
### 案例 2：小户型收纳｜3招让空间大一倍
- **视频链接**：https://www.douyin.com/video/2345678901
- **亮点分析**：采用第一视角拍摄，代入感强；字幕设计清晰，信息密度高。
- **可借鉴元素**：第一视角运镜、关键信息字幕包装。🛠️ 使用说明
输入
用户需提供一份包含战略信息的文本文件（作战地图、产品资料等）。
输出
一个包含至少 3 个对标视频的 Markdown 格式报告。
依赖技能
skill:douyin-video-search: 必须已安装并在config.json中配置好tikhub_api_token。
⚠️ 注意事项
- 动态调用: AI 在执行第二步时，必须通过工具系统动态调用
douyin-video-search技能，绝不能依赖或执行任何写死的本地文件路径。 - 关键词质量: 第一步的关键词提取质量直接影响最终结果，AI 可与用户交互，对关键词进行确认或调整。