做短视频这几年我最大的感受是真正困住你的往往不是拍摄和剪辑而是“下一个视频到底拍什么”“脚本怎么开头才留得住人”。尤其是刚接触AI工具的那批朋友总以为给AI一段提示词就能解决一切结果发现每次都要从头写一遍需求输出还不稳定。后来我开始用Agent Skills才慢慢把短视频创作从“凭感觉”变成了“走流程”。这篇文章就围绕4个我一直在用的短视频Agent Skills展开把每个技能解决什么问题、怎么配置、用的时候有哪些坑一次讲清楚。不管你是刚认识Agent的新手还是已经被选题和脚本折磨过一阵子的创作者这套方法都能直接拿来用。它不是让你完全放弃思考而是把重复性最高的环节交给AI你专注在判断和审美上。1. 先想明白Agent Skills 到底给短视频工作流补了什么1.1 短视频创作最缺的不是灵感是稳定流程短视频创作链条其实很长选题、脚本、分镜、拍摄、剪辑、发布、复盘。大多数人卡住的原因是每个环节都要重新消耗大量脑力灵感好的时候一个晚上能做三条状态差的时候一个下午憋不出一个开头。AI工具本来应该在这里帮上忙但直接用对话式聊天窗口很容易失控。今天让AI写脚本它会写明天再让写它可能换了一种结构、一种语气甚至忘了你上次要求过“开头必须用提问式钩子”。这对创作者来说非常痛苦因为你需要的不是一次性的灵感而是一个“每次输入相同条件就能得到稳定质量输出”的标准流程。Agent Skills恰恰是解决这个问题的。它不像普通提示词那样只存在于对话里而是一个可以被保存、被复用、被迭代的独立技能包。你可以把对短视频的理解、平台规则、文案节奏全部沉淀到这个技能包里AI调用它的时候就像一位新员工拿到了一本详细的操作手册而不是靠猜。1.2 Skill 的本质不是“更好的Prompt”而是一条微型流水线如果你在某个支持Agent功能的平台上打开过Skill目录会发现它通常是一个结构化的文件里面包含任务描述、输入参数、处理步骤、输出格式、约束条件这几大块。这个结构决定了它和普通Prompt的本质区别普通Prompt是“你帮我写个脚本”Skill是“你按流水线一步步处理先解析我的选题再拆目标人群然后列钩子最后生成脚本并且每一步都告诉我为什么这么做”。我把Skill理解成一条微型流水线每个环节都有明确的输入和输出。AI不是一个自由发挥的写手而是一个按SOP作业的生产工人。比如我的脚本Skill里第一步永远是“判断用户输入的选题属于哪种内容类型干货型、情感型、搞笑型”因为类型判断错了后面的语气、节奏全都会跑偏。这个设计逻辑对短视频特别重要因为短视频文案高度依赖结构——前3秒钩子、中间内容密度、结尾互动引导每个环节的写法都不一样。如果你不给AI一套固定的作业顺序它很容易把结构写乱或者写得像一篇公众号长文而不是短视频脚本。提示我的建议是不要把Skill设计成“万金油”。一个Skill最好只解决一个环节的问题比如选题就只做选题脚本就只做脚本。你可以在对话中组合调用多个Skill但不要让单个Skill承担太多职责否则又会回到“提示词失控”的老问题。2. 技能一爆款选题挖掘 Skill把“拍什么”从玄学变成流程2.1 选题这个痛点AI其实比你想的更擅长解决很多创作者对选题有误解觉得选题靠网感、靠灵感。但拆开来看一个短视频选题能爆本质上是因为它精准命中了某类人群的一个未被满足的需求。AI恰恰擅长做这种“需求挖掘”工作——它读过海量内容能把你给的模糊领域快速拆解成几十个细分方向这是人类大脑很难做到的。我设计的选题Skill核心逻辑很简单输入一个领域关键词AI通过四个维度展开分别是目标人群、场景痛点、内容切入角度、差异化表达方式。它会输出至少15个完整选题每个选题都带有标题、目标人群、切入角度和预计抓人的点。这四个维度缺一不可。只给标题是没用的因为你拿到一个标题“减脂餐的3个误区”还是不知道怎么拍但如果同时给你“新手减脂人群、误区盘点、用超市常见食材演示”你立刻就知道画面该怎么搭。2.2 配置这个Skill的关键参数写这个Skill的时候我踩过一个坑一开始只写了“根据关键词生成20个选题”AI输出的东西全是“居家健身必备的5个动作”这种大而空的内容。