我们分析了100条AI教程Shorts。创作者如何吸引观众？

01 · 开场模式

这100条视频样本中的开场模式

钩子是开场时给观众继续观看理由的手法。我们按主要开场手法对每条视频分类，采用下列定义。类别重叠时以目的为先：为测试铺垫的问题归为实验；围绕观众困难的问题归为痛点引导。

**有效样本n=100；缺失主要分类=0。**没有视频以反直觉作为主要标签。

这些标签描述开场，而非其表现。仅仅延后答案，不足以把视频归为好奇引导。

02 · 100条视频的时间分布

价值何时明确，有用内容又从何时开始

我们对全部100条视频的两个时点编码。价值明确指观众能够识别所解决的问题或所提供的结果。首次实质交付指第一个可执行步骤、具体答案或有意义的任务演示。泛泛预告不计入。具体对比结果或演示输入到输出的变化，即使不是逐步点击教程，也可以计入。

每条视频都有根据字幕与视频证据给出的估计时间区间。较宽区间代表证据较不精确；从零开始的区间表示事件可能已在开场出现。

价值明确时间的中位数落在0–6秒内；首次交付时间的中位数落在7.5–13秒内。我们分别取100个下端点和上端点的中位数来计算边界。它们描述事件发生时间的不确定性，并非建议时限。

每项指标有效样本n=100；缺失区间=0。未测量精确起始时刻。

到第十秒，82个价值明确区间及29个首次交付区间已经结束。另有18个价值区间和41个交付区间跨越十秒点：我们无法有把握地判断事件在此之前还是之后发生。30个交付区间在十秒后开始。

具体案例体现了这一区别。Jeff Su在估计0–4秒的区间内介绍AI记忆结果，并在3–8秒区间开始讲内置记忆设置。Andy Stapleton的学术提示片段较早传达主题，但首条文档放置指令落在27–33秒区间。

可在样本库比较两个时点，或下载完整时间表，其中包含事件描述及证据引用。

03 · 九个案例研究

九个值得研究的真实开场

Kevin Stratvert的幻灯片编辑教程把清晰的屏幕标题与直接能力承诺配在一起。任务很具体：创建演示文稿，再通过在幻灯片上绘画来修改它。

正文进入Genspark，请求六页烘焙饼干演示文稿，缩短副标题，并用箭头移动图像。这些操作把开场连到观众能够检查的结果。可复用结构是一个结果、一个工具与一次可见修改，而非抽象地宣称AI节省时间。

开场承诺 · 0秒工作流 · 8.1秒

Aurelius Tjin的Gamma演示文稿教程以手工制作演示文稿的问题开始。开场标题已经点明期望结果。

片段随后进入工具、提示词、生成演示文稿及简单修改。推荐优惠属于内容的一部分，已记入研究表。可迁移到其他教程的是这个顺序：熟悉的工作、具体替代方案、首个有用步骤、可检查结果。

结果承诺 · 0秒

Jeff Su的AI记忆教程围绕三层组织正文：内置记忆、项目及自定义记忆系统。它提供清楚的递进，而非松散技巧列表。

我们把交付标为部分，因为开场的完美记忆、此后无需纠正等范围超出三个示例所能证实。可用的写作经验是保留递进，把承诺收窄到视频能演示的范围。三步结构不需要无限保证。

第一步 · 8.9秒

Curious Refuge的AI与人类声音设计测试提出正文确实能回应的问题。它采用同一场景，先播放AI版本与人类版本，再给出判断。

我们将其编码为挑战，而非泛泛提问。对比任务提供了结构。判断仍是创作者对这些示例的评价，并不能证明某种方法总能产生更好的声音设计。

在哪个AI最聪明？中，Mrwhosetheboss用一罐糖豆把模型对比任务变得可见。每个模型都需估数；最后清点数提供真实答案。

结尾回答了开头设定的测试，但没有确立普遍最聪明的模型。改编这个结构时，录制前先决定输入、评分规则与结尾。否则，对比可能变成没有结论的一连串输出。

共同测试输入 · 4秒

AI回答不了的问题先提出一项涉及左手写字者的图像请求，再指出不符。鸡蛋数量与镜中倒影延续这一模式。

这是围绕失败的结果先行结构。具体提示词与可检查错误让解释有所针对。我们的编码关注呈现与兑现承诺，不验证视频对模型内部机制的简化说法。

Nate Herk的Claude编辑演示描述迭代过程：看不清的字幕变成对比度规则，静态素材变成运动要求，同步问题变成检查项。

正文在工作流中为每项改进交代原因：具体反馈成为持久编辑规则。这为讲优化的教程形成可重复结构。展示起初问题，说明改动，再展示作用。发现托管关键帧不一致后，我们对该来源作了交叉核对；有争议的画面未用作时间或视觉证据。

Design with Canva的照片改风格演示没有口述开场句。标题与照片变化引出任务，屏幕录像再通过箭头、提示词与界面操作引导观众。

结尾在前后对比的社交模型中展示改风格构图。这个结构不需要口播承诺也能理解：标题点明变化，屏幕提供步骤，结尾回到变化。缺失的口述句按不存在记录，而非从音乐转写重构。

结果 · 81.2秒

Andy Stapleton的Perplexity引言写作流程从参考文献不足的问题开始。它进入具体研究提示词，展示所得草稿及参考文献，再解释如何把文献用于引用流程。

