tube-cog

核心用法

Tube Cog 是由 CellCog 开发的 YouTube 内容创作技能，基于纯文档形式提供系统化的视频制作指导。用户通过调用 cellcog SDK 的 create_chat 接口，以自然语言描述需求即可生成各类 YouTube 内容。该技能支持两种对话模式：标准 "agent" 模式适用于大多数场景（Shorts、缩略图、常规教程），而 "agent team" 模式则针对纪录片、复杂视频论文等需要深度叙事的内容。

具体创作类型涵盖四大板块：YouTube Shorts（竖屏短视频，最长60秒）、长视频（教程、评测、纪录片、视频论文）、缩略图设计（高对比度、小尺寸可读）、以及脚本与大纲规划。每种类型均提供详细的规格参数（如 Shorts 为 1080×1920 竖屏比例）、风格指南（教育型、娱乐型、专业型等）和可直接复用的示例提示词。

显著优点

全流程覆盖：从选题策划、脚本撰写、视觉设计到最终成片，提供端到端的创作指导，降低新手入门门槛。

平台原生优化：深度契合 YouTube 算法逻辑，强调"5秒钩子法则"、缩略图点击率优先、章节标记提升留存等实战技巧。

即拿即用的模板：提供大量结构化提示词示例，用户只需替换关键词即可生成专业级内容需求，显著缩短从想法到执行的周期。

风格化指导：针对不同内容形态（教育/娱乐/纪录片）给出差异化的制作建议，避免"一刀切"的平庸产出。

潜在缺点与局限性

依赖外部 SDK：必须预先安装并配置 cellcog 技能才能使用，增加了环境准备成本，且实际内容生成质量取决于底层模型的能力边界。

非实时创作工具：采用"fire-and-forget"异步模式，用户无法即时预览或迭代调整，需等待 Daemon 通知完成，交互体验存在延迟。

创意天花板受限：作为文档型指导技能，其提供的模板和示例可能导向同质化内容，难以支撑真正突破性的创意表达。

平台政策风险：YouTube 算法和版权政策频繁变动，技能文档中的"最佳实践"可能存在滞后性，需用户自行验证合规性。

适合的目标群体

• 新手 YouTuber：希望系统学习平台内容规范、快速产出首条视频的个人创作者
• 效率型创作者：需要批量生产 Shorts 或标准化教程的内容工作室
• 技术/教育类频道主：技能内置大量编程、科技类示例，与开发者受众高度契合
• 营销运营人员：负责品牌 YouTube 频道运营，需快速生成脚本和视觉方案

使用风险

性能依赖：内容生成耗时受 cellcog 后端负载影响，高峰期可能出现排队延迟，不适合紧急 deadline 场景。

输出质量波动：AI 生成的脚本和创意建议需要人工审核，直接采用可能导致内容空洞或与频道调性不符。

版权隐患：缩略图设计建议中涉及" shocked face"等常见套路，若使用真人肖像素材需注意肖像权授权；音乐、字体等素材的版权合规需用户自行把控。

版本锁定风险：技能明确依赖 cellcog 的 v1.0+ 版本，若底层 SDK 升级变更接口，可能导致现有工作流中断。

核心用法

tube-cog 是一个提示词模板型 Skill，专为 YouTube 内容创作者设计。它本身不执行任何代码，而是提供结构化的提示词框架，指导用户如何通过 cellcog Skill 生成各类 YouTube 内容。

内容类型覆盖：

• YouTube Shorts：45-60 秒垂直视频，支持快速技巧、反应评论、预告片、热门格式等
• 长视频：15-20 分钟深度教程、解说视频、评测、纪录片、视频论文
• 缩略图：高点击率的反应型、教程型、对比型、清单型设计
• 脚本与大纲：完整脚本、视频大纲、钩子变体、CTA 话术

使用模式：

client.create_chat(
    prompt="[具体 YouTube 内容请求]",
    notify_session_key="agent:main:main",
    task_label="youtube-content",
    chat_mode="agent"  # 或 "agent team" 用于复杂叙事
)

显著优点

1. 结构化思维：将模糊的内容创意转化为可执行的 AI 提示词，大幅降低提示工程门槛
2. 平台原生优化：内置 YouTube 平台特性（5 秒钩子、章节标记、缩略图可读性、Shorts 9:16 规格）
3. 风格系统化：教育/娱乐/专业/纪录片/快节奏五种风格模板，适配不同频道定位
4. 双模式设计：简单内容用 agent 模式，复杂叙事（纪录片、视频论文）用 agent team 模式

潜在缺点与局限性

1. 依赖外部 Skill：必须安装 cellcog Skill 才能实际运行，本身仅为"使用说明书"
2. 无实际生成功能：不包含视频渲染、图像生成、音频合成等能力，仅输出文本提示词
3. CellCog 黑盒：实际内容生成质量取决于 CellCog 的底层模型能力，tube-cog 无法控制
4. 模板同质化风险：大量使用相同模板可能导致内容风格趋同，缺乏频道独特性
5. T3 来源可信度：由社区项目 CellCog 维护，非企业级背书

适合人群

• 新手创作者：不熟悉 YouTube 内容结构和 AI 提示词工程
• 效率型博主：需要快速批量生成内容框架和脚本大纲
• 多平台运营者：需将同一主题适配为 Shorts、长视频、缩略图多形态
• AI 辅助创作探索者：希望系统学习如何用 AI 辅助视频生产流程

不适合：追求完全原创视觉风格、需要精细控制每一帧的专业视频制作团队；或无法安装/配置 CellCog 的用户。

常规风险

1. 依赖链风险：cellcog Skill 若更新或失效，tube-cog 将完全失去功能
2. 内容质量不可控：AI 生成的脚本、缩略图描述可能与实际执行效果存在落差
3. 版权与合规：提示词建议的"反应视频""热门格式"可能涉及第三方内容版权问题
4. 平台算法风险：过度依赖模板化 Shorts 和点击诱饵缩略图，可能触发 YouTube 低质量内容判定
5. 无数据隔离：通过 CellCog 发送的提示词内容可能被其服务记录，敏感商业信息需谨慎