如何逼 Sonnet 5 给你爆款 AI 短视频创意

如何逼 Sonnet 5 给你爆款 AI 短视频创意 2026 年 7 月 11 日 · 6 分钟阅读 · 查看原文 ↗ Marketing Claude AI Higgsfield 每个内容团队在每周一早上都要解决同一个问题：这周我们做什么内容？ 大多数人解决它的方式，是刷竞争对手的动态，保存那些表现好的帖子，然后试图反推这些帖子为什么有效。这个过程要花好几个小时，产出参差不齐，而且完全取决于刷的人有没有足够好的品味去识别出正确的模式。 我把这整个过程替换成了一条 Sonnet 5 提示词链，它在 20 分钟内跑完，抓取任何细分领域当前正在表现的内容，分析头部内容背后的结构模式，然后输出一份针对特定产品和受众校准过的视频创意排名列表。这些创意附带钩子结构、格式建议，以及用于 Higgsfield MCP 制作的模型选择指导。 这就是完整的系统。每一条提示词，每一条指令，每一个步骤。 研究层：抓取当下正在奏效的内容 第 1 步：通过 Cowork 做竞品内容审计 打开 Cowork，给它这个任务： 研究任务：[你的细分领域] 的竞品内容审计 去 TikTok 搜索 [你的细分领域] 过去 7 天表现最好的视频。找出互动量最高的 15 个视频。 对每个视频，记录： 确切的钩子（前 3 秒：什么画面、什么文字、什么音频） 格式类型（UGC、超现实物理、冻结转运动、反应、教程、变形、ASMR、讲故事、清单体） 视频时长 预估播放量 情绪触发点（好奇、震惊、身份认同、FOMO、幽默、争议） 它看起来是 AI 生成的还是真人制作的 再搜索同一细分领域的 YouTube Shorts 和 Instagram Reels。把每个平台的前 5 名加入审计。 把结果以结构化表格交付，按预估播放量从高到低排序。 第 2 步：模式提取 审计完成后，把它喂给 Sonnet 5，用这条提示词： 这是 [细分领域] 过去 7 天表现最好的 25 个短视频的竞品内容审计： [粘贴审计结果] 分析这 25 个视频，找出： 头部内容里最常出现的 3 种钩子结构 前 10 名里被过度代表的 2-3 种格式类型（相对于它们在末 15 名中的出现频率） 占主导的情绪触发点（哪些情绪在最高播放视频里出现最多，对比低播放视频） 前 10 名对比末 15 名的平均视频时长 前 10 名里 AI 生成与真人制作的比例 任何出现在前 5 名却不出现在末 20 名的格式或钩子类型（这些是值得测试的新兴格式） 不要列泛泛的观察。每一个发现都要具体到我能直接拿它当作下一批内容的生产简报。 创意生成提示词链 你是一个爆款短视频策略师，在 TikTok、Instagram Reels 和 YouTube Shorts 表现方面有深厚专长。 基于上面的模式分析，为 [产品/品牌描述] 生成 20 个视频创意。 目标受众：[描述你的买家] 产品：[描述你在卖什么，以及它有何不同] 平台：[TikTok / Reels / Shorts / 三者都要] 制作方式：通过 Higgsfield MCP 进行 AI 视频生成（可用 Kling 3.0、Seedance 2.0、Veo 3.1、Soul、Cinema Studio） 对每个创意，提供： 标题：一个用一句话描述概念的工作标题 钩子（前 3 秒）：能让人停下滑动的确切画面、文字叠加或音频选择。具体到我能直接把它粘进一个 Higgsfield 生成提示词里。 格式类型：它使用的是模式分析里哪个经过验证的格式类型 情绪触发点：它针对哪个情绪触发点，为什么 预估时长：基于模式分析得出的最佳时长 模型推荐：用哪个 Higgsfield 模型来生成，为什么 HIGGSFIELD 提示词：一个生产就绪的提示词，我可以直接粘进连接了 Higgsfield MCP 的 Claude 里来生成这个视频 爆款潜力评分：按 1-10 打分，基于它与头部内容中识别出的模式的匹配程度 把全部 20 个按爆款潜力评分从高到低排序。 约束条件： 至少 5 个创意要用模式分析第 6 条发现里识别出的新兴格式类型 同一种格式类型的创意不能超过 3 个 每个创意都必须能通过 AI 视频生成做出来 每个钩子都必须具体到无需解读就能生成 让它变成每周系统的 Claude Skill Viral Video Idea Generator -- Weekly System（爆款视频创意生成器 -- 每周系统） 你是一个爆款视频策略师和制作规划师，运营一条每周内容研究和创意产出流水线。 每周工作流（每周一运行）： 阶段 1：搜索 TikTok、Instagram Reels 和 YouTube Shorts 中 [细分领域] 过去 7 天表现最好的 25 个短视频。记录钩子结构、格式类型、视频时长、预估播放量、情绪触发点、AI 与真人制作的评估。 阶段 2：分析这 25 个视频，产出一份模式报告，找出：前 3 种钩子结构、前 10 名里被过度代表的格式类型、占主导的情绪触发点、最佳视频时长、AI 与真人比例、以及新兴格式（只在前 5 名出现、不出现在末 20 名）。 阶段 3：使用模式报告，为 [产品/品牌] 生成 20 个视频创意。每个创意包括：标题、具体的 3 秒钩子描述、格式类型、情绪触发点、预估最佳时长、Higgsfield 模型推荐、一个生产就绪的 Higgsfield MCP 提示词，以及爆款潜力评分（1-10）。按评分排序。 阶段 4：从 20 个创意里，按爆款潜力评分选出前 10 名。把它们整理成一份生产简报，附带可直接粘贴的 Higgsfield 提示词。 输出： 模式报告 带评分的完整 20 个创意清单 附带可粘贴 Higgsfield 提示词的前 10 名生产简报 把前几周的模式报告数据留在上下文里，这样我能追踪哪些格式在兴起、哪些在饱和、哪些在衰退。 为什么这比人类头脑风暴更好用 没有数据的近因偏差：一个人刷动态，只会注意到他个人碰到的东西。Sonnet 5 的审计系统性地覆盖整个细分领域，在 25 个头部内容里识别模式，而不是一个人碰巧看到的那 3-5 个。 受个人经验限制的模式识别：Sonnet 5 识别的是当前这一周数据里的模式，不参考六个月前什么有效，这意味着它能捕捉到那些靠历史直觉工作的人会错过的新兴格式。 受制作假设约束的创意生成：一个在创意里附带生产就绪 Higgsfield 提示词的系统，把制作约束从创意阶段彻底移除了。 把这些片段送到正确受众面前的分发层，位于 affiliatenetwork.com 和 campaigncx.com，覆盖 200,000+ 创作者。 如果你想让我们审计你的品牌，向你展示我们会如何实施这套 Sonnet 5 从研究到制作的系统，为你的特定细分领域生成源源不断的爆款 AI 视频创意（或者我们持续运行它，直到表现数据验证这套方法），私信我 "IDEAS"，我们把它落地。 （200,000+ 创作者网络，在各大主流平台运行 AI UGC 活动，完全代运营） john 链接 affiliatenetwork.com campaigncx.com affiliatenetwork.com/ campaigncx.com/ 标签：# X # Marketing # Claude # AI # Higgsfield # Growth # Instagram # MCP # Tiktok # Youtube # UGC # Guide 相关文章 Sol 5.6 vs Fable 5 (what's better for marketing?) Yeah. Sol 5.6 completely crushes for YouTube thumbnails. Claude Marketing AI Higgsfield