ARTICLE · 1045603
6步搞定AI爆款拆解!新手编导拿走直接用
6步搞定AI拆解新手编导拿走直接用
· · · · ·
前几天碰到个同行，他问我：你现在收集的那些爆款视频，怎么拆的？有时间拆吗？
这个问题问得很实在。
收集不难——看到一条好的，存下来，一分钟的事。难的是拆：找逐字稿、掐秒数、记结构，一条认真拆下来，半小时打不住。
一周能拆几条？
所以我的答案是：我不自己拆了，我把它教给了AI。
我做的事其实很朴素——把拆爆款的方法，一条条写成AI能照着执行的规则：
钩子怎么归类型、情绪在第几秒转、这条脚本在卖哪种希望。
写完之后交给它跑：素材进来，拆解出来，打标入库，写新脚本的时候再调出来用。
剩下的活还是人干——校验、判断、决定哪条结构值得复刻。
它是一套规则跑出来的。
这套规则的核心，就是我下面要反复提到的字段体系。这四个字听起来很行话，但它决定了整件事能不能成立。
这篇文章就是那六步。规则、指令、踩过的坑，我都写好了，你照着抄就行——不用技术背景，会用聊天工具就能跑起来。
如果你在信息流或者其他效果广告赛道做内容，这套东西可以直接搬；带团队的话，把这六步甩给新人，比你自己讲一遍快。
不在这个行业的，我建议你也往下看——它本质上是讲一件所有内容人都会遇到的问题：你脑子里的经验，怎么变成别人也能用的资产。
⚙️ 六步路线 · 附一页纸SOP
前提、先想清楚它是干什么的第一步、筛选对象：不是所有爆款都值得拆第二步、设计字段：这一步是灵魂第三步、写Prompt：两段直接可抄第四步、搭流水线：三个工具判断第五步、人工校验：AI会编，你要抓第六步、让库反哺创作附、会真踩的五个坑 + 一页纸SOP
用法：照着顺序搭，中途卡住就回来看那一节。
· · · · ·
前提：先想清楚这个系统是干什么的
大多数人第一步就错了——把它当成"帮我总结一下这个视频讲了什么"的摘要工具。
那不叫拆解，那叫偷懒。摘要出来的东西你照样不会用。
拆解的本质是逆向工程。
一条爆款在你面前跑完，它要回答的不是"它讲了什么"，而是"它在第几秒，对用户做了什么"。
这个区别我举个例子。
同样是拆一条卖课的爆款视频：
摘要式输出：「视频讲了一个退休阿姨通过学习理财增加收入的故事，情绪饱满，节奏紧凑」——这句话除了占地方没别的作用。
逆向工程式输出：「0-3秒，钩子类型＝身份代入，原句"我今年58，退休金3200"，第3秒结束；3-15秒，制造比较落差，原句"同小区的张姐跟我一样退休，但她每月多两千"……」
看到区别了吗。第一种你读完只能感慨，第二种你读完能写。
所以开工前先立三条边界，这三条决定了这套系统能不能成立：
第一条 · 拆结构，不拆观感
"节奏很带感""文案很戳人"这类输出一律作废，只留可以结构化的字段。这条规则看起来苛刻，但它是分水岭——不能结构化的东西，就无法积累，也无法传递。
第二条 · 拆完必须能复现
判断一次拆解合格与否的标准只有一个：另一个人拿着你的拆解结果，能不能写出一版结构相同、内容不同的新脚本。写不出来，就是拆失败了，不管你的笔记看起来多认真。
第三条 · 终点是数据库，不是文档
单次拆解没有复利。你拆一条是学习，拆一百条并且能按维度检索，才叫资产。
· · · · ·
第一步：筛选对象——不是所有爆款都值得拆
拆错对象，浪费的是整个库的纯度。
我踩过这个坑，早期拆了一堆热榜上的现象级视频，后来发现那些结构一条都复现不了，因为它们红的理由压根不在内容里。
筛选的三个条件：
① 商业属性
