agentleFS
wangge-aiwangge-ai/wangge-skills/skills/kolsprite-tiktok-ops/SKILL.md

kolsprite-tiktok-ops

Skill4 starsChanged 39 days agoMITView on GitHub

用已授权的达人精灵 MCP 做视频、商品、店铺与达人研究,输出可追溯运营方案。

The file

Files
SKILL.md

TikTok 自动运营工作流

把 TikTok 运营里反复、耗时的工作(选品、找店、拆视频、筛达人、建联、定计划)变成一句自然语言指令。本技能负责提供"查询顺序 + 筛选逻辑 + 证据要求 + 输出格式",数据由达人精灵 MCP 提供。

前置条件(必须先行检查)

  1. 检查达人精灵 MCP 是否已连接:当前会话中应存在以下可调用工具(名称以实际 schema 为准,服务前缀可能不同):
    • 统一 MCP(1 个服务,5 个工具):kolsprite_creator_search、kolsprite_video_search、kolsprite_product_search、kolsprite_shop_search、kolsprite_caption_extract_url
  2. 若工具不可用,先明确告知用户需要配置达人精灵 MCP(统一服务地址 https://mcp.kolsprite.com/mcp 与 secret-key 鉴权方式见 references/安装配置指南.md),并给出配置步骤,不继续执行。
  3. 提醒用户:MCP Key 与 API Key 是两套独立凭证,不能混用;真实 Key 只保存在本地配置,不写入任何文档或截图。

通用执行规则(所有工作流适用)

  1. 结果前置:先输出核心结论,再展开数据依据,最后给行动建议。
  2. 数据可溯源:每条关键结论标注数据来源(商品/店铺/视频/达人)、统计周期(近 7 天/近 30 天/总量)、地区与货币单位。
  3. 区分事实与判断:明确区分"查询到的数据"(观察)、"基于数据的推断"(推断)、"无法证实的猜测"(假设),不得混为一谈。
  4. 不编造数据:MCP 查不到、字段缺失或数据不足时,如实写"数据不足",说明缺什么、为什么缺,并给出获取途径,禁止用估算值或编造值填补。
  5. 分页与限额:单次请求 pageNum × pageSize 不得超过 1000;数据量大时分批查询并注明只展示 Top N。
  6. 输出可执行:每个工作流结尾必须给出"下一步做什么",以动词开头(如:跟进、验证、邀约、测试),并标明优先级。
  7. 只问关键问题:若缺失信息会改变主要结论,一次只问一个最关键的问题;其余缺失信息按合理默认值处理并标注。

工作流一:选品 → 店铺 → 视频 → 达人 → 字幕 → 行动方案(完整闭环)

触发指令示例:用达人精灵查美国区美妆类目,价格 30–50 美元、评分 4.5+、近 7 天销量增长较快,跑完整个选品流程并给出 7 天执行方案。

执行顺序(严格按此顺序推进,每步输出后继续下一步):

  1. 选品:调用 kolsprite_product_search,按用户给定的国家、类目、价格、评分、销量条件查询。**注意:当前该接口传销量相关 order_field(如 sales_volume、sales_volume_gr7d、sales_volume_lst30d 等)会触发服务端 500,因此默认不传 order_field,使用服务端默认排序;如需自定义排序,先尝试 rating、reviews、videos、influencers。**输出:商品名、价格、评分、近 7 天/30 天销量与销售额、增长率、链接。标注统计周期。
  2. 标杆店铺:从候选商品提取店铺,调用 kolsprite_shop_search 或商品返回的店铺字段,找销量较高、评分达标的店铺。**注意:shop_search 同样存在销量排序字段触发 500 的问题,默认不传 order_field,使用服务端默认排序;如需自定义排序可尝试 rating。**输出:店铺名、评分、在售商品数、近 30 天销量/销售额、带货达人数、链接。
  3. 带货视频:对重点商品调用 kolsprite_video_search,筛选近 30 天销售额靠前的视频。输出:视频链接、达人、发布时间、播放量、互动率、销量、销售额。
  4. 达人筛选:从视频反查达人,调用 kolsprite_creator_search 或视频返回的达人字段,按成交表现排序。输出:达人主页、粉丝数、平均播放、互动率、带货销量/销售额、GPM(若有)、合作优先级(高/中/低)。
  5. 字幕拆解:对表现最好的 1–3 条视频调用 kolsprite_caption_extract_url,按"工作流五"的拆解模板输出。
  6. 行动方案:综合以上证据,输出:值得跟进的商品清单(含理由)、对应标杆店铺、内容方向(3 个可复用的 Hook)、达人合作优先级清单、未来 7 天每日执行计划(动词开头,可执行)。

