> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://docs.beatapi.io/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://docs.beatapi.io/_mcp/server.

# 找快手短教程做内容研究，怎样筛选并读出观众问题？

> 从家常菜步骤研究出发，用时间、时长和排序缩小候选，人工选相关作品，再读评论里的准备条件与疑问。

要找快手短教程和观众还在追问的问题，用 `kuaishou.app.search_comprehensive` 按发布时间、时长和排序搜索，人工选出真正演示步骤的作品，再用 `kuaishou.app.fetch_video_comment` 读这些作品的评论。产出是一张观众问题表：每行带原句、来源作品和待核对的条件，可以直接作为下一条教程的选题依据。

下面的示例研究家常菜教程，找近一周、少于一分钟、按点赞排序的作品。教程需要完整过程而不是短讲解时，把 `duration` 放宽。

## 1. 用什么条件缩小首批？

需要筛选时用 `kuaishou.app.search_comprehensive`：`kuaishou.app.search_comprehensive` 支持排序、发布时间和时长。`search_video_v2` 只接受关键词和游标，不要把筛选参数传给 `search_video_v2`。

| 研究目的       | 可选条件                                                    |
| ---------- | ------------------------------------------------------- |
| 看近期讲法      | `publish_time: one_day/one_week/one_month`，不限用 `all`    |
| 先找高互动参考    | `sort_type: most_likes`；也可选 `all` 综合或 `newest` 最新       |
| 看短步骤或更完整过程 | `duration: under_1_min/1_to_5_min/over_5_min`，不限用 `all` |

一轮研究只用一套条件，保存关键词、筛选条件和实际查询时间。

## 2. 用Python准备请求

把下面的脚本保存为 `build_kuaishou_search.py`。`build_kuaishou_search.py` 把你的关键词和第 1 步的固定筛选写进请求文件；脚本只在本地运行，不发请求，已有请求文件不会被覆盖。

```python
import json,pathlib,sys
keyword,output=sys.argv[1:3]
if not keyword.strip():raise ValueError("Keyword is required")
request={"action":"kuaishou.app.search_comprehensive","params":{"keyword":keyword,
 "sort_type":"most_likes","publish_time":"one_week","duration":"under_1_min","pcursor":""}}
with pathlib.Path(output).open("x",encoding="utf-8") as f:
    json.dump(request,f,ensure_ascii=False,indent=2)
print(output)
```

把示例关键词 `coffee` 换成这一轮要研究的词。先在本地生成请求文件，再用 curl 发送一次：

```bash
python3 build_kuaishou_search.py "coffee" kuaishou-request.json
curl --fail-with-body -sS https://api.beatapi.io/v1/social-data/call \
  -H "Authorization: Bearer $BEATAPI_API_KEY" \
  -H 'Content-Type: application/json' \
  --data-binary @kuaishou-request.json \
  -o kuaishou-search-page-1.json
```

保存 `request_id`、实际输入、查询时间、原响应和返回状态。HTTP 成功不等于材料完整：先检查 `kuaishou-search-page-1.json` 里的作品，再选目标作品。

## 3. 哪些作品值得接着读？

演示了准备步骤的作品才值得读评论。按主题、形式和作品里实际展示的步骤判断，每个候选记下作品 ID、来源、选入或排除的理由，以及还缺的材料。

1. 初筛看标题和文案。
2. 要比较两条作品怎么演示同一步时，看实际视频或图片。
3. 「用了同样的食材，全程展示切配」的作品进入候选；「点赞多，只展示装盘」的作品留作拍摄参考。
4. 在候选表里用作品 ID 关联来源和选择理由。同一作品出现在多页结果里时合并成一条候选，把出现过的页都记进来源。

## 4. 读选中作品的评论

把每条入选作品核对过的 `photo_id` 传给 `kuaishou.app.fetch_video_comment`，第一页 `pcursor` 为空。记下观众的问题与使用条件；某个问题需要看回复时，按[评论与上下文](/zh/faq/kuaishou-comment-pagination)展开回复。

“这一步怎么判断完成”“换个锅可以吗”进入待解释项。“终于做出来了”是体验：保留这条评论，并记下评论者给出的条件。每个主题附实际原句。评论的点赞数不能说明观众都认可某种做法。

## 5. 要更多材料时怎样继续？

1. 同一轮不改关键词、排序、发布时间和时长。
2. 取下一页时传上一页返回的 `pcursor`，结果另存新文件。
3. 改了任一筛选条件，就从空 `pcursor` 重新开始，结果作为另一次观察单独保存。
4. `pcursor` 缺失或重复、请求失败或达到计划页数时停止，并记下停止原因。

每取一页都检查有没有新增的步骤或使用条件。材料已能支撑选题时，先细读入选作品，只为具体缺口再补取。要找创作者，用独立的用户搜索；第 1 步的作品筛选不筛账号。

## 6. 怎样交付选题依据？

每行按“观众问题—支持原句—相关作品—准备条件—我们的可写角度—待核项”整理。多条评论追问同一个被省略的步骤时，先核对回复里是否已有解答；没有解答，就提出补讲这一步的选题。

给助手可以这样说：

> 从这套搜索条件的家常菜作品里选真正讲准备步骤的，记录选择理由。读选中评论，保留问题原句和条件，指出哪些步骤值得补讲、哪些材料还要看。每个选题附来源，不直接照搬热门标题。

导出选题表时，每行写一个可以讲清楚的问题，例如「换小锅做同一道菜，如何判断第一批食材已经熟透？」附上来源作品和评论行号，把锅的尺寸、食材用量等仍需核对的条件写在同一行。每个搜索页、每个入选作品的评论页和每个回复页都是一次单独计费的请求，单价见[价格页](https://beatapi.io/zh/pricing)。

[分享与标识](/zh/faq/kuaishou-identifiers) · [评论续页与回复](/zh/faq/kuaishou-comment-pagination)