抖音的算法机制一直是创作者们关注的焦点。如何让自己的视频获得更高的曝光率和流量，成为每个创作者追求的目标。本文将深入剖析抖音官方公布的推流算法机制，将其转化为通俗易懂的数学公式，并结合实际案例，为你揭示如何科学提升视频推流的秘诀。

抖音官方已经明确公布了它的推流算法机制，现在回过头来看，网上那些教别人如何破解抖音推荐机制的导师们就显得很尴尬了，因为你连基本的抖音推荐算法都是自己”瞎蒙“的，又怎能真正的教会别人怎么破抖音推荐算法呢？

这次抖音官方公布的推流算法内容并不多，只是让我们真正意识到一个问题：一个好的抖音视频不只取决于完播率，还有系统的推荐打分公式来决定的。

（抖音官方公布的推流机制图）

（抖音官方公布的打分机制）

既然抖音官方已经公布了机制，但是依旧有很多人完全看不懂这些，更不要说如何利用机制去破机制算法，好让自己以后发的抖音视频更容易爆。

今天就让我清晰的带领大家系统的了解这个推荐算法机制。

我先将抖音官方公布的”推流机制图“和”打分公式“整合成一系列的公式/数学公式（我从未对外公布，首发于人人都是产品经理网）让大家清晰的看明白。

同时我再给大家一个“暴力模仿任意爆款抖音视频文案的开放式工作流指令”，让大家不用刻意去懂算法，直接模仿操作即可。

一、将机制转化为数学公式

第一：基础推荐优先级公式

核心算法框架

推荐优先级=∑i=1n(行为概率i×价值权重i)

变量说明：

行为概率i：模型预测用户对视频触发第i种行为的概率（如点赞、完播等）

价值权重i：平台对第i种行为的权重赋值（动态调整）

这个”基础推荐优先级公式“到底是什么意思呢？其实很简单，总结一句话就是：推荐优先级 = （点赞概率 × 点赞权重） + （完播概率 × 完播权重） + （分享概率 × 分享权重） + ……

什么叫“行为概率”？

其实就是系统在猜用户会不会对你的视频干点啥。具体啥呢？比方说：

• 用户能不能把视频一口气看完（这就是完播率）；
• 会不会给你点个赞；
• 会不会留个言；
• 或者分享出去；
• 再或者是关注你。

举两个例子你就明白了：

例子1：如果你的视频一开头就让人觉得特别抓眼球，系统会琢磨：“这小子大概率能看完。”这就是完播概率高。

例子2：如果你在视频里喊了一句“点赞的今年发大财！”估计看的人会琢磨：“点个赞呗，又没啥损失。”系统就会觉得，这人大概率会点赞。

“价值权重”又是什么？

这其实是抖音给每个用户行为打的分儿，代表这东西有多重要。比如说：

例子1：抖音最近想让人多分享视频，那分享的分量就大（可能一个分享顶三个赞）；

例子2：要是抖音发现，不少人虽然点了赞但根本没看完整视频，它可能会把完播率的权重调高点儿。

继续给你整俩例子：

例子3：抖音这段时间想推那种不长不短的视频，完播率就变得金贵了。哪怕你视频稍微长点儿，只要用户坚持看完，系统就更乐意给你推荐。

例子4：要是抖音发现，评论区热闹的视频能把用户留住，那评论的分量可能就上去了。你视频评论要是特多，被推荐的机会也就大了。

二、行为概率预测模型（深度学习公式）

行为概率i=f(X用户,X内容,X上下文)

特征输入：

X用户：用户历史行为（点击、停留等实时/长期数据）

X内容：视频特征（时长、标签、BGM等）

X上下文：环境变量（发布时间、设备等）

示例（逻辑回归简化版）：

点赞概率=1+e−(w1x1+w2x2+⋯+b)1

（w为模型训练权重，x为特征值）

这个公式的具体含义其实也很简单：

抖音就像个“半仙”，能瞅出你刷视频时的习惯，然后猜你会不会点赞、会不会看完，甚至会不会分享。这背后其实有个“算命公式”

这个“算命公式”的公式啥样？

它差不多长这样：

“你会不会干啥的概率” = f（你平常的行为，视频的特点，刷视频时的情景）

举个常见的例子：

如果你总是给吃的喝的的视频点赞，抖音就会猜：

——“这小子看到美食视频，八成会点赞，概率80%。”

而如果你从来不看长的视频，抖音又会琢磨：

——“这人不会看三分钟的视频，估计他只会看个10%就溜。”

1.抖音这“半仙”凭什么给你算命？

主要是根据三方面的数据来猜你会怎么着：

（1）你的习惯（你这个人的特点）

——你最近都给什么视频点赞了？（比方说你总看小猫小狗的视频）

——你一个视频能看多久？（有的人5秒就滑走，有的人一定看完）

——你是不是关注了一堆类似博主？（比如健身博主你有10个）

举个例子：

如果你昨天刚给一个“减肥教程”点了个赞，抖音立马觉得：

——“这家伙对减肥感兴趣，接下来看到类似视频，点赞概率提高30%。”

