选题智能体（短视频选题助手）产品设计文档

一、产品定位与目标

1.1 定位

选题智能体是一个独立的「短视频选题策划助手」，部署在「智能体中心」，在用户「生成分镜」之前，先帮助用户产出一批高吸引力、平台友好的短视频选题。
该智能体以「选题」为唯一核心职责，不直接生成分镜和脚本，而是为后续分镜生成、脚本撰写、封面设计、发布策略等模块提供标准化选题输入。

1.2 核心目标

降低想法门槛：帮助用户从「模糊方向 / 完全没想法」快速走到「若干可执行的短视频选题」。
强化模板协同：充分利用现有分镜模板体系和 LLM 能力，生成「可落地、适合模板自动拆分」的选题。
结构化数据化：将选题定义为统一 JSON Schema，支持在系统内跨页面复用（分镜、脚本、封面、发布策略等）。

二、使用场景与角色

2.1 典型用户

运营人员：负责账号日常内容规划，需要大量选题备选。
创作者 / 主播：只知道自己大概想拍什么，希望快速看到具体视频选题。
视频编辑：需要围绕特定风格 / 模板批量产出视频。
内部策划人员：为多个账号提供内容策划支持。

2.2 主要场景

模糊方向 → 具体选题：用户只有一个大概方向（如「AIGC 科普」「母婴知识」「城市探店」），希望 AI 生成一批具体可拍的短视频选题。
围绕分镜模板出选题：用户在分镜页已经选好某个模板，但「还没想好具体拍什么」，希望智能体给出适配该模板的选题。
向爆款靠拢：用户希望跟热点 / 提高点击率，让智能体给出更「像爆款」的选题角度与标题。

三、功能范围

3.1 要做什么（DO）

关键词驱动选题生成
- 输入：账号/领域（必填）+ 目标平台（可选）+ 内容方向（可选）+ 用户关键词（可选）。
- 输出：N 条短视频选题卡片（默认 5–10 条）。
模板驱动选题生成
- 根据调用方传入的模板信息（id、name、desc、标签等），优先生成适配该模板的选题。
- 每条选题中显式填充 suggested_template_id & suggested_template_name 字段。
结构化选题输出
- 每条选题包含：标题、角度、描述、why_work、tags、难度、建议时长、推荐模板等核心字段，满足后续自动拆分分镜的需要。
- 保留扩展字段位置，方便后续扩展（如预估播放率、适配话题、历史表现等）。
统一「选用此选题」接口
- 对外提供统一的 selected_topic 回调结构，供分镜页 / 其他功能自动填充：
  - 分镜标题
  - 分镜主题 / 关键词输入框
  - 模板选择（根据 suggested_template_id）

3.2 不做什么（当前阶段不做）

不做分镜脚本生成：分镜脚本、镜头拆解由现有分镜 LLM 流程负责，本智能体只输出「选题级」结果。
不接入发布接口 / 排期逻辑：不负责直接调用抖音 / 小红书 / B 站发布接口，也不处理账号排期。
不做复杂热点爬虫：不独立拉取全网热点，仅在 Prompt 层指导模型偏向热点话题（以后可通过独立「热点服务」增强）。

四、核心用户流程

4.1 流程 A：关键词驱动的选题生成

入口：用户在「智能体中心」选择「短视频选题智能体」。
表单输入：
- 账号/领域（必填）：例如「AIGC 科普账号」「母婴知识」「城市探店」。
- 目标平台（可选）：抖音 / 小红书 / B 站。
- 内容方向（可选）：如「近期行业趋势」「基础科普」「踩坑经验」。
- 用户关键词（可选）：如「AI 热点」「豆包」「数字人」「春招」。
生成：用户点击「生成选题」，前端构造请求参数，调用统一 LLM 入口，请求 N 条选题（默认 5–10 条）。
结果展示：
- 以卡片列表形式展示选题，每条卡片展示：标题、核心角度 / why_work 关键句、描述、平台、难度、标签等。
后续动作：
- 收藏到「选题池」；
- 复制标题/描述 / 全部 JSON；
- 「用于分镜生成」：选中某条选题 → 触发回调，将结构化数据返回给调用方（如分镜页）。