优先拆投在你目标人群里的商业素材（带AD标识的那种）。自然流的爆款和付费跑量的逻辑是两套——一个比的是内容吸引力，一个比的是转化效率，拆混了会互相污染。
② 跑量时长
至少跑了3天以上、还在稳定投放的。上线一两天的不算，你不知道它是真跑起来了，还是系统探索期给的免费流量。
③ 数量节奏
一次拆5到10条，而且要同类打包拆。单条拆出来的是个案，打包拆出来的才是规律——你能看到同一个选题里，哪几条跑动了、哪几条没动，以及它们差在哪。
两个不要：
不要拆明星和热点事件的全民爆款，它们的天时地利不可复制，拆完学不到任何能迁移的东西。
不要只拆跑得好的。对照组比爆款更值钱。
同选题没跑起来的素材，拆出来才知道"差在哪一步"——而"差在哪"比"好在哪"更能指导你下一次动手。
我库里现在固定保留1到2条同选题的失败素材做对照，这是最有用的一块。
· · · · ·
第二步：设计字段——这一步是整个系统的灵魂
字段设计只有一个原则：每个字段都要能直接服务下游创作。下游用不上的字段，再专业也不加，加了就是负担。
我用的是一套七层字段，顺序按"用户看视频的时间线"排，这样拆的时候你的思路也跟着用户的视线走：
①基础信息层
素材ID、产品、投放平台、人群（年龄段＋身份）、跑量时长、消耗量级、来源链接、逐字稿。
②钩子层（前3秒）
钩子类型（按你自己的归类打标）、钩子原文（逐字摘录，一字不改）、钩子结束秒数。
③情绪层
主导情绪、情绪曲线（开局什么情绪，第几秒转，转成什么）、说话人身份（专家／同龄人／过来人／子女视角）。
④画面层
场景形态（真人出镜／口播加字幕／剧情／混剪／数字人）、前3秒画面元素、节奏（镜头切换频率、字幕密度）。
⑤转化层
转化钩子出现的秒数、CTA原文、利益点怎么表述、用了什么紧迫感手法。
⑥欲望引擎层
这条脚本在卖哪种希望（比较型／机会型／突破型／确定型），以及它怎么证明"这件事容易"（认知捷径／操作捷径／时间捷径／试错捷径）。
⑦合规层
用了哪些擦边表述、哪些话术值得借鉴、哪些绝对不能抄。
两个说明。
一个是⑥这一层，是我写过那篇「跑量脚本都在卖一种东西：希望」之后加进去的。加完之后，拆解这件事的性质变了——以前是拆技巧，现在是拆动机。拆到一百条你会看到规律：钩子类型有十几种，但底层卖的希望就那么几种，来回换衣服。这个发现只有在你打了标、能统计数据之后才能看见。
另一个是字段总数。总预算控制在20个以内。我一开始也想设计30个字段，觉得每个都有用。结果两周后就没人认真填了，库的纯度直接崩。从15个核心字段起步，用满一个月再加，这是唯一能活下来的节奏。
还有一条：数据库别用文档，用多维表格。拆解结果要能按钩子类型、欲望类型、人群去筛选和统计，文档做不到。表格是底线，别省这一步。
· · · · ·
第三步：写Prompt——两段可以直接抄
给系统写的指令分两段用，一段负责拆，一段负责生。
Prompt 1：基础拆解输入逐字稿＋基础信息，输出上面那七层字段。
你是一名信息流广告脚本拆解专家。以下是一条已验证跑量的视频广告逐字稿，请严格按以下维度拆解，禁止评价性语言（如"很好""很打动人"），只输出结构化结果：【基础】产品、目标人群、视频时长【钩子】逐字摘录前3秒原文；判断钩子类型（从以下选：痛点提问/反常识/利益承诺/身份代入/悬念/冲突/热点/恐惧警示）；标注钩子结束秒数【情绪】主导情绪（焦虑/不甘/希望/愤怒/好奇/安心）；情绪转折点在第几秒、转折前后各是什么情绪；说话人身份【结构】按时间线分3-5段，每段标注：秒数区间＋这段在做什么（一件事）【转化】CTA出现秒数＋原文；利益点；用了什么紧迫感手法【欲望】这条脚本主要在卖哪种希望：比较型（比身边人过得好）/机会型（窗口有限）/突破型（不想就这样了）/确定型（要一个确定答案），并摘录支撑判断的原句【门槛】它如何让用户觉得"这件事容易"：认知捷径/操作捷径/时间捷径/试错捷径，摘录对应原句【可复用】提炼1-3个可以迁移到其他产品的结构元素（不要内容，只要结构）逐字稿如下：{transcript}
