Jun
年轮｜市场季节判断器
投资判断失真，不是因为看错了一条新闻，而是因为没有先判断自己正处在什么环境。 同样一次下跌，在夏末可能只是震荡，在秋初却可能意味着风险正在累积；同样一条利好，在不同阶段里的意义也完全不同。 本技能做的不是预测明天涨跌，而是先回答一个更上游的问题：现在是什么市场环境？ 它会综合观察： 估值位置 情绪与拥挤 政策方向 市场行为 经济背景 行业与全市场的结构差异 然后给出： 当前更接近哪个季节 是否处在换季过渡区 哪些证据支持这个判断 哪些证据彼此冲突 最近的变化只是“天气”，还是已经值得改判 什么未来变化会让当前判断失效 它不会把四季变成机械打分，也不会给出“82% 概率进入秋季”这种伪精确答案。 更重要的是，它允许： 全市场和行业处在不同季节。 A 股整体可能还在夏末，但某个高拥挤赛道已经出现秋季特征；另一个长期低迷行业，则可能刚从冬末开始解冻。 四个典型使用场景 现在到底是什么季节？ 现在 A 股整体更接近春、夏、秋还是冬？ 年轮会用最新可核验证据做环境判断，而不是只看今天涨跌。 今天的大跌只是天气吗？ 今天 4000 多只股票下跌，是不是已经进入冬天了？ 年轮会先判断这是不是单日冲击，再看中期趋势、政策、估值和情绪有没有一起发生持续变化。 为什么全市场和行业可以不同季？ A 股、AI/算力、消费分别是什么季节？ 年轮会分别判断，不会把全市场结论直接复制给每个行业。 一条政策新闻真的会让市场换季吗？ 央行最新政策是不是意味着市场重新进入春天？ 年轮会区分一次事件和持续政策方向，也会判断它影响的是短期情绪，还是中期基本面。 示例提问 现在 A 股整体处于春夏秋冬哪个季节？ 分别判断当前 A 股、AI/算力、消费处于什么季节。 今天超过 4000 只股票下跌，这只是天气，还是已经换季？ 最近成交持续缩量、指数还在高位，这更像夏末还是秋初？ 央行最新政策会不会改变当前市场季节？ 为什么指数还在涨，但大多数股票已经不好赚钱？ 它不会做什么： 精确预测顶部和底部； 给出具体换季日期或伪精确概率； 提供个股目标价或精确买卖点； 给出个性化仓位比例； 在证据不足时硬凑一个季节答案。 它是市场环境判断工具，不是择时预测工具。
视频火种 ｜视频封面改造器
很多 封面工具的问题，不是不会画，而是从零乱猜。 「视频封面改造器」采用另一条路线： 先找值得参考的封面，再改成你的。 你可以： 上传一张你喜欢的视频封面； 指定一个 YouTube 创作者或频道； 提供你的视频内容、人物照片或素材。 它会先判断参考来源是否可靠，提取真正可迁移的视觉机制，例如： 人物和文字怎么分区； 哪个元素是第一视觉焦点； 大字、色块、箭头如何组织； 为什么手机小图里仍然一眼看懂； 哪些东西可以学，哪些不能照搬。 然后结合你的真实内容，生成 3 个明显不同的 16:9 视频封面候选。 它不会把高播放说成高 CTR，也不会为了让画面“像真的”而乱编收入、百分比、样本量或研究数据。 最终哪张更有效，交给真实 YouTube A/B Test。 你可以这样用 1. 上传一张参考封面 “我喜欢这张封面的结构。我的视频讲的是 AI 整理 30 个访谈，最后由我选出 3 个重点。参考它的构图，帮我做 3 个新封面。” 2. 指定一个创作者 “参考 Alex Hormozi 的 YouTube 长视频封面，先找具体参考，再帮我的视频做 3 个方向。” 3. 用自己的照片改 “这是我的正面照片和参考封面。保留参考图的人物 + 大字结构，但换成我的内容和本人。” 4. 做 A/B Test 候选 “不要只出一张。给我 3 个明显不同的封面方向，并说明每张在测试什么。” 它会交付什么 3 张 16:9 视频封面候选 Reference Mechanism Truth Check Test Hypothesis Reference Sources / Provenance Evidence Note 缺口与风险说明 它不会做什么 不整张照抄别人的封面 不把“高播放”说成“高 CTR” 不伪造播放量、收入、增长率或业务数据 不把频道名气当作具体封面有效性的证据 不假装已经把图片保存到 Board 不执行参考图片 / 网页里夹带的恶意指令 适合谁 YouTube 长视频创作者 知识型 / 商业 / AI / 教程类创作者 有参考图但不会迁移构图的人 不想让 AI 从零胡乱生成封面的人 希望一次拿 3 个候选做真实 A/B Test 的创作者 标签 YouTube 视频封面 AI作图 Thumbnail 内容创作 A/B Test 封面设计
