viral-chaser

name viral-chaser description 用户转发/分享抖音、B站、小红书视频链接(v.douyin.com / b23.tv / xhslink.com / xhslink.cn),要求拆解分析时使用（俗称「追爆」）：下载视频、ASR 转写、结构化拆解，产出拆解分析报告。仅产出报告，视频生产需另外委托 content-producer。 metadata {"openclaw":{"emoji":"🎯","requires":{"bins":"[Truncated]","env":"[Truncated]"}}} 🔑 前置：开通火山语音模型（仅首次） 本技能的语音转写（ASR）使用 火山引擎豆包语音 · 录音文件极速版 （资源 ID volc.bigasr.auc_turbo ）。即便账号已订购火山 Code Plan，语音模型仍需 单独开通 ，否则调用会返回鉴权/权限错误。 判断是否已开通 ：直接跑 Step 3 分析器，若 ASR 报错含 status=45xxxxx 或权限相关码，说明未开通，按下面流程开通一次即可。 开通流程 （未开通时，根据下面提示并引导用户在火山引擎控制台操作一次）： 登录火山引擎控制台，左侧控制面板进入 「开通管理」 选择 「语音模型」 选项卡 找到 「Doubao-录音文件识别2.0」 这一项，点击它的 「立即使用」 在跳转页面的「服务详情」里，选择 「极速版」 标签卡（对应实例名称 Speech_Recognition_Seed_AUC2000000854311547266 ，资源 ID volc.bigasr.auc_turbo ），点击 「试用」 （赠送 20 小时，可先用，后续再点开通付费） 在该极速版页面可同时获得三项凭据： APP ID （数字）、 Access Token 、 Secret Key 。把 APP ID + Access Token 提供给小贝（旧控制台双头鉴权，对应 VOLC_ASR_APP_ID + VOLC_ASR_ACCESS_KEY ）； Secret Key 不需要给 （旧控制台账号用不上，填进 X-Api-App-Key 反而会报 45000010 appid mismatch ）。由小贝写入实例环境变量。 环境变量 （开通后由小贝配置，用户无需手动设置）： 变量 说明 VOLC_ASR_APP_ID 旧控制台 数字 APP ID （如 1216386473 ），用于 X-Api-App-Key 。旧控制台双头鉴权必需 VOLC_ASR_ACCESS_KEY 旧控制台 Access Token，用于 X-Api-Access-Key 。与 VOLC_ASR_APP_ID 成对使用 VOLC_ASR_APP_KEY 新控制台 APP Key，用于 X-Api-Key 单头鉴权。仅新控制台账号需要；旧控制台账号不要把 Secret Key 填到这里（会报 45000010 appid mismatch ） VOLC_ASR_RESOURCE_ID 资源 ID，默认 volc.bigasr.auc_turbo ，一般无需改 鉴权二选一（脚本优先旧控制台双头）：同时给出 VOLC_ASR_APP_ID + VOLC_ASR_ACCESS_KEY → 旧控制台双头；否则用 VOLC_ASR_APP_KEY → 新控制台单头。 旧控制台 X-Api-App-Key 要的是数字 APP ID，不是 Secret Key。 写入流程 ：用户把 VOLC_ASR_APP_ID / VOLC_ASR_ACCESS_KEY （或新控制台的 VOLC_ASR_APP_KEY ）交给小贝后， 小贝应 spawn 一个 IT engineer 作为 subagent 去把这两个变量添加到实例环境变量中——IT engineer 掌握如何在本机环境变量 / 服务配置里安全添加此类密钥的规范。小贝本人不要直接写环境变量文件。 关于接口选型 ：火山 ASR 分录音文件标准版 2.0（ volc.seedasr.auc ，单价最低，但只接受音频公网 URL，需自备 TOS 对象存储）、极速版（本技能采用，支持本地文件 base64 直传、一次返回）、闲时版（24h 内返回，不适合交互流程）、流式（实时上屏用）。viral-chaser 输入是本地 audio.wav，极速版免托管、原生返回时间戳，综合最合适。若后续为降本要切标准版 2.0，需额外引入 TOS 上传环节。 Viral Chaser（追爆分析 — 报告产出） Use this skill when: 用户提供抖音 / B 站 / 小红书视频链接，希望分析并制作同类视频 需要分析爆款视频的结构和公式 本技能仅产出追爆报告 ，不生成脚本，不制作视频。如需据此生成视频，需另行委托 content-producer （spawn subagent）执行。 Supported platforms: 抖音（Douyin）、B 站（Bilibili）、小红书（XHS — 仅视频笔记, 如果是图文的话则转向执行 xhs-content-ops 技能。） Not supported: 微信视频号、TikTok ⚙️ 执行方式（强制） 本技能涉及多步骤生产流程，你应该 self-spawn 一个 subagent 来执行，原因：subagent 独立上下文，不会因对话历史积累而降低输出质量。 你只负责跟进subagent的执行，避免它们长时间卡在某个步骤，必要时可以提供提示或调整执行策略。 Workflow Step 1 — Create workspace Before anything else, create the working directory for this video under the source platform's 平台运营文件夹 <platform>/ref/ （ <platform> 取视频来源平台代号：douyin / bilibili / xhs）: PLATFORM= "douyin" # 视频来源平台代号：douyin / bilibili / xhs VIDEO_SLUG= "<platform>-<contentId>" # e.g. douyin-7389abc or bilibili-BV1xx mkdir -p " ${PLATFORM} /ref/ ${VIDEO_SLUG} /references" 若调用方 workflow 指定了产出落点（如把参考素材收进在制作品目录 <platform>/outputs/<work>/references/ ），则按指定位置建工作目录，内部结构不变。 