后来我在Skill里加了几个硬性约束效果立刻不一样。第一个约束是“每个选题必须对应一个具体场景”比如“下班后没时间做饭的上班族”而不是“忙碌人群”。第二个约束是“每个切入角度必须包含一个反常识点”比如“减脂餐不一定非要水煮”。第三个约束是“必须给出一个拍摄引子”就是看到这个选题你大概知道第一个镜头拍什么。这三个约束加上之后AI输出的选题才真正具备“拿到就能开拍”的实操性。这个Skill的输入字段我特意设计得很少只有一个“领域词”是必填的其他像“目标平台”“内容风格”都可以选填。原因很简单一旦输入字段太多用户在对话里根本懒得填Skill的触发率会直线下降。让AI在你只有一个模糊想法的时候就开始工作比什么都要强。2.3 实测效果与使用心得我拿“减脂餐”这个领域词做了一次实测AI输出的一批选题里让我印象最深的是这几个“为什么你吃了一个月减脂餐还没瘦——因为你不懂热量缺口”、“超市冰柜里真正适合减脂人群的4种半成品”、“一口空气炸锅搞定一周减脂备餐”。这些选题的共同点是都把“人群场景”和“反常识点”结合得很好而且还天然带了画面感。这个Skill我建议放在短视频工作流的最前面因为它的单次产出足够你用两周。我以前每周都要花一两个小时为选题发愁现在基本上是隔两周跑一次这个Skill从中挑5个最顺眼的放进接下来的排期表。注意想用好这个Skill你需要在最后的约束条件里写清楚“避免使用XX人群”这种负面清单。比如你的账号定位是女性观众就把“面向男性群体”“面向家庭主妇”这类方向拉进禁止列表。AI在负面清单的约束下输出的内容会精准很多。3. 技能二爆款脚本生成 Skill让AI写出有钩子的文案3.1 短视频脚本的节奏说白了就像摆地摊叫卖我经常跟朋友说短视频文案和公众号文章最大的区别在于“读者是用脚投票的”。公众号你写不好人家至少还会滑两屏短视频开头不行手指一划你就消失了。所以脚本Skill最重要的任务是确保文案在结构上不出错。我拆解的脚本结构是前3秒的钩子让观众停下第3到8秒的承接让观众留下来中段用密集的价值输出让观众看完最后用一句互动引导提高评论区活跃度。这个Skill会严格按这个结构生成脚本每一段都标注清楚它在整条视频中的作用。举个例子如果是干货型脚本钩子可能是“我劝你以后别再买这个了”中段就是价值点铺陈和具体建议结尾就是“你踩过这个坑吗评论区聊聊”。这个结构本身不复杂但AI在自由发挥的时候很容易跑偏不是钩子不够狠就是结尾忘了引导互动。把这些规则写进Skill相当于给AI上了一道紧箍咒。3.2 Skill里的Prompt模板只需要盯住三个变量我写过不少版本最后发现真正决定脚本质量的变量只有三个内容目标、目标人群语气、平台节奏偏好。其他的什么“字数限制”“是否使用网络热词”反而没那么重要。内容目标决定脚本类型。比如“破除一个误区”脚本就会走“设问—推翻—给方案”的路线“分享一个方法”脚本就会走“场景痛点—方法步骤—效果反馈”的路线。目标人群语气决定语言风格。面向新手要避开术语多用“你只需要”“其实很简单”这种降低门槛的表达。面向进阶用户要直接、利落不用解释基础概念。平台节奏偏好决定脚本的信息密度。不同平台的容忍度差别很大有的适合快节奏卡点有的适合慢条斯理地讲清楚。这个参数一定要在Skill里留出来。Skill里的Prompt模板大致长这样你可以根据自己的情况调整你是短视频脚本专家。根据用户提供的内容主题生成一条时长约X秒的口播短视频脚本。 第一步判断内容类型干货型/情感型/搞笑型。 第二步输出脚本大纲包含前3秒钩子、承接过渡、2-3个核心内容点、结尾互动话术。 第三步根据大纲生成可朗读的口播逐字稿自然口语化每句话控制在20字以内。 第四步检查逐字稿是否至少包含2处具体案例或生活化类比。 约束禁止使用书面语长句禁止在开头使用“大家好我是”禁止输出拍摄指导。3.3 实测对比同一个话题两个完全不同风格的脚本我拿“如何坚持早起”测试这个Skill并故意切换了内容目标。干货型版本开头是“别再定5个闹钟了真正有用的是一个你根本没法拒绝的起床动作”中段围绕“光线刺激—目标绑定—行动反馈”三个点展开结尾引导评论“你试过最硬核的早起方法是什么”。