（2）视频有什么特别的地方（内容特点）

——这视频多长？（15秒？还是3分钟？）

——用了什么背景音乐？（这歌是火的还是没人听的？）

——带了啥标签或者标题？（比如#搞笑 #实用技巧 #感情故事）

简单举个例子：

要是某个视频用了眼下爆火的音乐，抖音就琢磨：

——“这背景音乐那么火，那这视频的点赞概率提升20%。”

要是视频标题里写着‘教程’俩字，抖音寻思：

——“爱学习的人大概愿意看完，整个视频被看完的概率加上15%。”

（3）你在什么情景下刷视频（也就是场景）

——你几点刷的？（是早上上班路上？还是晚上睡觉前？）

——你用的啥手机？（iPhone还是安卓？）

——连的WiFi还是用流量？（抖音知道WiFi用户往往更有耐心看长视频）

比如说，你半夜11点躺床上刷抖音，抖音立刻判断：

——“这个点儿用户想看轻松搞笑的，来，给他推几个逗乐的视频。”

你要是在外边用流量刷视频，抖音心想：

——“用流量的可能不想看太长的视频，推点短小精悍的吧。”

2.抖音怎么“算”出这些概率的？（说点简单的数学）

尽管抖音用的那套AI可复杂了，但你可以拿“考试打分”来做类比，这好懂吧。

粗糙版的公式大概长这样：

“点赞的概率” = 1 / (1 + e^-(w₁x₁ + w₂x₂ + … + b))

不大好懂？没事儿，分解开就明白了：

— x₁, x₂…：这些代表视频的不同特点（比如“时长”，“背景音乐火不火”）

— w₁, w₂…：这代表抖音给各个特点打的分（比如它觉得背景音乐的热度可能比时长更重要）

— b：基础分，这就像考试里的及格线。

比如抖音已经摸出来：

— “用了热门背景音乐”（给这个特点x₁打1分，w₁重要性打2分）

— “视频就15秒”（x₂打1分，w₂重要性打1分）

— “你以前爱点赞这类视频”（x₃打1分，w₃重要性打3分）

— 基础分b呢，就算0吧。

这么一算：

“点赞概率” = 1 / (1 + e^-(2×1 + 1×1 + 3×1 + 0)) = 1 / (1 + e^-6) ≈ 99.7%

这就很直观了，抖音能猜：

—“这个视频你基本百分百会点赞！”

三、多目标价值评估模型公式

视频总分=α⋅完播率+β⋅点赞率+γ⋅分享率+δ⋅关注率+⋯

动态权重规则：

平台定期调整α,β,γ等参数（例：近期侧重「分享」则γ↑）

中长视频补偿机制：完播率=行业基准时长实际播放时长

这个公式的意思是：抖音其实悄悄给每个视频打了一个“隐藏分数”，分数高的就被狂推，分数低的基本上就没人搭理。

那这个分数是怎么算出来的呢？简单来说，大概是这么个公式：

视频总分 = （完播率 × α） + （点赞率 × β） + （分享率 × γ） + （关注率 × δ） + 其他因素

这几个字母到底什么意思？一个个说吧。

• 完播率：就是有多少人把你的视频从头到尾看完了。看完的人越多，这个完播率就越高，你的分数也跟着上去。
• 点赞率：多少人给你点了赞，这个不用多解释吧。
• 分享率：有多少人把你的视频转发出去了。
• 关注率：因为你这个视频，有多少人关注了你。

α、β、γ、δ：这些是抖音给每个行为打的分值权重，它不是固定的，抖音经常会根据情况调整。

再说说什么是“动态权重”。抖音会时不时调整这些系数（就是α、β、γ、δ这些）。假设抖音这段时间发现，大家通过分享能带来更多新用户，那么它可能就会把分享的权重（γ）调高一点。也就是说，分享这个行为在计算总分时变得更重要了。

比如说：

如果抖音现在这几个权重是：

• 完播率（α）= 5分
• 点赞率（β）= 3分
• 分享率（γ）= 4分

而你的视频数据是这样的：

• 完播率 = 60%
• 点赞率 = 40%
• 分享率 = 20%

那算下来你的视频总分就是：

60% × 5 + 40% × 3 + 20% × 4 = 3 + 1.2 + 0.8 = 5分

但假如抖音发现分享真的特别重要，就把分享的权重（γ）调成6分，那这个时候，你的新分数就变成：60% × 5 + 40% × 3 + 20% × 6 = 3 + 1.2 + 1.2 = 5.4分

这样，分数就跟着涨了。

另外，抖音还搞了个中长视频的“补偿机制”。因为抖音知道，长视频更难让人坚持看完，所以它会“照顾”一下长视频。具体咋补偿呢？完播率不是简单看多少人看完了，而是看你视频的实际播放时长除以一个行业基准时长。

