知识系列口播稿创作指南

适用范围：一个视频讲多个概念的知识系列。
核心原则：能讲故事就别列举，场景推进中自然引出概念。
通用规范：本文未覆盖的部分（时长、钩子、人设锚点、合规等），仍参照「口播稿创作指南.md」。

一、核心理念：一个场景，多个概念

传统写法（❌）：第一XX、第二XX、第三XX → 像背字典，用户3秒划走。

叙事写法（✅）：假设你在做一件事 → 遇到问题 → 这个概念就是答案 → 又遇到问题 → 下一个概念。

1 2	传统：Token是AI的字数单位，Prompt是提示词，LLM是大语言模型… 叙事：你打开AI写周报 → 背后是LLM → 你说的被拆成Token → 你输入的就是Prompt…

判断标准：把稿子里的概念全部删掉，故事还成立吗？成立 → 概念和故事是两层皮，重写。不成立 → 概念就是故事的一部分，过关。

二、叙事结构模板

每篇稿子遵循以下五段式推进：

1. 定场（5秒）
   └→ 抛出场景："假设你想让AI帮你XXX"
   └→ 最忌讳："今天我们来学习AI的几个概念"

2. 第一波概念（10秒）
   └→ 场景推进中自然蹦出2-3个概念
   └→ 句式："背后干这活的叫XXX" / "你输入的就是XXX"

3. 转折（5秒）
   └→ "但问题来了" / "但你会发现" / "等等——"
   └→ 制造信息差，让用户不想划走

4. 第二波概念（15秒）
   └→ 解决新问题引出3-4个概念
   └→ 句式："这种做法的学名叫XXX" / "本质上就是XXX"

5. 收尾（5秒）
   └→ 人设锚点 + 互动问题带关注动机

示例对照：

段落	"写周报"稿	引出概念
定场	"假设周一早上，你打开ChatGPT写周报"	—
第一波	"AI两秒钟给出答复，背后叫LLM"	LLM
第一波	"你说的这句话被拆成Token"	Token
第一波	"你输入的就是Prompt"	Prompt
转折	"但问题来了——AI写的太虚了"	—
第二波	"换种说法，质量翻倍，叫提示词工程"	提示词工程
第二波	"补一句改轻松点，AI还记得，叫上下文"	上下文
第二波	"一开始就设定人设，叫系统提示词"	系统提示词
收尾	"关注晚枫 + 下期预告"	—

三、概念引出节奏：体验→命名→类比

每个概念的引出，遵循三拍子节奏——先让用户体验到那个东西，再给它起名字，最后用一句类比让它落地生根：

1
2
3

第一拍（体验）：描述用户在场景中"遇到"了什么
第二拍（命名）：告诉用户这叫什么
第三拍（类比）：用一句日常类比把它钉进记忆

拆解示例（找工作场景）：

概念	第一拍·体验	第二拍·命名	第三拍·类比
LLM	AI很快给了一堆答复	背后核心的能力就是大语言模型，也就是LLM	—
Token	你这句话会被拆解成一个个Token	—	一个Token约等于一个汉字，你可以理解成AI的字数计数器
Prompt	你刚刚输入的这句话	这就是Prompt，也就是提示词	—
提示词工程	换种说法，回答明显靠谱了许多	这种把需求说清楚的方法论就叫提示词工程	—

核心规则：

三拍子不要求每拍都有，但第一拍（体验）必须有——没有体验直接起名字，就是传统教科书
第三拍（类比）不是每个概念都需要，但最抽象的概念必须给——用户记不住定义，但记得住"字数计数器"
三拍的顺序不可颠倒——先名字后体验，等于先看答案后做题，好奇心归零

