最近这一两个月我身边做短视频的朋友几乎都在聊同一个话题腾讯 WorkBuddy 和开源 Hypit 搭在一起能不能真做到一句话复刻爆款视频。我自己运营着三个账号一个偏知识口播一个偏产品测评。以前看到爆款视频判断要不要跟得先把原视频来回看两遍手动拆脚本、记结构、数镜头、找BGM一套下来至少两个小时跟出来的东西还经常四不像。后来我把这整套流程搬进了 WorkBuddy配合开源 Hypit 做内容解析拆解加出稿的时间压到了二十分钟左右。这篇文章就是给跟我一样的短视频创作者、自媒体运营看的想用 AI 工作流代替重复劳动又不知道怎么下手的小白照着下面的步骤走也能搭出自己的爆款复刻流水线。所有命令、提示词和踩坑记录都是我这几个月实际跑过的。1. 复刻一个爆款本质上是在复刻这四个环节很多新手一听AI 复刻爆款第一反应是让工具直接把别人的视频下载下来改个片头发出去——这不是复刻这是搬运平台查重一抓一个准而且完全没有沉淀出自己的内容能力。我理解的复刻是拆掉爆款的骨架再用自己的素材、自己的表达重新长一遍肉。要做到这一点得先搞清楚一条爆款视频到底由哪几个环节组成。1.1 拆解爆款的四个通用环节第一条是选题价值判断。你应该跟的不是这条视频火没火而是这条视频为什么火、它的爆点能不能迁移到我的赛道。同样是讲职场沟通的爆款知识号能跟搞笑号就跟不动因为受众的预期完全不同。这部分以前靠刷大量视频喂经验现在可以靠模型做初步筛选。第二条是内容结构拆解。90% 的爆款视频结构都可以被切分成几个固定模块开头三秒的钩子、中段两三层的论点递进、结尾的转化引导或互动提问。每个模块各自承担什么任务、时长占比多少、有没有重复强调的关键句都需要被准确地抽出来。手动做这件事极其枯燥但恰恰是 AI 最擅长的事。第三条是脚本与台词重构。结构是骨架台词是血肉。拆出来结构之后要用自己的话重新组织内容保留对方的节奏感但换掉表达方式融入你自己的案例、数据和口癖。这一步很考验提示词的引导能力写得好不好直接决定你复刻出来的是换皮搬运还是有效借鉴。第四条是视觉与听觉配套。爆款不只是文案爆字幕的节奏、BGM的选型、画面的切换频率都在参与信息的传递。拆解的时候不能只盯文本还要把镜头切换点、音效使用位置、字幕强调词一并记录下来这些信息后面全部要变成你复刻时的执行清单。1.2 WorkBuddy 和 Hypit 的分工逻辑把上面四个环节落到工具上我需要说清楚 WorkBuddy 和 Hypit 各干哪部分活因为很多人第一步就栽在分工不清上什么都往里塞最后哪个环节都没跑通。打个比方WorkBuddy 是你的工作台负责调度、思考和产出Hypit 是那个帮你跑腿拿料的人负责把外部素材整理成工作台能直接用的形式。具体来说Hypit 这类开源工具承担的是视频内容解析你丢给它一个视频链接或本地文件它调用底层的语音转写、帧提取、OCR 等能力把视频转成带时间轴的文本稿、镜头描述和画面关键帧信息。输出的是原始素材不是成品。WorkBuddy 承担的是思考与组织它拿到 Hypit 解析出的结构化素材之后根据你在提示词里设定的角色、目标和输出格式把素材重组成一条可执行的新视频脚本。为什么不直接用一个大模型全部搞定因为我试过效果很差。让大模型直接观看并理解一个几十秒的视频它往往只能抓住最表面的主题很难精确到第 5 秒出现了一个转折句、第 12 秒屏幕上方弹出了加粗关键词这种细节。而 Hypit 先把视频切碎成带时间轴的文本和关键帧数据相当于把一道看视频理解的难题降维成了阅读理解和图文总结大模型的准确率会高非常多。注意复刻的是结构和表达策略不是把别人的素材拿过来直接用。整个工作流跑通之后视频画面、音频、案例素材必须换成你自己的。工具可以帮你拆骨架但不能替你把原创的魂也搬走。2. 动手前先搭好环境WorkBuddy 注册与 Hypit 部署环境准备这一段我尽量写细因为工具迭代快好多人卡在两个点上一个是找不到入口一个是部署到一半被依赖报错劝退。我这里以我自己跑通的流程为准不同版本细节可能会变但主线逻辑是一样的。2.1 腾讯 WorkBuddy 工作台初始化WorkBuddy 我理解的是腾讯推出的效率智能体工作台主打通过智能体 技能Skill的方式把重复工作流编排起来。