爆款拆解分析器 (Viral Breakdown Analyzer)

Overview

把任意一条短视频（小红书 / 抖音 / YouTube Shorts 等）拆成可复用的方法论资产，并交付可直接拍的复刻脚本。提供两种使用模式：

1. 🤖 对话内 AI 拆解（默认） — 你（巴迪）在对话里直接分析用户发来的链接 / 截图 / 文案，产出三件套。最适用于用户直接甩素材、要快、要针对性分析。
2. 🖥️ 可视化工作台（自助） — 把 assets/vba-workbench.html 用 present_files 打开，用户在网页里填素材 → 点按钮 → 出报告，可反复试、可下载 .md。最适用于用户想自己反复操作、或要把成果转交他人使用。

两种模式共用同一套分析框架（见模块 3 / 4）。核心原则：先内容逻辑，后视觉包装；以及交付的复刻必须是「变换套壳」——核心机制不变，换场景 / 人物 / 术语，而不是空模板。

When to Use

• 用户发送视频链接（抖音 / 小红书 / B 站 / YouTube 等）并要求「拆解」「分析为什么火」「仿写」「复刻」
• 用户发送视频 / 图文截图并要求拆解或生成复刻脚本
• 用户粘贴口播文案 / 逐字稿并要求分析结构或改成脚本
• 用户说「帮我写个跟拍脚本」「这个爆款公式是什么」「找几个对标账号」「变换套壳」
• 用户想要一个可自助操作的拆解界面 → 打开工作台

两种模式怎么选

打开工作台：在对话里用 present_files 展示 assets/vba-workbench.html，预览面板会打开。告诉用户：默认按题材跑「通用模板」，要点右上角 ⚙ 开启 AI 增强（填大模型 Key）才能挖出本视频真正的底层逻辑；或把素材直接发你（巴迪）做深度分析。

> 模块 1–4 是分析内核，两种模式共用，下面统一说明。

模块 1：输入判断与预处理

1.1 类型判断

> 模型本身具备多模态能力：图片 / OCR / 画面文字识别可由模型直接读取图片完成，不强制依赖外部 OCR 工具。截图路线优先用模型视觉分析。

1.2 视频链接校验与下载策略

对视频链接按以下顺序尝试获取内容：

1. 调用提取脚本 scripts/pipeline.py（python scripts/pipeline.py "<URL>"）→ 用 yt-dlp 检查有效性：
   - 能拿到 formats → 正常下载视频 + 元数据（标题 / 标签 / 作者 / 时长）
   - 拿不到 formats 但有 CDN 直链 → 走 curl / ffmpeg 直连下载
   - 完全失效 / 平台风控（小红书、抖音常需 cookie）→ 不要反复重试，直接提示用户改发截图
2. 下载成功后：脚本完成抽帧（1 帧 / 10 秒）、提取音频（MP3）、faster-whisper 转写（带时间戳口语文本）。
3. 任一环节失败：切到「截图回退模式」——让用户把视频关键画面截图发来（开头 3 秒 + 中段 + 结尾各 1–2 张），并把口播文案粘贴过来，然后走图文分析流程。

> 小红书 / 抖音对 yt-dlp 风控较严，经常需要登录 cookie 才能下载。若环境未配置 cookie，默认推荐用户直接发截图，成功率更高、更快。

容错规则

• 链接失效 / 无法解析：回复「这个链接解析失败了，直接把视频关键画面截图发我（开头 + 中段 + 结尾），再粘贴一下口播文案，我一样能拆得很准。」
• 用户只发了链接但无任何文字说明：先按默认「完整三件套」处理，不必追问。
• 用户明确只要其中一项（如「只要复刻脚本」）：只输出该项，其余从简。