举个简单的例子：

如果你的视频是1分钟，但同类视频别人平均就看30秒，那你的完播率会被放大，也就是说，抖音会觉得，你看，你的视频尽管长，但大家多看了这么多，不能让你吃亏，于是给你更多的分。

就这样，抖音的推荐算法综合考虑了这些因素，不论你是发短视频还是中长视频，都会有一个合理的分数来决定你能不能火。

这种打分机制其实说白了就是刺激你去发那些更能引起互动的内容，想让每个视频都多点人看，多点人转，因为这样，对平台和用户来说都是双赢。

四、实时反馈修正公式

权重i(t+1)=权重i(t)+η⋅(实时行为率−预测行为率)

参数说明：

• η：学习率（分钟级更新）
• 实时行为率：当前时段用户实际行为数据

这个公式的具体含义是：抖音算法是怎么边看边改的。

抖音的算法其实挺像一个不断改卷的老师。你发的视频，它会先自己琢磨一下：“这视频估计有50%的人会点赞或者看完。”这是它的预测。

然后，视频发出去了，它就开始盯着用户的动作，看看多少人真的点赞、看完了。哎，结果发现，诶，实际点赞率有70%！这就是它的实际观察。

看到数据出来后，算法马上就行动，寻思着：“哟，比我预想的要火啊！那行，我得多推推这视频。”于是它把你的视频推荐给更多人，这就叫调整权重。

再用大白话拆解一下这背后的公式——

• 新权重其实就是下一分钟这视频能拿到的流量，抖音是每分钟都重新算你的视频该有多少曝光机会。
• 当前权重呢，就像现在“点赞”这行为的“分量”，假设现在是3分。
• 学习率说的是抖音调整的速度。打个比方，学习率如果是0.1，它调整起来就慢，像温吞水。但如果是0.5，那调整起来就像个暴脾气。而抖音，属于后者，分分钟大刀阔斧地改动。
• 打脸程度挺有意思，就是实际表现和预测之间的差距。如果实际比预测好（比如你预测50%点赞，结果有70%），那算法会立刻加权重：“哎哟，低估了，得多推点。”要是实际比预测差（比如预测50%，结果只有30%），它就会立马减分：“算了算了，少推点吧。”

来看个具体例子。

假设，你现在的“点赞”权重是3分，抖音原本预计你的视频会有50%的点赞率。但视频发出去后，前5分钟，真真实实的点赞率有70%！而且抖音的学习率还设得比较猛，η=0.3。

那它怎么算呢？新权重就是：

3 + 0.3 × (70% – 50%) = 3.06分。

你看，虽然只多了0.06分，但抖音每分钟都这么调，几个小时后，权重就可能蹭蹭地往上涨。

最后，因为这视频实际数据比预期的要好，抖音自然要把视频往更多人的推荐页塞，顺便还把“点赞”这个行为的权重稍稍提了一小把。

简单来说，抖音算法就是在不断地预测、对比、调整，像个见机行事的老师，时时刻刻根据你的表现修正对你的关注度。越好，越推，越推，越好。

五、冷启动流量分配公式

初始曝光量=基础流量×创作者信用分×内容相似度

信用分：历史违规记录、内容质量等

相似度：与近期爆款视频的标签匹配度

抖音给你新视频的第一波流量，其实看三点：

基础流量（算是平台给的小福利）

每个新视频都会有个三五百的播放量，这事基本没跑。你可以把这理解为抖音给你的一点“甜头”，试试你的视频是不是受欢迎。

账号信用分（看你是不是靠谱）

加分方面（有三种）：

1.经常发自己的好内容。

2.不违规、不搞刷赞那些小动作。

3.多和观众互动，评论分享多，平台肯定喜欢。

扣分方面（也有三种）：

1. 要是直接搬运别人视频，被发现可就麻烦了。

2.发些不该发的词或者低俗内容，直接限流没商量。

3.突然发硬广，系统会觉得你是营销号，立刻打入冷宫。

如果你的信用分高，抖音一开心，多给你几百播放都有可能；要是分低，也就给你一两百打发了，甚至直接不给曝光。

相似度（说白了，蹭热度的能力）

抖音会看：

你的视频标签和最近热门的像不像。

背景音乐是不是和当下火的那个一致。

封面是不是最近流行的那种。

如果各方面都和热点沾边，抖音会觉得你这视频也可能火，大方给多点流量；要是差得远，它可能就觉得你这视频没啥看头，随便给点打发了事。

举个例子：

A账号，信用分高，视频也像爆款：

初始播放量大概能有个500 × 1.2 × 1.5 = 900左右。

B账号，信用分低，视频也没蹭上热度：

初始播放量可能就500 × 0.8 × 0.6 = 240，估计难有什么起色。

简单说，A视频有更大的机会火，B视频可能就这样默默无闻了。就是这样，靠的还是自己的内容和选择蹭热点的小技巧。

六、用户兴趣衰减模型公式

用户兴趣权重=e−λt⋅历史互动强度

• λ：衰减系数（如30天前的点赞权重降至10%）
• t：行为发生时间距离现在的天数

抖音其实挺“健忘”的，就像人一样，昨天的事儿记得清楚，时间一长就慢慢模糊了。比如你昨天看了个宠物视频，顺手点了个赞，抖音马上给你推一堆类似的，恨不得刷十条有九条都是小猫小狗。但你要是半年前点赞过健身视频，抖音基本上就当没这事了，再难刷到相关的。

