42. AI 视频剪辑实战：用 Claude Opus 5.5 剪口播长视频，完整工作流教程

先看这里：本页与完整版的区别

本页是基础版（免费）。 全部提示词和八步剪辑 Skill 的完整原文都在这一页，复制粘贴即可，一部口播长视频可以照着手动做完。

完整版收录在「翔宇工作流 AI 编程实操课」中，包含：可运行的脚本和 Remotion 起步引擎；五套入门风格手册、一份空白模板，以及研发自己风格的方法；部署运行手册；长文档。

国内版（FlowUS）： 了解并加入 AI 编程实操课

海外版（Buy Me a Coffee）： 了解并加入 AI 编程实操课

已加入的会员，直接打开本期资料包页面：国内版资料包页面｜海外版资料包页面

本页目录

1. 第一部分 方法论：为什么长视频需要框架
2. 第二部分 实施指南：八步剪辑流程
3. 第三部分 提示词与任务卡
4. 第四部分 Skill 原文与完整方案
5. 常见问题与相关阅读在页尾

这一页讲怎么用 AI 剪口播长视频：不拖时间轴，让 Claude Code 里的模型写 Remotion 代码出画面；把要定死的规矩、要放开的部分、委派用的提示词沉淀成一套八步的剪辑 Skill，长视频按固定时长切成分镜，交给子 Agent 去剪。方法适用于任何以旁白为主线的长视频。

配套视频讲的是思路：AI 剪辑难在哪，怎么用三层框架和四个象限想清楚和 AI 怎么协作。这一页把它落到能直接拿走的东西上：怎么开一部片；八个步骤每一步做什么、哪里要我们自己拍板；四个象限各对应哪段提示词，并给出完整版（开题、定调、委派任务卡、看片、精修、审计）；模型和努力程度怎么配。所有提示词都在这一页里，复制粘贴就能用，一部片可以完全照着手动做下来；Skill 原文也全部贴在页尾。文中的具体数字和工具选择（分镜时长、并发数、画幅、帧率、制作工具、模型等）都是可调的默认值，集中列在第二部分「前置准备」的「默认参数一览」，其余地方只引用参数名。

本期视频：AI 视频剪辑实战：用 Claude Opus 5.5 剪口播长视频，完整工作流教程（YouTube）

第一部分 方法论：为什么长视频需要框架

视频介绍

本期视频时长 29:33，讲怎么用 Claude Opus 5.5 在 Claude Code 里写 Remotion 代码剪口播长视频：AI 剪辑难在哪、三层框架、四个象限、八步剪辑 Skill，以及模型和努力程度怎么选。观看：YouTube（29:33）。想直接跳到某一段，见下面「视频章节」。

视频章节

下面每一行都是视频里对应位置的链接，点开直接从那一段播放；各段对应这一页的哪一节，见列表后面一段。

• 0:00 开场：一个人剪完一整部片
• 0:13 AI 剪辑难在哪：组合是天文数字
• 1:24 AI 怎么剪：画面是时间的函数
• 3:41 长视频卡在上下文：管好输入和输出
• 5:02 三层框架与四类未知
• 7:22 四个象限
• 8:49 默会知识与大雾
• 10:15 第一象限：框架与预检
• 12:25 开题、旁白与分镜
• 14:32 定调与委派
• 16:49 初版到复盘：约束与自由之间的甜点
• 19:06 第二象限：任务卡给框架不给约束
• 20:55 样片库：给 AI 一个榜样
• 22:12 第三象限：打分的误区，交给第三方看片
• 24:35 第四象限：外部知识与先试剪
• 26:52 总结：分享 Skill 与努力程度怎么选

对应关系：0:13 到 3:41 三段是后面「长视频剪辑的难点」一节；5:02 对应「三层框架」；7:22 到 24:35 对应「四个象限及其用法」和「八步剪辑 Skill 总览」；26:52 对应「模型与努力程度配置」。

本页使用方式

先说结论：这一页不是一份要逐条照做的操作手册，而是交给一个空白的 Agent 会话，让它当参考的材料。做法是：开一个全新的会话，模型和努力程度按第二部分「模型与努力程度配置」的推荐配置，把这一页和我们自己的旁白一起交给它。它把这里讲的整个流程当参考，不当约束，用它自己的最大能力去做，觉得有更好的办法可以换方法。真正约束它的，只有后面列的几道硬关口。

