做 TikTok 的人都有一個共同的痛：創作者中心裡躺著一堆數據——播放、按讚、完播率、漲粉——但你真想讓 AI 幫你分析「為什麼這條爆了那條撲了」，AI 只能乾瞪眼。它看不到你的後台，你手動截圖餵給它，既慢又丟資訊。絕大多數創作者的數據覆盤，停留在「感覺這條不錯」的玄學階段。

痛點：數據在後台，AI 在門外

TikTok 創作者中心的指標是頁面渲染的，沒有開放給個人創作者的便捷接口。你想讓 Claude 或 Cursor 裡的 Agent 幫你覆盤，傳統做法只有三條路：手動抄數字、截圖識別、或者買第三方數據平台的會員。前兩條費時且容易出錯，第三條貴，而且第三方平台給的是全行業大盤數據，不是你自己帳號的逐條作品明細。

更關鍵的是文案維度。數據告訴你「這條完播率高」，但不告訴你「因為開頭三秒說了什麼」。把數據和影片實際講的內容結合起來分析，才是真正的覆盤，而這恰恰是手動操作最難做的部分。

機會：一個本地工具打通最後一哩路

GitHub 上的開源項目 douyin-mcp（https://github.com/Kuhakucai/douyin-mcp ）解決的正是這個問題。先給完全沒接觸過的人補一句背景：MCP 你可以理解成「AI 的 USB 接口」——一個通用協議，讓 AI 軟體像插隨身碟一樣插上各種數據源；而「Agent」就是能聽懂人話、自己動手幹活的 AI，常見的有 Claude Code、Cursor、Codex 這些，官網下載安裝即可。douyin-mcp 就是一個本地運行的 MCP Server：在你的電腦上重用專用 Chrome 的登入狀態，把創作者中心頁面裡真實可見的作品列表、播放、按讚、留言、分享、收藏、完播率、漲粉等指標增量同步到本地資料庫，再透過 MCP 提供給任何支援 MCP 的 AI。

它還有一個殺手級功能：按需提取影片音軌文案。注意，是影片裡實際說出來的話，不是標題或畫面文字識別。本地語音識別模型把音軌轉成帶時間戳的文字，AI 就能同時看到「這條影片講了什麼」和「這條影片表現如何」，把選題、開頭鉤子、內容結構和最終數據放在一起對比。

這個項目目前 stars 59、forks 9，採用 AGPL-3.0 協議，截至發稿仍在活躍更新。支援 macOS 和 Windows，Python 3.11 以上，單用戶單帳號本機運行。倉庫明確聲明這是非官方社群工具，透過瀏覽器自動化讀取本人帳號可見數據，可能觸發平台風控——這一點必須向任何客戶如實說明。

路徑一：十分鐘裝好，先把自己的帳號跑通

適合人群：自己有 TikTok 號、想先零成本驗證效果的創作者。

安裝被設計成「一句話的事」。你不需要懂程式碼，只要對支援 MCP 的 Agent 說：

1

幫我克隆並安裝配置 https://github.com/Kuhakucai/douyin-mcp.git 項目

Agent 會自己讀 README、檢查環境、運行安裝腳本（macOS 執行 bash ./easy-install.sh，Windows 執行對應的 PowerShell 腳本）、初始化資料庫、把 MCP 配置寫進你正在用的客戶端，然後打開專用 Chrome 讓你掃碼登入。首次同步後，它會拉取作品列表和最近若干條作品詳情。

影片文案功能預設不開啟，需要時再對 Agent 說「啟用影片文案」，它會說明要下載 FFmpeg 和本地語音識別模型、佔多少磁碟，徵得同意後才裝。這個設計直接決定了你能不能十分鐘上手——首次同步幾分鐘完成，不用乾等幾百條歷史影片逐條轉寫。

路徑二：把覆盤變成可複製的提問模板

適合人群：已經在發內容、但覆盤全靠感覺的創作者。

裝好工具只是起點，真正值錢的是提問方法。倉庫給出的推薦用法可以直接當成模板用：

1
2
3

檢查我的 TikTok 數據狀態。只在快取過期時更新作品列表和最近 20 條詳情；
然後按最近 30 天比較完播率、5 秒完播率和互動率，給出覆盤結論。
每條結論都說明數據時間、覆蓋率、缺失項和對應作品證據。