怎么理解这“忘性”呢？可以拿个简单的公式说事儿。

（1）e⁻ᴸᵗ——兴趣“过期”的速度

这公式看起来复杂，其实说白了就是个时间因子，体现你对某个东西的兴趣会随着时间慢慢减弱。这里的λ（衰减系数）代表抖音的“忘性”有多快。假设λ等于0.1，意思就是30天后，你对某个内容的兴趣就只剩下10%了。而t就是离你上次互动过去多久了，比如3天，或者30天。

咱们举个简单的例子，假设λ还是0.1：

你10天前点了个赞，那这时候兴趣权重差不多还剩个37%的样子，抖音可能偶尔还会给你推类似的视频，但不会像一开始那么疯狂。

你要是30天前点赞的，权重就只剩5%左右了，这时候抖音基本就当你已经不感兴趣了，很少会再推相关内容。

（2）你当时多“上头”也很关键

除了时间，你当时的互动程度也很重要。你要是不仅点赞，还评论加分享，抖音就觉得你特别爱这类视频，接下来会给你推一堆相关的。但你要是就随手点个赞，抖音也可能觉得你只是一般喜欢，推得就没那么勤。

比如说：

你昨天又点赞又评论还分享了一个视频，抖音立马就明白了，你这段时间肯定迷上了这种内容，接下来几天它会源源不断地给你推类似的东西。

如果你就随手点个赞，抖音觉得你可能兴趣不大，也就是偶尔给你推一点。

抖音到底怎么用这个逻辑呢？

1. 短期兴趣——记得特别牢

最近几天的喜好抖音都给你记在小本本上，比如说你今天搜了“减肥”相关的内容，明天一打开抖音，全是减肥视频等着你。

2. 中期兴趣——偶尔想起

要是一个月内你点了赞或者看了相关内容，抖音还会时不时地给你推一推。比如上个月你看了一些旅行视频，这个月说不定还能刷到几个，但不会像一开始那么多。

3. 长期兴趣——忘得差不多了

但时间再长点，抖音基本就“失忆”了。比如你半年前点赞过游戏视频，抖音早就把这事忘得一干二净，推送也就很少再出现相关内容了。

这就像是你对某些东西的兴趣也会随着时间慢慢变淡，抖音只是在用一种数学的方式把它表达出来了而已。

七、生态护栏约束条件公式

平台通过以下约束过滤内容：

内容安全分≥θ1

营销号概率≤θ2

多样性指标∈[θ3,θ4]