模块 2：内容提取核心流程

视频类（依赖 scripts/pipeline.py 产出）

> 转写时间戳才是真时间线。没有跑工具链时，不要冒充"真实转写"——只能按文案句数推断结构时间轴，并明确标注「非转写」。工作台模式已内置此诚实标注。

拿到转写文本 + 帧图片后，把帧图按顺序读入，结合时间戳还原「画面—口播」对应关系，进入模块 3。

图文类（模型直接读图）

多张截图按发送顺序当作「时间线」处理；若用户只发 1 张，则按单画面分析，并在报告中标注「样本有限，结论仅供参考」。

纯文本类

用户已提供口播 / 逐字稿时，跳过 2.1–2.5，直接以文本为素材进入模块 3（结构拆解、方法论归类、爆款逻辑分析照常进行）。

模块 3：爆款方法论分析（核心 · 优先内容逻辑，再谈视觉）

3.1 讲解方法论归类（7 种标准类型）

对内容判定其归属的方法论类型（可叠加，但标注主类型）。判定依据与每种类型的结构特征信号见 references/methodology_types.md：

1. 公式驱动型 — 抛出公式 / 模型（如「爆款 = 选题 × 情绪 × 节奏」），用公式组织全片
2. 知识铺垫型 — 先铺背景知识，再导出结论，靠信息密度取胜
3. 顿悟型 — 前半段制造认知偏差，结尾一个反转点让人「啊原来如此」
4. 逐层排除型 — 列出 N 个选项逐个排除，最后锁定答案，制造推理快感
5. 分情况推导型 — 按「如果 A 怎么办 / 如果 B 怎么办」分支展开，结构清晰
6. 学术推演型 — 引用数据 / 论文 / 案例做严谨推导，权威感强
7. 互动留空白型 — 中途设问不答，引导评论区接龙，靠互动率推流

归类后，在报告里写清：主类型 + 判定信号（视频里哪些片段证明是这种类型）+ 为什么这套方法论适合这个选题。

3.2 内容结构拆解（四段式）

• 黄金 3 秒钩子 — 开头用什么钩子（反常识 / 冲突 / 提问 / 利益点），为什么能留住人
• 信息递进逻辑 — 中段信息如何一层层递进（列出递进阶梯）
• 反转点 — 有没有反转、在第几秒、反转的「爽感」来自哪里
• 收尾金句 — 结尾是否有一句可截图传播的金句 / 行动号召

3.3 爆款底层逻辑（关键：这是分析产出，不是让用户填）

从四个维度挖「为什么火」：

• 情绪点 — 触发了哪种情绪（爽 / 怒 / 焦虑 / 共鸣 / 好奇），强度如何，触发机制是什么
• 信息差 — 提供了观众不知道但想知道的东西吗？信息差有多大
• 互动设计 — 有没有刻意埋互动钩子（提问 / 投票 / 争议点 / 「评论区告诉我」）
• 评论区引导策略 — 标题 / 文案 / 口播里是否引导了特定评论行为（求教程 / 晒经历 / 站队）

核心母题 / 底层原型必须由分析产出：对话模式下由你（大模型）从内容中抽；工作台模式下引擎按题材自动推断「通用母题模板」（报告中已醒目标注"非本视频专属"）。要挖出本视频真正的专属底层机制（如《神的身份》的三神逻辑谜题），必须靠大模型——要么工作台开 AI 增强，要么把素材发巴迪深度分析。绝不要把这活甩给用户手填，也不要编造一个"请填写核心原型"的空话占位。

3.4 视觉包装拆解

最后才分析视觉放大器，见 references/visual_packaging.md：

• 配色 — 主色 / 辅色 / 对比，是否形成辨识度
• 字体 — 标题字 / 正文字风格，可读性
• 剪辑节奏 — 镜头平均时长、转场、卡点
• BGM / 音效 — 音乐风格、是否卡点、关键音效（如「叮」）

要实质内容，禁止"?"占位：用户填了画面 / 声音笔记，就解析其笔记说明哪些元素服务信息传递；没填就按选题 / 钩子给可落地视觉策略（如反差型用前后分屏 + 大字数字）。绝不允许出现"实拍 / 动画？色调？"这种空洞提问。

模块 4：输出生成（三件套）

严格按三件套输出。完整模板与字段说明见 references/output_templates.md。

📊 爆款分析报告

结构：基本信息 → 时间线 → 讲解方法论 → 结构配方 → 核心爆点 / 底层原型 / 爆款根本原因 → 视觉语言 → 听觉设计 → 互动完播 → 数据复盘（+ 对标分析）

• 基本信息：平台 / 时长 / 作者 / 预估完播率特征 / 主题
• 时间线：关键节点表（时间 | 画面 | 口播要点 | 作用）；真转写给秒级，否则标注"按文案推断，非转写"
• 讲解方法论：3.1 结论
• 结构配方：3.2 结论（四段式）
• 核心爆点 / 底层原型 / 爆款根本原因（必须写实质）：这个视频到底在讲什么、底层可复用母题是什么、为什么这个内容能爆。通用模板模式要带 ⚠️ 提示框说明"需 AI 增强挖专属底层逻辑"
• 视觉语言 / 听觉设计：3.4 实质策略
• 对标账号：见校验规则（仅推 <50万 可复制账号；用户给了对标素材才出该章）

