研究同类账号，是为了给自己的账号做出更好的决定。先比较内容形式和观众问题，再考虑谁表现更好。这里以无器械动作教学创作者为例；同样的方法也能帮助工作室、零售商或其他教学账号决定下一步尝试什么。
Kabo 是用于创作者研究的 AI 智能体，会返回公开帖子。在相信某种内容形式的推荐之前，我们先用 Muse 在对话中修正几行对比记录。
先连接 Kabo，再请求新的证据
按照 Muse 连接指南连接 https://kabo.sh/mcp-pub 并登录。开始新的研究前，请 Muse 列出已就绪的 Kabo 工具。
准备可比账号集合与对比时间范围
[ ] 账号——3 个公开 Instagram URL，以及它们为什么服务于相似的受众需求。 [ ] 共同日期——所有账号使用同一发布日期区间。 [ ] 分类——观众问题、内容形式、所需器械与讲解风格。 [ ] 我们的限制——能拍摄什么，以及哪些表述需要专家审核。 [ ] 输出位置——用于复制已复核对比矩阵的文档或表格。
告诉 Muse 为什么把这些账号放在一起
一位动作教学创作者正在制作无器械的办公间隙活动内容。创作者希望比较三个账号公开的内容选择，但不假装了解这些账号的私有触达或业务结果。
粘贴账号 URL，解释受众需求的重合之处。请 Muse 在采集前复述共同时间范围和分类。一个账号可以作为创意参考，却不一定是公平的表现对比对象。要在表格中保留这一区别。
比较这些公开 Instagram 账号：[URL]。我们的观众需要[问题]方面的帮助。所有账号使用同一发布日期范围，从[开始]到[结束]。采集前，先提出分类，并解释哪些账号是公平的可比对象、哪些只是创意参考。将 Reels、轮播帖和静态帖分开。
先复核几行，再接受账号整体结论
请 Muse 给出纳入的帖子数量和覆盖范围说明，再检查一小组对比样本。先看每一行的证据类型和所分配的分类。我们应该能解释，为什么某段帖文说明、口头指导或已观察的跟练画面属于某个标签。
第一次有用的对话，往往是在讨论一行分错类的记录，而不是谁获胜。
使用 Kabo 采集约定的公开账号样本，先展示 3 行对比。包含来源 URL、日期、证据类型、建议分类和支持分类的观察。区分帖子形式，并报告采集限制。在总结账号前，等待我修正分类。
修正规则，再问哪些行需要变化
告诉 Muse 宽泛分类掩盖了什么，请它重新检查依赖该标签的行。修订后的答案应该指出受影响的行，以及哪些账号层面的观察不再成立，而不是悄悄给所有帖子重新分类。
把“教育类”拆成提醒、口头讲解和已观察的跟练。只复核依赖旧标签的行。保留每行的证据类型；未检查画面时，将画面中的动作顺序标为未知，并说明哪些账号层面的结论因此变化。
一个示意性的分类修正
假设“教育类”包含下面三个构造示例：
- **A：帖文说明写着“午休时试试这个”。**这支持“提醒”的表达方式，但画面中的动作顺序仍未核实。
- **B：转录说明了步骤。**这支持“口头讲解”，不一定代表画面中有可见的跟练过程。
- **C：我们检查了一个跟练过程。**可以将它标为已示范的动作流程，并记录这次检查。
把三者都归入同一类，会掩盖不同的制作要求。拆分类别，会改变我们能从这些账号中学到什么。
根据修正后的对比选择内容形式
这位无器械动作教学创作者现在可能看出，提醒和跟练需要不同的素材。选择一种我们能示范的形式，并明确审核者在拍摄前需要检查什么。
如果结论依赖尚未检查的镜头顺序，请用 Muse 视频分析流程回答这个问题。关于公开字段是否可用与分母核对，MCP Instagram 指南介绍了数据层面的处理。
哪项建议依赖于把口头讲解当作画面可见的跟练？使用修正后的记录修改这项建议，并列出我们选择内容形式前仍需要的素材或检查。
把修正后的内容形式任务交给团队
文中的完整示例用于说明方法。产品截图展示的是 Kabo 网页端已有的结果，并非本指南示例的实际执行记录。请使用自己的素材，以及您的任务实际返回的证据。