这段里最关键的一句是「禁止评价性语言」。不写这句，模型会忍不住夸这条视频，夸完你的库就脏了。
Prompt 2：裂变生成输入一条已验证素材的拆解结果＋你的产品信息，输出三条变体脚本。
以下是一条已验证跑量素材的完整拆解结果。请基于它的结构，为我的产品生成3条变体脚本，要求：1. 结构完全对齐：钩子类型、情绪曲线、段落功能、CTA位置全部保留2. 内容完全替换：场景、案例、台词全部换成我的产品和人群3. 每条脚本标注：对应原片的钩子类型、在卖的欲望类型、使用的门槛捷径4. 合规自查：逐条检查是否存在绝对化用语、收益承诺、疗效保证，在脚本末尾列出风险点和替换建议我的产品信息：{product_info}拆解结果：{teardown_result}
第二段的第4条是我后来强制加的。
因为拆解库里躺着大量跑量但擦边的素材，如果裂变的时候不做自查，这些擦边的表述会顺着流程一路流进新素材，最后在审核环节集中爆炸。
库的合规层不是可选项，它是这套系统的刹车。
一个细节：上面这些字段名，要和你数据库的字段一字不差。
否则打标入库的时候对不上，你会在数据清洗上浪费掉比拆解更多的时间。
· · · · ·
第四步：搭流水线——三个工具判断
流程本身很朴素：
素材收集 → 转写 → 拆解→ 人工校验 → 打标入库 → 反哺创作
素材收集靠每周固定刷一遍目标品类，建一个"待拆池"；转写用语音转文字工具批量处理，准确率要求95%以上；拆解跑上面那段Prompt；校验和入库见后面两节。
三个判断，都是我踩过坑之后总结的：
判断一 · 模型不重要，字段才重要
市面上的模型差异，远小于Prompt质量的差异，更远小于字段体系的差异。别在选模型上纠结，先把字段磨对。
判断二 · 自动化可以后置
前期人工粘贴、手动触发完全够用。我一开始就想把转写、拆解、入库全串成自动流程，结果花了大力气搭好一台没人愿意用的机器。等周拆解量稳定超过30条再考虑自动化——先证明这条流水线有人愿意用，再把它造成工厂。
判断三 · 转写质量决定拆解上限
转录文本里产品名错一个字，整条拆解就污染了库，而且污染是隐性的——你半年后查库时会拿到一条错误的规律，还找不到哪里错了。
· · · · ·
第五步：人工校验——AI会编，你要抓
这套系统最大的风险不是拆得浅，是一本正经地编。拆解结果看起来完美，但里面有几处是模型自己补的。
三个必抓点：
一、原文引用必须逐字核对
模型摘录钩子原文的时候最爱"润色"——把"你知道吗"改成"你有没有发现"。而钩子原文是最不能动的东西，差一个字，语感就没了，你后面基于它做裂变就会偏。
二、秒数核对
钩子结束秒数、CTA出现秒数，模型经常靠估。抽检时对着视频拖一下进度条，这一步花不了多少时间。
三、产品名和平台信息核对
转录噪音多，这里最容易出错，也最容易漏检。
校验节奏：新字段体系上线后前50条全检，字段稳定之后降到30%抽检。
如果发现系统性的错误（比如总是把悬念归成痛点提问），不要一条条改——回去改Prompt里的类型定义和示例，然后重新跑。