搞笑型版本开头则是“我的闹钟已经被我摔坏三个了直到我发现了这个办法”语气完全不一样。这两个版本出自同一个Skill只是因为输入的内容目标变了输出结构也随之调整。这种稳定性在批量生产内容时特别有价值——你不是在赌AI的随机发挥而是在一个可控的框架里变换组合。4. 技能三分镜与画面提示词 Skill把文字变成能拍的画面4.1 脚本到成片为什么最容易断档脚本写出来是一段文字但你打开相机对着自己拍的时候会发现完全不知道怎么摆画面。这是很多口播博主最初的卡点。普通AI对话工具很难解决这个问题因为你在对话里让它“给你分镜”它会给你一堆“中景、近景、特写”的术语看完还是不知道拍什么。分镜Skill的思路不太一样。它不直接给“景别”这种抽象概念而是把每个脚本段落翻译成具体的画面动作、拍摄角度、置景元素和画面文字。比如脚本里说“别再定5个闹钟了”分镜Skill会把它翻译成“凌晨手机闹钟连续响的近距离特写手指在屏幕上滑动关闭闹钟画面有朦胧的光线”你拿到这个描述之后即使没有摄影基础也知道该拍什么。4.2 Skill输出的分镜表到底长什么样我用的分镜Skill会把每条镜头描述整理成一个表格包含镜号、镜头类型、画面内容、运镜方向、建议时长、画面文字和备注。拿“早起方法”脚本来说明它的输出大致会是这样。镜号镜头类型画面内容运镜方向建议时长画面文字1特写手机闹钟响起手指按掉闹钟固定机位2秒你还在定5个闹钟2近景人物起床坐起揉眼睛缓慢推进3秒试试这个方法3中景拉开窗帘光洒进房间横移3秒光线是唤醒大脑的信号4近景人物喝水看着镜子里的自己固定机位3秒把目标贴在镜子上5中景人物出门步行手机显示时间跟拍4秒提前20分钟6特写手写下第一条已完成任务俯拍3秒完成感是坚持的动力7近景人物微笑对着镜头说话固定机位2秒你的早起方法是什么这个表格的价值在于它把“拍什么”和“怎么拍”全部说清楚了你只需要照着表格逐条完成拍摄剪辑时按建议时长拼接就行。我经常是拿着这个表直接给摄影师看双方都不需要再讨论“这里我想表达什么”。4.3 配合画面生成工具时的提示词写法如果你做的是影视解说、知识科普这类视频需要生成封面图或素材画面这个Skill也能扩展出画面提示词。我在Skill里加了另一个输出模式把某个镜头描述转换成英文Prompt参数供绘画类工具使用。关键技巧是不要在提示词里写太抽象的情感词汇比如“孤独”“温馨”这种AI画出来的会很空。要写具体的视觉元素光线类型、主体动作、镜头距离、环境细节。比如“清晨的床前一只手伸向正在响铃的智能闹钟暖色晨光从窗帘缝隙射入浅景深特写镜头”就比“早上起床”好用了不知多少倍。提示分镜Skill写起来相对复杂因为它涉及两个输出模板镜头表格和画面提示词。建议先在Skill文件里把表格格式定死画面提示词的输出放在第二个层级。不要让AI在一次输出里同时给你两种东西否则表格会被提示词挤得七零八落。5. 技能四数据复盘 Skill让AI教你下一次怎么改5.1 复盘不能只看播放量要看数据之间的组合视频发完之后大多数人只看一眼播放量就关了后台。其实数据复盘才是加速成长的环节。同样是一条5000播放的视频有的能看出问题、有明确的改进方向有的只是纯粹运气不好。差别就在于怎么拆数据。我复盘时会重点看三个指标的组合完播率、互动率、流失点。播放量高但完播率低说明标题封面把观众骗进来了但内容没接住完播率稳定但互动率低说明内容技术没问题但缺少引导和讨论点后台的流失点能告诉你观众是从第几秒开始划走的这个信息对剪辑调整极其关键。数据复盘Skill就是围绕着这套逻辑设计的。它的输入可以是一段文字描述也可以是你手动填的几个数字。输出则是一份诊断报告包括视频当前的健康度评分、问题可能出在哪个环节、对应修改建议、下一步测试方向。5.2 Skill输入输出的设计细节我给这个Skill设计的输入字段包括标题、选题方向、发布时间、播放量、完播率、平均观看时长、点赞数、评论数、分享数、前5秒流失率、总时长。输出要求它按“数据概览—核心问题定位—原因假设—修改建议—AB测试方案”的顺序组织。