用 WorkBuddy 和开源 Hypit 搭建 AI 短视频爆款复刻工作流

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：

1. 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。
2. 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。
3. 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。
4. 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：

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。