Codex YouTube 竞品分析
Codex在这个 Skill 上直接覆盖 7/7 步,而且能在敏感写入前请求确认——如果你这次的卡点正是操作前确认,换它更省事。
OpenClaw × 调研与策略 · 原生覆盖 86%
YouTube 竞品分析 Skill有 7 个执行步骤,其中 6 步可以在 OpenClaw 里直接完成。它能运行脚本处理数据和格式转换,正好对应这个 Skill 里最吃工具的一段。MCP 与连接器、操作前确认属于有条件支持,执行路径和原生能力不同,下面单独说明。
WHY OPENCLAW
适配结论
YouTube 竞品分析 Skill不在 OpenClaw 的前十推荐里——OpenClaw更擅长本地工作区、目录化 Skill、命令和批处理,这个 Skill 的重心不完全在这里。它仍然可以正常安装使用,只是如果你要做的就是这件事,可以先看看下面几个更合适的 Agent。
CAPABILITY × STEP
核心差异
YouTube 竞品分析 Skill 一共 7 步。OpenClaw 能直接执行 6 步,1 步有条件,0 步得你自己补,另外 3 步是纯判断、换哪个 AI 都一样。
| 步骤 | 所需能力 | 等级 | 在 OpenClaw 下具体怎么做 |
|---|---|---|---|
| 01 确定分析范围 | 纯判断 | 任意 Agent | 纯判断步骤,任何 Agent 都一样,取决于你给的资料质量。 |
| 02 准备 API | 运行脚本MCP 与连接器操作前确认 | 有条件 | 可以做但有条件:支持外部工具接入,但连接器生态不如桌面型 Agent 完整。 |
| 03 采集近期视频 | 打开网页取正文运行脚本 | 直接执行 | 直接交给 OpenClaw:它能访问原始页面并抽取正文。 |
| 04 拆分内容形态 | 运行脚本 | 直接执行 | 直接交给 OpenClaw:它能运行脚本处理数据和格式转换。 |
| 05 识别异常视频 | 运行脚本 | 直接执行 | 直接交给 OpenClaw:它能运行脚本处理数据和格式转换。 |
| 06 提取包装规律 | 纯判断 | 任意 Agent | 纯判断步骤,任何 Agent 都一样,取决于你给的资料质量。 |
| 07 结合自有数据验证 | 纯判断 | 任意 Agent | 纯判断步骤,任何 Agent 都一样,取决于你给的资料质量。 |
IMPORT · RUN
资料导入与任务下发
OpenClaw可以直接读取目录里的资料,把这些文件放在同一个位置即可。
为一个营销项目建立文件夹,把产品资料、数据表和参考案例放进去,OpenClaw 可以直接在这些文件上工作。
安装 Skill 后,先让它完成一个品牌、一篇内容或一组关键词;确认结果符合要求后,再批量处理更多对象。
COMBINATION CASE
场景化实战案例
出海团队要做一批英语工具类的 YouTube 竞品分析,手里有两百多个频道 URL,需要挑出近期播放量异常的视频做重点拆解,并把结果整理给内容团队。
预期结果:交付了一份按时生成的异常视频清单和标题规律总结。中间跑出的原始数据全部留在本地目录,后续生成新的创意时还要人工核对一遍榜单的准确性。
VERIFY · TROUBLESHOOT
效果验证方法
请在 OpenClaw 中使用「YouTube 竞品分析 Skill」。本次要完成:分析一组竞品频道。我会提供竞品频道或视频 URL和目标主题和时间范围。请先完成一份小样,交付高表现视频清单和标题、主题和包装模式,并列出需要我核对的事实和数字。
安装完成后,先只做第 3 步:让 OpenClaw 采集近期视频,并把它访问原始页面并抽取正文的过程说出来。这一步是只读的,能确认 Skill 已被识别,也能确认它拿得到需要的资料。
不需要改。7 步用到的能力OpenClaw全部原生支持,可以按 Skill 的原始方法直接执行。
OpenClaw可以直接读取目录里的资料,把这些文件放在同一个位置即可。
安装完成后,先只做第 3 步:让 OpenClaw 采集近期视频,并把它访问原始页面并抽取正文的过程说出来。这一步是只读的,能确认 Skill 已被识别,也能确认它拿得到需要的资料。
这个 Skill 用到的都是通用能力,7 个 Agent 差别不大,可以按你已经在用的工具来选。
没有找到 Skill 时,检查技能文件夹内是否有 SKILL.md;没有读到资料时,告诉它准确的文件名或项目目录;批量结果不一致时,先用一个样本确认格式,再重新运行。
INSTALL
安装到 OpenClaw
把提示词复制给 OpenClaw,它会自己下载 ZIP 并完成安装,装完会报告实际目录。
METHOD 01 · 交给 AI 自己装
适合大多数情况。Agent 会下载 ZIP、解压、放到正确目录,并在缺少权限时告诉你需要手工做哪一步。