All downloaded files, analysis results, and generated reports will be saved under this directory. The references/ subdirectory holds the raw assets (video, audio, key frames) downloaded by the analyzer script. Step 2 — Run the analyzer（内置探活 + 下载 + 转写 + 关键帧） 一条命令闭环：先探活、再下载、再 ASR、再抽帧。 探活已合并进脚本 ，无需单独跑 check-login。 viral-chaser <url> [--no-frames] <url> : Full or short-link URL of the video（支持短链，如 xhslink.com/o/xxx 、 v.douyin.com/xxx 、 b23.tv/xxx ，脚本内部跟随重定向解析） --no-frames : Skip key frame extraction (faster, audio-only analysis) OUTPUT_DIR （环境变量）：落盘目录，必须指向 Step 1 建的 references/ 子目录 ⚠️ exec allowlist 注意 ： OUTPUT_DIR=... viral-chaser ... 内联 env 前缀会触发 allowlist miss。通过 exec 工具调用时，把 OUTPUT_DIR 放到 exec 的 env 字段 里传，不要写成内联前缀；同理避免 mkdir ... ; echo 这类分号复合命令。脚本本身已正确读取 OUTPUT_DIR 落盘，问题只在调用规范。 内置探活 （ _shared/check-session.ts ）：douyin 抓取前先做两层探活（Tier1 cookie 关键字段 + Tier2 平台 pong，pong 带 TTL 缓存）；bilibili 公开视频免登录，跳过探活。 xhs 走无 cookie HTML 路线（见下），不依赖签名/cookie，跳过探活 ——探活 user/me 通过也不代表 feed 签名路径被接受，HTML 路线根本不走签名，无需探活。 The script outputs a JSON object to stdout . Read it and proceed with analysis. Output JSON structure: { "ok" : true , "platform" : "douyin" , "metadata" : { "contentId" : "..." , "title" : "..." , "desc" : "..." , "author" : "..." , "durationSeconds" : 89 , "coverUrl" : "..." , "stats" : { "playCount" : 0 , "likeCount" : 0 , "commentCount" : 0 } } , "transcript" : { "text" : "全文转录..." , "segments" : [ { "start" : 0.0 , "end" : 5.2 , "text" : "开场文案" } ] , "estimated" : false } , "frames" : [ "<platform>/ref/<slug>/references/frames/frame_00_0s.jpg" , "..." ] , "localPaths" : { "video" : "<platform>/ref/<slug>/references/video.mp4" , "audio" : "<platform>/ref/<slug>/references/audio.wav" , "tmpDir" : "<platform>/ref/<slug>/references" } } transcript.estimated : false 表示 segments 是火山 ASR 返回的 真实时间戳 （utterance 级，毫秒精度转秒）； true 仅在接口异常未返回 utterances 时出现，此时按句切分全文并按字数比例在音频时长上估算分段，时间区间为近似值。正常情况下始终为 false 。 Exit codes: 0 = Success 1 = Error（URL invalid / download failed），或 SIGN_UNAVAILABLE （签名缺 OFB_KEY，重登救不了，交 IT engineer 配凭证） 2 = SESSION_EXPIRED （cookie 失效）— 走 login-manager 重登（ login-manager --platform <p> 导出+验证），重试一次 Step 3 — Read key frames (if available) For each path in frames , use the Read tool to load the image and analyze it visually. Read: <platform>/ref/<slug>/references/frames/frame_00_0s.jpg Read: <platform>/ref/<slug>/references/frames/frame_01_3s.jpg ... Analysis Framework After receiving the JSON output and reading the frames, generate a 追爆报告 in Markdown and save it to <platform>/ref/<slug>/raw_article.md . 