4.2 流程 B：模板驱动的选题生成

外部页面（分镜页 LLM Tab）发起调用：将当前选用的模板信息传入选题智能体。
智能体界面自动填入「模板信息」字段，用户只需补充账号定位、目标平台、关键词等少量信息。
用户点击「生成选题」，模型在 Prompt 中强调「优先生成适配该模板的视频选题」。
结果展示：每条选题卡片标注「推荐使用模板：XXX」，结构化字段中填充 suggested_template_id 和 suggested_template_name。
用户选中某条选题后，智能体返回 selected_topic，调用方（如分镜页）自动填充分镜标题、分镜主题/关键词、模板选择等。

五、选题数据结构（输出 Schema）

5.1 统一选题对象结构

json

{
  "id": "topic_20250101_001",
  "title": "AIGC 热点趋势 3 条：普通人也能用上的爆款玩法",
  "angle": "热点趋势 + 实用教程",
  "description": "围绕近期 AIGC 热点，从“能直接上手”的角度拆解 3 个普通人可落地的玩法，例如热点资讯解读、实战案例分析和日常工作提效演示。",
  "why_work": "结合当前 AIGC 讨论热度，强调普通人可复制的玩法，降低心理门槛，提高点击和完播率。",
  "tags": ["AIGC趋势", "普通人可用", "实战演示"],
  "platform": "douyin",
  "difficulty": 2,
  "estimated_length": "30-60s",
  "suggested_template_id": "custom_123",
  "suggested_template_name": "AIGC-ai热点趋势实战应用|aigc科普",
  "notes": "适合作为系列第一期，用于检验观众对AIGC话题的接受度。"
}

5.2 字段分级

必填字段（MVP 强约束）
- id：选题唯一 ID，可由后端生成，如 topic_20250101_001。
- title：选题标题，控制在 25 字以内，有明显钩子，适合作为封面文案 / 标题。
- description：具体视频会讲什么 / 展示什么，强调用户收益。
- tags：3–5 个中文话题标签，方便后续用作话题/标签建议。
- suggested_template_id：推荐关联的模板 ID（关键词模式下可为空，后续尝试匹配）。
推荐字段（建议预留）
- angle：该选题的切入角度，例如「热点趋势 + 实用教程」「反差感 + 情绪共鸣」。
- why_work：解释该选题为什么可能表现好（跟热点、强共鸣、反差感、实用性强等）。
- platform：目标平台，如 douyin / xiaohongshu / bilibili。
- difficulty：创作难度，1–3（1 容易，3 较难）。
- estimated_length：预估时长段，例如 "15-30s"、"30-60s"。
- suggested_template_name：推荐模板名称。
- notes：补充说明，如「适合作为系列第一期」「可做多期系列」。

六、LLM 交互设计（高层）

6.1 模型与接口

统一通过 /aigc/admin/unified/generate 或 Ark 文本接口调用 LLM：
- provider 支持 volcengine / bailian 等配置切换。
- 也可直接使用现有 sendArkText / sendBailianText 工具函数。
默认模型建议：
- 豆包 doubao-seed-1.6-lite 系列或 qwen-plus，按成本与效果折中。

6.2 关键词驱动 Prompt 结构

System 提示（示例）：

text

你是一名专业的短视频内容策划专家，擅长为抖音/小红书/B站等平台生成具有高点击率和高完播率的短视频选题。

输出必须为结构化 JSON 数组，每个元素是一个选题对象，包含至少以下字段：
- id
- title
- angle
- description
- why_work
- tags
- platform
- difficulty
- estimated_length
- suggested_template_id
- suggested_template_name
- notes

