video-script

name video-script description 为短视频/口播生成或优化脚本。适用于 AI 技术科普、Agent/Skill/RAG 等技术概念讲解、工具实测、热点拆解类短视频。支持两种模式：给定主题从零产出口播稿、对已有口播稿进行优化。触发关键词包括：口播、口播稿、视频脚本、短视频文案、录视频、拍视频、video script。 短视频口播稿生成工作流 定位 面向王二讲Agent的短视频号，主打 3 分钟 AI 技术硬核拆解和知识科普。观众画像：对 AI 感兴趣的开发者和技术爱好者，刷短视频学知识点。 口播稿结构模板（3 分钟 ≈ 800 字） 五段式结构，每一段都有明确的功能定位： 段落 功能 字数参考 钩子 + 信任建立 场景引入（"你是不是每天都在用 X？"）+ 建立"我凭什么讲这个"的信任感 + 用 3 个问题预告全文结构 150-180 字 开场白 "哈喽大家好，我是二哥呀" + 点明时长和主题 40-50 字 逐层讲解 按钩子预告的 3 个层次逐层递进，用"那聪明的你肯定想到了"串联各层 450-500 字 总结 + 建议 "最后简单总结下" + 简洁回顾 + 一条可操作的实用建议 80-100 字 收尾 引导关注 30-40 字 钩子 + 信任建立 写法 钩子不靠"紧张感"和"错误答案"，靠的是 真实场景 + 好奇心 + 信任感 。模式： 场景引入 ：从观众日常切入（"你是不是每天都在用 Claude Code？"） 好奇心 ：抛出一个他们用但没想过的问题（"那你知不知道，它的短期记忆是怎么实现的？"） 信任建立 ：用事实说明"我有资格讲这个"（翻了源码、做了实验、自己实现了一个）。可以用幽默递进增加人味，如"可以自信地、大方地、光明磊落地帮你搞清楚" 三层提问 ：用 3 个问题预告全文结构，让观众知道接下来会讲什么 注意 ： 钩子只抛问题，不提前剧透答案细节。比如"压缩结果是加密的"这种具体结论留到正文讲。同理，第一层提到某个概念时，只用中性描述（如"压缩状态"），把冲击力强的定性词（如"加密"）留给后面的层次作为揭晓 如果有系列前作（如上期讲了 Claude Code），引入时要展开观众的具体猜测（"也是把聊天记录存在一个数组里，快满了就压缩成一份摘要？"），而不只是一句"是不是也一样" 逐层讲解 写法 每层之间用"那聪明的你肯定想到了""那聪明的你肯定又要问了"串联。这种写法的好处： 把观众当聪明人，有尊重感 自然引出下一个问题，不需要生硬过渡 形成"提问→回答→新提问"的递进节奏 每层讲完一个知识点就往下走，不复述、不总结。 不要用"我们待会儿再说它"这类预告式过渡。3 分钟口播太短，观众直接跟着你往下走，不需要路标。 写作原则 小白友好（最高优先级） 口播稿的观众不是同事，是刷短视频学知识的人。所有技术表达必须过"小白能不能一遍听懂"这道关。 术语白话化 ：技术术语第一时间翻译成人话，不要让观众去理解专业词 "Messages 数组" → "把聊天记录存在一个数组里" "异构项目列表" → "混合列表" "无状态" → "没有记忆……每次调用都是一张白纸" "assistant 消息" → "模型回复" "20K token" → "两万个 token" rg 、 sed → "重新搜索、重新读取" "few-shot 示例" → 首次出现写"few-shot（示范问答）示例"，后续直接用"few-shot 示例" 英文类型名连发要翻译：message、reasoning、function_call → 普通消息、推理过程、工具调用 删掉观众不需要知道的细节 ： API 字段名（instructions、tools、input）→ 说清楚干嘛的就行（"系统指令和工具定义单独传给模型"） API 路径（ /responses/compact ）→ "提交给服务端" 竞品内部机制对比（"Claude Code 固定恢复最近 5 个文件"）→ 小白不关心竞品怎么实现的，只需要知道"文件内容压缩后可能没了" "什么叫异构？"这种自问自答也可以删——用破折号直接解释比设问更流畅 术语归类 ：多个并列术语要归成 2-3 个白话类别。如"权限、沙箱、AGENTS.md、工具定义、Skill 上下文"→"项目配置、系统指令和工具定义" 因果链必须完整 ：小白最怕的是"为什么？"没解释清楚。如果两个概念之间有因果关系，中间不能断。反例："旧 prompt 是新 prompt 前缀，能命中 Prompt Caching"→ 断了，小白不知道为什么前缀=缓存。正例："每次新请求的开头都和上一次完全一样→服务端认出来'这一段我算过了'→跳过→不重复计费→这就是 Prompt Caching" 对比铺垫 ：两个东西要对比时，前面那个就要为后面埋线。如"你能看懂的文字摘要"→后面才能接"模型能看懂，但你看不懂"；"结构很简单"→后面才能接混合列表的复杂 拟人化增加共情 ：把技术行为说成人的行为，观众秒懂 "Codex 有个小心机" "服务端认出来'这一段我算过了'" "不是它傻，是它确实忘了" 节奏感 短视频的核心是节奏。