Skip to content

xinetzone/SpecWeave / .agents/skills/hook-analyzer-skill

hook-analyzer

Verified

视频前三秒钩子分析技能。从分镜拆解结果中提取前三秒分镜数据,为钩子吸引力评估提供结构化上下文。运行脚本 `python scripts/analyze_hook_segments.py "<breakdown_json_file>"` 或通过 stdin 传入 JSON。输出包含前三秒分镜数量、总时长和每个分镜的详细信息(含关键帧 URL)。当用户需要分析视频前三秒钩子、从分镜拆解结果提取钩子数据时使用。

视频前三秒钩子分析 (Hook Analyzer)

概述

视频前三秒钩子分析技能从分镜拆解结果中提取前三秒的分镜数据,并构造结构化的分析上下文,包含视觉内容描述、关键帧图片 URL、运镜方式等信息,为后续的 LLM 多维度评分分析提供输入。

适用场景

  1. 短视频优化:评估视频开头的吸引力,提升 3 秒留存率
  2. 创意评审:从5个维度量化分析钩子质量
  3. 竞品对标:对比不同视频开头的钩子策略

分析维度

本技能提取的数据供以下 5 个维度评分(由 LLM 完成评分):

维度权重评估要点
视觉冲击力30%画面构图、色彩、光影、运镜动感
语言钩子25%文案与画面配合度、悬念制造
情绪唤起15%画面情绪、人物表情、氛围营造
信息密度15%有效信息量、核心价值传达
节奏掌控15%分镜切换节奏、平台特性适配

使用步骤

方式一:从文件读取分镜数据

# 1. 先使用 video-breakdown skill 处理视频并获取分镜结果
python ../video-breakdown-skill/scripts/process_video.py "https://example.com/video.mp4" > breakdown.json

# 2. 提取前三秒分镜数据
python scripts/analyze_hook_segments.py breakdown.json

方式二:通过 stdin 管道传入

cat breakdown.json | python scripts/analyze_hook_segments.py -

输出格式

{
  "segment_count": 3,
  "total_duration": 2.8,
  "total_video_segments": 15,
  "analysis_mode": "multimodal",
  "segments": [
    {
      "index": 0,
      "start_time": 0.0,
      "end_time": 1.0,
      "duration": 1.0,
      "visual_content": "画面描述",
      "speech_text": "语音文字",
      "shot_type": "特写",
      "camera_movement": "推镜头",
      "function_tag": "开场",
      "frame_images": [
        {"type": "image_url", "image_url": {"url": "https://..."}}
      ],
      "frame_count": 3
    }
  ]
}

钩子类型分类

分析结果可用于识别以下钩子类型:

  • 痛点型:直击用户痛点,引发共鸣
  • 好奇型:设置悬念,引发好奇
  • 冲突型:制造对比或冲突吸引注意
  • 价值型:直接展示价值承诺
  • 情感型:以情感共鸣打动用户
  • 视觉冲击型:通过强烈视觉效果吸引
  • 悬念型:留下悬念引导继续观看

评分标准

分数段等级描述
9-10顶级极强的吸引力和创意
7-8优秀具备良好的吸引力
5-6一般有改进空间
3-4较弱需要重大改进
1-2很差基本没有吸引力

注意事项

  1. 此脚本只做数据提取,不做 LLM 评分(评分由 Agent 的 LLM 完成)
  2. 提取的 frame_images 字段中包含关键帧 URL,可供 Vision 模型直接分析
  3. 每个分镜最多取前 3 帧关键帧,避免 token 超限
  4. 输入必须是 process_video 返回的完整 JSON 数据

故障排除

问题解决方案
输出为空 segments确认输入 JSON 包含 segments 字段且不为空
前三秒无分镜视频可能从静止画面开始,检查原始数据
关键帧 URL 失效TOS 签名 URL 可能已过期,重新拆解获取
receiving-code-reviewobra/superpowersUse when receiving code review feedback, before implementing suggestions, especially if feedback seems unclear or technically questionable - requires technical rigor and verification, not performative agreement or blind implementationStars: 319kUpdated Claude CodeCodexVerifiedInstall
requesting-code-reviewobra/superpowersUse when completing tasks, implementing major features, or before merging to verify work meets requirementsStars: 319kUpdated Claude CodeCodexVerifiedInstall
using-git-worktreesobra/superpowersUse when starting feature work that needs isolation from current workspace or before executing implementation plans - ensures an isolated workspace exists via native tools or git worktree fallbackStars: 319kUpdated Claude CodeCodexVerifiedInstall
verification-before-completionobra/superpowersUse when about to claim work is complete, fixed, or passing, before committing or creating PRs - requires running verification commands and confirming output before making any success claims; evidence before assertions alwaysStars: 319kUpdated Claude CodeCodexVerifiedInstall