yyl-benchmark-breakdown
拆解对标账号 / 竞品内容——丢一个链接进来,自动识别平台(抖音/小红书/B站/YouTube/公众号)和粒度(单条 or 整个账号),抓取内容后输出三件套:可复用爆款公式、画面+口播逐段拆解、人设与内容定位,并自动存档到 benchmarks/。短视频自动下载 + 转写口播 + 抽视觉帧(contact sheet 多模态读图),不只看 caption。当用户说「拆解这个账号/视频/笔记」「分析对标/竞品」「这条为什么火」「给链接拆内容」「teardown」「看看别人怎么做的」时使用。抓不到内容会引导粘贴文案/字幕,绝不直接报错。
By ttfake92-lab · 405 installs
npx skills add ttfake92-lab/skills --skill yyl-benchmark-breakdown
Source repository · Upstream listing
YYL 对标账号拆解 Skill
做一件事: 给一个链接,把对方的内容拆到能复用的程度。
产出固定三件套(见 references/output template.md ):
1. 可复用爆款公式 —— 提炼成能直接套用的选题套路 + 结构模板 + 视觉公式。
2. 画面 + 口播逐段拆解 —— 时间轴对齐,逐段标注画面/口播/钩子/节奏/转折/CTA + 两者协同方式。
3. 人设与内容定位 —— 人设标签、视觉符号、内容矩阵、差异化打法。
这是 分析型 skill,产出 markdown 报告,不产图。要做封面用 yyl video thumbnail ,要做小红书图文用 yuyile social card skill 。
工作流(前置清单通过后自动开干)
0. 前置清单(每次开工先跑,但不要反复打扰用户) :
跑 bash scripts/check deps.sh 。
如果自检失败 :不要开始拆解;先帮用户补环境。按自检输出说明缺什么、为什么需要、下一步命令是什么。
Docker 未安装/未启动 → 说明 Docker 是本地下载 API 的运行环境,引导用户安装并打开 Docker Desktop。
Douyin TikTok Download API 或 XHS Downloader API 不可达 → Docker 可用时运行 bash scripts/bootstrap local apis.sh ,再重跑 bash scripts/check deps.sh 。
ffmpeg / whisper 缺失 → 按 INSTALL.md 给出安装命令,装好再重跑自检。
如果必需依赖全部通过 :不要问用户确认,直接进入第 1 步。
TikHub 是可选项 :首次 setup 或目标平台需要 TikHub(YouTube/快手/海外平台/本地 API 失败)且没有 TIKHUB API KEY 时,给用户两个选择:「现在配置」或「先跳过」。跳过后继续处理本地 API 能覆盖的平台;不要因为 TikHub 缺失阻塞抖音/B站/TikTok/小红书单条。
前置清单:
必需:Docker、Douyin TikTok Download API、XHS Downloader API、ffmpeg、openai whisper。
可选:TikHub API key、Jina Reader key。
1. 识别 :从 URL 判断平台 + 粒度(单条/账号)。规则见 references/fetch playbook.md 。
拿不准粒度就先按单条处理,抓到页面再修正。
2. 准备证据包(优先跑自动流程) :
先跑 bash scripts/prepare assets.sh "<url " 。
它会自动创建工作目录,保存 metadata.json 、下载视频/图片、转写 audio.txt 、抽帧并生成 sheet .jpg / xhs sheet .jpg 。
跑完先读工作目录里的 manifest.txt ,回显一句「我抓到了什么」(平台/字段/缺什么),再进入拆解。
3. 取数回退(自动流程失败时继续走,不要在第一级失败就停) 。细节、端点、命令见 references/fetch playbook.md 。
① 平台本地 API(主力) :
抖音 / TikTok / Bilibili → Douyin TikTok Download API: curl http://localhost:80/api/hybrid/video data?url=...