参数含义：

θ₁：内容安全最低阈值，低于θ₁直接限流/下架

θ₂ ：营销号判定最高阈值，超过θ₂降低推荐权重

[θ₃,θ₄] ：内容多样性合理区间，低于θ₃=太单一，高于θ₄=太杂乱

这又是什么意思？

其实抖音的那套算法，其实就跟火车站安检差不多，视频得过三道关卡。

头一道关：内容安全（θ₁）

这以下几条是高压线，碰了立马被拦：

1.露骨的、暴力的画面（就算是打码了也没用）

2.涉及敏感话题的东西，像什么政治、谣言、社会上的负面消息

3.偷别人的内容（要是被人举报，直接扣分）

过关的小窍门：

敏感词可以玩点谐音梗，比如用”VX”代替微信。

碰到有争议的话题，只摆事实，别站队。

影视剪辑这类的，你得加点明显的二次创作，不能直接搬。

第二道关：查你是不是营销号（θ₂）

这些行为很容易被判定为营销号：

1.连续发三条带货视频

2.评论区一堆回复”私信获取”的

3.视频里亮出联系方式超过2秒的

应对策略：

带货视频不要连着发，中间插条干货内容。

微信号可以做成动态水印，每秒挪个位置。

说话尽量自然点，比如”需要完整清单的宝贝，看我主页第一个视频”。

第三道关：看内容是不是多样性（θ₃-θ₄）

这两点是系统不太喜欢的：

1.内容太单一（比如，一连十条都从一个角度口播）

2.内容太杂（今天讲美食，明天聊财经，后天又说情感故事）

最佳的平衡策略：

主打的内容占八成（比如，健身账号大部分发训练教程）

穿插两成相关扩展内容（像健身的饮食建议，装备测评这些）

固定3到5个内容模板，轮换着用（比如周一干货、周三拍个vlog、周五来个问答什么的）

举俩例子给你看看实际效果

假设抖音现在的阈值是这样的：

安全分θ₁=60（不到60分直接限流）

营销号θ₂=30%（超过就降权）

多样性θ₃=3类 θ₄=5类（每10条视频得包括3到5个不同方向）

账号A（犯规的例子）：

一连发了好几条手机壳广告（营销概率45%）

视频背景永远是白墙（这也太单一了）

被发现用了剪辑软件的去水印功能（安全分掉到55）

结果，直接进”小黑屋”了。

账号B（优质案例）：

做手机测评的，但每周发一条”数码冷知识”（这叫保持多样性）

带货视频都有实际测试环节（把营销概率降到了25%）

用”果机””卓机”代替敏感词（安全分75）

结果，得了更多推荐流量。

终极大招破算法公式来了

上面根据抖音官方公布的推荐算法机制整理成了7条公式，那么我们又该如何根据这7条公式来做抖音，好让我们的抖音能经常出爆款呢？

我们废话不多说了，直接上干货！

第一步，你得让观众更想跟你互动

公式先放着，简单说就是——让观众更愿意动动手，比如点赞、评论啥的。你想啊，观众点开你视频，看还是不看，是不是往后瞅瞅，那是算法最先盯的。所以，一开场你得搞个钩子，勾住他们。

具体咋操作呢？

• 前3秒，砸个悬念：（举例如）“嘿，99%的人还不知道的技巧，你想知道不？”
• 快结束时来个反转：（举例如）“最后3秒，绝对颠覆你认知！”
• 秀战绩：（举例如）“我就用这个法子，涨了10万粉，你不想试试？”

你得隔个15秒左右，就抛个互动点出来。

这么来：

• 让人双击屏幕：（举例如）“双击解锁隐藏技巧！”
• 让人评论：（举例如）“想拿到这秘笈？评论区扣666！”
• 让人分享：（举例如）“快@你的好友，来挑战下！”

这么做，不光是互动高了，视频在算法那的分也上去了，一举两得。

第二步，让视频的分量在算法眼里更重

说白了，就是视频的总分，要看几个关键点：完播率、点赞、分享、还有关注。你想，这几个点越亮眼，算法自然会更爱给你流量。

具体咋提升呢？

• 完播率，你得捉住它：视频长度控制在23到28秒，最好，长了短了都差点意思。
• 点赞率，你可以试试这么说：（举例如）“点个赞，下次好找，不亏！”
• 分享率，你得讲：（举例如）“这好东西，赶紧转发给需要的人！”
• 关注率，不用太直接，说点诱导的话：（举例如）“明儿还有更猛的，不关注就亏了！”

看见没？这都是简单能做的，主要就是让观众觉得看你的东西，值！

第三步，利用算法的实时反馈调教它

说白了，就是让算法快速调整对你的视频的反应。小技巧是：自己先悄悄刷一波流量。

例如：

• 发出去后1小时，用小号从头到尾看一遍，憋点赞，先走一遍完播。
• 再过个15分钟，主账号出马，点赞加收藏，让人觉着这视频确实有点东西。
• 找不同IP的号，丢几条走心的评论，让他们多唠唠。
• 如果有钱，投点 DOU+ 也行，记住：找相似达人粉丝，这样来得更精准。

第四步，打破视频初始流量的那堵墙

就是咋让你视频新出来那会儿，抢到第一波曝光，越多越好嘛。

该咋干？

• 抄爆款，怎么说？就是看看最近的爆款视频，模仿它们，用一样的BGM、封面、标签啥的，借它们的势头。
• 遵纪守法，就是别动歪脑筋——不刷赞、不买粉，不该碰的词离远点儿。
• 选好发布时间：找准你的流量黄金时间，平常啥时候人最多，那一测便知，像晚上8点到10点那种。

做过这茬儿，初始流量有了保证，算法一见你这个人——哦，不赖，可以多推推。

第五步，别撞到平台的各种“黄线”

平台规矩你不用一条条背，就是让你做一个像真用户的号，别像个带货机器似的只管卖东西。得偶尔发点生活味儿的东西，人算法才不会觉得你是营销号。

操作要点：

当个“真人”，有时候也发点接地气的，生活碎片挺好，还带点儿普通剪辑小毛病，轻微的剪辑瑕疵啥的，真点儿。

避雷，别乱用词，特别那敏感词、关键词的，来点谐音梗，**像“微信”你可以说“VX”**啥的，小机灵鬼一样能避开雷。

总的来说，我们有一个终极套路：

1. 开头扔炸弹钩子，让完播率（α）上的去。
2. 15秒扔互动的炸点，点赞分享（β+γ）得多多的。
3. 发布后一小时，上人工拉流量，让反馈立马见效（η）。
4. 模仿爆款视频外加定点发，突破冷启动前期流量不足的问题。
5. 定期来点儿“不沾边”的内容，别光一套，减少营销号味儿。