工作流二:竞品账号诊断

触发指令示例:分析这个公开 TikTok 账号,找出内容支柱、爆款公式和未来 7 天改进动作。

执行要求:

  1. 输入为公开 TikTok 账号链接或昵称,先用 kolsprite_creator_search(search_type=N 昵称)查询达人档案。注意:video_search 不支持按达人筛选(无达人 ID 参数),内容维度改用"该达人带货品类关键词"搜索(如账号主打假发就搜 wig),并结合达人档案中的内容分类推断内容支柱,标注证据来源(账号档案 / 品类内容生态)。
  2. 公开数据不足时,按规则尝试读取公开主页与视频页;若遇到登录、验证码、地域限制或反爬,停止并说明原因,不以搜索摘要冒充真实数据。
  3. 输出结构(结果前置):
    • 账号定位与目标用户(推断,标注依据)
    • 内容支柱:账号在做什么内容、哪些是主线
    • 爆款视频结构:共同使用的开头钩子、卖点、演示方式
    • 更新节奏:发布频率、稳定与否
    • 当前问题:定位模糊、更新不稳、互动低等(有数据则标注)
    • 可复制的结构(哪些值得借鉴、哪些不能直接照搬)
    • 未来 7 天三个动作(动词开头,按优先级排序)

工作流三:新类目进入研究

触发指令示例:研究美国区宠物用品类目,判断是否值得进入,给出差异化定位和前三个验证动作。

执行要求:

  1. 从商品、店铺、内容、达人四个维度收集证据:
    • 商品:类目商品数、价格带分布、销量/销售额 Top、集中度
    • 店铺:主要玩家、店铺评分与服务指标(24 小时回复率、发货率)
    • 内容:带货视频数量、播放与互动水平、常见内容主题
    • 达人:达人数量、带货能力分布、是否容易找到合作资源
    • 若 product_search/shop_search 返回 500:先检查是否传了销量相关 order_field;若是,去掉 order_field 重试。仍失败则降级用 video_search 嵌套的商品/达人数据补齐商品与店铺证据,并在报告中标注"接口异常、数据降级"。
  2. 输出结构(结果前置):
    • 是否建议进入(建议/暂缓/先小范围验证 + 一句话理由)
    • 最值得关注的价格带与细分方向
    • 竞争是否过热(依据:商品数、集中度、内容饱和度)
    • 差异化定位建议
    • 前三个验证动作(每个动作写明验证什么、怎么做、判断标准)
  3. 证据不足时,明确列出缺失信息与获取途径,不强行下结论。

工作流四:30 天增长计划

触发指令示例:分析这个账号是否适合做美国区家居类目,生成从定位、内容到达人合作的 30 天计划。

执行要求:

  1. 同时评估"账号现有能力"与"目标类目机会",不孤立看粉丝数。
  2. 输出结构(结果前置):
    • 适配度结论:建议进入/暂缓/先小范围验证 + 理由
    • 内容调整:保留、停止、新增三类内容清单
    • 定位调整建议
    • 三条可选增长路径(每条写明适用条件与预期)
    • 30 天行动计划:按周划分(第 1 周验证、第 2–3 周放量、第 4 周复盘),每步动词开头
  3. 商业目标不明时,默认按"商品销售"目标规划,并注明假设。

工作流五:视频字幕拆解与脚本生成

触发指令示例:提取这个 TikTok 视频的字幕,拆解脚本结构并生成可复用的新脚本。

执行要求:

