【效率核爆2.0】爆款短视频拆解进入流水线时代!Coze+飞书字段捷径自动生成结构化拆解报告

大家好,我是小肥肠,专注 AI 干货知识分享,最近都在分享Coze相关干货,今天将给大家分享一个Coze案例:Coze 智能体 发布为 飞书 字段捷径并生成爆款短视频拆解报告到飞书字段中。

1. 前言

作为自媒体创业者的我最近创作遇到了瓶颈,于是报了破局的短视频AIP训练营,看直播的时候教练说要学会找对标拆解爆款,如何拆解都是有固定模板的,一语惊醒梦中人,我之前都是凭感觉找对标,没有系统的拆解过爆品。经过教练的点拨我想到了用Coze+飞书搭一个初阶的爆款拆解智能体,他的核心功能是在飞书中读取爆款视频链接,按照模板进行拆解,为了方便使用我会把这个智能体发布为字段捷径。

把Coze 智能体 发布为字段捷径能让操作者在 飞书 中就调用智能体,无需复杂操作,就能进行数据自动处理和生成内容。

3. 爆款拆解智能体构建实战

本期智能体需要结合工作流:效率核爆!Coze工作流:抖音、小红书对标账号内容秒采飞书 + AI批量二创一条龙(附喂饭级教学)生成的飞书表格内容,把智能体发布为字段捷径后,将【视频拆解】字段设置为字段捷径,结果就能输出。

ps:因为拆别人的作品发网上有种当面掏人家兜的感觉,所以上图中我拆了我自己的作品。

3.1. 工作流构建

还是按照惯例,本章节会给大家讲解一下工作流实现的核心节点,完整工作流如下:

首先是开始节点 ,在开始节点中需要输入抖音链接,对应:效率核爆!Coze工作流:抖音、小红书对标账号内容秒采飞书 + AI批量二创一条龙(附喂饭级教学)中二创表格的【链接】字段,当然你也可以自己手动输入抖音链接,这个 工作流 单独使用完全没问题

第二个节点为get_douyin_info(插件) 节点,这个节点的作用主要是根据抖音获取获取抖音短视频的各种信息,包括作者相关信息、字幕内容、无水印视频下载链接、音频链接、视频封面图链接、点赞数、评论数、分享数、收藏数、发布时间。在我这个工作流中我主要是用这个插件来获取视频下载链接。

接下来就是获取短视频的相关信息了,我的拆解主要是针对短视频的文案和视频,我用自己写的插件aliyun_video2text来获取了短视频的文案,这个插件可以根据短视频的音频或者视频链接提取文案,我这里输入了音频链接。

video_understand插件(也是我写的) 来做视频理解,由于直接从get_douyin_info 插件中获取的视频下载地址解析不了,我写了一个插件(dyonline_video_to_mp4)进行视频链接转换,转换为了带.MP4后缀的链接地址。

转换后就可以接入video_understand插件进行视频理解了。

完成上面步骤后,短视频拆解工作流已经完成了百分之90,最后一个步骤就是基于视频理解和视频文案进行爆款短视频拆解了,这一步我用的DeepSeek R1最新的大模型。

结束节点中我们只需要承接大模型拆解的输出结果即可。

上述就是整个 工作流 的完整流程,我只演示了抖音短视频拆解流程,整个工作流比较简单,动手能力强的读者可以根据以上思路研究一下实现小红书拆解流程。如果想获取完整工作流(抖音与小红书拆解),可以加入社群后我拉你进Coze空间直接学习使用。

3.2. 智能体发布为飞书字段捷径

工作流做完之后我们需要点击发布将其配置到智能体中,将工作流调用逻辑写入到系统提示词后,就完成了智能体配置,在发布之前需要进行测试,保障智能体功能可以正常使用。

测试通过后就能将智能体发布为飞书字段捷径了,点击右上角【发布】按钮进入到发布页面。

找到飞书多维表格点击【授权】进行授权,授权完成后点击【配置】弹出弹窗后填写相应的配置。

因为智能体的输出是爆款拆解内容,所以捷径输出 数据类型 这里选择文本;在配置 多维表格 输入表单这里配置智能体输入参数的对应字段就行,这个智能体我要发布为字段捷径搭配下表使用,输入参数为下表中的【链接】字段,故控件就配置为字段选择器。

发布成功以后就可以在飞书进行配置了,找到【视频拆解】列配置字段捷径,把我发布的智能体配置进去,同时配置输入参数。

配置完以后就会开始运行了,运行结果如下:

4. 资料领取

你觉得大模型不好用,可能是你不会写提示词,小肥肠为你准备了海量提示词模板和DeepSeek相关教程,只需关注gzh后端小肥肠,点击底部【资源】菜单即可领取。

本文的提示词和完整 工作流 已经上传至coze空间,感兴趣的朋友可以私信小肥肠详细了解~

5. 结语

这个爆款视频拆解工作流可以辅助大家拆解一下对标账号的爆款视频,注意我这里说的是辅助,我说过很多次了AI只是工具,以这个工具为例,你用它的前提是你自己会拆解,不用是拆解大神但起码要懂点皮毛,这样你才能根据AI拆解结果来优化提示词,AI对你的辅助作用才会更上一层楼。

如果本文对你有帮助不要忘记动动小手点点赞哦你的支持是我最大更新动力

相关推荐
xiaoxiaoxiaolll2 小时前
期刊速递 | 《Light Sci. Appl.》超宽带光热电机理研究,推动碳纳米管传感器在制药质控中的实际应用
人工智能·学习
练习两年半的工程师2 小时前
AWS TechFest 2025: 风险模型的转变、流程设计的转型、生成式 AI 从实验走向实施的三大关键要素、评估生成式 AI 用例的适配度
人工智能·科技·金融·aws
DisonTangor3 小时前
字节开源 OneReward: 通过多任务人类偏好学习实现统一掩模引导的图像生成
学习·ai作画·开源·aigc
Elastic 中国社区官方博客4 小时前
Elasticsearch:智能搜索的 MCP
大数据·人工智能·elasticsearch·搜索引擎·全文检索
stbomei4 小时前
从“能说话”到“会做事”:AI Agent如何重构日常工作流?
人工智能
yzx9910135 小时前
生活在数字世界:一份人人都能看懂的网络安全生存指南
运维·开发语言·网络·人工智能·自动化
许泽宇的技术分享6 小时前
LangGraph深度解析:构建下一代智能Agent的架构革命——从Pregel到现代AI工作流的技术飞跃
人工智能·架构
乔巴先生246 小时前
LLMCompiler:基于LangGraph的并行化Agent架构高效实现
人工智能·python·langchain·人机交互
静西子7 小时前
LLM大语言模型部署到本地(个人总结)
人工智能·语言模型·自然语言处理
cxr8287 小时前
基于Claude Code的 规范驱动开发(SDD)指南
人工智能·hive·驱动开发·敏捷流程·智能体