系统的错误要在系统层修，不要用人力去补。
· · · · ·
第六步：让库反哺创作——不然前面全白做
数据库建起来只是及格线，它真正的价值在两个使用场景。
场景一 · 写脚本前查库
接到新选题，先查三件事：这个钩子类型在我们品类历史上跑成什么样？这个人群吃哪种欲望？同类结构有没有踩过合规雷？三分钟，替你避开一次盲测。
场景二 · 批量裂变
拿到一条验证过的结构，跑Prompt 2，出3条变体，进三版本赛马。这时候闭环成了：拆解的产出，直接变成下一条素材的原料。库开始滚雪球。
还有一个动作别漏：月度复盘。
每月拉一次库内统计——哪类钩子占比最高、哪类欲望的平均跑量最好。
这个统计会告诉你下一个该押哪个方向，也会反过来告诉你Prompt哪里要修。
回到我自己的数字：这套流程跑下来，库里攒了835条脚本、14个产品、199条投放记录，近半年AI产出的素材单月消耗过200万，跑出率提升了5个点。
跑出率那5个点里有多少是这套系统的功劳，我说不清，但有一件事是确定的——
在系统建起来之前，我们每次写脚本都是从零开始赌；建起来之后，至少是在有历史的地方赌。
这套流程跑出来的库
835条脚本 · 14个产品 · 199条投放记录单月消耗200万 · 跑出率＋5个点
· · · · ·
会真踩的五个坑
一、拆成观感。输出里全是形容词，没有秒数和原文，就不合格。检查方法很简单：出现"很"这类词而后面没跟数字，重拆。
二、字段贪多。想一次设计30个字段，两周后没人认真填。从15个起步。
三、只拆爆款不拆对照组。库里全是成功案例，你学到的只有"什么都有可能"；加上失败对照，学到的才是"什么决定成败"。
四、拆完不进创作流程。库建了没人查，三个月后变成数字废墟。对策不是发倡议，是把查库写进立项流程——任何新脚本开工前先查一次同类结构，查完才准动笔。
五、合规层偷懒。擦边话术进了库，就会顺着裂变流程进素材，最后在审核环节一起爆炸。
· · · · ·
一页纸SOP
贴墙上那种，七条。
1 收集｜每周5-10条目标品类在投素材，必须含1-2条同选题对照组2 转写｜逐字稿，准确率95%以上3 拆解｜跑Prompt 1，产出七层结构化结果4 校验｜原文逐字核对＋秒数抽检＋产品名核对5 入库｜按字段写入多维表格，钩子／欲望／门槛三个维度必打标6 使用｜新脚本立项前必查库；验证过的结构跑裂变Prompt进赛马7 复盘｜每月统计钩子命中率，修Prompt、修字段
· · · · ·
这套东西搭到最后，我发现真正值钱的不是那条自动化流程，是那套字段。
流程可以随时重搭，工具可以随时换，但字段体系是你对这件事的理解的显影——它把你过去凭手感判断的东西，第一次变成了可以积累、可以传递、可以复利的东西。
写规则的过程，还顺带体检了一次我自己。
有些判断我能说清——钩子归哪一类、情绪第几秒转、这条在卖哪种希望。有些我说不清，以前只会说"这条就是感觉能跑"。说不清的那部分，我原本以为是直觉，写下来才发现是自己没真懂。
教AI这件事最大的副产品，是它逼我把"我觉得"改成了"我知道"。
手感是员工作息，字段才是团队资产。
这句话有点冷，但我在带人的时候越来越确信它的分量。一个编导的手感带不走，留在公司里的只有他拆过的那些结构。所以与其反复叮嘱"多看多拆"，不如先把那20个字段定下来——让手感有地方落地。
· · · · ·
最后留个作业
如果你也在建拆解库，欢迎在评论区说说你的字段体系——尤其是钩子类型那层，你分了几类、怎么分的。这类问题没有标准答案，大家晒一晒，能互相补不少漏。