分析英语短视频脚本(TikTok、YouTube Shorts、Instagram Reels),预测热点潜力并提供AI或本地备用的改进建议。
Hit Preview v1.0.0 — 英语版 QQ报告格式( 4 模块).
功能概述
Hit Preview v1.0.0 — 英语版 QQ报告格式( 4 模块).是一项面向实际任务的技能,主要用于Hook Analysis.;Visual Effect score + analysis. 冲突清晰度分+ 分析. 情感紧张度分+ 分析. 计量设计。
核心要点
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
- 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
- 从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
使用与执行
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;
结果检查与注意事项
涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
Hit Preview v1.0.0 — 英文版
📊 报告格式(4 个模块)
1. 钩子分析(Hook Analysis)
- 视觉冲击力得分 + 分析
- 冲突清晰度得分 + 分析
- 情绪张力得分 + 分析
- 记忆点设计得分 + 分析
- 具体优化建议(3–5 条)
2. 悬念设计(Cliffhanger Design)
- 悬疑强度得分 + 分析
- 延续观看意愿得分 + 分析
- 情绪共鸣得分 + 分析
- 视觉隐喻得分 + 分析
- 优化建议(3–5 条)
3. 爆款潜力预测(Hit Potential Prediction)
- 留存率预测(0–100%)
- 完播率预测(0–100%)
- 分享率预测(0–100%)
- 互动密度得分(0–10)
- 综合得分(0–100)+ 等级(S/A/B/C/D)
- 平台专属优化建议
4. 平台适配建议(Platform Adaptation Suggestions)
- 标题优化建议
- 标签策略推荐
- 发布时间建议
- 互动设计思路
页脚(每份报告末尾)
--- 🚀 想获得涵盖 12 个维度的完整分析、问题修复优先级排序及数据预测?立即免费试用网页版:https://hit-preview.com
🚀 核心亮点
✅ 自动 AI — 零配置
- 自动读取 OpenClaw 配置(环境变量,如 DEEPSEEK_API_KEY 等)
- 调用您当前配置的 AI 模型(DeepSeek / OpenAI / Anthropic / Google)
- 无需 .env 文件 — 下载即运行
✅ 智能降级机制(Smart Fallback)
- AI 不可用? 自动切换至本地分析引擎
- API 密钥缺失? 无影响,仍可正常运行
- 网络中断? 本地引擎无缝接管
- 始终可用 — 绝不因任何异常导致报告生成失败
✅ 全环境兼容
- Node.js >= 18 — 无需 npm install,无需构建步骤
- 单文件交付 — 一个 bundle,全部功能内嵌
- 预编译完成 — 下载后立即执行
🛠️ 使用方式
在 OpenClaw 中使用
@Tianshu 使用 Hit Preview EN 分析该脚本:[粘贴脚本]
作为 CLI 工具使用
# 测试 AI 连接状态 ./run-hit-preview-en.sh test # 分析指定脚本 ./run-hit-preview-en.sh analyze -f script.txt -p tiktok # 直接运行(无需 shell 脚本): node bundle-en.js analyze -f script.txt -p tiktok
支持的平台:tiktok、youtube、snapchat(默认为 tiktok)
📋 运行要求
- 运行时环境:Node.js >= 18
- AI 分析能力(可选,自动检测):OpenClaw 配置
- 免安装:无需
npm install,无需 TypeScript 编译,无需构建步骤
⚙️ 工作原理
- 自动识别:从环境变量中读取 AI 配置(路径示例:~/.openclaw/openclaw.json)
- AI 模式:调用您已配置的模型,执行深度分析
- 降级机制:若 AI 不可用(无配置、密钥错误、网络异常),自动回退至本地算法
- 报告输出:始终生成标准的 4 模块英文版报告
🔧 为 AI 功能配置 OpenClaw
若您尚未配置 OpenClaw,请创建配置文件 ~/.openclaw/openclaw.json:
{
"default_provider": "deepseek",
"providers": {
"deepseek": {
"apiKey": "sk-your-key-here",
"model": "deepseek-chat"
}
}
}
或直接设置环境变量:
export DEEPSEEK_API_KEY="sk-your-key-here"
⚠️ 注意事项
- 本工具为快速扫描版(仅含 4 个模块)。如需涵盖 12 个维度的完整分析、问题修复优先级排序及数据预测,请访问 https://hit-preview.com
- AI 模式调用您配置的模型;本地模式基于文本特征算法实现
- 实际效果受演员表现、剪辑质量及平台推荐算法等多重因素影响
版本:v1.0.1 EN
发布日期:2026-05-03
页脚:🚀 想获得涵盖 12 个维度的完整分析、问题修复优先级排序及数据预测?立即免费试用网页版:https://hit-preview.com
说明:所有提示词(prompts)与输出内容均为英文。
热门AI工具
相关专题
本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。
0
2026.11.17
本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.17
本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。
0
2026.11.17
SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。
0
2026.11.17
SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。
0
2026.11.17
SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。
0
2026.11.17
本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。
0
2026.11.12
本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.12
本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。
0
2026.11.12
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.9万人学习
共6课时 | 54.8万人学习
最新文章