举个例子某次我发了一条知识类视频播放量2万完播率只有11%点赞率不到2%。Skill给出的诊断是完播率和点赞率双低说明内容本身信息密度太低观众在中间段失去了观看动力建议缩短至30秒以内砍掉第二个案例强化第一个案例的代入感。它还提出一个AB测试方向做个15秒的极速版对比是否提升完播。这种建议的可执行性非常高因为它不是泛泛地说“内容要更好”而是定位到了时长和结构的具体问题。我照着改动之后下一条视频的完播率提升了将近一半。5.3 这个Skill真正的隐藏价值数据复盘Skill表面上是在分析数据实际上是在帮你建立一种内容思维。它逼着你从“我觉得这条视频不错”转变成“数据显示这条视频在某个位置有流失”。这两者的区别非常大。前者靠感觉后者靠证据。用了两个多月之后我发现自己就算不开这个Skill也能在拍摄前预判哪类结构会落败哪类结构更容易留住人。这就是数据思维内化的过程。Skill在这里扮演的角色更像是教练而不是代笔。6. 常见问题与避坑实录Skill配置和使用中的6个坑6.1 坑一Skill描述写得太笼统AI根本不触发很多人在配置Skill的时候只写一句话“你是短视频领域专家帮我生成脚本”。结果放在Agent里根本不会自动触发。原因是Agent触发Skill靠的是对用户意图的匹配如果你的描述没有明确说明“当用户想生成短视频脚本时调用本技能”AI的判断就会犹豫。解决方法是在Skill开头的描述部分把触发场景写清楚最好再给几个触发示例词。比如“当用户提到写脚本、拍视频、短视频文案、口播词时优先调用本技能”。这和搜索引擎优化是一个道理你得让Agent知道什么情况下该把这段技能文件翻出来。6.2 坑二输出格式不固定后期处理很痛苦如果你让AI用Markdown输出它会给你Markdown如果你没指定格式它可能会用表格、列表、代码块混着来。这些格式上的不确定性在单次对话里感受不明显但一旦你每条视频都用同一个Skill就会积累大量的格式混乱没法做二次加工。解决的办法是在Skill的“输出格式”段落里写死模板包括标题用什么符号、列表用什么前缀、必须输出的字段有哪些。这个环节很枯燥但值得花时间打磨。我用过的经验是一条视频的脚本输出格式如果完全固定想复制去其他工具或者分享给剪辑师都非常顺手。6.3 坑三把Skill当成一次性Prompt不迭代Skill文件写完之后不是一劳永逸的。平台规则在变你的账号定位在变观众口味也在变。一套脚本Skill用三个月不更新产出的内容就会越来越套路化。我养成的习惯是每个月复盘一次Skill内容看最近哪些输出让我觉得“还行但不够好”反推是哪个环节出了问题然后小改一版。改完之后我会在文件顶部更新版本号和修改记录这样回头看的时候能知道每一次改动带来了什么效果。没有版本管理的Skill改到最后你会不记得当初为什么加这段约束。6.4 另外三个小坑直接列成速查表问题现象解法输入字段留太多用户没耐心填Skill触发后拿不到完整输入输出质量下降只保留必填字段其他都做成可选并有默认值没写“禁止做什么”AI会做多余的事比如生成脚本时顺带加了拍摄建议冲淡了正文在Skill的约束区明确列出禁止项例如“不要包含拍摄指导”过度依赖Skill不做人工判断内容同质化明显因为AI在同一个框架里打转定期手动推翻Skill的输出方向把新想法反向写进Skill的变量里最后再分享一点我的体会用了这套方法一段时间之后最明显的变化不是产量暴增而是心里有底了。以前做视频是摸黑走路现在每一步都有路径选题靠Skill展开脚本靠Skill固定结构分镜靠Skill翻译画面数据靠Skill复盘结论。你不需要在每一个环节都从零开始想只需要做选择和判断这个变化对我来说比效率提升更值钱。Skill这个东西我个人建议是小步迭代、先从最痛的环节切入。如果你现在最头疼的是选题就先把选题Skill建起来用熟了再加脚本Skill不要一天之内想着把所有环节全部自动化。每个Skill都需要你和它磨合一段时间你才知道某些约束该收紧还是放开。等这套流程跑顺了你大概率会对“人和AI怎么分工”这件事有一个比我更深的体会。