反面对比：

❌ Token是AI处理文字的基本单位，一个Token约等于0.7个汉字
   → 先定义后解释，教科书味

❌ Token就是AI的字数计数器。你说的每句话都会被拆成Token
   → 先类比后体验，少了"你遇到它"的那一刻

✅ 你说的"今天天气怎么样"七个字，会被拆成约7个Token。Token就是AI的字数计数器
   → 体验→命名→类比，三拍齐全

四、概念引出的6种自然句式

禁止用"第X，XX叫XX"，改用以下句式让概念从故事里长出来：

句式	示例	适用场景
定义式	"背后干这活的叫LLM"	解释AI为什么能回答问题
拆解式	"这句话被拆成一个个Token"	解释AI怎么理解你的话
命名式	"你输入的那句话就是Prompt"	给已经发生的行为起名字
痛点式	"AI瞎编，这有个专门的词叫幻觉"	用负面体验引出概念
类比式	"API就是给AI装了个遥控器"	抽象概念用生活比喻
进阶式	"这种把需求说清楚的方法论叫提示词工程"	先出问题，再给答案

核心技巧：先让用户体验到那个东西，再告诉它叫什么——而不是先说名字再解释。具体节奏参照「第三节·三拍子」。

五、概念过渡：让7个概念像1个故事

递进式问题链

概念之间不是平行的并列关系，而是因果递进——每次解决一个问题，都自然打开了下一个问题的大门：

找工作场景的问题链示例：

问题1：随便问了一句 → AI回答太泛 → 需要把需求说清楚 → 引出"提示词工程"
问题2：需求说清楚了 → 但一句话说不完 → 需要补充信息 → 引出"上下文"
问题3：每次都要从头说 → 太麻烦 → 能不能提前设定 → 引出"系统提示词"

判断标准：如果删掉前一个概念，后一个概念还有存在的必要吗？没必要 → 它们是因果递进，过关。还有必要 → 它们是平行并列，需要重新编排或合并。

过渡信号词库

类型	可用词/句	功能
顺接	"紧接着"、"更有意思的是"	概念AB天然关联
转折	"但问题来了"、"然而你会发现"	制造矛盾引出新概念
递进	"更进一步"、"更高阶的玩法是"	基础概念→进阶概念
补充	"对了"、"更要注意的是"	补充容易被忽略的概念
类比	"这就像"、"你可以理解成"	抽象概念具象化

禁止连接词

1
2
3

❌ 第一、第二、第三、第四……（列举感，用户直接划走）
❌ 还有/另外/此外（堆砌感）
❌ 接下来我们讲（上课感）

概念排列原则

同一篇稿子里的7个概念，按以下优先级排列：

1	因果递进顺序（每个概念让下一个概念不得不出现）> 场景最自然的出现顺序 > 从基础到进阶 > 从具体到抽象

不要按字母表、不要按重要性——按故事里它们出现的顺序，且优先让它们形成"因果链"而非"并列清单"。

因果链示例（找工作场景）：

1
2

LLM（让回答成为可能）→ Token（回答的前提是拆解你的话）→ Prompt（拆解的对象是你输入的话）
→ 提示词工程（输入的话质量决定回答质量）→ 上下文（一句话说不完，需要补充）

每个箭头都是"因为A，所以B不得不出场"——这才是故事感，而非"今天介绍7个概念"。

六、场景细节锚定

场景不是空壳，必须用具体细节让它可信可感。抽象的场景引不出具体的体验，没有体验就没有三拍子。

对比：

❌ "假设你想让AI帮你找工作"
   → 太空，用户没有代入感，后面引概念像在上课

✅ "假设最近你准备找工作，于是打开AI随口说了一句'帮我找份工作'"
   → 有动作（打开AI）、有台词（帮我找份工作）、有情境（随口说）

✅ "我有3年前端开发经验，希望薪资1万以上，优先一线城市，不考虑销售岗位"
   → 有数字（3年、1万）、有取舍（优先一线、不考虑销售），像真人在说话

锚定规则：

维度	方法	效果
具体台词	给用户一句原话，如"帮我找份工作"	体验第一拍有了素材
具体数字	用"3年经验"、"1万薪资"代替"有经验"、"高薪"	场景可信，概念引出更自然
具体取舍	"不考虑销售"、"优先一线城市"	为提示词工程等概念提供天然素材
情绪词	"随口说了一句"、"明显靠谱了许多"	让用户感受从失望到满意的弧线