要求：
1）选题必须具体、可执行，避免“大而空”的泛泛话题；
2）标题要有钩子，适合作为短视频标题和封面文案，长度控制在 25 字以内；
3）description 要写明视频会讲什么/展示什么，并强调观众能获得的具体收益；
4）why_work 简要说明该选题为什么有可能表现好（如：跟热点、强共鸣、强反差、强实用性等）；
5）tags 列出 3~5 个中文话题标签；
6）difficulty 用 1–3 表示创作难度（1 容易，3 较难）；
7）只输出 JSON 数组，不要任何自然语言解释或额外文本。

User 提示（示例模板）：

text

账号定位：{{account_profile}}
目标平台：{{platform}}
内容方向：{{content_direction}}
用户关键词：{{keywords}}
期望生成数量：{{count}}

请基于上述信息，生成 {{count}} 个短视频选题建议。
请严格按照 system 提示要求，输出 JSON 数组格式，不要解释，不要加入自然语言段落。

6.3 模板驱动 Prompt 补充

在用户提示中追加模板信息：

text

当前推荐的分镜模板：
- 模板ID：{{template.id}}
- 模板名称：{{template.name}}
- 模板说明：{{template.desc}}

请优先生成适合该模板使用的短视频选题。
要求：
1）每个选题都应能直接套用上述分镜模板拍摄；
2）在每个选题对象中填入 suggested_template_id="{{template.id}}" 和 suggested_template_name="{{template.name}}" 字段。

七、对外接口约定

7.1 调用参数

json

{
  "mode": "by_keywords",
  "account_profile": "AIGC科普账号，目标用户是对AI感兴趣但没有技术背景的职场人",
  "platform": "douyin",
  "content_direction": "热点趋势 + 实用干货",
  "keywords": ["AIGC热点", "豆包", "普通人也能用"],
  "template": {
    "id": "custom_123",
    "name": "AIGC-ai热点趋势实战应用|aigc科普",
    "desc": "适合拆解当前AIGC热点，讲给非技术用户听的系列内容"
  },
  "count": 5
}

7.2 返回数据

json

{
  "topics": [
    {
      "id": "topic_20250101_001",
      "title": "AIGC 热点趋势 3 条：普通人也能用上的爆款玩法",
      "angle": "热点趋势 + 实用教程",
      "description": "...",
      "why_work": "...",
      "tags": ["AIGC趋势", "普通人可用", "实战演示"],
      "platform": "douyin",
      "difficulty": 2,
      "estimated_length": "30-60s",
      "suggested_template_id": "custom_123",
      "suggested_template_name": "AIGC-ai热点趋势实战应用|aigc科普",
      "notes": "..."
    }
  ]
}

7.3 分镜页集成

分镜页在 LLM Tab 中新增入口按钮：「不知道拍啥 · 选题智能体帮我想」。
点击后，打包当前模板信息 + 账号信息，调用选题智能体接口；
用户在选题智能体界面选中某条选题后，智能体返回：

json

{
  "selected_topic": {
    "id": "topic_20250101_001",
    "title": "AIGC 热点趋势 3 条：普通人也能用上的爆款玩法",
    "description": "...",
    "suggested_template_id": "custom_123"
  }
}

分镜页消费逻辑：
- 将 title 填入「分镜标题」。
- 将 description 或 title + angle 组合填入「分镜主题/关键词」输入框。
- 根据 suggested_template_id 选中对应分镜模板。

八、当前实现状态

✅ 选题智能体基础架构（[AdminTopicAgent.php](file:///Users/mzy/docker/dnmp/www/stooland/api/app/aigc/controller/AdminTopicAgent.php)）
✅ 选题生成接口（关键词驱动、模板驱动）
✅ 结构化选题输出（JSON Schema）
✅ 选题历史记录（[TopicHistory.php](file:///Users/mzy/docker/dnmp/www/stooland/api/app/aigc/model/TopicHistory.php)）
✅ 账号方向管理（[AccountDirection.php](file:///Users/mzy/docker/dnmp/www/stooland/api/app/aigc/model/AccountDirection.php)）
✅ 与分镜系统集成
✅ 智能体注册与管理（数据库迁移）