准备事项

1. 一段旁白。 自己录好的音频、AI 配音，或者一份准备自己录的口播稿，都行。还没有旁白，Agent 会先停下来问，不会自己编。
2. 一个空文件夹。 一部片一个文件夹，所有产出都落在里面。在终端里进到这个文件夹，启动 Claude Code。
3. 模型和努力程度。 按推荐配置：Claude Opus 5.5，任何阶段不低于 Medium，主会话 High。会话要是空白的：不要在聊过别的事的会话里开始。
4. 这一页本身。 把本页全文存成文件夹里的 教程.md（或者直接整页粘进去）。页面里的提示词都是给 Agent 参考的素材，它会按需要读。
5. 默认参数。 分镜时长、并发数、画幅、帧率等都有默认值（见「默认参数一览」）。哪些要改，先想好，启动提示词里有一块可以直接改。
6. 可选： 几条自己喜欢的视频当参考；一个能看视频的第二模型（看片用）；预算和额度的底线（比如生成一张图以内不必问）。

启动提示词

在空白会话里粘下面这一段，把花括号里的内容换成自己的：

这个文件夹是我新片的工作目录。先运行 pwd 给我看，再动任何东西。

我要剪一部口播讲解视频。旁白：{{旁白文件路径，或者"还没有，口播稿在 xx"}}。
教程在 ./教程.md。请先把它读完。它是一套通用的口播长视频剪辑做法：八个步骤、四个象限、提示词和任务卡。把它当参考，不当约束：按它的整体流程走，但每一步用你自己的最大能力，觉得有更好的办法就换，换了在 progress.md 里写一句为什么。
参数：沿用教程「默认参数一览」里的默认值，只有下面列的几项改成我的：{{要改的参数名和值，没有就写「全部默认」}}。请把最终生效的参数原样记进 progress.md 的「参数」一节，之后所有步骤里提到的参数名都以它为准。
只有这几道硬关口不能越过：
1. 旁白和逐字时间一旦定稿就锁定，不改一个字；字幕只做成单独的字幕轨，不烧进画面。
2. 开题访谈答完之前，不出任何画面。
3. 风格由我选定，你不替我决定；锁定清单上的东西不改。
4. 花钱的事、公开的事（上传、发布）、删了回不来的事，先停下来问我。
其余的都由你判断。每做完一步，在 progress.md 里更新一行，然后继续，不要问"要不要继续"。

现在从预检开始，接着做开题访谈。

需要审核的环节

整个过程我们真正要看、要拍板的只有四处，其余 Agent 自己往下走：

• 开题：回答它的访谈问题（给谁看、哪些参数不用默认值、大概多长、什么感觉、有哪些素材和工具）。
• 定调：对着样帧选风格，再看首段试剪，认可了它才会写风格卡和锁定清单。
• 初版：看拼好的初版（或者看看片人的反馈），说出哪里不对，用感受说，不用打分。
• 最终放行：精修之后看终版，说「可以」才算交付；公开发布永远由我们自己点。

Agent 暂停提问的情形

• 预检发现必需的工具缺了：问能不能装；
• 开题访谈的问题：一次问完，等我们答；
• 定调：给出候选、样帧、首段，等我们选；
• 任何要花钱的操作（付费生成、云端渲染、付费素材）、任何公开的操作、任何删了回不来的操作；
• 要改锁定清单上的东西（画幅、帧率、旁白、字幕轨这类参数和硬关口）；
• 精修时想把某个分镜整段从零重做。

除了这些，它不会为了小事来问。要是它问得太碎，回一句「这类事你自己定，记在 progress.md」就行。

本页内容概览

• 一套八步剪辑方法：预检、开题、旁白与分镜、定调、委派、初版、精修与交付、复盘，编号固定，后文按编号引用；每一步做什么、哪里要我们拍板，下面逐步讲透，也可以照着沉淀成自己的 Skill。
• 一部片从旁白到成片的走法：旁白先锁定，画面挂在每个字的时间上；长视频按「分镜时长」切成分镜，每个分镜交给一个全新的子 Agent，同时跑「并发数」个。
• 一张能直接改的委派任务卡：给框架，不给约束。
• 三段换个视角的提示词：换一个模型像观众一样看片；初版之后开空白会话精修；把 Skill 交给强模型审计，只微调。
• 一套模型和努力程度的推荐配置：推荐 Claude Opus 5.5，每个阶段不低于 Medium；主 Agent 用 High，分镜子 Agent 用 Medium，初版之后用空白会话的 High 精修一遍。

