如果你是短视频小白，正在做短视频运营，一定遇到过这样的问题。
“对标账号今天又发了什么视频？”
“为什么他们的视频互动这么高？”
每天盯着对标账号，手动记录他们的数据，这太折磨人了。
但如果不这样做，又担心错过重要信息，落后一步。
今天，我要教你一个省时省力的方法，利用对标账号监控智能体，让对标账号监控变得简单又高效。
只需要简单设置，就能自动追踪对手的一举一动，再也不用手忙脚乱地采集数据。
1、什么是对标账号监控？
对标账号监控是一种竞品分析方法，主要用于跟踪和分析对标账号在短视频平台上的内容表现。
具体来说，它包括以下几个方面：
- 内容采集：实时采集竞争对手发布的内容、发布频率和内容主题
- 数据分析：收集并分析竞争对手内容的互动数据，如点赞、评论、转发等指标
- 趋势洞察：发现竞争对手内容中的热门主题
通过对标账号监控，我们能及时掌握行业动态和竞争对手动向，发掘新的选题机会，从而优化内容策略和运营方向。
2.该阶段的痛点问题
在进行对标账号监控时，短视频小白会可能存在以下痛点问题：
- 花钱买工具：动不动就要花好几千买数据采集工具，太贵了
- 编程门槛高：想自己写程序抓数据？除非你是代码高手，不然真的搞不定
- 手动收集太耗时：一个一个手动复制粘贴，忙得头都大了，还容易出错
- 信息总是慢半拍：等你收集完数据，重要信息早就过期了，追不上竞争对手的节奏
但是，今天通过使用deepseek+coze，实现对标账号监控智能体，就能能轻松解决这个问题。
只需输入目标用户的视频链接，就能自动批量获取该用户的所有视频内容，轻松完成对标账号的采集工作。
无需任何技术基础，也不用花一分钱购买工具，就能轻松解决竞品分析中最耗时的数据采集环节。
是不是听起来很棒？效果如下图，接下来，我就来告诉你具体该怎么操作。
3.智能体的整体搭建流程
为了让对标账号监控智能体顺利运行，我们需要先梳理整个搭建流程。
搭建流程主要分为两个步骤：创建工作流、创建智能体。
3.1 创建工作流
将场景流程转化为可自动化运行的步骤化模块。
- 根据短视频链接，获取用户的基础信息
- 根据用户ID，批量获取视频列表
- 筛选出对标账号每天发布的视频
- 将数据添加到飞书表格中
3.2 创建智能体
- 新建智能体：在Coze平台创建一个新的智能体
- 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
- 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
- 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，采集对标账号的视频。
- 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
4.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“fetch_douyin_user_videos_daily”。
4.1 根据短视频链接，获取用户的基础信息
我们将使用【视频搜索】插件的douyin_data功能。通过这个功能，我们可以获取用户的ID和昵称：
输入：
- douyin_url：短视频链接
- api_token：点击“感叹号”，通过网站可以获取。
4.2 根据用户ID，批量获取视频列表
同样，我们继续使用【视频搜索】插件，使用其中的功能get_user_video_list。
使用这个功能可以获取用户的最新短视频：
输入：
- api_token：点击"感叹号"图标，即可获取网站授权码
- sec_uid：在"获取对标账号视频信息"节点的输出变量中，选择用户ID（sec_uid）
- count：设置需要获取的短视频数量，建议设为5个
- 输出：用户的抖音视频列表
4.3 批量获取视频详细信息
这个环节会使用批处理节点，批处理体内部会执行两个节点：
1.单个获取视频详情
通过“视频搜索”插件的“douyin_data”工具，单个获取视频详情。
输入：
- douyin_url：从"批量获取视频详细信息"的输出变量中选择share_url
2.将视频详情整合进视频列表
输入：
- aweme_detail：从"获取单个视频详情"的输出变量中，选择aweme_detail
- aweme：从"批量获取视频详细信息"的输出变量中，选择aweme
- • 通过python代码，将视频详情整合进视频列表中，方便后续进一步处理。代码如下：
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
4.4 通过代码，筛选出对标账号昨天发布的视频
在这一步，我们通过代码，筛选出对标账号昨天发布的视频：
下面是处理数据的Python代码：
import time
import datetime
asyncdefmain(args: Args) -> Output:
# 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
ifnotisinstance(params, dict):
return [] # 如果 params 不是字典，直接返回空列表
# 2. 安全地获取 aweme_list
aweme_list = params.get("aweme_list", [])
ifnotisinstance(aweme_list, list):
return [] # 如果 aweme_list 不是列表，也直接返回空列表
# 计算昨天 00:00:00 ~ 今天 00:00:00 的时间戳区间（单位：秒）
today = datetime.date.today()
yesterday = today - datetime.timedelta(days=1)
yesterday_start_ts = int(time.mktime(yesterday.timetuple())) # 昨天 00:00:00
today_start_ts = int(time.mktime(today.timetuple())) # 今天 00:00:00
result = []
# 3. 遍历 aweme_list，过滤出发布日期是昨天的 aweme
for aweme in aweme_list:
ifnotisinstance(aweme, dict):
continue
aweme_detail = aweme.get("aweme_detail", {})
ifnotisinstance(aweme_detail, dict):
continue
# raw_create_time 应该是秒级时间戳
raw_create_time = aweme_detail.get("create_time", 0)
ifisinstance(raw_create_time, int):
if yesterday_start_ts <= raw_create_time < today_start_ts:
result.append(aweme)
return result
4.5 选择器判断列表是否为空
4.6 通过代码将信息整理为飞书表格可以使用的数据
在这一步，我们通过代码，将信息整理为飞书表格可以使用的数据。
下面是处理数据的Python代码：
async defmain(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
ifnotisinstance(params, dict):
return [] # 如果 params 不是字典，直接返回空列表
# 2. 安全地获取 aweme_list
aweme_list = params.get("aweme_list", [])
ifnotisinstance(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
ifnotisinstance(aweme, dict):
continue