✍️ 变换套壳复刻脚本（核心交付）

结构：分镜 → 口播文案 → 画面要求 → BGM / 音效 → 互动引导

关键：变换套壳——核心机制不变，换场景 / 人物 / 术语。 交付必须包含：

1. 核心机制提炼 — 必须保留、不能动的部分（如某逻辑谜题的嵌套问题技巧）
2. 套壳方向清单 — 场景 / 人物 / 术语 / 世界观都能换成什么
3. 完整示范套壳 — 给一份可拍的示例（如把"三神逻辑谜题"套成"职场面试三考官"），核心机制逐句对应换名词，逻辑一字不改

禁止"（你的钩子句）"之类空占位——复刻要能直接照着拍。

📈 优化建议

结构：差异化改进点 → 平台适配建议

• 差异化改进点：原视频可优化的 2–3 处 + 你的差异化切入
• 平台适配：按目标平台（小红书 / 抖音 / YouTube Shorts）调整输出格式，见 references/validation_rules.md 的「平台适配」节

可视化工作台（assets/vba-workbench.html）

一个纯前端拆解工具，让用户自助操作，适合转交客户 / 团队使用：

• 输入类型切换（口播文案 / 截图 / 视频链接），主内容框 + 可选「补充分析线索 / 画面声音 / 对标」
• 三个按钮：📊 分析报告 / ✍️ 变换套壳复刻 / 📈 优化建议，带 5 步进度条
• 内置分析引擎：钩子识别、情绪库、题材母题库、结构时间轴、视觉 / 听觉策略
• ⚙ AI 增强：用户填大模型 Key 后，由真实 AI 理解内容 + 分析专属母题 + 自动套壳（这是纯前端公式做不到的）
• 报告可复制 / 下载 .md

AI 在对话里怎么用它：用 present_files 打开 assets/vba-workbench.html。务必向用户说明两点：① 默认是"通用模板"（按题材推断母题），要挖真正专属底层逻辑需开 AI 增强或把素材发巴迪；② 纯前端无法直连下载视频，"视频链接"模式会提示由巴迪在对话里走工具链转录。

内置校验规则（输出前必查 · 见 references/validation_rules.md）

1. 对标账号限制：仅推荐 粉丝 < 50 万 的可复制账号；禁止推荐 TED-Ed、Vsauce、Veritasium 等超大体量账号（不可复制、无参考意义）。
2. 搬运判定：检测到「翻译腔 / 海外水印 / 直接复制海外场景」判定为搬运，报告中标注「⚠️ 搬运内容，建议原创改编」；无上述特征则判为原创改编。
3. 平台适配：根据用户指定或默认目标平台，自动调整输出格式（小红书重封面 / 标题 / 关键词埋点；抖音重 3 秒钩子 / 快节奏 / 话题标签；YouTube Shorts 重英文 SEO 标题 / 配音 / 全球通用世界观）。

工具链说明

• 视频下载 / 转写依赖 scripts/pipeline.py（需 yt-dlp、ffmpeg、faster-whisper）。安装方式见 references/toolchain_setup.md。
• 未安装或下载失败均不阻塞分析：自动回退到截图 + 粘贴文案模式，模型视觉分析照常产出完整报告。
• 图片输入无需任何外部工具，模型直接读图。

Resources

references/

• methodology_types.md — 7 种讲解方法论的详细定义、结构特征信号、识别要点与示例。模块 3.1 归类时加载。
• output_templates.md — 分析报告 / 复刻脚本 / 优化建议 三套完整输出模板与字段说明。模块 4 输出时加载。
• validation_rules.md — 内置校验规则细表：对标账号 <50万、搬运判定细则、三端平台适配格式差异。输出前必加载。
• visual_packaging.md — 视觉包装拆解指南：配色 / 字体 / 剪辑节奏 / BGM 的分析维度与表述规范。模块 3.4 加载。
• toolchain_setup.md — yt-dlp / ffmpeg / faster-whisper 的安装命令、cookie 配置与脚本用法。

scripts/

• pipeline.py — 视频提取主流程：yt-dlp 下载 + 元数据、ffmpeg 抽帧(1帧/10秒) + 提音频、faster-whisper 转写，带健壮错误处理与截图回退提示。

assets/

• vba-workbench.html — 可视化工作台（纯前端）。用 present_files 打开即可在预览面板操作。

同步脚本（维护用）

• sync_workbench.py / sync_workbench.bat — 把工作区里改动后的 vba-workbench.html 一键同步进本包 assets/。双击 .bat 即可；或在命令行 python sync_workbench.py（加 --check 只比对不复制）。源文件会自动扫描 WorkBuddy 目录下最新的会话文件夹，无需手动指定。改完工作台请跑一次，避免 Skill 包内是旧版。