请帮我把「YouTube 竞品分析 Skill」安装到 OpenClaw。 1. 下载完整 Skill ZIP:https://www.vibemarketing.work/packages/skill-youtube-competitor-analysis/1.0.0/skill-youtube-competitor-analysis.zip 注意:网页 HTML 不能当作 Skill 文件安装,必须使用 ZIP 里的完整文件。 2. 解压后保留 SKILL.md 及全部配套文件,按 OpenClaw 的方式安装:openclaw skills install ./skill-youtube-competitor-analysis --as youtube_competitor_analysis_skill 3. 安装完成后告诉我实际安装目录。 4. 用一个只读小任务验证:运行 openclaw skills list 确认技能已注册,再用一条只读样本命令检查调用。 5. 如果你没有联网、下载或写目录权限,请直接告诉我哪几步需要我手工完成。 参考:原始 SKILL.md https://www.vibemarketing.work/raw/skill-youtube-competitor-analysis/SKILL.md;安装指南 https://www.vibemarketing.work/agent-install/skill-youtube-competitor-analysis.md
METHOD 03 · 手动放目录
解压 ZIP 后,在 OpenClaw 中执行:
openclaw skills install ./skill-youtube-competitor-analysis --as youtube_competitor_analysis_skill
验证:运行 openclaw skills list 确认技能已注册,再用一条只读样本命令检查调用。
HTML 业务页面不能直接当作 Skill 文件安装。AI 需要下载完整 ZIP 并保留配套文件。
OTHER AGENTS
跨 Agent 适配对比
下面的步数是逐步比对算出来的,不是主观排名。卡在哪一步,就看哪个 AI 能直接做那一步。
Codex在这个 Skill 上直接覆盖 7/7 步,而且能在敏感写入前请求确认——如果你这次的卡点正是操作前确认,换它更省事。
Claude Code在这个 Skill 上直接覆盖 7/7 步,而且能在敏感写入前请求确认——如果你这次的卡点正是操作前确认,换它更省事。
TRAE在这个 Skill 上直接覆盖 6/7 步,而且能通过 MCP 或连接器读取外部系统数据——如果你这次的卡点正是MCP 与连接器,换它更省事。
FURTHER READING
围绕 OpenClaw 和这个任务的共同标签挑出来的,换成别的 Agent 看到的不是同一批。
知识库效果忽高忽低?先排查“标签过多导致召回失真”
这份参考把 Notion Knowledge Base 放进小红书生产流程,覆盖输入准备、提示词结构、结果验收和二次修改。适合独立开发者快速试跑,也会提醒“标签过多导致召回失真”这一类高频问题。
多模态搜索现场笔记:让品牌内容更容易被AI引用
给出竞品分析的最短操作路径,用一个真实感示例演示如何让品牌内容更容易被AI引用,并标出能让协作更顺畅的关键设置。 补充测试:换成Notion后,保留相同验收标准,再观察形成可复用模板是否仍然成立。
Vibe Marketing现场笔记:生成能直接交付的客户方案
聚焦一个问题:只看热度忽略用户意图。文中用正反两组输入说明竞品分析为什么会跑偏,以及怎样把结果拉回可用范围。
内容供应链现场笔记:从搜索词反推内容选题
给出Skill安装的最短操作路径,用一个真实感示例演示如何从搜索词反推内容选题,并标出能稳定批量产出的关键设置。
网页视频化 Skill 怎么用:生成能直接交付的客户方案
从空白开始配置 Website to Video:先明确生成能直接交付的客户方案所需的资料,再生成初稿,随后按搜索引擎规则做压缩与校对。最后提供检查表,帮助稳定缩短交付时间。
问答选题 Skill 怎么用:用少量样本建立批量生产规范
为AI新手准备的问答选题速查卡,适合第一次接触时直接照着走。重点放在提升自然流量,不要求预先搭建复杂系统。
以上文章正在编辑中,上线后可直接点击阅读。即将上线,敬请期待。
NEXT WORKFLOW
搭配使用
按产出物与输入资料的衔接关系计算,都是同一个 Agent 下的版本,装完可以直接接着跑。
用 OpenClaw 完成「测了五条短视频开头数据需要决定留哪条」,最终得到包含基线和测试组各核心指标变化的 Markdown 对照表。
用 OpenClaw 完成「为新产品制定 Hacker News 发布日历和发帖物料」,最终得到多平台论坛发布渠道对比表格。
用 OpenClaw 完成「评估两版邮件标题哪个转化率更高」,最终得到达到 90 分及格线的最终内容。