Skills visual-benchmarker

(元技能) 视觉对标视频搜索器,通过指导AI调用其他工具,为项目确认视觉风格。

install
source · Clone the upstream repo
git clone https://github.com/openclaw/skills
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/ahsbnb/visual-benchmarker" ~/.claude/skills/clawdbot-skills-visual-benchmarker && rm -rf "$T"
manifest: skills/ahsbnb/visual-benchmarker/SKILL.md
source content

技能名称:视觉对标视频搜索器 (visual-benchmarker)

核心目标

这是一个元技能 (Meta-Skill),它本身不包含代码,而是作为一个行动手册,指导AI通过组合自身能力和外部工具,为项目(如短视频拍摄)确认视觉风格和剪辑风格,从而避免返工。


🧠 工作流程(三步走)

第一步:AI 提取关键词

AI 需要根据用户上传的资料(如文本文件),提取核心品类与搜索关键词。这一步完全依赖 AI 的推理能力,无需代码,只需执行以下提示词:

**提示词模板:**

你是一位资深的短视频内容策略师。请仔细阅读以下客户资料,从中提取可用于抖音搜索的“核心品类”和“关键词”。

**客户资料:**
{此处粘贴用户上传的作战地图/产品资料/启动会录音文本}

**要求:**
1. 首先确定核心品类(例如:女装、母婴、知识付费等)。
2. 然后围绕该品类,提取 3-5 个精准搜索关键词(例如:极简通勤穿搭、亲子互动、职场口才等)。
3. 以 JSON 数组形式输出,例如:["女装", "通勤穿搭", "轻熟风", "一衣多穿"]。

第二步:调用
douyin-video-search
技能获取视频

AI 将第一步生成的关键词,作为参数,调用已安装的

douyin-video-search
技能来获取视频列表。

调用示例 (可移植):

# AI应使用工具调用,而不是执行固定路径的脚本
# 以下为概念性示例,实际调用取决于AI对工具的封装
tools.douyin_video_search(keyword="科技公司 办公空间", sort="1", publish="7")

AI应优先选择按点赞量排序 (

--sort "1"
) 的结果,以筛选高热度视频,并可使用分页参数 (
--cursor
) 获取更多结果。

第三步:AI 筛选与输出案例

AI 对第二步获取的视频列表进行筛选,保留点赞量高、视觉风格独特、与项目定位匹配的视频,最终输出 3 个以上的对标视频案例,并附上简要分析。

输出格式示例:

## 对标视频案例推荐

### 案例 1:极简通勤穿搭|一衣多穿公式
- **视频链接**:https://www.douyin.com/video/1234567890
- **亮点分析**:视频开头3秒直接展示穿搭前后对比,节奏紧凑;画面干净高级,符合“极简风”定位。
- **可借鉴元素**:开头的痛点提问方式、快速切换的搭配镜头。

### 案例 2:小户型收纳|3招让空间大一倍
- **视频链接**:https://www.douyin.com/video/2345678901
- **亮点分析**:采用第一视角拍摄,代入感强;字幕设计清晰,信息密度高。
- **可借鉴元素**:第一视角运镜、关键信息字幕包装。

🛠️ 使用说明

输入

用户需提供一份包含战略信息的文本文件(作战地图、产品资料等)。

输出

一个包含至少 3 个对标视频的 Markdown 格式报告。

依赖技能

  • skill:douyin-video-search
    : 必须已安装并在
    config.json
    中配置好
    tikhub_api_token

⚠️ 注意事项

  • 动态调用: AI 在执行第二步时,必须通过工具系统动态调用
    douyin-video-search
    技能,绝不能依赖或执行任何写死的本地文件路径。
  • 关键词质量: 第一步的关键词提取质量直接影响最终结果,AI 可与用户交互,对关键词进行确认或调整。