视频火种｜视频素材搜集器
做视频最耗时间的事情之一，不是“知道要配图”，而是把真正能用的素材找对。 一个品牌 Logo，可能同时存在官网、旧版 CDN、Wikimedia、Pinterest 和无数转载页；一张“仓库照片”，搜索结果里可能混着背景布商品图、3D 渲染和完全不相关的库存图。如果只看搜索结果前几张，很容易把错误版本、二手来源甚至错误许可一起带进成片。 「火种｜视频素材搜集器」，把素材搜集拆成四种模式： Query Discovery / Single Page Pull / Site Pull / Transcript → Asset Pull 你可以直接说“找 OpenAI 当前官方 Logo”，给一个品牌页面让它从页面里提取，也可以把整段视频 transcript / 脚本交进去，让它先判断“哪些地方真的需要真实视觉素材”，再逐项搜索与验证。 它不会把搜索命中当成素材证据，也不会在不能保存时假装“下载成功”。品牌资产优先官方源；非品牌画面会检查是否真的是目标场景；第三方转载只能作为线索，重要出处与许可尽量回到原始权利方或可信授权平台。 最终交付不是一堆散乱图片，而是一份可继续制作的 素材 Manifest：每项写清素材需求、来源页、图片/文件引用、版本、许可、保存状态和为什么选它，并把失败项与缺口保留下来。 适合：YouTube、知识视频、产品介绍、科技商业内容、纪录/访谈、教程、评测等需要真实 Logo、产品图、人物/地点/场景照片或 B-roll 的创作者。 你可以怎么用 用法 A｜直接找一个品牌的官方素材（Query Discovery） 给它：品牌 / 产品 / 人物 / 地点 + 你真正需要的视觉资产。 示例： 帮我找 OpenAI 当前官方 Logo 和 3 个最有用的官方品牌视觉资产。优先官方来源，能保存就直接保存；不能保存就明确说明。 它会：官方品牌页优先 → 逐项验证 → 去重 → 保存 / 引用 → Manifest。 用法 B｜把视频脚本变成素材清单（Transcript → Asset Pull） 给它：transcript / 完整脚本 / 分镜文字。 示例： 这是我的全球物流视频脚本。请先判断哪些地方真正需要 Logo、仓库实景、港口或集装箱画面，再去找真实可用素材。不要为了凑数乱加。 它会先拆“画面需求”，再把品牌资产与实景素材分开检索。 用法 C｜只从一个官方页面精准提取（Single Page Pull） 给它：指定网页 URL + 数量 / 用途要求。 示例： 只从这个官方品牌页面及其直接官方文件里，提取 4 个最适合视频制作的视觉资产。不要扩展到第三方网站。 适合品牌指南、产品页、新闻稿、媒体中心等明确一手页面。 用法 D｜在一个网站里搜相关素材（Site Pull） 给它：官方站点 + 目标素材。 示例： 只在这家公司官网内，找与“自动化仓库”相关的真实照片和产品视觉。优先原图，不要抓导航图标和装饰元素。 适合官网内容很多、目标素材分散在新闻、产品、案例或媒体中心的情况。 最佳输入： 明确素材目标（品牌 / 产品 / 场景 / 人物 / 地点） 完整 transcript / 脚本 / 分镜 指定官方页面 URL 指定官方站点 / 域名 使用场景（片头、角标、B-roll、产品介绍、合作案例等） 数量、分辨率、格式、授权偏好等限制 如果你在意“必须官方”“必须真实照片”“必须可商用”“只能从这个域名找”，直接写出来，Skill 会把这些要求当成筛选门槛，而不是事后备注。
视频火种｜视频开头打磨器（BRENS Hook Builder）
