把「开播前 → 开播中 → 下播后」的直播运营工作流，结构化为可直接照着用的脚本、排品表、话术、切片与复盘。
面向 抖音 / 视频号 / 快手 / 淘宝直播 主播与运营的直播全流程工具集。它不只给泛泛建议，而是产出能直接照着念的脚本、能直接用的排品表、能直接催单的话术、能直接剪的切片清单，以及能直接复盘的评分报告。
直播运营最缺的不是「知识」，而是可落地的结构化产出：
- 开播前不知道怎么排品、怎么写脚本 → 自动生成
- 开播中不知道怎么憋单、怎么救场 → 话术库随时取用
- 下播后回放几小时不知从哪拆解 → 六维评分 + 爆款归因
| # | 能力 | 直接产出 |
|---|---|---|
| 1 | 直播脚本生成 | 分时段脚本（暖场→讲解→逼单→返场→收尾），含话术 / 动作 / 节奏标签 |
| 2 | 直播回放拆解 | 转写 → 分段 → 指标提取 → 爆款归因 → 六维评分 → 可借鉴策略 |
| 3 | 排品表生成 | 款型分类 + 排序 + 时长分配 + GMV 估算（可自动出 CSV） |
| 4 | 憋单逼单话术 | 聚人气 / 憋价 / 逼单 / 返场 / 救场 场景化话术模板 |
| 5 | 直播切片挖掘 | 高光判定 + 评分排序 + 二次分发文案 |
| 6 | 场控 SOP | 开播前 / 中 / 后 checklist + 突发应对 + 复盘模板 |
本 Skill 采用通用的 SKILL.md 规范（Anthropic Skills 格式），所有支持 Skills 的 AI 客户端都能直接安装使用，无需任何改造，包括但不限于：
| 客户端 | 推荐放置路径 |
|---|---|
| WorkBuddy | ~/.workbuddy/skills/live-stream-ops/ |
| Claude（Claude Code / Claude.ai） | 项目 .claude/skills/live-stream-ops/ 或用户级 skills/live-stream-ops/ |
| Cursor | .cursor/skills/live-stream-ops/ |
| Codex / ChatGPT | skills/live-stream-ops/ |
| Windsurf / 其它兼容客户端 | 对应 skills/live-stream-ops/ 目录 |
只要客户端能识别
SKILL.md，把本仓库文件夹放进去即可启用。
方式一 · Git 克隆（推荐）
git clone https://github.com/uahz/live-stream-ops.git ~/.workbuddy/skills/live-stream-ops
# 或换成你所用客户端的 skills 目录方式二 · 下载 ZIP
在仓库首页点击 Code → Download ZIP，解压后把 live-stream-ops/ 文件夹整体复制到客户端的 skills/ 目录下。
方式三 · 手动拷贝
将本仓库整个文件夹（根目录必须含 SKILL.md）复制到客户端的 skills/ 目录，重启 / 刷新客户端即被识别。
直接对客户端说：
「帮我写一份今晚 2 小时美妆带货直播的脚本，主推 3 款，含憋单话术和排品表」
或本地运行脚本：
# 排品表生成（输入商品清单 JSON，输出 CSV）
python scripts/generate_lineup.py --file products.json --out lineup.csv
# 切片高光评分（输入时段互动数据 JSON，输出排序表）
python scripts/clip_scorer.py < segments.jsonlive-stream-ops/
├── SKILL.md # Skill 主文件（客户端识别入口）
├── README.md
├── LICENSE
├── references/
│ ├── script-structure.md # 脚本结构模板
│ ├── replay-decomposition.md # 回放拆解方法论
│ ├── product-lineup.md # 排品策略
│ ├── conversion-scripts.md # 憋单逼单话术库
│ ├── clip-mining.md # 切片挖掘规则
│ └── sop-checklist.md # 场控 SOP
└── scripts/
├── generate_lineup.py # 排品表自动生成器
└── clip_scorer.py # 切片高光评分器
直播脚本 / 直播话术 / 直播复盘 / 直播回放拆解 / 排品表 / 憋单 / 逼单 / 返场 / 直播切片 / 场控 / 直播 SOP / 直播运营 / 直播带货 / live script / live ops
MIT © uahz