1. 内容摘要 1–2 sentences: what core value does this video deliver to viewers? 2. 开头钩子分析（前 0–10 秒） Based on transcript.segments where start < 10 : 钩子类型 : 提问型 / 冲突型 / 反转型 / 数字型 / 悬念型 / 痛点型 / 利益型 具体文案 : quote the exact opening line(s) 效果评估 : why this hook works (or doesn't) 3. 内容结构拆解 Based on transcript segments, divide into logical sections: 段落 时间区间 功能 核心内容 开场 0–Xs 钩子/引入 ... 主体一 X–Ys 价值/信息传递 ... 主体二 Y–Zs 深化/转折 ... 收尾 Z–结束 CTA/情绪收尾 ... 4. 爆款元素评估 Rate each element as 强 / 中 / 弱 with a one-line explanation: 元素 评级 说明 前 3 秒吸引力 痛点共鸣度 悬念设置 情绪触发 价值清晰度 CTA 效果 视觉冲击（基于关键帧） 节奏把控 5. 视觉风格分析（基于关键帧图片） After reading the frame images: 色调风格 : 暖色系/冷色系/高饱和/低饱和/黑白 构图类型 : 人脸近景 / 产品展示 / 场景空镜 / 文字卡片 / 混合 字幕/文字覆盖 : 字体粗细、位置、是否有背景框、动画感 整体视觉标签 : 3–5 个关键词（如：「真实感」「强对比」「高信息密度」） If --no-frames was used or frames is empty, note: "（跳过视觉分析，请重新运行不带 --no-frames 参数）" 6. 可借鉴点 3–5 concise, directly actionable techniques. One sentence each. 7. 目标受众 One sentence describing the primary audience persona. Notes Workspace files are stored in <platform>/ref/<slug>/ — all downloaded assets and analysis reports are kept together. The references/ subdirectory contains raw assets from the analyzer. Bilibili DASH format : if mediaFormat is DASH , the video and audio streams are separate. The downloaded video.mp4 contains the video stream only; audio is in audio.wav after extraction. This is transparent to the analysis workflow. XHS video notes only : 小红书图文笔记（image-only）不含视频，viral-chaser 会报错并提示。只有视频笔记（type=video）才能下载和分析。 XHS 取数走 SSR HTML 路线（无 cookie 优先） ： platforms/xhs.ts 直接 GET www.xiaohongshu.com/explore/{note_id}?xsec_token=... 笔记详情页 HTML，解析 og:meta + window.__INITIAL_STATE__ 拿标题/封面/视频地址/时长/互动计数（ _shared/xhs-html-note.ts ）。 不走 feed API （ /api/sns/web/v1/feed 需 xRap relay 签名，极易 406/500/滑块，且探活 user/me 通过不代表 feed 签名路径被接受，会出现「探活绿、feed 红」假绿）。输入必须是带 xsec_token 的分享链接（ xhslink.com/... 或 www.xiaohongshu.com/explore/...?xsec_token=... ），脚本从短链展开后的 URL 抽 token。无 cookie 抓不到（滑块/空页）时，若本机有 xhs-browse cookie 则用同指纹 UA + cookie 回退重试一次。 ASR segments : 语音转写使用火山引擎豆包语音·录音文件极速版（ volc.bigasr.auc_turbo ），原生返回 utterance 级真实时间戳（ start_time / end_time ，毫秒），脚本转成秒后填入 transcript.segments ， estimated=false 。仅在接口异常未返回 utterances 时，才按句切分全文并按字数比例在音频时长上估算分段（ estimated=true ）作为兜底。开通/鉴权见文首「前置：开通火山语音模型」。 Exit code 2 — cookie expired: Execute the login flow described in the login-manager skill（原则 3：douyin / xhs-browse 有头手动登录；bilibili 有头登录），导出 cookie + UA 后重试一次。Do not retry more than once.