1. 刷到爆款视频却拆不出提示词问题到底卡在哪短视频创作者大概都经历过这个瞬间刷到一条萌宠拟人或者变装转场的 AI 视频画面、节奏、情绪全都在线评论区一堆人问“求提示词”你翻半天也没人给。就算有人好心发了一段你拿去生成出来的东西跟原片差得远——角色不对、镜头不对、风格也不对。核心矛盾在于视频理解模型能告诉你“视频里有什么”但没法直接给你“怎么复刻出来”。前者是描述后者是创作素材。中间缺的那一环是把视频拆成文生视频提示词、角色设定、风格关键词、分镜描述、台词字幕这一整套可复用的东西。我试过手动拆暂停、截图、逐帧看、记笔记一条 15 秒的视频能拆半小时拆完还不一定准。后来想明白了这件事本质上是“视频理解 结构化输出 提示词工程”的组合完全可以做成一个 OpenClaw skill 自动跑。这篇要讲的就是这个 skill——xfc-video-understand。你给它一个抖音分享链接或者在线视频真实地址它自动解析、理解、反推最后吐出一套能直接拿去生成视频的素材。适合谁做 AI 短视频的、想二创爆款的、懒得每次手动拆片的。下面从架构到配置到验证一步步跟做。2. TaoToken 统一通道接入把视频理解 endpoint 收口到一个地方先说清楚为什么要接 TaoToken。这个 skill 要调两类接口一类是把抖音分享链接解析成真实视频地址另一类是视频理解模型默认走通义千问的 qwen-vl-max-latest。如果你每个接口都单独配 key、单独记 base_url换环境的时候就是灾难。TaoToken 在这里的作用是统一通道把模型调用的 endpoint 收口到一个兼容 OpenAI 协议的地址key 也只管一份。这样 skill 的 config.json 里模型相关的配置就变成“一个 base_url 一个 key 一个 model id”三件套切换模型或者换环境只改这三行。具体来说模型对话走https://taotoken.net/api兼容 OpenAI 的/v1/chat/completions格式。视频理解模型本质上也是多模态对话请求把 video_url 和 prompt 一起塞进 messages 里就行所以完全能走这个通道。你需要准备的东西一个 TaoToken 的 API Key在控制台的 API Keys 页面生成视频理解模型的 Model ID比如 qwen-vl-max-latest 这类多模态模型Base URL 填https://taotoken.net/api拿 Key 的入口在这里API Keys 页面https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite。生成之后先复制存好后面 config.json 要用。如果你只是想先验证模型能不能正常返回可以先去模型对话页面https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite发一条带图片或视频链接的消息确认通道通了再往下配。这一步别跳过。很多人后面报 401 或者 model not found回头查半天其实就是在这一步 key 没存对或者 model id 写错了。3. 可复制配置skill 目录、config.json 与核心脚本先把目录结构建出来。整个 skill 收敛成一个核心脚本结构很干净xfc-video-understand/ ├── SKILL.md ├── config.json ├── requirements.txt └── scripts/ └── understand_video.py按这个结构创建文件夹然后逐个填内容。3.1 SKILL.md调用入口定义SKILL.md 是这个 skill 的说明书OpenClaw 靠它判断什么时候调用、按什么步骤执行。编写思路如下# xfc-video-understand ## 调用场景 用户传入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或反推视频提示词。 ## 执行步骤 1. 如果用户传入的是抖音分享链接先调用解析接口提取真实视频地址 2. 调用 scripts/understand_video.py 解析视频内容 3. 将视频解析结果整理成提示词、台词、分镜返回给用户3.2 config.json统一管理 API Key配置文件把模型调用收口到 TaoToken 通道字段和说明如下字段名是否必填作用说明示例值 / 备注api_key是调用视频理解模型的 Key在 TaoToken 控制台生成base_url否模型接口地址走统一通道https://taotoken.net/apimodel否视频理解模型名称qwen-vl-max-latesttikhub_api_token是走抖音分享链接时把分享链接解析成真实视频地址Bearer Token对应的 config.json 片段{ api_key: sk-你的TaoToken密钥, base_url: https://taotoken.net/api, model: qwen-vl-max-latest, tikhub_api_token: 你的TikhubToken }注意 base_url 这里不要带/v1后缀脚本里拼接路径时统一处理避免出现/v1/v1/chat/completions这种双前缀。这是我自己踩过的坑报 404 的时候先看这里。3.3 understand_video.py核心逻辑脚本的设计思路分三段读配置 → 判断输入类型 → 调模型理解。核心结构import json import requests def load_config(): with open(config.json, r, encodingutf-8) as f: return json.load(f) def resolve_douyin_share_url(share_url, token): # 调用解析接口从返回体里提取真实视频地址 headers {Authorization: fBearer {token}} resp requests.post( https://api.tikhub.io/api/v1/douyin/web/fetch_video, json{share_url: share_url}, headersheaders, timeout30, ) data resp.json() return data[data][video_url] def analyze_video(api_key, video_url, prompt, model, base_url): # 构造 OpenAI 兼容请求走 TaoToken 统一通道 headers { Authorization: fBearer {api_key}, Content-Type: application/json, } payload { model: model, messages: [ { role: user, content: [ {type: video_url, video_url: {url: video_url}}, {type: text, text: prompt}, ], } ], } resp requests.post( f{base_url}/v1/chat/completions, jsonpayload, headersheaders, timeout120, ) return resp.json()[choices][0][message][content] def run(payload): config load_config() video_url payload.get(video_url) share_url payload.get(share_url) if share_url and not video_url: video_url resolve_douyin_share_url(share_url, config[tikhub_api_token]) result analyze_video( config[api_key], video_url, payload[prompt], config[model], config[base_url], ) return {text: result, video_url: video_url}resolve_douyin_share_url()负责把分享链接变成可直接访问的地址analyze_video()负责把视频丢给模型做理解run()把两段串起来。三件套Base URL Key Model ID全部从 config.json 读改一处就够。3.4 集成到 OpenClaw把整个 skill 文件夹上传到 OpenClaw 服务器的工作目录scp -r xfc-video-understand root你的服务器:/root/.openclaw/workspace/skills/回到 OpenClaw 会话界面确认 skill 已加载。如果列表里能看到xfc-video-understand就可以直接发链接调用了。4. 端到端验证发一条抖音链接看它吐出什么配置完别急着高兴先跑一次完整验证。这一步的目的是确认三件事分享链接能解析、模型能返回、输出结构能用。4.1 准备一条测试视频找一条你最近刷到的、想复刻的 AI 视频复制它的抖音分享链接。链接长这样https://v.douyin.com/xxxxxxx/4.2 发起调用在 OpenClaw 会话里直接发帮我反推这个视频的提示词https://v.douyin.com/xxxxxxx/skill 会按 SKILL.md 定义的步骤执行先解析分享链接拿到真实视频地址再把地址和提示词一起发给视频理解模型。4.3 期望的成功结果正常情况下你会拿到一份结构化输出包含一句话核心提示词更完整的详细 prompt可直接拿去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如果返回里能看到这些字段说明整条链路通了。如果只返回一段泛泛的视频描述说明 prompt 模板没生效检查 SKILL.md 里的执行步骤是不是被正确读取。4.4 人工审核这一步不能省模型生成的提示词必须人工过一遍。AI 全自动生成的提示词有时候细节不到位比如角色形象描述不够具体、镜头运动方向模糊。提示词写得越精准后面生成时抽卡次数越少。我的做法是拿到反推结果后先固定角色形象用参考图或者更细的文字描述再微调分镜里的动作和情绪词最后才拿去生成。纯靠 AI 文字描述生成的角色形象经常跑偏。5. 常见报错排查401、local proxy failed、reading choices跑不通的时候对照下面几个真实报错定位。401 Unauthorized最常见。原因就两个key 没填对或者 key 前面多了空格。检查 config.json 里的api_key字段确认是从 TaoToken 控制台完整复制的。如果 key 是对的还报 401看 base_url 是不是写成了别的地址。local proxy failed / connection refused这个报错通常出现在请求根本没发出去的时候。检查两点一是 base_url 是不是https://taotoken.net/api别写成带端口或者带路径的二是服务器能不能正常访问外网。如果是本地跑脚本确认没有奇怪的网络配置拦截请求。reading choices / KeyError: choices这个报错说明请求发出去了但返回体里没有choices字段。原因一般是模型名写错了或者请求格式不对。先打印完整返回体看看通常是{error: {message: model not found}}这类。检查 config.json 里的model字段确认 Model ID 拼写正确。另外确认 payload 里 messages 的结构符合多模态格式video_url 和 text 要放在同一个 content 数组里。OAuth / token expired如果用的是需要 OAuth 的接口token 过期会报这个。TaoToken 的 key 是长期有效的出现这个报错一般是 Tikhub 那边的 token 问题重新生成一个换上。视频地址解析失败抖音分享链接解析偶尔会失败尤其是链接过期或者视频被删。换一条视频重试或者直接传在线视频的真实地址绕过解析步骤。排查顺序建议先确认 key 和 base_url → 再确认 model id → 再确认请求格式 → 最后看网络。大部分问题在前两步就能解决。6. 把反推能力接进你的创作流这个 skill 真正的价值不是“又一个视频理解工具”而是把一段断掉的工作流接上了。以前刷到好视频只能停在“这个真不错”现在刷到好视频顺手就能拆成自己的下一条素材。几个实用建议第一反推结果里的负面提示词别丢。很多人只抄正向 prompt结果生成时画面乱飘。负面提示词是控制稳定性的关键尤其是做角色一致性的时候。第二分镜描述可以拆开单独用。一条视频拆出 5 个分镜你可以只取其中 2 个混进自己的脚本里比整条照搬更有原创性。第三长期做 AI 视频的话建议把模型调用固定走 Coding Plan 通道https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite批量跑反推任务时额度更稳不用每次担心 key 的调用限制。第四接入文档在https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite遇到接口格式问题先翻这里比到处搜答案快。最后一步把 skill 跑通之后试着连续反推 3 条同类型的爆款视频对比它们的提示词结构。你会发现爆款之间是有共性的——镜头语言、节奏、情绪词都有套路。把这些共性沉淀成你自己的模板库下次生成就不用从零开始了。