AI视频提示词自动反推工具，告别手动求取

为此，我开发了一个技能工具：只需提供一个视频分享链接或在线视频的真实地址，它便能尝试将视频内容拆解，反推出一套可直接用于复刻的素材。这套素材包括文生视频提示词、角色设定、风格关键词、分镜描述，甚至能提取角色的台词。由于时间限制，目前主要支持解析抖音视频分享链接或在线真实视频地址，其他平台的解析思路可参考文章中的方法自行实现。

以下是两个实际应用案例。第一个案例关于“刀盾狗”，直接将视频分享链接发送给技能工具，让其反推提示词：

对技能工具生成的提示词进行人工审核（这一步必不可少，AI全自动生成的提示词在细节上可能不够精准，需要人工微调。提示词越精确，生成时的随机性就越低），然后将其粘贴到 libtv 中，使用 Seedance 2.0 Fast 模式生成视频。此处我固定了“刀盾狗”的角色形象，因为仅靠AI文字描述生成的形象往往不够准确：

成品视频:

另一个案例是近期流行的“化蝶为面”转场效果：

技能工具会生成文生图视频的提示词，我在此基础上进行了二次创作，使用 libtv 配合 Seedance 2.0，采用文生视频模式生成：

成品视频：

必须承认，生成的女主角形象非常出色，甚至让我萌生了以其为主角制作AI动画短片的想法。不过，这有些偏离主题了。接下来，我们进入正式的教程部分，感兴趣的朋友可以跟随步骤一起操作。

一、设计初衷

开发这个技能工具的目的，并非单纯做一个“视频理解工具”。市面上许多模型都能大致总结视频内容，告知视频中有谁、发生了什么、画面是什么风格。但这些信息距离“我能否据此制作出一个风格类似的视频”这个目标，仍有不小的差距。

真正的需求，是将一个爆款视频尽可能地“翻译”成一套可复用的创作素材。这套素材应包含以下核心内容：

• 一句话核心提示词
• 一版更完整的详细 prompt
• 可直接用于生成视频的分镜描述
• 风格关键词和负面提示词
• 角色设定
• 角色台词和字幕文案

对于内容创作者而言，最痛苦的往往不是缺乏灵感，而是灵感涌现后，却难以拆解、复刻不顺，或者重写效率太低。

二、技能工具架构设计

本次开发 xfc-video-understand 技能，核心目标是：“降低复刻或二次创作爆款视频的难度”，将反推视频提示词的过程，整理成一个稳定、可重复使用的能力，而非每次都需要手动拆解。

从架构图可以看出，整个技能工具的设计分为三个主要阶段：

首先，接收用户提供的视频链接和自然语言需求（例如用户希望分析视频内容或反推视频提示词）。

接着，进行判断：如果用户输入的是视频分享链接，则将其解析为真实的视频地址，再交给视频理解模型提取关键信息；如果用户输入的是在线视频的真实地址，则直接交给视频理解模型处理。

最后，将这些提取出的信息整理成提示词、台词、分镜等可以直接投入下一步使用的成果。

三、技能工具实现与集成至 OpenClaw

在实现上，我将 xfc-video-understand 的所有逻辑都收敛到了一个核心脚本中。先来看一下这个技能工具目前的目录结构：

xfc-video-understand/
├── SKILL.md
├── config.json
├── requirements.txt
└── scripts/
    └── understand_video.py

根据此设计创建对应的文件夹即可。

3.1 SKILL.md 设计编写

SKILL.md 文件可视为这个技能工具的说明书，也是整个调用流程的入口定义。以下是我的编写思路，供大家参考：

调用场景：用户传入了抖音分享链接或在线视频真实地址，并且需要分析视频内容
执行步骤：
1. 如果用户传入了抖音分享链接，则调用解析分享链接 API 提取真实视频地址
2. 调用 scripts/understand_video.py 解析视频内容
3. 将视频解析结果返回给用户

3.2 配置文件设计

config.json 配置文件用于统一管理这个技能工具所需要的 API Key，其所需字段和相关说明如下：

字段名	是否必填	作用说明	示例值 / 备注
dashscope_api_key	是	API Key，用于调用通义千问视频理解模型。	sk-xxx
tikhub_api_token	是（当使用抖音分享链接解析时）	Tikhub Token，用于将抖音分享链接解析成真实视频地址。	Bearer Token
dashscope_base_url	否	阿里云大模型接口调用地址，通常保持默认即可。	https://dashscope.aliyuncs.com/compatible-mode/v1
dashscope_model	否	默认使用的视频理解模型名称，可按实际情况切换。	qwen-vl-max-latest

这样做的好处显而易见：日常使用默认读取本地配置，当需要切换环境时，再通过参数进行覆盖。对于一个需要调用多个 API 的技能工具来说，将 API Key 集中管理在一个文件里，比分散在各处更稳定、更易于维护。

3.3 代码部分编写

scripts/understand_video.py 的设计思路很清晰：首先读取 config.json 配置文件，然后判断用户传入的是可直接访问的 video_url，还是抖音的 share_url。如果是分享链接，就先调用 Tikhub 接口解析出真实视频地址。最后，将得到的 video_url 连同用户的提示词一起，发送给通义千问视频模型进行理解。

核心代码结构如下：

def run(payload):
    # 1. 读取配置文件 config.json
    # 2. 判断传入的是 video_url 还是 share_url
    # 3. 如果是 share_url，先调用 Tikhub 解析真实视频地址
    # 4. 调用 Qwen-VL 分析视频内容
    # 5. 返回统一结果：text / content / video_url / error_message
    pass

def resolve_douyin_share_url(share_url, token):
    # 调用 Tikhub 接口
    # 从返回体里提取真实视频地址
    pass

def analyze_video(api_key, video_url, prompt, model, base_url):
    # 构造 OpenAI 兼容请求
    # 把 video_url 和 prompt 一起发给通义千问视频模型
    # 提取模型返回文本
    pass

resolve_douyin_share_url() 函数负责将抖音分享链接转换为可直接访问的视频地址，analyze_video() 函数负责将视频交给模型进行内容理解，而 run() 函数则负责将这两段流程串联起来，最终将结果返回给上层工作流调用。

3.4 技能工具集成到 OpenClaw

技能工具编写完成后，只需将其集成到 OpenClaw 即可顺利调用。集成方式非常简单，只需将整个技能工具文件夹上传至 OpenClaw 服务器所在的 /root/.openclaw/workspace/skills 目录下。

完成后，回到 OpenClaw 的会话界面，确认技能工具是否已成功加载。如果存在，就能像文章开头展示的那样直接使用了。