小红书单条笔记 → XHS Downloader: POST ${XHS API BASE: http://127.0.0.1:5556}/xhs/detail 。 download:true 会下载图文/视频文件到 ${XHS DOWNLOAD DIR: $HOME/.xhs downloader/Volume/Download} 。
② TikHub(备用) :YouTube、快手、海外平台、小红书本地 API 失败时用。需要 TIKHUB API KEY 环境变量。
③ Jina Reader :公众号文章、普通网页、纯图文兜底, curl https://r.jina.ai/<url 。
④ 引导粘贴 :还拿不到 → 让用户发文案/字幕/截图, 不报错 。
4. 短视频必做:下载 + 转写口播 + 抽视觉帧 (三样都缺不可)
抖音 / B站 / TikTok / YouTube 单条 → 用 download addr 下视频 → ffmpeg 抽音轨 → whisper model medium language Chinese 转写 → ffmpeg 场景检测 + 节奏采样 + 拼 contact sheet。
小红书视频笔记 → XHS Downloader 先下载 mp4 → 复用同一套 ffmpeg + whisper + contact sheet 流程。
抽完帧 用 Read 工具把 /tmp/bm/sheet .jpg 喂给自己看 ——多模态读图是视觉拆解的核心证据。
小红书图文笔记 → 用 XHS Downloader 下载图片,按图片序号拼 contact sheet,把图序当作"视觉脚本"看;没有口播就明确标「无口播」,不硬编。
公众号文章 → 跳过下载/转写,但正文和配图都要作为证据。
命令模板见 references/fetch playbook.md 第 3 节。
5. 拆解 :按通用四层 + 视觉七维 + 平台特化分析。
脚本/结构/选题/转化 → references/breakdown framework.md
画面层(视觉钩子/景别/切点节奏/字幕/视觉符号/色调/场景调度)→ references/visual framework.md
单条 → 深拆这一条, 画面与口播必须时间轴对齐 (看协同/互补/错位/预告/强调)。
账号 → 先抓 5–15 条样本,找 重复出现的规律 (选题、结构、视觉符号、发布、互动),再挑 1–2 条代表作深拆。
6. 输出 + 存档 :按 references/output template.md 生成报告, 同时存一份 到
benchmarks/<平台 <账号名 /<日期 <标题slug .md (目录不存在就建)。
存档是第二阶段「长期对标库」的地基,每次都存。
短视频报告末尾必须附 完整文字转写稿 ,逐字粘贴 audio.txt 的完整内容;不能只给摘要。
图文/网页报告末尾必须附完整正文;如果确实无口播,明确写「无口播」。
7. 收尾 :交付前检查报告末尾是否已经附完整转写稿/正文,再给「 这条/这个账号最值得我抄的 3 个点 」+ 一句可执行的下一步建议。
铁律
自检通过就自动开干 :不要再问用户要不要开始;必须完成下载 → 转写 → 视觉识别 → 爆款拆解 → 存档。不能只停在证据包准备完成。
永不空手而归 :逐级回退走完;真抓不到就引导粘贴,绝不只甩一句「抓取失败」。
短视频必转写 + 必读图 :caption + 数据不够, 口播 + 画面 contact sheet 两个证据都要 ,缺一拆不全。
报告末尾必须附完整转写稿 :短视频必须把 audio.txt 完整粘贴到 完整文字转写稿 ;图文/网页附完整正文或标注「无口播」。这是交付硬门槛,不能只写摘要、不能漏。
要可复用,不要复述 :别复述对方讲了什么/拍了什么,要提炼 为什么这么做、我怎么套用 。
基于证据 :数据、原句来自实际抓取;抓不到的指标标「未获取」,不要编。
第一性 :每个结论回到「它解决了观众什么问题 / 戳了什么情绪」,不堆术语。
始终存档 到 benchmarks/ ,文件名含平台、账号、日期。
文件
INSTALL.md —— 依赖安装指南(给人看)+ 常见问题。
scripts/check deps.sh —— 一键自检前置依赖,缺什么给装的命令。
scripts/bootstrap local apis.sh —— 一键拉起本地 Douyin / XHS 下载 API;Docker 缺失时给安装引导。
scripts/prepare assets.sh —— 自动证据包流程:下载 → 转写 → 抽帧/拼图 → 生成 manifest。
references/fetch playbook.md —— ★开工先读:平台/粒度识别表、四级取数回退、下载+转写+抽帧命令、粘贴引导话术。
references/breakdown framework.md —— 通用四层拆解 + 各平台特化(脚本/结构层) + 爆款公式提炼法。
references/visual framework.md —— ★短视频必读:画面七维拆解 + 视觉/口播时间轴对齐 + 视觉公式提炼法。
references/output template.md —— 三件套交付模板(已含画面+口播对齐表) + 存档命名约定。
第二阶段(暂未实现,已留地基)
长期对标账号库 :基于 benchmarks/ 里沉淀的多份拆解,做跨账号/跨时间的规律汇总(谁的哪类选题稳定爆、行业共性、可追踪趋势)。
长视频转写优化 : 15 分钟视频自动切片 + 并行转写;或接商业 API(飞书妙记/通义听悟)。
小红书账号级自动化 :接 MediaCrawler 自托管,用于账号主页采样、评论与搜索;单条下载已经由 XHS Downloader 覆盖。
等单链接拆解打磨稳了再做。