第一次进入之后别急着乱点按下面的顺序做创建独立工作空间。如果你的 WorkBuddy 账号有其他业务数据建议单独建一个空间专门跑短视频复刻流程后续加技能、调参数都不会影响到别的项目。配置一个大模型作为智能体的执行大脑。目前主流的选择是在模型配置里选支持长上下文和强指令遵循的模型。短视频脚本生成任务对上下文长度要求较高因为要一次性塞入 Hypit 输出的完整文本稿和结构标注。太短的上下文会截断素材导致后面生成出来的脚本信息不完整。新建自定义技能Skill。这一步是让 WorkBuddy 知道我有数据要喂给你。创建技能时重点是写清技能的描述和输入输出的数据格式。我最初随便填了个处理视频资料结果对话时模型根本不知道什么时候该调用这个技能后来改成接收视频解析结果生成短视频复刻脚本调用准确率立刻上来了。设置外部数据接入。Hypit 解析出来的结果会以 JSON 或 Markdown 文件的形式保存。你可以把输出文件直接拖入 WorkBuddy 的技能数据区也可以配置一个固定目录让 WorkBuddy 自动读取。我建议用固定目录方案因为每次手动上传太磨叽而且容易传错文件。完成上面四步WorkBuddy 这边就是一个待命状态。接下来处理 Hypit。2.2 部署开源 Hypit 时最容易忽略的步骤Hypit 这个开源项目我在 GitHub 上找到仓库以后第一反应是这玩意儿依赖怎么这么多。如果你之前没怎么碰过开源工具可能会被安装过程劝退。这里我把流程拆成最小步骤并且标注出我踩过坑的地方。先确认本机条件建议用 Python 3.10 以上版本系统装了 FFmpeg。没有 FFmpeg 的话Hypit 处理视频转音频那一步会直接报错而且报错信息还特别不友好只提示调用外部工具失败不会告诉你去装 FFmpeg。我一开始就是被这个假象迷惑折腾了很久。安装的核心命令大致是git clone https://github.com/hypit/hypit.git cd hypit pip install -r requirements.txt装依赖之前强烈建议你先建一个干净的 Python 虚拟环境不要直接装进系统环境。我踩过最大的坑就是依赖冲突Hypit 某个版本的依赖会跟系统里已有的包打架导致装完之后 import 就报错。用虚拟环境隔离之后这个问题再没出现过。然后处理两个配置文件一个是模型服务配置用来指定 Hypit 调用哪个语音转写接口或大模型服务。一个是存储配置用于设置解析结果输出到哪个目录。路径建议用绝对路径别用相对路径因为后面 WorkBuddy 要从这里读文件相对路径在不同目录下启动会导致结果找不到。我实际跑通之后整理的几个关键配置项可以对照着检查配置项我用的值说明视频输入目录~/hypit/input/把待分析的视频放这里解析结果输出~/hypit/output/json/WorkBuddy 的读取目录转写语言zh中文内容识别关键帧抽取间隔2s抽帧密度生成字幕格式srtjson保留时间轴信息有一点要特别说明Hypit 的版本更新很频繁接口和配置项名称在不同版本之间会有差异如果你看到我的配置项在你的版本里不存在不用慌去仓库的 README 或者config.example.yaml里找对应的字段。开源项目的文档不一定完善但至少配置模板是跟着版本走的。最后测试运行找一个 30 秒左右的短视频丢进输入目录执行解析命令。正常情况下会输出一个 JSON 文件里面包含逐句文本、开始时间、结束时间、以及关键帧描述。看到这个 JSON 文件环境就算跑通了。3. 一句话的关键在提示词我的三段式模板与示例环境搭好之后很多人会以为接下来就是随便说一句话让 AI 干活。其实一句话复刻这个说法指的是指令的下发方式很简短不代表提示词本身可以草率。我用的是 WorkBuddy 的会话式交互一句话触发整个流程但这个一句话背后对应的是我在技能描述和预设指令里写好的完整模板。3.1 指令模板的三段式结构我给 WorkBuddy 写的复刻指令固定分成三段第一段是角色与素材。明确告诉它你是短视频编导然后把 Hypit 解析出来的素材文件路径或数据内容喂进去。这一段的作用是限制模型的视角不让它用通用的百科式口吻回答而是站在编导的位置思考。