短视频小白经常会遇到这样的困扰。

每天花大量时间刷视频，想要找到你所在赛道的爆款内容，却总是难以系统地整理和分析？

想要批量获取某个关键词的爆款视频数据，但是市面上的采集工具要么特别贵，要么操作极其复杂？

或者，已经尝试过各种方法，但始终找不到一个高效、低成本的解决方案？

不用担心，今天我就教你搭建一个Coze智能体，轻松搞定这些烦恼。

篇幅不短，欢迎先收藏，再慢慢阅读。如果觉得有帮助，也请顺手点个赞、在看、转发支持一下~

1.为什么要做热点监控？

通过热点监控，我们可以及时发现赛道中的爆款视频：

• 掌握市场动向：看看哪些视频火了，就知道大家现在喜欢什么，我们也能紧跟潮流
• 学习创作技巧：研究爆款视频是怎么拍的，学习他们的拍摄方式，这样就能少走弯路
• 发现赚钱机会：看看评论区的小伙伴们都在聊什么，说不定就能找到新的商机
• 了解竞争对手：看看其他创作者都在做什么，先模仿再超越

既然这么重要，那我们当然需要一个好用的智能体来帮我们自动收集这些视频。

但是，批量获取抖音视频内容这件事，一直有技术门槛。很多朋友因为不懂技术，只能花钱买工具来完成这项任务。

今天我要分享一个Coze智能体的解决方案，小白也能搭建。

只需输入自己赛道的关键词就能自动批量获取爆款视频内容，轻松实现100条爆款视频的采集工作。效果如下：

2.智能体的搭建流程

智能体的搭建流程主要分为两个步骤：梳理工作流、设置智能体。

2.1 梳理工作流

将对标账号监控的场景流程转化为可自动化运行的工作流节点。

1. 根据关键词，批量获取热门视频
2. 批量获取视频详细信息
3. 将数据添加到多维表格

2.2 设置智能体

1. 设置人设与逻辑：配置热点监控智能体的特征、回复风格和决策逻辑
2. 绑定工作流：将工作流与智能体关联，赋予执行具体任务的能力
3. 设置触发器：定义智能体的启动条件和触发规则，让它能定时执行工作流，采集热门视频。
4. 测试并发布：全面的功能测试，确认正常后将智能体正式发布到生产环境

3.创建工作流

登录Coze官网，在“资源库-工作流”里新建一个空白工作流，取名“fetch_douyin_hot_videos_daily”。

3.1 开始节点

3.2 根据关键词，批量获取热门视频

我们将使用【视频搜索】插件的douyin_search功能。通过这个功能，我们可以批量获取热门视频。

插件节点：根据关键词，批量获取热门视频

• 输入：
  • api_token：点击“感叹号”，通过网站可以获取。
  • keyword：关键词，从开始节点获取
  • page：第一页
  • publish_time：发布时间，可用值: _0(不限), _1(一天之内), _7(一周之内), _180(半年之内)，这里我们选择_7
  • sort_type：排序类型，可用值: _0(综合), _1(最多点赞), _2(最新发布)，这里我们选择_1

3.3 批量获取视频详细信息

1.选择器节点：校验视频列表不为空

2.批处理节点：批量获取视频详细信息

• 输入：
  • aweme_list：从"根据关键词，批量获取热门视频"节点的输出变量中，选择business_data
  • keyword：关键词，从开始节点获取
  • page：第一页
  • publish_time：发布时间，可用值: _0(不限), _1(一天之内), _7(一周之内), _180(半年之内)，这里我们选择_7
  • sort_type：排序类型，可用值: _0(综合), _1(最多点赞), _2(最新发布)，这里我们选择_1
• 输出：
  • new_aweme_list：处理后的视频列表

3.选择器节点：校验视频信息不为空

4.视频搜索插件：获取单个视频详细信息（douyin_data）

• 输入：
  • api_token：点击“感叹号”，通过网站可以获取。
  • douyin_url：从批量获取视频详细信息节点的输出中，选择share_url