长短句交替，每 30 秒左右埋一个钩子防止观众划走。 短句制造冲击 ："其实没有。""不，Claude Code 没那么蠢。" 长句承载信息 ：技术讲解用完整句子，不废话，无歧义，表达准确，一句话不超过 40 个字 关键结论前停顿 ：用独立的、短的段落断开，给观众反应时间。如"Codex 不是。"单独成段 密集技术段落要拆段 ：一段话讲了多个技术点时，拆成多个短段落，每个点独立停顿，利于口播换气和观众消化 幽默短评调节节奏 ：连续技术讲解之间插一句轻松点评（"我只能说，用心了，OpenAI"），防止观众疲劳 口语化但表达严谨 口播稿必须顺口。但技术描述要准确，不能牺牲严谨。 用"怎么办？""靠的是什么？"这类问句推进节奏 技术术语保留英文原文（Function Calling、JSON Schema、tool_calls、Embedding、Top-K） 连接词用口语化的（"好，接下来""告诉他——"），不用（"此外""与此同时""综上所述"） "换句话说"全篇最多 1 次，且必须是真正换了角度的解释，不是原话重复 多补语气词让句子像说话（"都是""会""的""了""要"）。如"单独传给了模型"比"单独传给模型"更自然；"Codex 要自己维护"比"Codex 只能自己维护"更中性（"只能"带无奈感，陈述事实用"要"） 技术归因要准确：比如"没有记忆"是大模型本身的特性（"不管是 Fable 5 还是 GPT-5.6"），不是某个工具的设计选择 信息密度 3 分钟只有 800 字左右的容量，每句话都必须有信息增量。 不说废话、不重复、不铺垫。画面感补充如果和前一句同义就删掉——"一串加密数据"已经够了，不需要再补一句"你打开一看，全是乱码" 一个知识点讲清楚就往下走，不用"换句话说""也就是说"复述 例子要具体到能在脑子里产生画面（尽量结合当前时间的热点话题） 源码/文档引用要翻译成观众能直接做的事："应保持线程短小、目标集中"→"能开新线程就开新线程，别在一个线程里一直发送新的提示词" 总结不要重复正文已经讲过的点。如果第三层已经讲了"压缩会丢信息"，总结不必再说"压缩次数越多，忘得越多" 总结中技术回顾和实用建议是两类信息，用"另外"隔开，不要一句话塞完 案例写法 案例是口播稿的灵魂，质量决定观众会不会跟着继续观看下去。 生活化、搞笑、夸张 优先：用"母猪会上树"而不是"读过 config.yaml"，用"不影响你的帅气或美貌"而不是干巴巴地说"这不是 bug" 类比式案例 （推荐，用于概念辨析）：用日常生活场景映射技术概念。如 what-is-react 用"闭卷考试 vs 开卷考试"说清楚 CoT 和 ReAct 的区别 完整故事 ：从头到尾，每个知识点在故事中自然出现 画面感 观众在"看"视频，所以脚本要帮观众在脑子里绘制画面。 用具体场景代替抽象描述 步骤讲解可操作 拟人化技术概念（"Claude Code 没那么蠢""数组会一直变大变大变大"） 用当前具体模型名增加画面感："不管是 Fable 5 还是 GPT-5.6"比"不管用什么模型"更有画面 去 AI 味 禁止出现 ： 总结性套话："值得注意的是""需要指出的是""综上所述" 学术腔："本质上来说""从技术角度分析""我们可以发现" 互联网黑话："赋能""闭环""抓手""链路" AI 三段式：每个要点都走"概念→解释→例子"的固定模板 过渡废话："接下来让我们看看""话不多说""下面我来介绍一下" 鼓励使用 ： 幽默反转："不是？不，你必须是。""不，Claude Code 没那么蠢。" 夸张比喻："压缩后摘要里只留下了一句'母猪会上树'" 观众代入："那聪明的你肯定想到了""那聪明的你肯定又要问了" 生活化收束："就像下雨时你打了伞，但身上可能还是会淋几滴雨" 固定元素 以下元素在每期口播稿中保持一致： 架构图占位符 ：在钩子 + 信任建立之后、开场白之前，插入一张架构图占位符，用一张图把本期核心知识点的结构展示出来。格式： 【截图：<名称>；风格：<风格>；截图目标：<展示什么>；关键词：<关键词1>、<关键词2>、<关键词3>】 风格参考 ai-article Skill 的 6 种（ whiteboard 、 skill-card 、 data-board 、 three-layer 、 swimlane 、 checklist-card ），口播稿最常用 whiteboard （架构/流程）和 three-layer （层级关系）。每期只需 1 张。 正文截图占位符 ：在正文讲解中，每当出现"一句话概括 + 展开讲解"的结构转折时，在概括句之后、展开之前插入截图占位符。格式与架构图占位符相同。规则： 触发位置 ：核心概念对比（如"短期记忆是内存，长期记忆是磁盘"）、步骤/流程列举（如"四步。