九、扩展规划：短视频账号深度规划智能体

基于当前选题智能体，我们规划扩展为更全面的短视频账号深度规划智能体，包括：

9.1 账号分析模块

账号定位分析：基于用户输入的行业、目标人群等信息进行账号定位
竞品分析：分析同领域成功账号的运营策略
差异化策略：找出账号独特价值点和差异化定位

9.2 内容规划模块

内容矩阵规划：规划不同类型内容的比例和发布节奏
主题系列规划：设计可延续的内容系列
内容日历生成：制定内容发布计划

9.3 用户兴趣跟踪模块

平台数据采集：收集各平台热门内容和用户反馈数据
兴趣趋势分析：分析目标用户群体的兴趣变化趋势
反馈收集机制：收集用户对发布内容的反馈数据

9.4 趋势分析模块

热点追踪：实时追踪各平台热点话题
趋势预测：预测未来可能的热门趋势
季节性分析：分析内容的季节性特征

9.5 策略建议模块

运营策略生成：基于分析结果生成运营建议
优化建议：针对账号表现提供优化建议
风险预警：识别运营中的潜在风险

9.6 预期成果

提升账号规划的科学性和准确性
提高内容与目标用户兴趣的匹配度
降低账号运营的试错成本
实现数据驱动的精细化运营

选题智能体（短视频选题助手）产品设计文档 ​

一、产品定位与目标 ​

1.1 定位 ​

1.2 核心目标 ​

二、使用场景与角色 ​

2.1 典型用户 ​

2.2 主要场景 ​

三、功能范围 ​

3.1 要做什么（DO） ​

3.2 不做什么（当前阶段不做） ​

四、核心用户流程 ​

4.1 流程 A：关键词驱动的选题生成 ​

4.2 流程 B：模板驱动的选题生成 ​

五、选题数据结构（输出 Schema） ​

5.1 统一选题对象结构 ​

5.2 字段分级 ​

六、LLM 交互设计（高层） ​

6.1 模型与接口 ​

6.2 关键词驱动 Prompt 结构 ​

6.3 模板驱动 Prompt 补充 ​

七、对外接口约定 ​

7.1 调用参数 ​

7.2 返回数据 ​

7.3 分镜页集成 ​

八、当前实现状态 ​

九、扩展规划：短视频账号深度规划智能体 ​

9.1 账号分析模块 ​

9.2 内容规划模块 ​

9.3 用户兴趣跟踪模块 ​

9.4 趋势分析模块 ​

9.5 策略建议模块 ​

9.6 预期成果 ​

选题智能体（短视频选题助手）产品设计文档

一、产品定位与目标

1.1 定位

1.2 核心目标

二、使用场景与角色

2.1 典型用户

2.2 主要场景

三、功能范围

3.1 要做什么（DO）

3.2 不做什么（当前阶段不做）

四、核心用户流程

4.1 流程 A：关键词驱动的选题生成

4.2 流程 B：模板驱动的选题生成

五、选题数据结构（输出 Schema）

5.1 统一选题对象结构

5.2 字段分级

六、LLM 交互设计（高层）

6.1 模型与接口

6.2 关键词驱动 Prompt 结构

6.3 模板驱动 Prompt 补充

七、对外接口约定

7.1 调用参数

7.2 返回数据

7.3 分镜页集成

八、当前实现状态

九、扩展规划：短视频账号深度规划智能体

9.1 账号分析模块

9.2 内容规划模块

9.3 用户兴趣跟踪模块

9.4 趋势分析模块

9.5 策略建议模块

9.6 预期成果