來自 video-autopilot-kit 開源知識庫 · MIT 授權
這份框架教你怎麼用一個 4-mode 流程,把「你自己的」影片腳本風格學起來、存成可重用的 profile,然後用它優化既有草稿或從零 ghost-write 新稿。
重要:本文只發框架。任何具體的 style_profile.md 內容與 samples/ 樣本都屬於原作者個人聲音,不在本知識庫內。
你必須自己餵自己的腳本、建立你自己的 profile 與樣本庫。 下面所有「招牌詞 / particle / 開場 Pattern」都是「示意佔位」——它們示範的是該抓哪一類特徵,不是要你照抄某個人的口頭禪。請把它們替換成你自己稿子裡實際反覆出現的東西。
一份腳本有三個互相獨立的失敗軸,別把它們混在一起修:
| 支柱 | 壞掉長什麼樣 | 去哪 |
|---|---|---|
| 1. 語氣 | 很順,但不像你寫的 | 本檔(4-mode 流程)+填空骨架 ../templates/style_profile.template.md |
| 2. 觀眾語言 | 像你,但路人聽不懂 | script-retention-craft.md §1(四層詞表怎麼從自己樣本建) |
| 3. 留存節奏 | 聽得懂,但看不下去 | script-retention-craft.md §2 |
| 機械層 | 以上三柱能自動化的部分 | ../src/longform_maker/script_gate.py — 錄音前 gate(text) PASS 才錄 |
本檔只管支柱 1:怎麼把「你自己的聲音」變成可重用、可累積的 profile。
- 所有 profile 與樣本存在你自己的工作資料夾,例如
<你的專案>/skills/script-style/。 - 資料留在本地:profile 與樣本只存本地,不上傳。
- 累積,不覆蓋:每次 Learn 都疊加,除非你明說要刪。
- 樣本檔簡潔:只放原文,不存分析。
建議檔案結構:
script-style/
├── SKILL.md ← 指令 + 贅詞辨識準則(本框架)
├── style_profile.md ← 你累積的 style profile(會頻繁更新;自己建)
│ 填空骨架 → templates/style_profile.template.md
├── audience_vocab.json ← 觀眾語言四層詞表(script_gate 吃這個)
│ 骨架 → templates/audience_vocab.example.json
└── samples/ ← 你的原始腳本存檔(YYYY-MM-DD_NN.md;自己餵)
| 任務 | Mode |
|---|---|
| 學新樣本 / 看 voice profile | A / C |
| 砍腳本贅詞 / 從主題寫腳本 | B / D |
(在更大的影片製作流程裡,這個腳本框架通常負責 Generate + Optimize 兩步;跨平台規劃、title、留存診斷、thumbnail 等屬於其他模組的範疇。)
- 找出你自己的 fingerprint 詞 / particle — 那些你每篇都會冒出來的口頭禪、語尾助詞、強斷言句式,是招牌,絕對保留。
- Lean:砍 20-25% 贅詞但招牌不動(多數人會偏好 leaner output)。
- 早期樣本降權:你最早期的稿子風格還沒定型,Generate 時主要拉「風格已穩定」那批近期樣本(時序權重)。
- Sign-off / Boilerplate 通常有數個變體(例如:乾淨版 / 帶你個人 typo 的版本 / 含社群 CTA 的版本 / 早期已過時的版本)——把仍在用的整段保留不動,過時的別套。
- 個人化 typo / 慣性錯字(每個人都有自己常打錯的字)已成個人標誌——註解可以但不必每次強制修。
- 像你 ≠ 可以交稿:本框架只保證支柱 1。交稿前還要過觀眾語言與留存節奏兩柱
→
script-retention-craft.md,機械檢查 →script_gate.gate(text)PASS。
觸發:你貼上腳本並表示「學這篇」「加入樣本」「分析這篇」「餵腳本」。
步驟:
- 讀取
style_profile.md(沒有就新建空檔)。 - 從新樣本提取:
- Mode 判定:把你的內容分成幾個 sub-mode(例如:高能量 Demo / 反思分享 / 產品更新 / 脆弱開箱 / 實用教學 / 生活推薦 / Vlog——請依你頻道實際內容類型自訂這套分類)。
- 開場 Pattern(給每種開場法編號,累積成你自己的 Pattern 庫)
- 慣用句式 / 節奏 / particle / 結尾
- 新詞彙 / slang / typo 模式
- 區分贅詞 vs 招牌(見下方準則)
