短视频内容量化评分Rubric（打分表）
版本：v1.0（2026-04-18）
适用场景：Qwen3-VL-8B（或同等视频理解模型）+ LLM Prompt 批量分析短视频（15-60秒为主），适用于垂直领域（如TCM护理科普、NEV汽车、新能源部件、人形机器人等）。
核心目标：将“主观优点”转化为可量化、可重复、可对比的结构化指标，便于构建RAG语料库，并与平台真实反馈（完播率、3秒留存率、点赞/评论/转发率）做因果关联分析。

使用说明（必读）

1. 输入要求：模型需先抽帧（推荐FPS=3-5）+ 全视频ASR转录 + 前3秒/后3秒单独分析 → 一次性输出JSON格式（见文末Schema）。
2. 评分原则：每项0-10分，采用锚点式描述（0-2/3-5/6-7/8-10），避免模型幻觉。必须同时给出“理由+证据”（引用具体秒数、文案、画面）。
3. 权重建议（总分100分，可按垂直领域微调）：
   • 脚本结构与节奏：25分
   • 文案与语言：25分
   • 内容专业性与垂直价值：20分
   • 视觉/音频生产力：15分
   • 笑点/情感钩子：10分
   • CTA与转化力：5分
4. 与平台指标关联：每条视频分析后，额外记录平台数据，后续用统计工具计算“高分维度 vs 高完播率”的相关系数，形成“爆款特征画像”。
5. 校验机制：每100条视频人工复核10条，调整Rubric锚点；模型一致性用Kappa系数监控（目标>0.85）。

完整Rubric打分表

维度1：脚本结构与节奏（权重25分）

（核心影响3秒留存率和完播率）

维度2：文案与语言（权重25分）

（口语化 vs 专业化平衡是爆款关键）

子指标（模型需单独输出）：

• 口语化指数 = （口语词+短句占比）×100%
• 专业化指数 = （正确专业词数量 / 总专业词）×100%（错误扣分）

维度3：内容专业性与垂直价值（权重20分）

（垂直领域核心竞争力）

维度4：视觉与音频生产力（权重15分）

（Qwen3-VL最擅长提取的部分）

维度5：笑点/情感钩子（权重10分）

（直接驱动点赞/评论/转发）

维度6：CTA与转化力（权重5分）

（结尾决定下一步行动）

总分计算与爆款分级

• 总分 = 各维度加权求和（满分100）
• 爆款等级（供RAG标签使用）：
  • 85-100：S级（高概率爆款，可直接复刻核心特征）
  • 70-84：A级（值得借鉴）
  • 55-69：B级（一般）
  • <55：C级（需大幅优化）

模型输出JSON Schema（直接复制进Prompt）

{
  "video_id": "string",
  "vertical_domain": "string",
  "dimensions": {
    "script_structure": { "score": 0-10, "reason": "string", "evidence": "string" },
    "copywriting": { "score": 0-10, "oral_index": "xx%", "pro_index": "xx%", "reason": "...", "evidence": "..." },
    "content_value": { "score": 0-10, "dry_goods_count": 0, "reason": "...", "evidence": "..." },
    "visual_audio": { "score": 0-10, "reason": "...", "evidence": "..." },
    "humor_hook": { "score": 0-10, "density_per_10s": 0.0, "reason": "...", "evidence": "..." },
    "cta": { "score": 0-10, "reason": "...", "evidence": "..." }
  },
  "total_score": 0-100,
  "platform_metrics_correlation_note": "string（可选：与完播率/留存率关联分析）"
}

这个Rubric已经完全可直接嵌入Qwen3-VL Prompt中使用（我可以下一条立刻给你完整Prompt模板）。
它既保证了量化客观性，又保留了垂直领域灵活性（你可以按TCM护理再加“穴位演示清晰度”“禁忌事项提醒”等子维度）。