日常覆盤可以拆成三類問題。一類是找規律：「找出最近 30 天互動率最高的 5 條作品，說明共同點。」一類是做對比：「結合這 3 條影片的音軌文案和表現數據，對比選題、開頭鉤子、內容結構和互動差異。」還有一類是指導下一步：「哪些作品值得做續集？說明排序依據和數據局限。」

數據不造假，這是你敢拿它賣錢的底氣：頁面沒顯示的值存為 null，不會拿 0 或猜測值填空；每條結論附帶採集時間、快取新鮮度、欄位覆蓋率和缺失原因；檢測到誤切帳號會拒絕寫入。AI 給你的覆盤結論是帶證據的，不是一本正經地編。

路徑三：把這套能力包裝成服務賣出去

適合人群：想靠資訊差賺副業錢的人。最容易成交的客戶，是那些已經在穩定更新、但完全不懂數據的中小創作者——探店號、知識部落客、帶貨達人，他們有數據意識但沒有數據能力，連 MCP 是什麼都不知道。

三種服務形態。第一種是單次覆盤報告：交付一份「近 30 天作品表現分析 + 爆款共性拆解 + 下月選題建議」。給你個驗證需求的錨點：現在在 Carousell、Lemon8 搜「TikTok 帳號診斷」「帳號數據分析」，同類服務標價普遍在幾百到上千元一單，按粉絲量和報告深度分檔，你可以直接搜了對比定價。第二種是陪跑訂閱：每月固定交付覆盤報告加選題會，鎖定長期客戶。第三種是教學變現：把安裝配置和提問模板錄成課程或寫成圖文教程，賣給想自己上手的創作者，一份內容反覆賣。

算一筆保守的帳（推演，不是承諾）：假設一單覆盤報告定價 1,500 元、熟練後單次耗時約 1 小時，在 Carousell 掛連結每月成交 10 單，就是 15,000 元純時間收入；跑出口碑後轉陪跑訂閱，客單價和回購都上一個台階。

合規邊界必須前置說清，這直接關係到你能不能長期做：這個項目是非官方工具，僅讀取本人帳號可見數據，且倉庫明確提示可能違反平台條款或觸發風控。所以做服務時，必須讓客戶本人掃碼、本人操作、本人確認風險，你絕不代持任何帳號憑證，也不做任何數據轉售。接單前把「帳號可能被限流」的風險寫進服務說明，並提前約定：若因平台風控導致服務中斷，按未完成比例退款。這是底線，也是你能長期做下去的前提。

案例推演：一個知識部落客的覆盤閉環

先說明白：下面是一個假設性演示，展示這套流程跑通後長什麼樣，作者尚未完成全流程實跑驗證，不是真實客戶案例。

假設一位每週更 3 到 5 條的知識部落客裝好工具後，對 Agent 發出覆盤指令，拿到一份帶證據鏈的對比結論。其中最有價值的是文案維度的發現——比如對比兩條同選題影片後，AI 指出表現好的那條在前五秒直接拋出了反直覺結論，而差的那條鋪墊了二十秒才進入正題。這種「數據 + 實際講述內容」的交叉驗證，靠人肉幾乎不可能系統性地做。

對這樣的創作者來說，每月一次深度覆盤，持續優化開頭鉤子和選題方向，帳號的完播率和漲粉曲線就是可管理、可迭代的資產，而不是玄學抽獎。至於實際效率提升多少，建議你自己跑一遍拿真實數字——那本身就是你賣服務時最有說服力的素材。

現在就動手

工具是免費開源的，門檻只有一台電腦和一個 TikTok 帳號。今天做三件事：一，把倉庫地址發給支援 MCP 的 Agent，讓它完成安裝；二，用上面的覆盤模板跑一次你自己的帳號，看 AI 給出的結論和你的直覺差多少；三，把整個過程截圖記錄，這就是你日後賣服務、賣教程的第一批素材。數據覆盤的認知差正在拉開創作者之間的差距，先跑通的人先吃到紅利。