- 合併,不覆蓋寫入
style_profile.md。衝突 → 標⚠️ 。 - 原文存
samples/YYYY-MM-DD_NN.md,只存原文不存分析。 - 更新樣本記錄。
- 簡短回報:3-5 個最關鍵新特徵 + 總樣本數。不貼整 profile。
- 若順便要求「也清一下」→ 接 Mode B。
觸發:你提供草稿並表示「依我風格優化」「刪贅詞」「改寫這篇」「優化用詞」。
步驟:
- 讀
style_profile.md。 - 樣本數 < 3 篇先警告(profile 還不夠穩,優化會不準)。
- Mode 判定:判定草稿屬於哪個 sub-mode,告知後依該 mode 規則優化。
- 應用優化(依下方贅詞辨識準則):
- 刪真贅詞
- 用偏好詞彙替換泛用/通稿詞
- 重整節奏向典型句長靠攏
- 保留招牌
- 輸出格式:
- 修改後全文
- 關鍵改動清單(每條一行:改什麼 → 為什麼)
- 刻意保留清單(哪些招牌不動 + 為什麼)
- 避免過度優化:失去辨識度寧可不改,在保留清單說明理由。
觸發:你提供主題/想法/截圖 + 「依我風格幫我寫一篇關於 X 的草稿」「ghost-write」「我想寫一篇 X 主題」「幫我從零寫一支影片」。
步驟:
-
讀
style_profile.md。 -
Mode 判定:依主題對應你自訂的 sub-mode。下表是一個範例對應表,請替換成你自己的內容類型與對應 mode:
主題類型(範例) Mode(範例) 工具 demo 高能量 Demo 自家產品 bug/更新溝通 產品更新(道歉結構) 頻道經營/創作者反思/數據分享 反思分享 興趣開箱/個人 hobby 脆弱開箱 DIY/居家/實用教學 實用教學 食物/生活推薦 生活推薦 旅遊紀錄/日常 Vlog Vlog(時間戳結構) -
選開場 Pattern(下面是開場法的功能分類,不是要你照唸的句子。 每一類你都要回自己的樣本裡撈一句真的講過的,填進
style_profile.md§4.1 的 Pattern 庫):- 宣告型:直接說出今天要給什麼,再 reveal 主角(多數情況的主力)
- 警示型:先製造「這件事你需要知道」的緊迫感(重大更新/開箱)
- 致歉型 cold-open:先處理久未更新/進度落後,再進主題
- 轉向型:明說「這支跟平常不一樣」,替新類型鋪路
- 共識型:先建立「這個東西你應該聽過」,再往進階推(續集/進階教學)
- 賽事型 hype:把新品/新版本框成一次大事件
- 反問型 reverse hook:用一個問句接住前一段畫面或前情提要
-
選結構(可混搭):
- 線性 walkthrough(介面/流程導覽型內容多半必用)
- Origin story 公式(講自己做的東西:痛點 → 動機 → 成果)
- 平衡式評論(評第三方產品,含缺點段)
- 更新/修正溝通結構(自己交付的東西出問題時的 accountability 版)
- 比較測試 framing(多個對象同條件測試)
- Preemptive concession(先承認對手強項,再重新定義評選標準)
- 時間戳 narrative(Vlog 必)
-
依招牌密度寫稿(見下方密度表)。
-
結尾:
- 高能量 → 帶你個人風格的 Boilerplate 變體,或乾淨版
- 低能量 → 短 sign-off,或「任務完成」型收尾(做完一件事就收)
- Vlog → 通常開放結尾(連載)
- 反思分享 → Inspirational CTA(把觀眾放進成功位置的那種收尾)
-
輸出格式:
- 完整草稿
- 招牌使用清單(map 到 profile 條目,解釋為什麼這樣寫)
- 可調整方向(3-5 個明確 iterate 維度,如「能量過高/低」「Pattern 替換」「篇幅」)
觸發:「看一下我的風格 profile」「目前學到什麼」「review style」「我的腳本風格現在長怎樣」。
步驟:讀 style_profile.md,做條列重點摘要。重點:總樣本數、Mode 分布、最具辨識度的 3 個招牌、最該砍的 3 個贅詞、最該替換的 3 組詞。
這套準則是通用的,不依賴任何特定作者的詞——它教你怎麼分辨「砍掉不掉 voice 的填充」vs「砍了會掉 voice 的招牌」。
- 同句重複 intensifier:兩個以上的程度副詞疊在同一個形容詞前 → 留最強的那一個
- 緊鄰評估堆疊:兩三個形容詞連發 → 留 1
- 重複代名詞:同一個短句裡連續 2-3 個第一人稱
- 重複時間標記:同段出現兩個指向同一時點的時間狀語
- 純連接虛詞連發:同一段裡同一個連接詞出現 3+ 次 → 砍 1-2
- 通用心靈雞湯:任何抽掉主題後仍然成立的勵志句
- 過長 self-flex:超過 1 句的自誇
- 超量列舉:選單列 8 項 → 留 5-6;舉例 4 個 → 留 2-3