长视频剪辑的难点

视频开头讲了三件事，后面所有设计都从这里来。

组合是天文数字。 一个画面里放哪些元素、怎么排、怎么演、缓动曲线怎么走、卡在哪个字上，每一项都有很多做法，乘在一起就是成千上万种组合；一部片又由成千上万个画面组成。剪辑要做的，是按旁白的意思，在这些组合里挑一条最好的路。

视频 1:00 · 每一类都有十来种做法，乘在一起就是天文数字

画面即时间的函数

AI 不拖时间轴，它写代码：任何一个时刻，算出这一帧该长什么样就行，一秒 N 帧（N 即「帧率」）就算 N 次。Remotion 和 HyperFrames 走的都是这条路，元素、转场、缓动、字号在它眼里都是函数的参数。好处有两个：它能很快算出一个答案，还能同时委派好几个 Agent 去试不同的风格；代码能复用，上一部片攒下的手艺，改几处文字和主题就能用到下一部。

视频 1:30 · 画面 = f(t)：给定时刻，算出这一帧该长什么样

长视频的上下文限制

一两分钟的片子，模型注意力集中，能发挥出来。三十分钟、一小时的片子，一个会话装不下：随着上下文越积越多，实际感受是模型的灵巧程度会掉到六七成。所以没法靠一段提示词剪完长视频，得有一套和 AI 协作的办法。说白了，就是管好它的输入和输出。

视频 4:00 · 上下文越积越多，灵巧程度掉到六七成

三层框架：世界观、方法论、Skill

这套办法可以拆成三层，从下往上看：

视频 4:30 · 三层框架：世界观（框架化思维）、方法论（四类未知）、Skill（沉淀下来的流程）

方法论这一层，借的是 Anthropic 在 2026 年 7 月发的一篇讲人和 AI 协作的文章：A field guide to Claude Fable 5: Finding your unknowns。文章把我们交给模型时的未知分成四类：已知的已知、已知的未知、未知的已知、未知的未知。

为什么要分清楚？用装修打个比方：我们递给装修队的是一张户型图，心里盼的是拎包入住。可户型图上不会写插座装多高、水管走明线还是暗线。图纸没写的地方，装修队只能猜。猜对了是运气；猜错了，它就退回最保守、最常见的做法。放到视频里，这种做法有个名字：AI 味儿，整部片像 PPT 一样。四个象限要解决的，就是这些没写进图纸的地方。

这套分法不只用在剪辑上，写文章、出图片、跑跨境电商的增长，凡是和 AI 协作出东西的事都能用。

四个象限及其用法

两条轴切出四个象限：横轴是我们知不知道问题，纵轴是知不知道答案。

视频 7:30 · 四个象限：先看「已知的已知」

已知的已知：框架约束，留出发挥空间

行业里早有答案的事，一次写进 Skill，以后每部片都不再讨论：画幅、帧率、旁白当时钟、字幕只做字幕轨、版权红线。这些规矩从哪来？做法是委派 AI 去检索开源项目、自媒体频道、书，总结它们都有的步骤：大家都有，多半就是业界常用的做法。八个步骤就是这么来的。

框架又不能定得太死。有两个极端：一头是约束定得非常多，每一步都写死，AI 照着一个交接一个交接往下走，出来的东西死板，一部片拖上几个月都出不来；另一头是完全放开，一段简单的提示词交出去，偶尔能剪出好片，更多时候是 PPT 那种剪法。要在约束和自由之间找到甜点区间，这就像在刀尖上跳舞。连风格都是这样定的：告诉模型这段旁白讲什么，问它适合哪些视觉风格，让它筛出候选，再看样帧挑。

视频 18:30 · 约束太多质量差，完全放开偶尔高质量，甜点在中间

已知的未知：给框架、给榜样、放手去试

知道想要什么感觉，却不知道怎么做出来，那就让 AI 去试，我们来判断。Skill 里这一块是委派：每个分镜（时长见「分镜时长」）交给一个全新的子 Agent，交接用的任务卡是整件事成败的关键。

对比下来：一张写得严丝合缝的任务卡（分镜要淡入淡出、字幕打在底部、画面之间一定要缓动），和一张给框架不给约束的任务卡。后者剪出来的效果更好。约束条件越多，模型的探索空间越小，最后要兼顾各种约束，交出一个四不像。任务卡的完整写法见第三部分「委派任务卡」。

