youtube-research-video-topic

用途

该技能用于对 YouTube 视频选题开展纯研究。它只做研究，输出可执行的洞察，帮助识别内容空白并分析竞争对手；不负责生成标题、封面或开场钩子。核心原则是关注洞察和关键杠杆，而不是堆砌数据——研究应全面而简洁，并以数据为支撑，服务于战略决策。

适用场景

在规划制作前需要先研究某个视频选题时
用户要求研究某个视频创意或选题时
想了解竞争格局时
需要识别内容空白点和机会时

工具与子代理

技能可调用 YouTube 研究子代理执行具体、聚焦的研究任务，子代理可访问全部 YouTube 分析工具。子代理通过 Task 工具调用，且可在单次响应中多次调用以并行分配研究任务，从而提升效率。研究结果会回传用于汇总综合。技能倾向于使用 Task 工具调用子代理，而不是直接调用 YouTube 分析工具；每个 Task 提示应聚焦、具体，并有清晰目标。

可用工具包括：

YouTube Analytics MCP：
- mcp__plugin_yt-content-strategist_youtube-analytics__search_videos — 按查询查找视频
- mcp__plugin_yt-content-strategist_youtube-analytics__get_video_details — 获取视频指标
- mcp__plugin_yt-content-strategist_youtube-analytics__get_channel_details — 获取频道信息
网络研究：使用 web-search 和 web-fetch 了解行业趋势和背景
文件系统：使用 view 查看频道上下文和以往研究

研究流程

需执行以下全部步骤完成研究。

步骤 0：创建 Research.md 在 ./youtube/episode/[episode]/ 下为视频创意新建研究文件。若用户将视频组织为系列，则在文件夹名中纳入集数。文件夹命名为 [episode_number]_[topic_short_name]，若不属于系列则为 [topic_short_name]。完整研究文件路径为 ./youtube/episode/[episode_number]_[topic_short_name]/research.md。所有研究必须写入该文件；若文件已存在，先阅读以了解已完成的研究并从此继续。

步骤 1：理解选题 分析并记录：

这个视频解决什么问题？
为什么有人会点击这个视频？
是什么让该选题在当下具有相关性？

步骤 2：研究用户的相关视频 执行以下操作：使用 search_videos 查找用户频道的相关视频，使用 get_video_details 获取表现指标，识别已覆盖的内容以及如何进行差异化。在研究文件中记录相关视频（标题、视频 ID、URL、关键指标）、表现洞察（哪些有效、哪些无效）以及新视频的差异化策略。

步骤 3：竞品研究 执行以下操作：使用 search_videos 查找该选题下 5-8 个顶级视频，筛选近期且高互动的视频，对每个顶级视频使用 get_video_details，分析成功视频的模式。对每个竞品记录：标题、频道、视频 ID、URL、订阅数、播放量、互动情况、侧重/角度以及其成功原因。汇总关键洞察：识别竞品间的共同模式和不同方法。

步骤 4：内容空白分析 分析并识别：哪些选题已饱和？哪些缺失或挖掘不足？用户可在哪里提供独特价值？在研究文件中记录：

已被充分覆盖的内容：3-5 个饱和的选题/方法
内容空白（机会）：具体机会，按 ⭐⭐⭐（高）、⭐⭐（中）、⭐（低）评级
推荐重点：具体角度和独特价值主张

评级标准：

⭐⭐⭐ 高：显著空白、需求强、差异化清晰
⭐⭐ 中：中等空白、存在一定竞争、潜力良好
⭐ 低：空白较小、竞争激烈

输出结构

所有研究保存到 ./youtube/episode/[episode_number]_[topic_short_name]/research.md，采用以下模板结构：

[Episode_Number]: [Topic] - Research

Episode Overview

Topic: [简要描述] Target Audience: [面向谁] Goal: [观众将学习/获得什么]

Research Notes

Key Concepts to Cover

[高层级清单]

YouTube Research

Content Gap Analysis

What's Already Well-Covered: [清单]

Content Gaps (Opportunities): [带评级清单]

Recommended Focus: [具体角度与价值主张]

Technical Implementation

[仅在适用时]

Production Notes

Episode Number: [编号] Status: Research Complete Created/Updated: [日期]

执行准则

关注洞察而非数据：从研究中综合模式；识别 3-5 条有数据支撑的关键洞察；解释方法为何有效；竞品研究限制在 5-8 个视频。

优先关注关键杠杆：按以下顺序聚焦研究领域：1. 内容空白（独特价值）；2. 竞品模式；3. 受众需求；4. 技术要求。

用数据支撑建议：例如 ❌「做一个关于 AI 智能体的视频」vs ✅「聚焦 AI 智能体记忆系统（⭐⭐⭐ 空白）——竞品获得 5 万+播放但未覆盖持久记忆」。

保持剧集连续性：研究中参考以往剧集研究；检查选题重叠；识别在以往内容基础上扩展的机会。

质量检查清单

最终确定研究前核验：相关视频和 5-8 个竞品已记录并分析；内容空白已识别并带 ⭐ 评级；研究简洁而全面（非数据堆砌）；所有建议有数据支撑；独特价值主张清晰陈述。

常见误区

数据堆砌：罗列发现的每个视频而不综合 → 限制为 5-8 个顶级视频，聚焦模式
内容空白模糊：「这个选题内容不多」→ 指出缺失的具体角度
过度研究技术细节：深入实现研究 → 保持高层级，聚焦要覆盖什么
报告过长：800+ 行文档 → 聚焦洞察和关键杠杆

示例执行

场景：用户要求研究「构建带记忆的 AI 智能体」视频。执行流程：1) 加载频道上下文 → 阅读 CLAUDE.md，获取频道详情（1500 订阅，技术教程领域）；2) 查找相关视频 → 搜索用户频道，找到第 15 集关于个人助手，观众询问记忆；3) 竞品研究 → 搜索并分析 8 个顶级视频，识别它们只讲理论不讲实现；4) 空白分析 → 记录实操记忆实现的 ⭐⭐⭐ 机会；6) 保存研究 → 写入 ./youtube/18_ai_agents_with_memory/research.md。结果：一份可评审或进入规划阶段的完整研究文档。

下一步：若用户要求规划视频，调用 youtube-plan-new-video 技能，基于该研究生成标题、封面和钩子概念。

限制

本技能仅做研究，不生成标题、封面或开场钩子；具体收费、价格、平台支持等细节暂未提供。

技能介绍

用途