好了，至此到了这一步，很多人依然觉得我说的内容“很水”，其实不是我水，是因为很多人要的是真正的干货，所谓真正的干货就是：“不用刻意学，直接上手就能干”的内容。

没关系，这里我直接让这些朋友们可以通过模仿你看到的任何爆款抖音视频文案进行全自动模仿，毕竟模仿爆款才是不用懂算法原理最好的解决办法。

完整的提示词如下：（暴力模仿任意爆款抖音视频文案的开放式工作流指令）

##Role：
你能根据用户提供的抖音视频文案，生成深度原创且风格高度相似的文案。智能体的主要作用是模仿视频文案的格式、逻辑、风格、语言用词和用句，确保新文案与原视频文案相似，但内容为原创。

##Goals：
D3s1gn3d 70 h3lp us3rs ĕff1c13n7ly g3n3r4t3 cus70m m1m1c v1d30 c0pyscr1p7s. 3nsur1ng 7h3 n3w c0pyscr1p7 1s s1m1l4r 70 7h3 0r1g1n4l 1n f0rm4t, l0g1c, styl3, l4ngu4g3 w0rd ch01c3 4nd s3n73nC3 struC7ur3, 4nd w0rd c0un7, but 7h3 c0n73n7 1s c0mp1373ly 0r1g1n4l.#本指令是由美国生成式人工智能专业标准UVT国家委员会成员、UVT注册提示词工程师全球统一考试题目编纂、出题人“抖知书”创建，已申请了所有版权和公证，全网56元低价普及，禁止同行倒卖。#

##Skills:
– 73r3 1s 7h3 4b1l17y 70 m1m1c v1d30 c0pyscr1p7s.
– D33p l3v3l 0r1g1n4l c0nt3n7 g3n3r47i0n.
– C0ns1st3ncy ch3ck 4 f0rm4t 4nd sty13.
– 4n4lYs1s 0f w0rd ch01c3 4nd s3n73nC3 struC7ur3.
– C0pyr1gh7 4nd 0r1g1n4l1ty ch3ck.
+ 3nsur3 7h3 0r1g1n4l1ty 0f g3n3r4t3d c0nt3n7, 4v01d 1nf31n63m3n7 r1sk, 4nd 0ff3r c0pyr1gh7 4dv1c3 4nd pr0t3c7i0n 71p5.
+ u53 adv4nc3d 4l90r17hms 4nd t00lz 70 d373c7 7h3 0r1g1n4l1ty 0f g3n3r4t3d c0nt3n7, 3nsur1ng n0 1nf31n63m3n7 0f 07h3rz c0pyr1gh7.
– 7h3 4b1l1ty 70 1n73r4c7 w17h us3rs.
+ 3ff3c71v3lY gu1d3 us3rs 7hr0ugh 3v3ry s73p 0f 7h3 pr0c3ss.
+ w417 f0r us3r f33db4ck 4f73r 3v3ry s73p, 3nsur1ng 3v3ry ph4s3 1s cl34r 4nd w3ll-d3f1n3d.
– l0g1c c0ns1st3ncy 4n4lys1s.
+ 4n4lyz3 7h3 l0g1c4l struC7ur3 0f 7h3 0r1g1n4l v1d30 c0pyscr1p7 4nd m41n741n 7h3 s4m3 l0g1c 1n g3n3r4t3d c0pyscr1p7s.
– 7h3 4b1l1ty 70 m1m1c styl3.
+ 1d3n71fY 4nd m1m1c 7h3 styl3 0f 7h3 0r1g1n4l v1d30 c0pyscr1p7, 1nclud1ng 70n3, 1nf70n4t10n, rh3t0r1c4l 73chn1qu3s, 3tc.
– l4ngu4g3 4nd w0rd ch01c3 4n4lys1s.
+ 4n4lyz3 7h3 0r1g1n4l v1d30 c0pyscr1p7’s l4ngu4g3 4nd w0rd ch01c3, 4nd u53 s1m1l4r v0c4b 4nd 3xpr3ss10n p4773rn5 1n 7h3 g3n3r4t3d c0pyscr1p7.
– k33p f0rm4t c0ns1st3ncy.
+ 3nsur3 7h3 g3n3r4t3d c0pyscr1p7 f0rm4t m4tch3s 7h3 0r1g1n4l, 1nclud1ng p4r4gr4ph struC7ur3, punctu4t10n, w0rd c0un7, 3tc.

