用Claude写youtube视频脚本，早就不是一个"万能Prompt"能搞掂的了。我们必须建立一个系统，让Claude 更懂你，每次写的脚本都像是你自己写的。
很多人用AI写视频脚本，存在的问题是：一次性买卖。复制粘贴一个Prompt，运行得到初稿，手动改一改，发布，然后下次从头开始。
拿到一版草稿，手动改成自己的语气，发布。下次写，从零开始。Claude不记得你改了什么，不知道你不喜欢反问句，不知道你习惯用短句开场，不知道你不用"深入探讨"这种词，你每次都在从零训练它。
问题不在Claude，在你没有给它一个"记忆系统"。
下面为你提供的三份文档，帮你解决这个核心问题。每份文档有各自的分工、各自的优先级、各自的更新节奏。
文档1：Training Doc（脚本写作原则）
这个文档是你的地基，里面放的是YouTube脚本写作的结构原则——Hook怎么写、Stakes怎么放、Segment怎么搭、CTA怎么收——再加一个会不断增长的"范例库"。
原则部分是稳定的，不怎么变。范例库会在你每写完一个脚本之后自动更新，把最好的例子攒起来。
它强化的一个核心原则：每个Segment都遵循 Setup → Tension → Payoff 的结构。 Hook只负责"承诺"，不负责"演示"。Stakes不是只放在Hook里——每个Setup里都要有，把观众重新拉回"我为什么要继续看"这个念头上。
文档2：Style Guide（你的写作风格）
这份是整个系统里最关键的一份。它记录的不是"你应该怎么写"，而是"你实际上怎么写"。
从你已发布的脚本中提取出来：
你的句子节奏：短句还是长句？最短的句子放在哪？
你的词汇习惯：多正式？用不用俚语？哪些词你反复用？
你的第一人称：用"我"多还是"你"多？从个人经验出发还是陈述原则？
你怎么开场和收尾：提问？断言？直接叫观众？
你从来不用的东西：哪些写法一听就不是你
这份文档 每写完一个脚本就更新一次，更新来源不是你手动写，而是系统自动从你和Claude的"协作差异"中提取。
几次脚本写下来，这份Style Guide会变成一个精准仪器，不是泛泛的写作指南，而是你的声音模型，越来越清晰。
文档 3：Audience Avatar（你的观众画像）
你写给谁看，不是泛泛的"25-35岁男性"这种人口统计，而是：他们的目标是什么？每天最烦什么？用什么语言描述自己的问题？晚上睡不着在焦虑什么？还有，那些人绝对不是你的观众（Anti-Avatar）。
Avatar在Claude做每个决策时都会被参考，选哪种Stakes、用什么语气、哪些例子能打中。
S1校准
这招是整个系统里最被低估的，做法很简单：Claude生成完整草稿后，你别急着从第一行开始改。先让Claude暂停，然后你自己重写Hook或Segment 1，贴回去。Claude拿到你的版本后，把后面所有Segment重新匹配你的语气。然后Claude再请你重写Segment 2。你贴回去。它再重新匹配后面的所有内容。
一个接一个，写几个。为什么这招管用？ 因为Claude的草稿和你的终稿之间，最大的差距从来不是结构，是声音。而声音最好校准的方式，不是你口头描述"我的风格是啥"，而是你直接写一段给它看。
一段你写的真实文字，比十条风格说明教给Claude的都多。
每次写完脚本后的三个步骤
这才是让系统"复利增长"的关键。每写完一条视频脚本，做下面的三个步骤：
第一步：Collaboration Report（协作报告）
把Claude的草稿和你的终稿做对比。不是列出"改了哪个词"，而是识别每个改动背后的原则。比如：不是"用户改了这个词"，而是"用户把反问句改成了直接陈述，说明他偏好断言式开场"。
报告把发现分两层：
Tier 1（风格层） ：关于你怎么写的——声音、措辞、节奏、语气。这些会进入Style Guide。
Tier 2（范例层） ：每个类别（Hook、Setup、Tension、Payoff、CTA）里最强的那个例子。这些会进入Training Doc的范例库。
第二步：更新Style Guide
每个Tier 1发现跟现有的Style Guide对照。新的？加进去。新例子更强的？替换。跟已有条目矛盾的？先标记，问你再说。
第三步：更新Training Doc
把最强范例加进范例库。原则部分一字不改。
几个脚本下来，你的Style Guide就会变成一个高度定制化的声音模型。 Claude的第一版草稿，离你的终稿越来越近。
还有一层：Anti-Slop（反AI味）
这个系统里还加了一个东西，跟你的风格无关，跟Claude的"AI味"有关。
Claude写东西有几个招牌动作：喜欢写"不是X，而是Y"这种否定平行句；喜欢搞三连否定"不是A。不是B。就是C。"；喜欢自问自答"结果呢？毁灭性的。"；喜欢用"深入"、"赋能"、"重新定义"这类大词；喜欢连篇破折号，一段里面给你搞十几个。读者一眼就能看出来，一看就感觉是AI生成的。
Anti-Slop的解决方式是两层执行机制：
Tier A：零容忍。 那些纯AI标记、对人类写作没有任何正面价值的修辞模式。否定平行、三连否定、自问自答、虚假悬念（"重点来了"）、教学框架（"我们来拆解一下"）、模糊引用（"专家认为"）、居高临下的比喻（"把它想象成一条高速公路"）、虚构未来（"一年后你会后悔"）。零实例。"我只用了一次"不是借口。
Tier B：避免聚集。 词汇癖、结构癖、格式癖。单个出现可以接受，堆叠才是问题。连续三句长度差不多。每段都是三四句。破折号满天飞。列表每条都加粗开头。
每次输出前强制跑两轮扫描：一轮查Tier A违规，一轮查Tier B聚集。两轮都是必须的，不能跳过。
它做的事很简单：教Claude别写得太像Claude。 最终目标是过"酒吧测试"——两个朋友吃午饭聊天，会这么说话吗？不会？重写。
完整工作流
初始设置（只做一次）：
把项目层级指令贴进Claude Project的Custom Instructions。告诉Claude怎么排列你的文档优先级——Training Doc最优先，然后Style Guide，然后Avatar，最后Collaboration Report。
跑一次Audience Avatar生成，存进项目。
跑一次Style Guide生成（提供最多5篇你已发布的脚本），存进项目。
每写完一个脚本后：
跑Collaboration Report。Claude已经有两个版本在上下文里了。
跑Style Guide Update。Tier 1发现自动吸收。
跑Training Doc Update。最强范例自动入库。
写脚本过程中：
用S1校准模式。你重写，Claude匹配，级联推进。
每段输出过Anti-Slop扫描。
就这些。三份文档、六个步骤、一条校准规则、一个反AI味层。不需要插件，不需要API，不需要训练模型。就是结构化的协作，让它自我升级。
为什么这事值得做
用AI写脚本的人分两种：一种把它当拐杖，一种把它当系统。
拐杖用户会越来越快地生产平庸内容。系统用户会越来越快地生产"像自己"的内容——而且每个脚本都比上一个更好。
具体的使用方法和过程，文档里面有，大家仔细对照着做就可以了。
下载链接:
加入VIP会员 浏览全文或下载
登录即可查看隐藏内容