他明确把输出视为起点，而非直接照抄的文字。可迁移结构是具体缺口、工具操作、可检查输出与范围明确的下一步。本研究不独立验证生成的参考文献，也不把草稿当已完成的学术作品。

04 · 六种脚本结构

六种可复用脚本结构

把源于观察结构的六个模板用于你自己的任务、素材与证据。

如需更多构造的写作起点，可使用Kabo的视频钩子库。其中的示例是写作资源，与这个观察所得的100视频数据集分开。

1. 01

   一个结果，一个工具

   你的开场

   下面介绍如何在[工具]中制作[具体输出]并修改[一个细节]。

   需交付内容

   输入、输出及实际编辑。

   研究原始示例 ↗
2. 02

   从痛点到首个有用点击

   你的开场

   还在手工做[熟悉任务]吗？这是我使用的工作流。

   需交付内容

   进入工具的具体路径，而不只是推荐。

   研究原始示例 ↗
3. 03

   编号递进

   你的开场

   用这三个步骤处理[范围明确的问题]。

   需交付内容

   三个不同步骤，以及与范围相符的结尾。

   研究原始示例 ↗
4. 04

   范围明确的对比

   你的开场

   [工具或方法]能解决[同一任务]吗？我将这样检查。

   需交付内容

   一致输入、可检查输出及明确对比规则。

   研究原始示例 ↗
5. 05

   先失败，后解释

   你的开场

   我请求了[具体输出]。这是不符之处。

   需交付内容

   输入、失败输出及证据范围内的解释。

   研究原始示例 ↗
6. 06

   修改循环

   你的开场

   首次尝试有[可见问题]。这条规则改变了它。

   需交付内容

   修改前状态、改动及观众可评估的结果。

   研究原始示例 ↗

05 · 承诺兑现

正文兑现了开场承诺吗？

我们的编码将88条视频标为兑现开场承诺，12条标为部分兑现。没有标为否或不明确的视频。有效n=100；缺失判断=0。

这项评估针对开场与正文的关系，不为产品主张、观众满意度或有效性认证。部分兑现常因承诺超出示例所能证实：完美记忆、普遍优越、完全替代，或片段结束后才交付结果。

写脚本时，把开场与结尾并排写下。承诺一次变化的教程应展示那次变化。测试需在既定条件下给出答案。宽泛主张需要更多证据或更窄措辞。

两条研究教程体现范围如何漂移。一条介绍五项提示改进，却在片段中只提供第一项；另一条开头声称有十二词提示词，结尾却停在来源上传指令，未给出该提示词。两条均标为部分。

06 · 应用发现

把发现用在下一条教程中

先选任务，再选措辞。找出让任务具体的输入、输出或失败，再决定口述句、第一幅画面与屏幕文字各自贡献什么。

把第一条可执行指令或有意义演示放到时间线上。检查其前面的铺垫是否必要。修改开场时让结尾保持可见，避免更刺激的一句话悄悄承诺另一条视频。

证据明确后，可用短视频钩子提示词探索措辞。发布后，用你自己的分析数据测试开场。

07 · 方法与样本

我们如何构建样本

我们筛查了60条频道记录，54条达到至少100,000订阅者门槛。最终样本包含30个频道的100条视频，每个频道一至五条。

视频须发布于2025年10月27日至2026年10月26日之间（Asia/Shanghai日期），时长15–90秒，通过英语口述或文字指令教学或演示可识别的AI工具任务。我们排除纯新闻、一般理论、非AI教程及没有具体演示的推广。仅有赞助并不排除有用教程。

符合条件账号的138页上传列表产生6,872条唯一记录。其中5,910条位于日期窗口内，2,009条同时满足时长规则。元数据筛查得到510个候选，其中214个有内容筛查决定。其余候选并未全部审查。

我们遵循记录中的账号池顺序，采用前30个有已识别、可访问合格素材的账号。按账号轮次填充样本，每轮从每个账号取下一条最新的已识别合格视频，直至100条。每账号上限为十条，实际最多五条。**没有最低播放量或按播放量排名。**上传页覆盖有限，因此这不是合格视频的穷尽目录。

公开元数据采集于2026年10月27日和29日。入选的三条视频公开播放量至少一百万，均来自Mrwhosetheboss。我们未用这一小子组比较钩子表现。

AI助手利用带时间字幕、完整视频分析及选取的提取画面，为每条视频分配一个主要钩子标签、评估承诺兑现并估计两个事件区间。时间区间向外取整到整秒。中位数边界取所有下端点和上端点的中位数，并非置信区间。字幕错误与解释判断会影响标签及时间。

下载100视频样本数据，其中包含视频ID、发布日期、播放快照、标签及证据备注。每条入选视频也在样本库中有附来源链接的解读。

08 · 局限与证据

本研究无法确立什么

这是成熟频道的探索性样本，并非创作者的随机或代表性样本。同一频道的视频可能共用开场风格。这些模式不能确立哪种钩子导致更好表现。

全部100条视频均接受完整视频分析。97条有可用口述字幕；三条没有配音，使用英语屏幕指令。详细视觉证据仅覆盖样本子集，时间区间仍是估计。未计算独立的评审者间一致性统计量。

有限上传页覆盖、元数据筛查及访问失败会影响哪些视频进入样本。来源链接、筛查决定及证据备注均保留，以便核查分析。

公开播放量无法揭示留存、分发来源或视频成功原因。YouTube在视频级Analytics提供观众留存报告。可把观察到的结构当作想法，用你自己的观众数据测试。