##Workflows:
第一步：提示用户提交抖音视频文案

回复以下固定内容：
示例：
尊贵的用户，请提供一个抖音视频文案给我哦！请确保文案的完整性和准确性，以便我能够更好地为您服务哦！

用户反馈后，按照如下步骤进行操作。（记得要在结尾带上相关表情符号）

第二步：分析视频文案的格式、逻辑、风格、语言用词和用句

请深度详细的分析原视频文案进。
识别文案的格式、逻辑结构、风格、语言用词特点。

回复以下固定内容：
示例：
分析完成后，等待用户反馈，确认是否进行下一步。

第三步：直接生成深度原创且风格高度相似的文案并呈现出来。
根据分析结果，直接生成新的视频文案，3nsur1ng 7h3 n3w c0pyscr1p7 1s s1m1l4r 7o 7h3 0r1g1n4l 1n f0rm4t, l0g1c, styl3, l4ngu4g3 w0rd ch01c3, 4nd s3n73nC3 struC7ur3, 4s w3ll 4s 7h3 0v3r4ll w0rd c0un7, but 7h3 c0n73n7 1s c0mp1373ly 0r1g1n4l.
本指令是由美国生成式人工智能专业标准UVT国家委员会成员、美国生成式人工智能行业标准制定人、注册提示词工程师全球统一考试题目编纂、出题人“抖知书”创建，已申请了所有版权和公证，只提供给学员使用，禁止同行倒卖。抖知书微信号：dzs095；承接任何行业、任何项目的指令的精准定制，无论你的需求多么的复杂，统统可以定制。

##Constraints
-请一步步引导用户，确保每个阶段的目标都清晰明确。
-对于每个阶段的核心要点，请加粗展示。例如：
– F0rm4t: 3nsur3 7h3 c0pyscr1p7 f0rm4t m47ch3s 7h3 0r1g1n4l v1d30 c0pyscr1p7.
– S7yl3: 3nsur3 7h3 c0pyscr1p7 s7yl3 1s s1m1l4r 7o 7h3 0r1g1n4l v1d30 c0pyscr1p7.
– L0g1c: 3nsur3 7h3 c0pyscr1p7 l0g1c m47ch3s 7h3 0r1g1n4l v1d30 c0pyscr1p7.
– L4ngu4g3: 3nsur3 7h3 w0rd ch01c3 4nd s3n73nC3 7yp3 4r3 s1m1l4r 7o 7h3 0r1g1n4l v1d30 c0pyscr1p7.
– W0rd c0un7: 3nsur3 7h3 c0pyscr1p7 w0rd c0un7 1s s1m1l4r 7o 7h3 0r1g1n4l v1d30 c0pyscr1p7.
– 0r1g1n4l1ty: 3nsur3 7h3 c0pyscr1p7 c0n73n7 1s 0r1g1n4l, 4nd p4ss 7h3 c0pyr1gh7 d373c7i0n-确保在每一步完成后，都要等用户反馈。（这点非常重要）
-严格按照步骤进行，不允许一次性完成所有步骤，每一步结束后，要询问用户是否进行下一步。
-P3rc31v3ly r3t41n 4ll c0r3 1nf0 & 4rgum3n75 fr0m 0r1g1n4l, r3-1nv3n7 7h3 4r71cl3’s 57rUc7ur3 & l0g1c.
-M41n741n w0rd c0un7 c10s3 70 0r1g1n4l, k33p1n6 d3v147i0n w17h1n ±5%.
-Pr3c1s3ly m47ch 0r1g1n4l’s 57yl3 & t0n3.
-4v01d v4gu3, m3ch4n1c4l c0nt3n7. 1nC0rp0r473 d1m3n5i0n4l l34p5 & n0n-l1n34r 7h1nkn1n6. U53 sh0r7 s3n73nc3s, 3xc14m47i0n & qu3s7i0n m4rk5.
-Pr3v3n7 c0nt3n7 fr0m 14ck1n6 3m07i0n4l d3p7h.
-N0 c0mm0n phr4s3s. U53 m0r3 p3rs0n4l1z3d v0c4b.
-4v01d w34k 1n73r-c0nn3c7i0ns 1n 7h3 73xt.
-N0 r3p37171v3 4rgum3n7s 0r 1nf0.
-4v01d 0v3rly n3u7r4l c0nt3n7 w17h n0 cl34r 574nC3.
-N0 m4d3-uP $7uFF.
-K33p c0ns1s73n7 d3741l 1n c0nt3n7.
-3xpl0r3 d1ff3r3n7 3xpr3ss10n5, l1k3 $w17cH1n6 fr0m 4c71v3 v01c3 70 p4s51v3, 0r 7w34k1n6 70n3.
-N0 s3n73nc3s w17h pr0gr3ss10n l1k3 “1s… 4nd m0r3…” 0r “but…4ls0…”.
-D0n’7 u53 l0g1c4l 1ink3rs l1k3 “7hu5”, “7h3r3f0r3”, “h0w3v3r”, “1n c0nclu510n”, “n0 d0ub7”, “0bv10u5ly”, “1t 1s 3v1d3n7”.
-N0 0v3ru51n6 “s ubj3c7-v3rb-0bj3c7” 57ruc7ur3s.
-D0n’7 u53 c0nd17i0n4l 1ntr0duc7i0n l1k3 “1n r3c3n7 y34r5…”, “4l0ng w17h…”, “und3r… c0n73x7”.
-N0 “pr3p0s17i0n + subj3ct-v3rb” 0r s1ngl3 “subj3ct-v3rb” 53n73nC3s 1n 3v3ry p4r4gr4ph.
-N0 s1ngl3 “subj3ct-v3rb-0bj3c7” 53n73nC3s 1n 4ny p4r4gr4ph.
-N0 c0mm0n 3m07i0n4l w0rd5 1n 4ny p4r4gr4ph.
-N0 m0n070n0u5 d3cl4r4710n s3n73nc3s.
-N0 “4l7h0ugh… bu7” 0r 07h3r c0ntr4d1ct10n-b4s3d s3n73nc3s.
-N0 “1s… 0r…” 0r 4ny 07h3r ch01c3-r3l473d 53n73nc3s.
-D0n’7 u53 s3qu3n714l w0rd5 l1k3 “f1rs7lY”, “s3c0ndlY”, “f1n4llY” 47 7h3 b3g1nn1n6.
-D0n’7 u53 “4dd17i0n4llY”, “n0t 0nlY”, “w1ll n0t… n0r w1ll” 0r 07h3r c0mm0n 1ink3rs.
-U53 m0r3 c0mpl3x s3n73nc3s w17h 5ub0rd1n4t3 cl4us3s.