5.代码节点：将视频详情整合进视频列表中

• 输入：
  • aweme_detail：从获取单个视频详细信息节点的输出中，选择aweme_detail
  • aweme：从批量获取视频详细信息节点的输出中，选择item
• 输出：
  • aweme：处理后的单条视

下面是处理数据的Python代码：

async def main(args: Args) -> Output:
    params = args.params
    aweme_detail = params.get("aweme_detail", {})
    aweme = params.get("aweme", {})
    aweme["aweme_detail"] = aweme_detail

    ret: Output = {
        "aweme": aweme
    }
    return ret

3.4 将数据添加到多维表格

1.代码节点：将信息整理为飞书表格可以使用的数据

• 输入：
  • aweme_list：从"批量获取视频详细信息"节点的输出中，选择new_aweme_list
  • keywords：从开始节点中，选择keyword
• 输出：
  • records：处理后的表格数据，选择Array类型

    

    下面是处理数据的Python代码：

    async def main(args: Args) -> Output:
        """
        处理传入的 args.params.aweme_list 列表，提取每条视频的关键信息并返回。
        """
        # 1. 先安全地获取 params
        params = getattr(args, "params", {})  # 如果 args 或 params 不存在，就给空字典
    
        # 2. 安全地获取 aweme_list
        aweme_list = params.get("aweme_list", [])
        if not isinstance(aweme_list, list):
            return []  # 如果 aweme_list 不是列表，也直接返回空列表
    
        result = []
    
        # 3. 遍历 aweme_list，依次处理
        for aweme in aweme_list:
            # 如果当前 aweme 非字典类型，直接跳过
            if not isinstance(aweme, dict):
                continue
            # 获取 aweme_detail 并判空
            aweme_detail = aweme.get("aweme_detail") or {}
            title = aweme_detail.get("desc") or ""
            link = aweme_detail.get("share_url") or ""
    
            # 4. 安全获取 statistics
            statistics = aweme_detail.get("statistics") or {}
    
            # 5. 提取各字段信息，并在取值时加默认值
            video_id = statistics.get("aweme_id") or ""
            digg_count = statistics.get("digg_count") or 0
            comment_count = statistics.get("comment_count") or 0
            collect_count = statistics.get("collect_count") or 0
            share_count = statistics.get("share_count") or 0
    
            #   获取作者信息
            author_info = aweme_detail.get("author") or {}
            author_name = author_info.get("nickname") or ""
            signature = author_info.get("signature") or ""
            sec_uid = author_info.get("sec_uid") or ""
    
            # 7. 获取时间和时长，需要做类型检查，防止计算时报错
            raw_create_time = aweme_detail.get("create_time", 0)
            # 如果不是 int，就尝试转换，失败则为 0
            try:
                create_time = int(raw_create_time)
            except (TypeError, ValueError):
                create_time = 0
    
            # 创建时间以毫秒计，避免 None 或非法值导致报错
            create_time_ms = create_time * 1000
    
            raw_duration = aweme_detail.get("duration", 0)
            # 如果不是数字，尝试转换为 float，失败则为 0
            try:
                duration = float(raw_duration)
            except (TypeError, ValueError):
                duration = 0.0
            duration_sec = duration / 1000
    
            # 8. 组装返回数据
            item_dict = {
                "fields": {
                    "视频ID": video_id,
                    "标题": title.strip(),
                    "关键词": params.get("keywords", ""),
                    "链接": {
                        "text": "查看视频",
                        "link": link.strip(),
                    },
                    "点赞数": digg_count,
                    "评论数": comment_count,
                    "收藏数": collect_count,
                    "分享数": share_count,
                    "作者": author_name,
                    "用户简介": signature,
                    "用户ID": sec_uid,
                    "发布日期": create_time_ms,  # 毫秒级时间戳
                    "时长": duration_sec         # 秒
                }
            }
            result.append(item_dict)
    
        return result

    2.我们需要创建一个多维表格，设置好表头字段，如下图所示。

    

    表格模板链接：https://xtninrlicw.feishu.cn/base/BRwvbkFzfaER27smZ7kcKN9wnSe?table=tbl2XVrl6Z0bWpNh&view=vewSzOF5Ix

