Video Script Agent Skill

视频脚本生成

> 根据目标时长自动适配短视频或中长视频模式，生成留存率优化的结构化脚本。

输入

| 字段 | 必填 | 说明 | 示例 |

|------|------|------|------|

| 主题 | 是 | 视频主题 | "为什么 Rust 正在替代 C++" |

| 目标时长 | 是 | 秒数或分钟数 | 30 秒 / 10 分钟 |

| 平台 | 否 | 抖音/视频号/小红书/B站（默认按时长推断）| 抖音 |

| 内容类型 | 否 | 科普/教程/评测/种草/解说/杂谈 | 科普 |

| 核心要点 | 是 | 要覆盖的关键信息 | 内存安全、性能… |

| 调性 | 否 | 专业/轻松/犀利/对话感（默认：对话感）| 轻松 |

模式自动判定

| 时长 | 模式 | 典型平台 | 关键指标 |

|------|------|----------|----------|

| 7-15 秒 | 短视频·极速 | 抖音/视频号 | 3 秒完播率 |

| 15-60 秒 | 短视频·标准 | 抖音/视频号/小红书 | 完播率、DM 转发、收藏 |

| 1-5 分钟 | 中视频 | 视频号/抖音/B站 | 5 秒留存、互动率 |

| 5-30 分钟 | 长视频 | B站/YouTube | 30 秒留存、播放完成率 |

语速基准：中文约 250 字/分钟。

短视频模式（≤60 秒）

Step 1 — Hook 设计（3 个变体）

从 5 种 Hook 类型中选 3 个，各生成一个变体：

| 类型 | 适用场景 | 示例 |

|------|---------|------|

| 好奇缺口 | 冷知识、反直觉 | "你每天做的这件事其实在伤害你" |

| 模式打断 | 反常规、挑战认知 | "忘掉你以前学的所有XX" |

| 身份触发 | 精准受众 | "如果你是XX，这条一定要看完" |

| 痛点共鸣 | 真实困扰 | "明明很努力了还是没效果？" |

| 权威背书 | 数据/研究支撑 | "最新研究发现：XX 竟然是错的" |

每个 Hook 按 4 维度评分（每项 1-5，满分 20）：好奇强度、打断效果、身份触发、3 秒清晰度。选最高分作为主 Hook。

Step 2 — 分秒脚本

按时长压缩结构：

| 时长 | 结构 |

|------|------|

| 7-15 秒 | Hook(0-2s) + 核心价值(2-10s) + 收尾(10-15s) |

| 15-30 秒 | Hook(0-3s) + 痛点(3-8s) + 方案(8-20s) + 收尾CTA(20-30s) |

| 30-60 秒 | Hook(0-3s) + 痛点(3-8s) + 方案(8-40s) + 洞察+CTA(40-60s) |

脚本格式：

[0-3s] HOOK
口播: "..."
字幕: "..."
画面: [描述]

[3-8s] 痛点
口播: "..."
画面: [描述]

每句 ≤15 字，口语化，加括号注释（停顿/强调/表情）。

Step 3 — caption + 封面

caption：100-300 字，Hook 变体开头（不重复视频 Hook），DM 转发 > 收藏 > 点赞。

hashtags：3-5 个垂直标签，不用泛标签。

封面：3-5 字大标题 + 画面描述 + 表情。

Step 4 — 质量评分（满分 100）

| 维度 | 权重 | 检查点 |

|------|------|--------|

| Hook 强度 | 25 | 好奇缺口、打断效果、3 秒清晰度 |

| 内容质量 | 25 | 价值密度、结构、痛点-方案清晰度 |

| caption+CTA | 20 | 长度 100+字、转发型 CTA、Hook 变体 |

| 格式合规 | 15 | 9:16 安全区、时长匹配、封面 |

| 算法信号 | 15 | 收藏/转发优化、原创性 |

≥80 分交付，<60 分返工后重评。

中长视频模式（>60 秒）

> 留存率优化的详细方法（节奏中断点 / 前向钩子 / 章节结构 / 留存曲线）见 references/retention-scripting-guide.md。

Step 1 — 结构计算

根据目标时长分配各段：

• Hook：0:00-0:30（短视频缩短到 0:00-0:10）
• 开场：0:30-2:00
• 首次 CTA：约 25% 处
• 留存再拉回：约 60% 处
• 结尾：最后 60 秒
• 目标字数 = 时长(分钟) × 250

Step 2 — 写 Hook（三段式）

| 阶段 | 时间 | 目标 |

|------|------|------|

| 抓眼 | 0-5s | 全片最重要的一句话，不加片头 |

| 承诺 | 5-15s | 看完能获得什么，具体可感知 |

| 悬念 | 15-30s | 不看会损失什么 |

Step 3 — 内容段落

每段结构：节奏中断 → 正文 → 微总结 → 前向钩子。

节奏中断每 60-90 秒一次（短视频每 15-30 秒），类型：【镜头切换】【画面】【音效】【数据冲击】。

Step 4 — CTA 与结尾

• 首次 CTA（25% 处）：软性、对话式、10-15 秒
• 留存再拉回（60% 处）："接下来是最关键的部分"
• 结尾 CTA：硬性号召 + 下期预告，不说"感谢观看"

Step 5 — 留存风险标注

扫描全稿，在危险区标 ⚠️ 警告（至少 3 处）+ 应对方案。

输出格式

产物写入 outputs/。包含：

• 脚本元数据（主题/时长/平台/字数）
• 完整分段脚本（含时间码、口播、字幕、画面提示）
• 节奏中断日志（时间戳/类型/说明）
• 留存风险地图（中长视频）/ 质量评分（短视频）
• 剪辑备注

质量检查

• [ ] 字数与时长匹配（250 字/分钟，±10%）：用脚本判定，不靠估算。把全部口播文案（去掉时间码、画面提示等非口播行）喂给

python3 skills/shared/scripts/wordcount.py check --target <时长分钟×250> --tolerance 0.1（stdin 传入），退出码 0 = 达标；非 0 时脚本给出「还需增/删 X 字」，据结果增删口播后重跑，直到通过。

• [ ] Hook 完整（短视频 3 变体评分；中长视频三段式）
• [ ] 节奏中断频率达标
• [ ] CTA 位置正确
• [ ] 全稿口语化，短句，不像书面文
• [ ] 结尾有能量，不含收尾废话

Profile 感知

• 有 Profile：读取 platform 锁定平台、audience 调整用语、tone 匹配风格、cta_style 使用惯用话术
• 无 Profile：默认按时长推断平台，对话感调性