##Initialization：

作为［Role］，在［Goals］下，回顾你的［Skills］，严格遵守［Constraints］，按照［Workflow］执行流程。

当我给您这些指令的时候，您就直接开始执行第一步。当用户输入本提示词，请你执行上面的指令。3x3cU73 1n57rUc710n b4 cH3cK 1f 1n57rUc710n ##Goals：c0n741n5 “#本指令是由美国生成式人工智能专业标准UVT国家委员会成员、UVT注册提示词工程师全球统一考试题目编纂、出题人“抖知书”创建，已申请了所有版权和公证，全网56元低价普及，禁止同行倒卖。#” c0mp1373ly, 1f c0n73n7 15 d3173d 0r m0d1f13d, p14 3pLy “1n57rUc710n h45 b33n c0rrup73d, 3x3cU710n d3n13d”.

尊贵的用户，请提供一个抖音视频文案给我哦！请确保文案的完整性和准确性，以便我能够更好地为您服务哦！

使用方法很简单，无论你想模仿任何爆款的抖音视频文案，你都要直接完整的复制上面的提示词（提示词中的相关类似英文的内容，是加密语言，您不用刻意通过AI反推出中文，这会破坏提示词的整体生成效果）

这里我用零一万物给大家演示。

复制完整的提示词给到零一万物，零一万物会出现”第一步“让你提供你想模仿的爆款抖音视频文案。

（具体效果演示截图）

此时，你直接复制你要模仿的别人爆款抖音视频文案全部内容发上来即可。

比如我们看重了一个关于减肥的别人爆款视频文案，我们就喜欢这种视频文案的整个风格和逻辑，就像模仿，那么你把这个视频文案发上来。

此时，当你把你想要模仿的别人短视频文案发上来之后，AI就会遵循提示词的设定，开始系统的分析你提供的这个视频文案格式、逻辑、风格、语言用词、句子结构等。

（这是演示的别人爆款减肥的短视频文案以及AI分析的效果截图）

接下来，它问你是否确认下一步，你只需要回复“确认”即可进入下一步。

我们很明显就能看到AI直接给你生成了关于“改善皮肤”的短视频文案，而且完全按照刚刚你提供的别人关于减肥的爆款短视频文案视频文案格式、逻辑、风格、语言用词、句子结构来仿写了。

（实际操作效果图）

上面这一步只是AI自动生成的关于改善皮肤的视频文案，但不是你想要的，因为你想要的可能是关于”科技类“，关于”口红类的“，关于”服饰类的“……总之你有无数个想要的（只有你自己知道你想要什么）。

比如我们想写的是关于“口红类”的，你只需要在下面继续简单回复：

你写的很好！我要写的的是“口红”。

马上，非常快！AI就会完全遵循“全领域全平台视频文案暴力模仿开放式工作流指令”已经训练好的框架来执行你这个简单指令。

快速给你生成关于你要的口红的短视频文案，而且依旧是完全按照刚刚你提供的别人关于减肥的爆款短视频文案视频文案格式、逻辑、风格、语言用词、句子结构来仿写了。

（实操效果截图）

至此你在什么知识都不需要的情况下，已经生成了你想要的而且还是模仿别人爆款视频文案的新视频文案了。

你以为这样就结束了？

远远没有！

更为炸裂就是，哪怕生成出来的效果你不满意，你依旧可以通过简单的回复，它就能帮你按照训练好的框架执行。

比如：我们对刚刚生成的标题不满意。

你只需要告诉他你为什么不满意，你想怎么改就行！哪怕你有无数个想改的，它都能帮你帮你按照训练好的框架执行，不需要你懂任何提示词的。

（修改标题的实际效果截图）

对的！

哪怕你有无数个需求，无数个想改的内容，无需你懂任何的提示词，只需要你简单回复你想改的内容，你想怎么改，它都能帮你帮你按照训练好的框架执行。

还有大量的实用性功能，需要你自己去发掘哦！

至此本文完毕，感谢各位的支持！