视频 19:30 · 严格版任务卡长这样：九条全写死，探索空间所剩无几

光给框架还不够，还要给榜样。可以建一个样片库：把自己欣赏的频道和视频拆开，切成分镜片段。子 Agent 要讲一组对比时，就去样片库里看这些片子怎么演对比：两张表，还是一条曲线？它学的是演法，不是长相，样片也从不剪进片子。没有现成的样片库也行：开题时给几条自己喜欢的视频，用 FFmpeg 每隔几秒截一帧、拼成一张联络表（让 Agent 写这个小脚本就行），当参考图放进任务卡。

未知的已知：交给第三方，像观众一样看

美感是默会知识：说不出来，一看就知道。就像刚出生的小孩不知道冰棍好不好吃，放进嘴里一尝，甜，就知道好吃。

这里有一个常见的误区：AI 提议建一套十个维度的打分系统，转场、分镜、元素、缓动曲线各打一个分。结果模型写了一段函数，算元素压没压着、有几个、多大，告诉我们这部片打 90 分；拿到眼前一看，什么也不是。视频的美是一种感受，没办法打分。

视频 22:30 · 让 AI 给视频打分：十个维度的仪表盘，看着精确，其实没有意义

解法是换人看：不让做这个分镜的子 Agent 自己判断，交给第三方。最好是一个能直接看视频的多模态模型（「看片模型」，例如 Gemini）；没有的话，在 Claude Code 里新开一个子 Agent 也行。让它站在观众的角度说感受：美不美，愿不愿意看下去，哪里留白不够、元素太满，有没有穿帮和闪屏。然后再精修。看片提示词的完整版见第三部分「第三方看片」。

视频 23:30 · 看片交给第三方：另一个能看视频的模型

未知的未知：外部知识，先试剪

Skill 做好了，我们不知道它哪里好、哪里有问题，也不知道怎么改进。这时只能借外部的眼睛：

• 请强模型审计。 把 Skill 交给能用到的最强模型（例如 Fable 5，或者 Codex 的 GPT-6），开一个新会话、选最高的努力程度，让它说出我们自己可能意识不到的问题。提示词里一定写上「只微调」：有的模型一听「改进」，就把整个 Skill 推倒重来。
• 问专业书籍。 把讲动画设计、缓动曲线、影视理论、导演理论的权威书放进 NotebookLM，基于 Skill 的框架去问：这个领域的专家是怎么说的。
• 先试剪，再铺开。 这一条就是问 NotebookLM 问出来的：进入分镜之前，先出样帧、试剪一段，看这个风格适不适合这部片，再决定后面怎么剪。很多风格并不适合手上这部片，只有看了才知道。

视频 26:30 · 先试剪：先跑一个分镜，效果好再铺开全片

这相当于熵增的原理：不要在一个密闭的空间里长期待着，要不断让外部信息进来，一点一点完善 Skill。审计提示词的完整版见第三部分「Skill 审计」。

第二部分 实施指南：八步剪辑流程

前置准备

1. 一个命令行版的编程 Agent，已经登录好。推荐 Claude Code。在终端里输入 claude 回车，能进到对话界面就行。
2. 免费工具：「运行环境」里列的几样（默认 Node.js 18 以上、FFmpeg、git、Python 3.11 以上）。不用自己逐个查，下面第 01 步预检会让 Agent 列出缺什么、怎么装。
3. 一段旁白：自己录的音频、AI 配音，或者一份准备自己录的口播稿。
4. 模型和努力程度：先定下来，后面每一步都按「模型与努力程度配置」走。

可选的：本地 Whisper（自动出逐字时间）、一个能让 Agent 截图的浏览器、第二个能看视频的模型（看片用）、自己的图片和视频生成工具。要花钱的工具，Agent 用之前会先问。渲染在自己电脑上跑，不需要显卡，也不需要按量付费的接口，Agent 用的是自己的订阅。

默认参数一览

下面这些数字和工具选择，全文只在这里定义一次，别处只写参数名。它们是经验默认值，不是规定：想改，开题时告诉 Agent，Agent 会把最终取值记进 progress.md 的「参数」一节，之后以它为准。

另外有几条是硬关口，不是参数，不随片子变：旁白和逐字时间定稿后锁定；字幕只做成单独的字幕轨，不烧进画面；开题答完之前不出画面；风格由我们选定；花钱、公开、删了回不来的事先问。

