0814 教案回放总结

任务总览

1. 1

   员工底薪计算与匹配系统 — 21:59–22:22

   Python 程序、网页工作台（PC 版）、可复用技能 salary-level-matcher。

2. 2

   短视频运营技能模块规划与落地 — 22:44–22:49

   规划文档 + 技能 short-video-ops（已安装）。

3. 3

   WorkBuddy 使用教学短视频内容包 — 23:04–23:14

   选题库、拍摄脚本、口播逐字稿、封面提示词。

4. 4

   科技感短视频封面图 — 23:20–23:21

   一张 3:4 竖版封面图。

任务一：员工底薪计算与匹配系统

1. A

   要点

   按照员工季度销售额，对照每个岗位设定的不同职级目标，自动判定员工所属职级，并算出对应底薪。核心要求有三条：岗位职级标准可自由配置；支持单人计算与批量导入；匹配逻辑要能脱离界面独立复用。

2. B

   过程

   这个阶段分了四步推进，每一步都建立在上一步的成果之上。

   第一步 程序原型。 先用 prompt-optimizer 技能把一段比较模糊的需求，重组成结构化的规格（角色、任务、约束、输出字段）。随后落地两份文件：salary_config.json 放岗位职级配置（内置销售专员、大客户经理、门店店长三个岗位，各 4 个职级阶梯），salary_calculator.py 是计算主程序。匹配规则设计为「取目标值不大于实际销售额的最高职级；若全部未达成，落入最低职级并标记未达标」。程序提供命令行与交互两种入口，并对「岗位不存在」「销售额为负数」给出明确报错而非静默崩溃。我们用 7 组用例做了验证，全部通过。

   第二步 网页工作台。 切换到「小台」工作台搭建师视角，把上面的逻辑做成单文件 HTML 工作台，包含三个模块：底薪核算、职级标准配置、核算台账。工作台部署到资料库，得到在线链接，手机和电脑都能打开。

   第三步 PC 端 + Excel 批量。 应「导入 Excel 自动匹配、改成 PC 端系统」的要求，把工作台重构为左侧导航加数据网格的 PC 布局，集成 SheetJS 实现真实的 Excel/CSV 解析，新增「批量导入」模块：上传表格后自动识别列、预览前几行、一键匹配，并标出异常行。端到端验证通过后重新部署。

   第四步 封装为可复用技能。 把职级匹配的核心逻辑单独抽出来，做成用户级技能 salary-level-matcher，内含说明文档、核心引擎 evaluate.py、规则契约文档和示例配置。它既支持命令行直接调用，也支持被其他程序 import 后当作函数使用。过程中修复了一个真实问题：CSV 文件带 UTF-8 BOM 时表头会被误当成数据，改用 utf-8-sig 读取后解决。

3. C

   结论

   从一段模糊想法，走到可运行的程序、可上线的网页系统、再到可独立调用的技能，形成了一条完整链路。最关键的设计是「配置与计算分离、逻辑与界面分离」，让同一套匹配规则只存在一处，界面和技能共用，避免了多处逻辑各写一套带来的偏差。

任务二：短视频运营技能模块规划与落地

1. A

   要点

   规划并真正落地一个「短视频运营」技能，系统覆盖账号定位、内容策划、拍摄剪辑、发布运营、数据分析、变现路径这几大板块，并且每个板块都要讲清值得重点关注的要点。

2. B

   过程

   规划阶段。 用三个思维模型统领全局：第一性原理（剥离平台差异后，运营只做两件事，持续生产被目标用户需要的内容，并让分发系统识别放大它）、AARRR 海盗模型（获取、激活、留存、变现、自传播）、PDCA 运营环（策划、制作、发布、复盘）。在此之上列出六大核心模块与三个支撑模块，每个模块都给出关键要点，并附上辩证视角（例如过度垂直会触顶、过度宽泛会标签模糊；追热点换流量但可能稀释人设）。数据背景参考了 CSM《第八次短视频用户价值年度调查报告（2025）》等资料。

   落地阶段。 先确认三个取向：兼顾型、精简 MVP、用户级安装。随后构建技能 short-video-ops，主入口 SKILL.md 仅 70 行，用「意图到模块」的路由表驱动；references/ 下是 6 个核心模块文档加一份术语与平台参数表；assets/ 下是 4 个可填写模板（定位表、脚本、发布检查表、数据周报）。平台算法数值（如完播率均值、负反馈红线）只放在参数表里并标注「可配置、需附更新日期」，没有被写死成常量。

3. C

   结论

   技能已安装到用户级 skills 目录，并通过 skill-creator 的校验与打包，产物 build/short-video-ops.zip 可用于分发。后续还能按相同模式补入合规风控、团队工具、增长私域三个支撑模块。