- 結尾 community flex:boilerplate 已經有社群 CTA,正文不要再重述一次社群近況
- 冗餘 wrapper:「我全都做了」+列舉+「整合起來」→ 列舉本身已經表達完整性,砍掉包裝句
這裡列的是「要去你 profile 裡找哪一類東西」,全部是分類名稱,沒有例句 —— 刻意的:一放例句你就會照抄,而那會是別人的聲音。每一格的答案只在你自己的舊稿裡。
詞彙類(找你自己的高頻 fingerprint):
- 你最強的 fingerprint 副詞 / 動詞(多數人有一兩個每篇必出現的)
- 你的強斷言句式(你把「這個很好」推到最高級時的固定講法)
- 你破第四面牆的親密語(你從敘述切換成「直接跟觀眾講話」時用的那句)
- 你的 accessibility 用語(你用來把門檻講低的那組詞:不用會、不用懂、自己也能做…)
- 你的 emphasis 句式(你替一段畫重點時的固定開頭)
- 你的 origin formula(你講「怎麼開始的」時的慣用框架)
- 你的 identity slogan(你反覆用來定義自己 / 頻道身分的那句話)
Particle / Punctuation(找你自己的語尾與標點習慣):
- 你慣用的語尾助詞(華語圈創作者多半有 3-5 個固定的,去逐字稿數哪幾個最常出現)
- 你慣用的驚嘆/波浪/全形半形習慣(含密度:一篇大概幾次)
- 你的慣性 typo / 錯字(每個人都有;已成個人標誌就不必每次都修)
結構:
- 線性 walkthrough(逐段帶看介面/流程時的固定句型)
- 時間戳 narrative(Vlog)
- Sign-off Boilerplate 整段(保留仍在用的變體;過時的早期版本不要套)
- 物件擬人化(你會不會拿指人的代名詞去指工具/軟體/公司——若這是你的習慣就保留)
下表的「招牌」欄是範例佔位——請把它換成你自己 profile 裡的招牌,並依你自己稿子校準合理密度。重點是「招牌也有過量警訊:超過某個次數就從特色變稀釋」這個原則。
| 招牌(範例) | 建議密度 | 過多警訊 |
|---|---|---|
| 你的主 fingerprint 副詞 | 4-8 次 | OK(招牌) |
| 你的高頻強斷言詞 | 4-6 次 | 9+ 次過密 |
| 你的驚嘆/語尾標點 | 6-10 次 | 全篇每句必加過密 |
| 你的破第四面牆句 | 1-2 次 | 3+ 次過密 |
| 你的 accessibility 招牌句 | 1-2 次 | 3+ 次重複 |
| theme word(單篇主題詞) | 2-3 次 | 4+ 次稀釋 |
| 同一招牌句重複 | ≤ 2 次 | 3+ 次過密 |
- 累積,不覆蓋:每次 Learn 都疊加,除非你明說刪。
- 辨識度 > 整潔度:贅詞與招牌邊界模糊時,傾向保留。
- ★ Lean preference:
- 多數人偏好 leaner output
- Mode B / D 可主動砍 20-25% bloat
- 但招牌必須保留
- 若覺得「贅詞太多」→ 再瘦一輪,目標再減 15-25%
- Mode D 第一版就直接走 lean 路線,不要先給太肥版本
- 資料留在本地:profile 與樣本只存本地,不上傳。
- 樣本檔簡潔:只放原文。
- 回報要短:Learn 不貼整 profile;Optimize/Generate 列關鍵清單即可。
- 建好上面的檔案結構,把
../templates/style_profile.template.md複製成你的style_profile.md(全部留白)。 - 跑 Mode A,餵你 5 篇左右過去寫過、你自己最滿意的腳本。
- 跑 Mode C 看 profile 抓到了什麼——校準、刪掉抓錯的、補上漏掉的招牌。
- 累積到 10 篇以上,profile 才夠穩,Mode B / D 才會準。
- 做一次觀眾語言詞表審計(模板 §5,30-60 分鐘),導出
audience_vocab.json→ 從此「觀眾聽不懂」變成script_gate擋得下來的東西,不再靠你當下記得。 - 之後每寫一篇新稿就回頭 Mode A 餵進去,順手把 gate 報的
lang.unknown_term新詞判級入表。
script-retention-craft.md— 支柱 2+3:觀眾語言四層詞表怎麼建、留存節奏 craft../templates/style_profile.template.md— 本框架的填空骨架(含詞表審計工作表)../templates/voice_profile.template.md— 5 分鐘最小版 voice profile(先開工用)../src/longform_maker/script_gate.py— 機械層