七、场景选择三原则

选场景时问三个问题：

原则	判断方法	案例
够常见	目标用户上周做过类似的事吗？	写周报 ✅ / 调API参数 ❌
够完整	这个场景能自然装下7个概念吗？	找工作 ✅ / 改字体 ❌
有痛感	用户在这个场景里遇到过挫折吗？	AI写太虚 ✅ / AI打开太慢 ❌

场景	可装概念数	适合
用AI写周报	7-8个	基础交互层（LLM/Token/Prompt/上下文）
上传文件让AI分析	7-8个	进阶能力层（RAG/向量化/幻觉/多模态）
让AI模拟面试官	7-8个	高级玩法层（API/微调/思维链/工具调用）
用AI写小红书文案	7-8个	基础交互 + 进阶
用AI翻译外文	5-6个	基础交互 + 多模态
用AI做客服机器人	7-8个	高级玩法层
用AI找工作	7-8个	基础交互层（LLM/Token/Prompt/提示词工程/上下文/系统提示词/模型）

八、完整示例："找工作"稿

以下是按本指南所有规则写出的完整示例，标注了每个技法点：

AI圈会有这么多新名词，这些词到底是什么意思？又为什么会出现？
                        ↑ 钩子：制造信息差

假设最近你准备找工作，于是打开AI随口说了一句"帮我找份工作"，
AI很快给了一堆答复。这背后核心的能力就是大语言模型，也就是LLM。
                        ↑ 定场 + 体验→命名（第一拍+第二拍）

然而你的这句话会被拆解成一个个Token。举个例子，一个Token约等于一个汉字。
比如你问AI"今天天气怎么样"，这七个字大约消耗7个Token；
AI回答"今天晴天"这四个字，再消耗4个Token。
所以Token就是AI处理文字的基本单位，你可以理解成AI的字数计数器。
                        ↑ 体验→命名→类比（三拍子齐全）+ 具体数字锚定

而你刚刚输入的这句话就是Prompt，也就是提示词。
                        ↑ 命名式

但是问题来了，AI推荐的岗位太泛了，根本没法用。
                        ↑ 转折：递进式问题链——第一轮回答不行

于是你换了一种说法："我有3年前端开发经验，希望薪资1万以上，
优先一线城市，不考虑销售岗位。"这一次回答明显靠谱了许多。
这种把需求说清楚的方法论就叫提示词工程。
                        ↑ 问题→解决→命名 + 具体细节锚定（3年/1万/一线/不销售）

但找工作显然不是一句话就能说完的，你有补充希望双休——
                        ↑ 递进式问题链——解决一个问题，打开下一个问题的大门

技法检查：

技法	落地位置
三拍子节奏	LLM（体验+命名）、Token（体验+命名+类比）、提示词工程（体验+命名）
递进式问题链	回答太泛→提示词工程；一句话说不完→上下文（待续）
因果依存	LM使回答成为可能→所以需要Token→所以Prompt重要→所以提示词工程
具体细节锚定	"帮我找份工作"台词、"3年/1万/一线/不销售"数字与取舍
类比收束	"AI的字数计数器"

九、系列设计：3个视频讲完21个概念

分层策略

第1期：基础交互层
  └→ 用户"打开就用"时能遇到的概念
  └→ LLM / Token / Prompt / 提示词工程 / 上下文 / 模型 / 系统提示词

第2期：进阶能力层
  └→ 用户"传文件/做深度分析"时遇到的概念
  └→ RAG / 向量化 / 幻觉 / 知识截止 / 流式输出 / 多模态 / 输出限制

第3期：高级玩法层
  └→ 用户"想靠自己定制AI"时遇到的概念
  └→ API / 速率限制 / Few-shot / 思维链 / 工具调用 / 多轮对话 / 格式控制