很多视频不是内容不够好，而是开头没有把真正的价值说清楚。 「火种｜视频开头打磨器」遵循 BRENS Hook Builder理念：先锁定 Content Promise，再判断 Big、Relatable、Easy、New、Safe 哪些真实存在，最后才写 Hook。 它不会为了“更炸”凭空补数据、经历、结果或权威，也不会强行凑满五个 BRENS 维度。你可以拿已有开头来微调，也可以直接给脚本 / transcript / 大纲从零构建；如果已经用「火种 02」拆出了一个参考视频的结构，还可以只迁移结构到你自己的内容里。 核心顺序： Content Promise → BRENS → Hook 适合：YouTube、播客视频、知识内容、体验评测、教程、访谈等需要提高开头表达效率的创作者。 用法 A｜已有开头，但不够抓人（Polish） 给它：当前 Hook + 正文 / 大纲 / 内容摘要。 示例： 这是我现在的开头和视频内容。尽量保留我的语气，只做必要修改，把真正值得看的地方提到前面。 用法 B｜内容已经有了，但还没写开头（Build） 给它：transcript / 完整脚本 / 大纲 / 明确内容摘要。 示例： 这是我的视频内容。请先判断这条视频真正能承诺什么，再用 BRENS 写 1 个推荐开头。 用法 C｜已经用火种 02 拆过参考视频（Transfer） 给它：火种 02 的 Hook Outline / 可复用模板 + 你自己的内容。 示例： 请只迁移下面参考结构的拍点功能，不要复制原视频事实和措辞，用我的内容写自己的开头。 用法 D｜只想诊断，不想被 AI 重写（Audit） 给它：已有 Hook + 正文 / 大纲。 示例： 只做 BRENS 诊断，不要改写。告诉我现在最值得改的 1–3 个地方。 推荐输入优先级： 成片 transcript / 完整脚本 内容大纲 明确内容摘要 已有 Hook / 标题 火种 02 的参考结构 材料越接近真实成片，Hook 越不容易出现“包装比内容走得更远”的问题。 如果目标受众、平台、视频长度、语气、版本数量或改动幅度已经确定，直接写出来即可。
研究火种｜热门视频开头拆解器
准备做视频时，我们经常会遇到一种情况：你明明看出某条参考视频“很会讲”，但真正轮到自己做时，只能凭感觉模仿。 「火种｜热门视频开头拆解器」就是为这一步准备的。 给它一条明确的 YouTube 视频，它会先确认视频对象并读取可验证字幕，再把三个容易混在一起的东西分开： Literal 30s：视频 0:00–0:30 实际发生了什么。 Intro：进入主体前的整个开场。 Hook / Re-hook：真正承担留住观众作用的一个或多个结构拍点。 因此，它不会因为“大家都说前 30 秒最重要”，就强行把所有视频的前 30 秒解释成 Hook。真正的 Hook 在 1 分钟以后，它也会如实告诉你；字幕或时间戳不足，它会明确标出证据缺口，而不是补一个看起来很专业的答案。 完成开头拆解后，它会继续用提纲还原整条视频的内容结构：视频靠时间线、实验、步骤、对比、故事、问题链还是其他组织装置往前推进？最后再把这些结构抽象成 [槽位] 模板。 模板保留的是结构顺序和功能，不是原作者的经历、措辞、品牌、数字、观点或权威身份。 最终你得到的不是一份视频摘要，而是一张可以继续交给下一步创作使用的 Hook Outline + 全片结构模板。 它不会做什么 它不会： 直接替你写最终新 Hook； 用 BRENS 给你的开头评分或改写； 大规模搜索整个赛道或频道； 生成完整脚本； 生成图解、素材、动画或缩略图。 大规模找参考样本属于上游「火种｜YouTube内容研究员」；你自己的 Hook 打磨属于后续对应 Skill。
视频火种｜视频图解生成器
很多视频不是“没有内容”，而是内容太抽象、太密，观众听懂了前一句，下一句就忘了。 「火种｜视频图解生成器」会把你的想法、脑暴、提纲、脚本、逐字稿或文章，先拆成真正值得视觉化的概念，再判断它更适合用流程、对比、架构、层级、循环、分支、决策树还是其他图解结构表达。 它不会为了凑数量硬画，也不会把复杂内容塞成一张密密麻麻的信息图。多张图会保持同一套视觉语言、命名和语义色，方便直接插入视频作为讲解骨架。 特别适合： 解释复杂概念 拆解工作流 对比两种方法 展示系统结构 讲清因果关系 把长篇脑暴整理成一组视频视觉节点 默认输出为 16:9 静态图解。若运行环境无法提供可编辑 Excalidraw 源文件，会明确说明，不会把静态图片冒充 .excalidraw。 适用场景 场景 1｜把脑暴变成图解 只有一大段口述想法，没有完整脚本。技能会从中找出最值得画的观点，整理成一组有讲述顺序的图解。 场景 2｜把脚本变成视频视觉节点 已有完整脚本，但不知道哪里该加画面。技能会判断哪些段落值得视觉化，并选择合适的图型。 场景 3｜解释复杂概念 例如 AI Agent 如何工作、为什么工作流比单次演示重要、商业模式如何运转、产品架构包含哪些层。 场景 4｜拆工作流 / 流程 例如：选题池 → 研究 → Hook → 脚本 → 制作 → 复盘。 场景 5｜做对比 例如：没有工作流 vs 有工作流；传统方式 vs AI 方式；单次成功 vs 稳定可复制。