  1. 调用 kolsprite_caption_extract_url 提取字幕。链接格式:分享短链(https://vm.tiktok.com/xxxxx 或 https://vt.tiktok.com/xxxxx)与网页版复制的长链(https://www.tiktok.com/@账号/video/视频ID?...)均可解析(2026-08-18 实测长链正常)。若报"当前不支持该URL解析",先让用户从 TikTok App"分享→复制链接"取短链重试。
  2. 若返回"当前不支持该URL解析"或提取失败,说明链接格式不兼容或该视频无字幕/无权限;如实告知用户,并给出替代方案(用视频标题、封面文字、评论高频词做内容推断,标注为"非字幕证据")。
  3. 提取成功后先输出原文,再输出中文字幕(保留带时间戳版本供深度拆解)。
  4. 按以下结构拆解:
    • 开头钩子(前 3 秒说了什么、为什么能留住人)
    • 用户痛点(视频对准了谁的什么问题)
    • 核心卖点(产品/内容的关键承诺)
    • 证明或演示方式(如何让观众相信)
    • 结尾行动号召(CTA)
  5. 生成"可复用但不直接照搬"的脚本结构:提炼公式(如:痛点开场 → 演示 → 对比 → 促单),并基于原结构生成 1 个新脚本,替换具体内容。
  6. 明确告知:仿写不等于搬运,提醒用户注意平台原创规则。

输出格式总约定

  • 结论先行,证据随后,行动收尾。
  • 列表用项目符号,关键数字加粗。
  • 每个结果块标注:数据来源、统计周期、地区、货币、是否完整。
  • 方案类输出结尾附"风险与假设"一行:列出哪些结论依赖假设,哪些数据缺失。

常见问题与边界

  • 商品/店铺接口 500:product_search/shop_search 在传入销量相关 order_field(如 sales_volume、sales_volume_gr7d、sales_volume_lst30d、sales、sales_lst7d、sales_lst30d)时会触发服务端 500(2026-08-18 已复现)。解决方案:默认不传 order_field,使用服务端默认排序;若需排序,可尝试 rating、reviews、videos、influencers(product_search)或 rating(shop_search)。仍失败则重试一次或稍后再试;商品维度可降级使用 video_search 结果中嵌套的 product 对象,并在报告中标注"接口异常、数据降级"。
  • 达人类目筛选:creator_search 的 product_category_list 传英文类目名可能返回 0 条(参数暂不生效);keyword 参数匹配的是达人昵称/简介而非类目。需要按类目找达人时,优先从 video_search 结果的达人字段提取,或直接搜已知达人昵称。
  • 窄粉丝区间(如 1–10 万粉)下 creator_search 关键词搜索退化(2026-08-18 实测):keyword=makeup/skincare/beauty(search_type=K)+ fans_cnt_from/to 过滤,三次返回同一批综合热门榜(total=10000、每页 20 条完全一致、去重后仅 20 人),带货类目混杂服装/健康品/家居,垂直度极低——这是接口限制而非查询错误,不要反复换词重试。可靠的垂直达人反查路径:video_search 按品类关键词(如 makeup、skincare)扫带货视频 → 每条含作者昵称/fansCnt/带货数据 → 提取 1–10 万粉作者 → 用 creator_search(search_type=N)昵称核验完整档案(GPM/邮箱/带货类目/互动率)。注意「beauty routine」这类泛词返回的视频垂直度偏低,优先用 makeup/skincare 等精准词。
  • 查询无结果:调整筛选条件(放宽价格/评分/时间窗口)或更换关键词后重试,仍无结果则如实说明,不编造。
  • 数据量大:取 Top 20 展示,提示可用分页继续查看。
  • 无字幕视频或链接格式不兼容:说明无法提取字幕(2026-08-18 实测长链/短链均可解析;若仍报错优先让用户从 App 复制短链重试),改用视频描述、封面文字或评论高频词分析(标注为推断)。
  • 合规边界:不做任何绕过平台限制、抓取私密数据的操作;遇到验证码/地域限制/反爬即停止并说明。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.