第二段是任务拆解。告诉它先输出结构分析再输出复刻脚本。这里有个关键技巧一定要把先、再、然后这样的顺序写清楚。大模型如果不给顺序它倾向于一次性把所有东西倒给你结构混乱根本没法用。第三段是输出格式。直接规定脚本里每个模块的写法、字幕文件需要包含什么字段、要不要标注镜头说明。输出格式越具体后续人工修改的成本越低。3.2 给我照着抄的提示词示例我实际在 WorkBuddy 里用的指令文案风格是这样的你是资深短视频编导。以下是从爆款视频中解析出的结构化素材 [粘贴 Hypit 输出的 JSON 内容] 请完成两件事 首先分析这条视频的爆款结构用表格输出时间范围、模块类型钩子/论点/情绪/转化、核心台词、镜头特征。 然后基于以上分析用我提供的选题《[替换成你自己的选题]》重新生成一条同结构视频脚本。 要求脚本时长控制在60秒左右需要包含开头钩子、两个递进论点和一个互动引导台词用口语化表达避免书面语字幕建议和镜头说明单独用括号标注。这个模板我用了挺久输出稳定度明显好于帮我复刻一下这条视频这类模糊指令。原因很简单角色、素材、任务、格式全都有明确指向模型不需要猜你的意图自然不容易跑偏。3.3 参数微调让输出更贴近你的账号定位提示词只是第一步想让结果真正贴合自己的账号还得调 WorkBuddy 执行时的大模型参数主要是温度和重复度。我自己调参的参考值温度 0.7 左右复刻结构的同时保留一定创作自由度。太低了输出会很死板每句话都像念说明书太高了容易跑题明明要口播稿它能给你写出个舞台剧脚本。上下文轮数设成 4 到 6 轮这样你可以先让它输出结构分析确认没问题之后再让它基于同一段素材生成脚本。如果上下文太短它会忘了前面的素材第二轮就开始胡编。一次生成的脚本长度限制在 800 字以内因为授时拍摄就是 60 秒左右超过 800 字的口播稿念起来会明显超时。让模型在限制内精简表达反而比让它自由发挥更有节奏感。另外如果你运营的账号有明显的风格属性比如知识号偏理性克制、测评号偏夸张口语一定要把这些风格词写进角色描述里。我见过的最常见错误是只写了按照爆款结构生成脚本没说自己的账号风格结果生成了一版湖南卫视综艺口吻的产品介绍跟账号人设完全脱节。提示提示词模板建议用文本文件存下来然后复制进 WorkBuddy。不要在会话框里直接编辑长提示词一旦不小心改错一个词整体效果波动很大而且不方便回退。4. 全流程实战从爆款链接到口播脚本的完整记录理论讲完上实际操作。我拿最近跑通的一个案例做完整演示目标是把一条讲碎片化时间管理的知识口播爆款视频复刻成我自己账号风格的同选题视频。4.1 素材准备与指令下发先拿到爆款视频的链接下载到本地。因为 Hypit 直接处理本地文件最稳定从第三方平台抓流媒体链接时不时会被防盗链卡住所以我都是先下载、再解析。把视频放进~/hypit/input/之后执行解析。Hypit 跑一轮 60 秒的视频我这边大概需要 2 到 3 分钟主要耗时在语音转写和关键帧抽取。输出 JSON 里除了逐句台词和时间轴还会标注出画面上出现的关键词卡片。我把 JSON 内容复制出来粘贴进 WorkBuddy配上提示词模板。注意我上面说了素材粘贴要注意长度如果视频太长导致 JSON 过大就先让 Hypit 按时间轴分段输出分段喂给 WorkBuddy。一次塞入几万字的 JSON很多模型会有信息丢失问题后半段内容生成时经常被忽略。4.2 从拆解结果到成片脚本的过程WorkBuddy 收到指令后先给出结构分析表格。我那次的结果大概是这样的第 0-5 秒钩子反问开头 屏幕上出现大字一天只有24小时第 5-20 秒第一论点碎片时间不是等出来的第 20-35 秒第二论点用场景绑定任务而不是用时间规划任务第 35-50 秒案例落地讲作者自己通勤时做的事第 50-60 秒转化引导观众在评论区打出自己的碎片场景对照我自己账号的定位我决定保留场景绑定任务这个核心逻辑但把案例换成我熟悉的职场场景把钩子从反问改成一句更直接的痛点陈述——因为我账号的粉丝偏好干脆利落的开场。然后我让 WorkBuddy 基于这个结构生成新脚本。它输出的初稿大致可读但里面有一句在这个快节奏的时代——这种空话我必然删掉。我的经验是初稿只用它的骨架和表达方向具体每一句话都要按自己的说话习惯过一遍。