Data_Source/INSPIRATION_UPDATE.md

创作灵感生成功能更新说明

更新时间

2026-01-07

核心变化

之前的实现

• 基于所有视频数据生成9个独立的创作灵感
• 灵感是综合分析后的创意，没有明确的参考对象
• 用户不知道每个灵感来自哪个视频

现在的实现

• 只分析前9条视频数据
• 为每条视频生成一个对应的创作灵感
• 每个灵感都有明确的参考视频信息
• 灵感1对应视频1，灵感2对应视频2，以此类推

优势

1. 更加精准

• 每个灵感都基于一个真实的热门视频
• 用户可以直接参考对应的视频进行创作
• 减少了泛泛而谈的内容

2. 更易执行

• 有明确的参考对象
• 可以看到成功案例的具体做法
• 降低了创作门槛

3. 更高质量

• 只使用前9条最热门的视频
• 数据质量更高，更有代表性
• 避免了数据过多导致的分析不精准

4. 更好的用户体验

• 用户可以看到每个灵感的来源
• 可以根据自己的喜好选择参考视频
• 更容易理解和接受

修改的文件

1. prompts/agent_prompt.md

修改内容：

• 明确说明只使用前9条视频数据
• 强调每个灵感对应一条视频
• 更新输出格式，增加"参考视频"字段
• 更新示例对话，展示新的输出格式

关键变化：

### 第3步：为每条视频生成对应的创作灵感

**关键变化**：不再生成9个独立的灵感，而是为获取到的前9条视频数据，每一条生成一个对应的创作灵感。

**灵感要求**：
- 必须为前9条视频数据的每一条生成一个对应的灵感
- 每个灵感要基于对应视频的内容、标签、热词等信息
- 每个灵感包含：
  - 标题（基于对应视频的主题）
  - 核心创意（从对应视频中提炼）
  - 执行建议（参考对应视频的成功要素）
  - 热门标签（使用对应视频的标签）
  - 参考视频信息（作者、描述片段）

2. ai_agent.py

修改内容：

• 修改 generate_creative_inspirations() 函数
• 只使用前9条视频数据（videos[:count]）
• 更新提示词，强调每个灵感对应一条视频
• 增加"参考视频"字段到输出格式
• 添加API Key设置

关键代码：

# 只使用前9条视频数据
videos_to_use = videos[:count]
actual_count = len(videos_to_use)

# 构建专门用于生成灵感的提示词
inspiration_prompt = f"""
...
**重要**：每个灵感必须对应一条视频数据，从该视频中提炼创意。
...
每个灵感必须包含：
1. **标题**：吸引人的标题（15字以内）
2. **参考视频**：@作者名 - 视频描述片段（30字以内）
3. **核心创意**：从这个视频中提炼的创意点（30字以内）
4. **执行建议**：参考这个视频的成功要素，给出具体建议（50字以内）
5. **推荐标签**：使用该视频的标签
6. **热门关键词**：使用该视频的热词
...
"""

输出格式变化

之前的格式

### 灵感 1：【标题】
**核心创意**：一句话说明创意点
**执行建议**：具体的拍摄/制作建议
**推荐标签**：#标签1 #标签2 #标签3
**热门关键词**：关键词1、关键词2、关键词3

现在的格式

### 灵感 1：【标题】
**参考视频**：@作者名 - 视频描述片段...
**核心创意**：从这个视频中提炼的创意点
**执行建议**：参考这个视频的成功要素，给出具体建议
**推荐标签**：#标签1 #标签2 #标签3（来自视频的标签）
**热门关键词**：关键词1、关键词2、关键词3（来自视频的热词）

关键区别：

• 增加了"参考视频"字段，明确标注来源
• 核心创意和执行建议都强调"从这个视频中"
• 标签和热词都标注"来自视频的"

工作流程

完整流程

用户输入描述
    ↓
AI识别分类
    ↓
获取该分类的热门视频数据
    ↓
只使用前9条视频
    ↓
为每条视频生成一个对应的灵感
    ↓
返回9个灵感（每个对应一条视频）

数据流

视频1 → 灵感1（基于视频1的作者、描述、标签、热词）
视频2 → 灵感2（基于视频2的作者、描述、标签、热词）
视频3 → 灵感3（基于视频3的作者、描述、标签、热词）
...
视频9 → 灵感9（基于视频9的作者、描述、标签、热词）

示例对比

之前的输出

### 灵感 1：5分钟晨起唤醒操
**核心创意**：设计一套简单的晨起拉伸动作，配合轻快音乐
**执行建议**：固定机位拍摄，穿运动服，展示5-6个动作
**推荐标签**：#健身 #晨起运动 #居家健身
**热门关键词**：晨起、拉伸、唤醒

现在的输出

### 灵感 1：5分钟晨起唤醒操
**参考视频**：@健身教练小李 - 每天5分钟，唤醒身体活力！简单拉伸动作...
**核心创意**：设计一套简单的晨起拉伸动作，配合轻快音乐，帮助用户快速唤醒身体
**执行建议**：固定机位拍摄，穿运动服，展示5-6个动作，每个动作配文字说明和倒计时
**推荐标签**：#健身 #晨起运动 #居家健身
**热门关键词**：晨起、拉伸、唤醒

区别：

• 增加了参考视频信息，用户知道这个灵感来自@健身教练小李的视频
• 执行建议更具体，参考了原视频的做法
• 用户可以去找这个视频观看学习

测试方法

方法1：使用快速测试脚本

python quick_test.py

方法2：使用API测试

# 启动服务
python api.py

# 调用接口
curl -X POST "http://localhost:8001/api/agent" \
  -H "Content-Type: application/json" \
  -d "{\"query\": \"我想做一些美食相关的短视频\", \"max_iterations\": 15}"

方法3：使用完整测试脚本

python test_agent.py

注意事项

1. 数据数量：如果获取的视频少于9条，会为实际数量生成灵感
2. API Key：确保 .env 文件中配置了正确的 DASHSCOPE_API_KEY
3. 迭代次数：建议设置 max_iterations=15，确保有足够的迭代次数完成流程
4. 数据质量：前9条视频通常是最热门的，质量最高

相关文件

• ✅ prompts/agent_prompt.md - 更新了系统提示词
• ✅ ai_agent.py - 修改了 generate_creative_inspirations() 函数
• ✅ INSPIRATION_UPDATE.md - 本文件

下一步

系统已经完成更新，可以开始测试：

1. 测试AI分类功能
2. 测试创作指导数据获取
3. 测试灵感生成功能
4. 验证每个灵感是否对应一条视频
5. 检查输出格式是否正确

所有修改已完成，系统可以正常使用！