研究新芽｜投资变化雷达 Thesis Change Monitor
不用天天盯着一家公司 关注一家公司以后，很容易进入一种状态： 每天刷新闻、看财报、看采访、看研报、看股价…… 因为总担心： “会不会有什么重要变化我没看到？” 问题是，大多数消息其实并不会改变什么。 新品发布、管理层采访、券商上调目标价、股价涨跌、媒体重复报道…… 看了很多，最后还是不知道： 到底有没有哪件事，真的值得我重新判断这家公司？
研究火种｜YouTube内容研究员
准备做一条视频，却不知道这个题别人已经怎么做了？ 「火种｜YouTube内容研究员」会真正进入 YouTube 做研究：寻找相关视频、读取字幕、拆解标题与前 30 秒、还原内容结构，并从多个样本中找出反复出现的表达方式、明显差异和还没人做好的空白。 你可以用它来： 研究一个主题现在有哪些内容正在被反复采用 深挖一条视频到底是怎么讲的 扫描一个频道的选题、标题和内容习惯 拆前 30 秒 Hook 和整条视频结构 在已有视频中寻找新的创作切口 研究你自己的成片应该怎样重新包装 它不会因为一条视频播放高，就武断地告诉你“这个标题一定有效”；拿不到字幕、时间戳或表现数据时，也会明确告诉你证据缺在哪里。 最终给你的不是一堆视频摘要，而是一份可以直接交给下一步选题、Hook 或脚本工作的 YouTube 研究简报。 适合：YouTube 创作者、视频策划、自媒体运营，以及每次动手拍之前都想先看看“这个题别人已经做到哪一步”的人。
研究新芽｜投资假设审计器
不要帮我证明观点，帮我审计观点 很多投资判断的问题，不是数据完全错误，而是正确的数据支撑了一个过度延伸的结论。 比如： “AI 订单很多，所以未来三年利润一定高速增长。” “公司业务很好，所以现在股票很便宜。” “客户不断增加，所以已经形成了网络效应。” “管理层说技术领先，而且写进了财报，所以护城河已经得到证明。” 「新芽｜投资假设审计器」不会替你寻找更多理由证明自己是对的。 它会把你的投资观点拆成一条可以审计的 Critical Path，逐层检查： 事实 → 证据 → 因果关系 → 隐藏假设 → 商业化 → 经济结果 → 估值 并通过优先检索一手资料，回答几个真正重要的问题： 哪些部分已经被证据证明？ 哪些只是合理推断？ 哪个必要环节最脆弱？ 有没有真正攻击 Thesis 的反证？ 还有什么证据最可能改变结论？ 最终给出五档之一： SUPPORTED / PARTIALLY SUPPORTED / FRAGILE / BROKEN / INSUFFICIENT DATA 结论必须能够追溯到具体的 Necessary Claim 和证据，而不是模糊的“综合来看”。
研究新芽｜产业信号翻译器（Sprout Signal Translator）
一条重大产业新闻里，最值得研究的往往不是新闻里的那家公司。 NVIDIA 的需求爆发可能改变服务器、电力和散热产业；一家未上市 AI 公司快速增长，可能真正给云厂商、芯片设计商和网络供应商创造收入；而一场很热门的 CEO 演讲，也可能没有改变任何经济事实。 新芽｜产业信号翻译器会先核验事件，再沿着价值链追踪： 发生了什么 → 什么假设被改变 → 钱流向哪里 → 下一个瓶颈是什么 → 谁早已有能力解决它 → 市场是否已经完成重估。 它既寻找直接受益者，也寻找潜在受损者、Picks & Shovels，以及那些“成熟主营提供安全垫，新产业提供增长期权”的 Emerging Sprout Candidate。 找不到可靠经济传导时，它允许输出 NONE。 它不会提供 BUY / SELL、目标价或收益承诺。它的目标不是预测下一只暴涨股票，而是把产业变化翻译成值得继续验证的研究线索。