# 4. 安全获取 share_info 和 statistics
share_info = aweme.get("share_info", {}) ifisinstance(aweme.get("share_info"), dict) else {}
statistics = aweme.get("statistics", {}) ifisinstance(aweme.get("statistics"), dict) else {}
# 5. 提取各字段信息，并在取值时加默认值
video_id = statistics.get("aweme_id", "")
title = share_info.get("share_title", "")
link = share_info.get("share_url", "")
digg_count = statistics.get("digg_count", 0)
comment_count = statistics.get("comment_count", 0)
collect_count = statistics.get("collect_count", 0)
share_count = statistics.get("share_count", 0)
# 6. 获取 aweme_detail 并判空
aweme_detail = aweme.get("aweme_detail", {}) ifisinstance(aweme.get("aweme_detail"), dict) else {}
# 获取作者信息
author_info = aweme_detail.get("author", {}) ifisinstance(aweme_detail.get("author"), dict) else {}
author_name = author_info.get("nickname", "")
signature = author_info.get("signature", "")
sec_uid = author_info.get("sec_uid", "")
# 7. 获取时间和时长，这里可以进一步做类型检查，防止计算时报错
raw_create_time = aweme_detail.get("create_time", 0)
create_time_ms = raw_create_time * 1000ifisinstance(raw_create_time, int) else0
raw_duration = aweme_detail.get("duration", 0)
duration_sec = raw_duration / 1000ifisinstance(raw_duration, (int, float)) else0
# 8. 组装返回数据
item_dict = {
"fields": {
"视频ID": video_id,
"标题": title.strip(),
"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,
"时长": duration_sec
}
}
result.append(item_dict)
return result
4.7 通过代码将信息整理为飞书表格可以使用的数据
最后，我们将数据添加到飞书多维表格。
1.我们需要创建一个多维表格，设置好表头字段，如下图所示。
表头字段包括视频的所有关键信息：视频ID、标题、链接、点赞数、评论数、收藏数、分享数和作者、用户简介、用户ID、发布日期、时长。
2.飞书表格节点填写正确的输入参数
输入：
- app_token：多维表格的唯一标识符，支持输入文档 url。
- table_id：多维表格数据表的唯一标识符
- 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
4.8 结束节点
5.创建智能体
5.1 新建智能体
在Coze平台创建一个新的智能体，命名“对标账号监控智能体”。
5.2 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
你是一个专业的对标账号监控智能体，能够熟练调用`fetch_douyin_user_videos_daily`工作流，为用户获取对标账号的最新视频列表。
## 技能
### 技能 1: 获取对标账号的最新视频列表
1. 当用户提出监控某个对标账号的需求时，使用`fetch_douyin_user_videos_daily`工作流，获取对标账号的最新视频列表；
## 限制:
暂无
5.3 绑定工作流
把之前的“fetch_douyin_user_videos_daily”工作流加进来，让智能体在合适的时机自动调用它。
5.4 设置触发器
添加触发器，让智能体能定时执行工作流，采集对标账号的视频。
定义智能体的启动条件和触发规则：名称、触发类型、触发时间。
任务执行选择机器人提示，输入对标账号的视频链接。
5.5 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。
6.总结
通过本文，我们学习了如何构建一个对标账号监控智能体，它可以帮助我们自动收集和分析竞争对手的短视频数据。让我们回顾一下关键要点。
对标账号监控帮助我们了解竞争对手动向，及时调整自己的内容策略。
从工作流设计到代码实现，再到飞书表格对接，实现了全流程自动化。
不需要花钱买昂贵的监控工具，也不需要复杂的编程知识，就能实现自动化监控
有了这个智能体，我们可以省去大量手动收集数据的时间，把精力更多地放在内容创作和运营策略的制定上。
我的DeepSeek部署资料已打包好（自取↓）
https://pan.quark.cn/s/7e0fa45596e4
但如果你想知道这个工具为什么能“听懂人话”、写出代码 甚至预测市场趋势——答案就藏在大模型技术里！
❗️为什么你必须了解大模型？
1️⃣ 薪资爆炸：应届大模型工程师年薪40万起步，懂“Prompt调教”的带货主播收入翻3倍
2️⃣ 行业重构：金融、医疗、教育正在被AI重塑，不用大模型的公司3年内必淘汰
3️⃣ 零门槛上车：90%的进阶技巧不需写代码！会说话就能指挥AI
（附深度求索BOSS招聘信息）
⚠️警惕：当同事用DeepSeek 3小时干完你3天的工作时，淘汰倒计时就开始了。
那么，如何系统的去学习大模型LLM？
作为一名从业五年的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？老师啊，我自学没有方向怎么办？老师，这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！当然这些问题啊，也不是三言两语啊就能讲明白的。
所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。
篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~
👉大模型学习指南+路线汇总👈
我们这套资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。
👉①.基础篇👈
基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。
👉②.进阶篇👈
接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。
👉③.实战篇👈
实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。
👉④.福利篇👈
最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，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】
相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！
扫一扫
6077
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