提取、存储、检索、注入"）、机制总结（如"做三件事"） 数量 ：每篇 2-4 张，加上钩子后的架构图，全篇共 3-5 张 不计字数 ：截图占位符是画面指引，不纳入 800 字正文字数 风格选择 ：对比用 skill-card ，流程/步骤用 swimlane ，层级用 three-layer ，要点列举用 checklist-card 开场白 ："哈喽大家好，我是二哥呀。今天用 3 分钟，给你讲清楚 XXX。"（在钩子和信任建立之后，不是最开头） 层间过渡 ："那聪明的你肯定想到了""那聪明的你肯定又要问了"（串联各层之间） 总结引入 ："最后简单总结下。"（可微调为"最后总结一下"） 收尾 ："这个知识点你学废了吗？想解锁更多 AI 硬核知识，点赞关注，我是二哥，咱们下期见！" 工作流程 步骤 1：确认主题和模式 两种模式： 从零创作 ：用户给一个技术主题，从零产出口播稿 优化已有稿件 ：用户给一份现有口播稿，进行节奏、表达、内容的优化 用 AskUserQuestion 确认不清楚的信息：主题的边界、目标时长、有没有必须覆盖的知识点。 步骤 2：深度调研（强制） ⚠️ 这一步不可跳过。 口播稿虽然短，但技术点必须准确，不允许出现原则性错误。 必须启用子 Agent 做深度调研 ，调研范围根据主题确定： 如果涉及某个技术底层（如 Function Calling、Skill 触发、RAG 检索）：调研真实的工作原理，读源码或官方文档 如果涉及某个产品/工具（如 Claude Code、Spring AI）：调研最新的特性 如果涉及概念辨析（如 Agent vs Workflow、RAG vs Fine-tuning）：调研权威定义和实际差异 调研结果用于： 确认口播稿中的技术描述是否准确 找到能让内容更有深度的细节（比如"Skill 的 description 会被注入到 system prompt"这种内行才知道的细节） 区分口播稿的主角是什么（比如 Skill ≠ Tool Call，不能混为一谈） 步骤 3：列大纲 按五段式结构列出大纲，明确： 钩子从什么场景切入，信任感怎么建立 三层提问分别问什么 核心讲解每层一句话摘要 总结回顾哪些要点，给什么实用建议 大纲列完先展示给用户确认，再进入正文撰写。 步骤 4：撰写口播稿 按大纲展开，注意： 总字数控制在 800 字（3 分钟） 每个段落之间空一行，方便看提词器 技术术语首次出现时用中文解释一次，后续直接用英文 举例要搞笑、夸张、生活化，不要干巴巴的技术示例 写完后保存到 docs/src/ai/video/ 目录，文件名用主题关键词，小写字母 + 连字符。 步骤 5：自检 落盘前跑一遍自检： **口播稿自检** ✅/❌ - [ ] 字数：800 字 →（实际字数） - [ ] 钩子：有没有场景引入 + 信任建立 + 三层提问 →（具体写法） - [ ] 技术准确性：核心知识点经过调研验证 →（调研了哪些来源） - [ ] AI 味：无总结套话、无学术腔、无过渡废话 →（扫描结果） - [ ] 节奏：长短句交替，"那聪明的你"串联自然 →（情况） - [ ] 画面感：例子是否搞笑/生活化/有画面 →（举例） - [ ] 总结：有简洁回顾 + 实用建议 →（建议内容） - [ ] 截图占位符：架构图 1 张 + 正文截图 2-4 张，插在概括句之后 →（数量和位置） - [ ] 固定元素：开场白/出发过渡/层间过渡/总结/收尾是否齐全 →（检查结果） 自检通过后交付，未通过项回到步骤 4 修改。 选题库 references/desktop-agent-topics.md — 桌面端 Agent（WorkBuddy / 豆包工作 / 千问办公）20 个选题，含时间线、能力对照表、五条硬数据、三条表述纪律、以及每个选题的三层提问与干货锚点。 写新稿前先查 docs/src/ai/video/readme.md 确认哪些题目已挂 B 站链接（即已发布），避免撞车。 参考稿件 以下是经过用户校对确认的口播稿，代表目标质量和风格： docs/src/ai/video/codex-short-term-memory.md ： 最新模板 — Codex 短期记忆拆解，与 Claude Code 形成姊妹篇（展开观众猜测的钩子写法、幽默递进信任建立、技术段落拆段、幽默短评调节节奏、源码翻译成可操作建议） docs/src/ai/video/claude-code-short-term-memory.md ：Claude Code 短期记忆的源码级拆解（五段式结构、"那聪明的你"串联、生活化举例、总结 + 实用建议收束） docs/src/ai/video/agent-hnow-tool-call.md ：Agent 怎么知道该调用哪个工具（Tool Call 机制） docs/src/ai/video/agent-skill-hit-rate.md ：Skill 过多如何保证命中率（Skill 语义匹配机制） docs/src/ai/video/what-is-react.md ：什么是 ReAct——类比式案例的标杆（闭卷考试 vs 开卷考试）