爆款模板自学习引擎
> 🎬 内容生产矩阵 | 6个Skill组成的全链路内容生产线
> 拆解 → 学习 → 出片 → 封面 → 文案 → 分析，一条龙搞定
从多条视频拆解结果中，自动提炼行业爆款模板配方——把"别人为什么火"变成"你可以照着抄的模板"。
核心优势
| 维度 | 说明 |
|---|---|
| 数据驱动 | 基于N条真实拆解结果聚合统计，不是拍脑袋 |
| 全链路配方 | 视频参数+结构配方+节奏配方+字幕配方+视觉配方 |
| 行业适配 | 自动适配目标行业（餐饮/酒店/美妆/教育等） |
| 模板沉淀 | 模板库管理，save/load/list/compare，持续积累 |
| 即插即用 | 换电脑零配置，自动检测环境 |
v1.3.0 新增：模板状态管理 / 缓存
| 能力 | 命令 | 说明 |
|---|---|---|
| 高转化自动标记 | template_library.py evaluate | 全量扫描：评分≥80 自动标 hot（高转化），评分<40 且使用≥2次 自动标 retired（淘汰归档），状态实时更新 index |
| 手动管理 | promote/retire --id --reason | 手动标记高转化/淘汰，记录原因 |
| 状态联动 | content-analytics record 自动触发 | 数据回传评分后模板状态自动流转（active→hot / →retired） |
| 行业适配缓存 | apply_to_industry.py（--no-cache 跳过） | 相同行业+聚合数据直接复用上次适配结果 |
功能分层（免费/付费）
| 功能 | 引擎 | 费用 | 说明 |
|---|---|---|---|
| 聚合统计 | 本地Python | 免费 | N条拆解结果→平均时长/场景数/节奏统计 |
| 模板配方提炼 | 本地Python | 免费 | 结构配方+节奏配方+字幕配方+视觉配方 |
| 行业适配 | 本地Python | 免费 | 自动适配目标行业（餐饮/酒店/美妆等） |
| 模板库管理 | 本地Python | 免费 | save/load/list/compare，持续积累 |
| AI爆款归因 | 大模型分析 | 付费 | 基于拆解数据的爆款归因+六维评分+选题建议 |
确认卡机制（高价值操作前必出示）
执行模板沉淀/批量学习等高价值操作前，必须先向用户出示确认卡：
| 项目 | 内容 |
|---|---|
| 做什么 | 如"从5条餐饮拆解结果中提炼小红书爆款模板" |
| 样本数 | N条拆解结果 |
| 目标行业/平台 | 餐饮 / 小红书 |
| 预计耗时 | 几秒（本地）/ 1-2分钟（含AI归因） |
| 费用 | 免费 / XX积分（含AI归因时） |
| 得到什么 | 行业模板JSON + 8个选题方向 + 模板库入库 |
| 若停手 | 已完成的聚合统计仍可保留 |
使用方法
1. 聚合多条拆解结果
python scripts/aggregate_templates.py --inputs analysis1.json analysis2.json analysis3.json --output aggregated.json
2. 适配目标行业
python scripts/apply_to_industry.py --input aggregated.json --industry 餐饮 --platform xiaohongshu --output industry_template.json
3. 存入模板库
python scripts/template_library.py save --input industry_template.json --name "餐饮小红书爆款v1"
4. 查看模板库
python scripts/template_library.py list
python scripts/template_library.py get --id tpl_0001
输出结构
聚合结果（aggregated.json）
- 视频参数统计：平均时长、分辨率分布、帧率、场景数量
- 结构配方：开场钩子时长占比、核心内容分段、CTA结尾设计
- 节奏配方：平均场景时长、转场频率、快/中/慢节奏判定
- 字幕配方：平均字幕长度、出现时机、停留时长
- 爆款指标：样本数量、数据置信度
行业模板（industry_template.json）
- 行业 + 平台 + 风格定位
- 8个选题方向建议
- 完整视频参数配方
- 结构分段模板（每段时长+内容要点）
- 标题/封面/话题标签建议
拆解分析层
模板提炼之前，Agent 必须对每条拆解结果按 references/teardown-analysis.md 完成分析层（钩子定位、脚本结构类型、爆款归因、六维评分）。聚合统计的是"分析后的配方"，不是原始数据堆叠。
按任务查阅参考
- 拆解分析层（钩子/脚本类型/归因/评分）：references/teardown-analysis.md
- 模板库 Schema 与聚合/行业适配规范：references/template-schema.md
合规红线
- 不编造统计：聚合数字必须来自真实拆解结果；样本不足（<3条）不产出模板。
- 不扩大结论：样本内统计不得写成行业普遍规律；范围与样本一致。
- 不复制内容：模板只提炼结构与配方，不复制单条视频的文案、画面或音乐。
- 来源可回溯：每个模板保留 sources，可回溯到拆解文件或页面来源。
环境要求
- Python 3.8+
- 输入：视频拆解大师（video-decomposer）的拆解结果JSON
目录结构
template-learner/
├── SKILL.md
├── README.md
├── CHANGELOG.md
├── init.ps1
├── requirements.txt
├── references/
│ ├── teardown-analysis.md # 拆解分析层（钩子/脚本类型/归因/评分）
│ └── template-schema.md # 模板库 Schema 与聚合/行业适配规范
├── scripts/
│ ├── aggregate_templates.py # 聚合多条拆解结果
│ ├── apply_to_industry.py # 行业适配
│ ├── template_library.py # 模板库管理
│ ├── config.py # 即插即用配置
│ ├── ffmpeg_utils.py # ffmpeg封装
│ └── validate.py # JSON校验
├── schemas/
└── examples/
├── input.json
└── output.json
内容生产矩阵（6个Skill全链路）
| 阶段 | Skill | 功能 | 状态 |
|---|---|---|---|
| 1. 拆解 | 视频拆解大师 | 爆款视频→结构化分析+模板配方 | 🔗 联动 |
| 2. 学习 | 爆款模板自学习 | N条拆解→行业模板配方库 | ✅ 当前 |
| 3. 出片 | 一键出片助手 | 模板→脚本→分镜→混剪→字幕 | 🔗 联动 |
| 4. 封面 | 平台封面工厂 | 多尺寸封面一键出（小红书/抖音/视频号） | 🔗 联动 |
| 5. 文案 | 多平台文案适配 | 四平台标题+正文+话题标签+一键复制 | 🔗 联动 |
| 6. 分析 | 内容效果分析 | 互动率/转化率/排名/优化建议 | 🔗 联动 |
全链路工作流：拆解爆款 → 学习模板 → 一键出片 → 生成封面 → 适配文案 → 发布 → 效果分析 → 反哺模板
> 💡 模板沉淀完成后，说"用这个模板出片"可自动联动「一键出片助手」；说"拆解这条视频"可联动「视频拆解大师」获取输入。