AI 生成的稿子听感偏字正腔圆而用户喜欢的是有瑕疵感、有个人语气的内容。4.3 我踩过的坑与对应的解决办法跑这个流程大半年翻车次数不少挑三个最有代表性的写一下。坑一Hypit 解析出的文本没有标点断句全靠模型猜。有些视频的语音转写结果是纯汉字流没有标点符号。WorkBuddy 拿到这种文本后会产生大量错误的断句和停顿生成出来的脚本语义都变了。解决办法是在 Hypit 的输出配置里开启智能加标点选项或者在提示词里主动加一句请根据语义为素材添加标点后再分析。坑二脚本生成得很好但完全无法拍摄。有一段时间 WorkBuddy 生成的脚本里全是例如在一个安静的午后你坐在咖啡馆里这种场景描述根本没有可执行的画面调度信息。后来我在输出格式里强制增加镜头说明字段要求每条台词后面必须附带近景/中景/特写 画面内容 字幕强调词。加了之后脚本终于能直接交给剪辑或拍摄了。所以输出格式里的字段不能省每多一个字段落地的可能性就高一分。坑三连续复刻同类型爆款之后脚本出现自我抄袭。这个现象很有意思你让同一个智能体连续分析五条同一赛道的爆款视频第六次生成时它会自动缝合前五条的句子和写法甚至复刻出别人的金句变体。我用了一个比较笨但有效的办法每跑完一次完整流程就在 WorkBuddy 的会话里清空上下文重新开一个新会话。让每次复刻都是独立的而不是在上一次的记忆上叠加。另外必须提醒一点拆解完爆款之后生成的脚本本质上还是一个衍生作品。我的做法是脚本里涉及到的具体案例和数据一定换成自己核实过的原视频的画面素材一律不用。我们要学的是节奏和结构不是把人家的素材换个字幕再发一遍这在任何平台都是高风险行为千万别抱有侥幸心理。5. 沉淀自己的工作台模板复用与避坑清单流程跑通之后下一步就是把偶然的成功变成可复制的日常操作。我自己走了两步第一步是把提示词和配置参数整理成模板库第二步是让同一个工作台能处理不同类型的复刻需求。5.1 提示词版本管理与复盘我现在用一个prompts/目录存所有提示词每个文件都带日期版本号例如hooks_v1.0.md、review_style_v2.1.md。每次调参或调整结构都有意地留下版本不直接在原文件上改。这样做的好处是当你发现某次输出效果特别好可以快速回溯到对应版本对比之后找出是哪个参数起了作用。除了版本管理我还会在每次跑完流程之后花五分钟复盘记录这次生成效果好的关键是什么改了什么提示词调整了什么参数生成结果里有哪些内容是我完全不想用的说明提示词没有约束到位有没有哪一段让我产生了这个思路不错可以再挖掘的感觉这就是下一版提示词的灵感来源复盘记录得多了以后你会发现自己账号的内容偏好逐渐清晰给 WorkBuddy 写提示词也会越来越顺手因为你知道自己的受众吃什么类型的内容、对哪种表达免疫。5.2 扩展思路批量选题与风格迁移工作台稳定之后还能做进一步扩展我自己目前最常用的三个方向一是批量选题筛选。把一个时间段内的热门视频链接批量丢给 Hypit 解析再用 WorkBuddy 统一做结构分析输出一张爆款结构频率表。比如一周内十条约 10 万赞的视频到底哪一类开头钩子出现最多、哪一类结尾引导最统一一目了然。这个数据比凭感觉判断靠谱得多。二是风格迁移。已经不是单一爆款复刻而是我把自己历史所有数据量不错的视频脚本也导进 WorkBuddy让它总结我的语言特征配合 Hypit 解析出的爆款结构生成带个人风格标签的同结构脚本。等于把个人的表达风格和爆款的内容结构分开处理再在生成步骤合并。三是多人协作共享技能。如果你有一个小团队可以把 WorkBuddy 里调好的技能和提示词模板共享给同事统一全员的输出标准。我团队现在走这个流程新人上手拍视频的速度明显变快至少不用从零开始摸索结构拆解的方法论。我自己的体会是这套WorkBuddy Hypit的工作流已经不是一个简单的工具组合而是把短视频创作的隐性经验显性化了——以前判断什么视频会火靠感觉现在靠的是可重复的拆解和验证。过程中当然也踩过很多坑比如版本不兼容、提示词失控、素材解析不全但每一个坑都让我对内容结构的理解更深了一层。这套流程现在还远称不上完美不过我确信方向是对的把最耗精力的重复劳动交给工具人只负责有创造力的部分做出来的东西反而更有自己的味道。