    3.飞书表格插件：将数据添加到多维表格（add_records）

    

    • 输入：
      • app_token：提前创建一个多维表格，将多维表格的链接复制进去。
      • records：从"将信息整理为飞书表格可以使用的数据"的输出变量中，选择records。
      • table_id：多维表格数据表的唯一标识符

    

    多维表格数据表的唯一标识符：

    

    3.5 结束节点

    

    4.创建智能体

    4.1 新建智能体

    在Coze平台创建一个新的智能体，命名“热点监控智能体”。

    

    4.2 设置人设与逻辑

    配置对标账号监控的智能体的特征、回复风格和决策逻辑。

    # 角色
    你是一个专业的热点监控智能体，能够熟练调用`fetch_douyin_hot_videos_daily`工作流，根据赛道关键词，为用户获取抖音热门视频。
    
    ## 技能
    ### 技能 1：根据赛道关键词，为用户获取抖音热门视频。
    1. 当用户提出监控某个赛道关键词的需求时，使用`fetch_douyin_hot_videos_daily`工作流，获取关键词的最新热门视频列表；

    4.3 绑定工作流

    把“fetch_douyin_hot_videos_daily”工作流加进来，让智能体在合适的时机自动调用它。

    

    4.4 设置触发器

    添加触发器，让智能体能定时执行工作流，采集关键词的热门视频。

    例如，我要在每天凌晨1点，采集“智能体”关键词的热门视频，如下图所示：

    

    4.5 测试并发布

    全面的功能测试，确认正常后将智能体正式发布到生产环境。

    

    5.总结

    本文介绍了如何使用Coze搭建热点监控智能体，帮助我们自动收集和分析抖音平台的热门视频数据。

    通过工作流实现自动化监控，该智能体能够每天定时采集指定关键词的热门视频，并将数据自动整理存储到飞书多维表格中，便于后续分析。

 这份《AI产品经理学习资料包》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以在文末CSDN官方认证二维码免费领取【保证100%免费】
资料包： CSDN大礼包：《对标阿里黑客&网络安全入门&进阶学习资源包》免费分享

AI产品经理，0基础小白入门指南
作为一个零基础小白，如何做到真正的入局AI产品？

什么才叫真正的入局？

是否懂 AI、是否懂产品经理，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。

你是否遇到这些问题：
1、传统产品经理

不懂Al无法对AI产品做出判断，和技术沟通丧失话语权
不了解 AI产品经理的工作流程、重点
2、互联网业务负责人/运营
对AI焦虑，又不知道怎么落地到业务中想做定制化AI产品并落地创收缺乏实战指导
3、大学生/小白
就业难，不懂技术不知如何从事AI产品经理想要进入AI赛道，缺乏职业发展规划，感觉遥不可及
为了帮助开发者打破壁垒，快速了解AI产品经理核心技术原理，学习相关AI产品经理，及大模型技术。从原理出发真正入局AI产品经理。

这里整理了一些AI产品经理学习资料包给大家
📖AI产品经理经典面试八股文
📖大模型RAG经验面试题
📖大模型LLMS面试宝典
📖大模型典型示范应用案例集99个
📖AI产品经理入门书籍
📖生成式AI商业落地白皮书

🔥作为AI产品经理，不仅要懂行业发展方向，也要懂AI技术，可以帮助大家：
✅深入了解大语言模型商业应用，快速掌握AI产品技能
✅掌握AI算法原理与未来趋势，提升多模态AI领域工作能力
✅实战案例与技巧分享，避免产品开发弯路

这份《AI产品经理学习资料包》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
资料包： CSDN大礼包：《对标阿里黑客&网络安全入门&进阶学习资源包》免费分享

AI大模型学习福利
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

大模型&AI产品经理如何学习
求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击CSDN大礼包：《对标阿里黑客&网络安全入门&进阶学习资源包》免费分享前往获取

3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以CSDN大礼包：《对标阿里黑客&网络安全入门&进阶学习资源包》免费分享免费领取【保证100%免费】🆓