任务三：WorkBuddy 使用教学短视频内容包

1. A

   要点

   借助刚建好的 short-video-ops 技能，做出一套关于「如何更好使用 WorkBuddy」的短视频内容包，从选题一路做到封面提示词，形成可直接开拍的素材。

2. B

   过程

   选题库。 先交付一份含 22 个选题的库，分五个系列：入门觉醒、场景实操、进阶心法、对比测评、用户共创。每个选题都带黄金 3 秒钩子和「三有」校验（有用、有趣、有共鸣）。数据依据包括新浪财经报道的月访问量 2000 万、Adobe 2026 Creators' Toolkit Report 中「86% 创作者用 AI，但 57% 的产出需大量人工编辑」等。

   拍摄脚本。 选用「同一任务实测：WorkBuddy vs 豆包 vs DeepSeek」这个选题，写成三幕式脚本：第一幕抛统一任务、第二幕三家录屏实测、第三幕用评分表给出辩证结论。脚本强调必须先跑真机再填数，禁止只剪有利画面。

   口播逐字稿。 把脚本展开成 55 至 65 秒可直接照读的逐字稿，分段标注时间节点与动作提示，并写进「真机占位」「全程标 AI 辅助」等落地约束。

   封面提示词。 给出三套封面路线：三屏擂台风、极简冲突风、真人出镜风，分别说明适用平台、比例（抖音 9:16、小红书 3:4）、负面词与后期加字建议，并提醒左下角标注「AI 辅助」满足合规。

3. C

   结论

   当晚在该选题上形成了完整内容包：选题库条目、拍摄脚本、口播逐字稿、封面提示词四件齐备，可进入实际拍摄与制作环节。

任务四：科技感短视频封面图

1. A

   要点

   生成一张科技感短视频封面图，比例 3:4，用于配合上面的实测对比选题。

2. B

   过程

   用户给出详细画面描述：深空蓝近黑背景，三块智能手机屏幕悬浮排列，左侧屏幕显示聊天对话框，中间屏幕显示排版清晰的文档并带高亮勾选，右侧屏幕显示另一个聊天界面，三屏之间有细微光带连接；中间屏幕边缘发出柔和青色光晕表示胜出；整体冷色调，搭配青色与橙色点缀，留白充足便于后期加大字标题，要求电影级质感、细节锐利。据此调用图像生成完成出图。

3. C

   结论

   封面图已生成。中间屏幕的青色光晕强度明显高于两侧，自然形成「胜出」焦点；冷色调与充足留白符合科技感定位，适合后期叠加标题。可继续打磨的方向包括增强橙色点缀、或去除右下角水印。

给同学们的复习要点（贯穿全程的方法论）

1. 第一性原理。 遇到复杂任务先剥离表象找本质。短视频运营的本质就是「持续产出被需要的内容，并让分发系统识别放大它」，其余都是围绕这两件事展开的手段。
2. 配置与逻辑分离。 把会变动的规则（如岗位职级标准）单独放在配置文件，程序只负责计算。这样改规则不用改代码，也降低了出错概率。底薪系统和工作台都用了这个思路。
3. 可复用封装。 通用逻辑一旦稳定，就把它抽成技能或函数库，供不同界面和工作流直接调用。这样既能避免重复劳动，也保证「单一事实来源」，不让多处逻辑各写一套而分叉。
4. 辩证视角。 几乎所有模块都同时存在正反两面。定位要垂直但不能过窄，内容要追热点但不能丢人设，变现要前置但不能透支信任。做判断时把权衡摆出来，比给单一结论更有价值。
5. 用数据说话并标注来源。 运营与决策尽量有数据支撑，且引用数据要标出来源（如新浪财经、Adobe 报告、CSM 报告），方便他人核验。验证程序时则要专门覆盖边界情况（负数、未配置、空值），不能只看正常样例。

参考来源（当晚工作引用的外部资料）

• 新浪财经，2026-07-23，WorkBuddy 月访问量 2000 万及三大高频场景
• 数字营销市场，2026-08-13，营销人 AI 使用率与高级功能使用卡点调研
• Adobe，2026 Creators' Toolkit Report，创作者 AI 使用与人工编辑比例
• 今日头条（援引 Upwork、波士顿咨询），AI 增加工作量的现象调研
• 抖音，2026 算法趋势盘点，AIGC 内容权重与合规要求
• CSM 中国广视索福瑞，《第八次短视频用户价值年度调查报告（2025）》
• 狐呼网、云岩网络、szdinie.cn 等，短视频运营实战方法论