系列衔接

每期结尾用下期预告串联，但不依赖上下文：

1
2
3

第1期结尾：关注我，下期告诉你怎么让AI读得懂你的文件
第2期结尾：关注我，下期讲训练AI时必须懂的7个概念
第3期结尾：21个概念全部讲完，下期带你用AI搞钱

每期开头一句话带过上期，新观众不影响理解：

1 2	第2期开头：上一期我们用写周报讲清了7个概念，今天换个场景第3期开头：前两期讲了14个概念，今天最后一期

十、自查清单

写完一篇知识系列口播稿后，逐条检查：

☐ 这篇稿子有1个完整场景吗？（不是多个碎场景拼出来的）

☐ 每个概念出现的位置，是故事推进的自然结果吗？
   └→ 把概念全部删掉，故事还成立 → 概念是硬塞的，重写

☐ 每个概念都用了"三拍子"节奏吗？（体验→命名→类比）
   └→ 至少有"体验+命名"两拍；最抽象的概念必须有类比收束

☐ 概念之间是"因果递进"而非"平行并列"吗？
   └→ 删掉前一个概念，后一个还有必要存在吗？有必要 → 重排

☐ 全文没有出现"第一/第二/第三"吗？

☐ 场景里有具体细节吗？（台词/数字/取舍/情绪词）
   └→ 没有 → 场景是空壳，三拍子的第一拍立不住

☐ 概念之间有过渡信号词吗？
   └→ 但问题来了 / 紧接着 / 更有意思的是

☐ 场景中至少有一次"问题→解决→新问题"的递进吗？

☐ 全文≤45秒？
   └→ 知识系列可放宽到55秒，但不超过60秒

☐ 人设锚点 + 互动带关注动机 → 都有吗？

☐ 这个场景，我妈能听懂吗？

十一、反面案例库

反面1：列举式

1 2	❌ AI有7个核心概念：第一，LLM是大语言模型。第二，Token是文字单位。第三，Prompt是提示词。第四，提示词工程是优化提示词的方法。第五…

问题：像说明书，不像视频。用户在第2个概念就划走了。

反面2：场景和概念分离

1	❌ 假设你想用AI写周报。（后面开始纯讲概念，再也不提写周报这个场景）

问题：场景只是噱头，概念和故事是两层皮，用户有上当感。

反面3：过渡生硬

1 2	❌ 你输入的是Prompt。接下来我们讲Token。Token就是…下面我们讲上下文。上下文就是…然后讲模型。

问题：7个概念像7个独立的小视频拼在一起，没有叙事张力。

反面4：场景太小

1	❌ 假设你想让AI帮你改个字体颜色（场景太窄，撑不起7个概念）

问题：场景装不下概念量，只能硬塞，故事感消失。

反面5：场景是空壳

1 2	❌ 假设你想用AI帮你找工作。Token是AI处理文字的基本单位，一个Token约等于0.7个汉字。 Prompt是提示词。提示词工程是优化提示词的方法论。

问题：场景只用来开场，后面概念一个接一个砸过来——没有三拍子，没有细节锚定，没有问题链，和列举式没区别。

十二、与主创作指南的关系

维度	主指南（口播稿创作指南.md）	本指南
适用场景	单一观点/热点解读/带货	一个场景讲多个概念
最高优先级	第一句话钩子	第一句话定场（设场景）
结构	钩子→数据→反转→锚点→互动	定场→第一波→转折→第二波→收尾
时长	≤45秒	≤55秒（概念多可适当放宽）
概念密度	1个核心观点	7个概念
互动	争议问题+关注动机	知识测验+关注动机

冲突处理：本指南优先。但第一句话钩子、人设锚点、互动问题带关注动机这三条，无论用什么指南都不能丢。

更新记录

日期	更新内容	更新人
2026-06-12	初版，提炼"场景叙事讲多概念"方法论	抖音策略师
2026-06-12	新增"三拍子节奏"、"递进式问题链"、"场景细节锚定"、"因果依存排列"、"完整示例"等技法	枫灵