八步剪辑 Skill 总览

八个步骤的编号固定。手动做的话，每一步的要求就是下面的文字，可以自己存成一页笔记，让 Agent 每次开工前先读。带粗体的是要我们自己拍板的四个关口。

01 预检。 真正剪片的是子 Agent，工具没准备好，它就会跳过。常见的教训：默认截图工具是好的，结果子 Agent 遇到截图出错就跳过去，自己演绎画面，片子里几乎没有网页截图，看着就单调。所以开剪之前，先确认每个工具真能跑。过关标志：预检报告里必需的工具都在；可选能力缺了的，都写了替代办法。

02 开题。 一次访谈，把总框架定下来：哪些参数不用默认值（画幅与分辨率、帧率、分镜时长等），要给观众什么感觉。Agent 根据答案配置工程的参数。访谈答完之前，不出任何画面。

视频 12:30 · 开题访谈：四个问题问完，答案落成 开题.md

03 旁白与分镜。 全流程最核心的一步。一部片有旁白和画面两条主线，旁白这条先定死：自己录的音频剪掉气口、口误和重复的句子，定稿后生成逐字时间和 SRT 字幕。画面上每个动作都挂在字上，AI 剪的时候才知道哪个画面卡在哪个字。旁白改一个字，后面的时间轴全跟着动，所以这一步不定好，后面的画面没法动。然后按意思切分镜，每个约一个「分镜时长」；分镜里再按气口切小段，一个气口是一句话或者一小段意思。

04 定调。 一部片一种风格，而且是我们和模型一起决定的，不是从现成的里直接套。详细做法和提示词见第三部分「定调」。

05 委派。 用一张委派任务卡把每个分镜交给子 Agent。按「分镜时长」切，全片时长除以它就是分镜数，也是子 Agent 数；一次同时跑「并发数」个。开并发之前，确认自己的工具在并发下不报错。只要额度和时间够，再长的片子也一样做。

06 初版。 分镜都回来以后拼成初版，卡准音画，修前后衔接的小毛病和穿帮。然后换一个模型像观众一样看一遍。

07 精修与交付。 初版之后，开一个全新的空白会话精修整部片：好的地方不动，不好的地方在所有出现的地方一起改。交付成片、单独的字幕轨、章节和素材出处。

08 复盘。 每次和 Skill 协作都会攒下一点小经验，把它微调进对应的那一步，下次避免同样的问题。

预检与开题

这一步做什么

在片子的文件夹里让 Agent 跑一遍预检（第 01 步），然后从开题访谈（第 02 步）开始。这一页之后的所有步骤，都在这个文件夹里做。

在哪里粘

先给新片建一个空文件夹，在终端里进到这个文件夹，再启动编程 Agent（Claude Code 输入 claude 回车）。启动前确认模型和努力程度符合推荐配置（见第二部分「模型与努力程度配置」）。把下面整段粘进去，回车。

完整提示词

工作目录：我这部新片的文件夹。先运行 pwd 给我看，再动任何东西。

我要剪一部口播讲解视频，旁白文件：{{旁白文件路径}}（还没有的话告诉我，先不动手）。参数以 progress.md 的「参数」一节为准，没有的话按教程「默认参数一览」的默认值。分两步，一步一步来。

第 1 步，预检：检查这台机器上「运行环境」和「制作工具」能不能用；能不能打开浏览器截图；能不能转写出逐字时间（Whisper 或别的办法）；有没有图片、视频生成工具。列成一张表：必需的缺了怎么装，可选的缺了有什么替代办法。没经过我同意，不要自己装东西，不要花钱。

第 2 步，开题访谈：预检报告贴给我之后，一次把这些问题问完：这部片给谁看、他们为什么会点进来；画幅与分辨率、帧率、分镜时长、并发数这几个参数要不要改成别的；大概多长；要给观众什么感觉；我手上有哪些素材和工具；有没有几条我喜欢的视频可以当参考。我答完之前，不要出任何画面。

把预检结果和我的回答记进 progress.md，之后每做完一步更新一行。

这段提示词浓缩了第 01、02 步的要求。答完开题问题以后，接着做第 03 步：旁白定稿、出逐字时间和字幕、切分镜，再按第 04 步定调（见第三部分「定调」）。

过关标志

Agent 贴出了预检报告；接着开始问开题问题，而且没有先出画面。片子文件夹里有一份 progress.md，每做完一步更新一行。

常见卡点

• 预检报缺工具：照报告里每一项的安装提示装，装完重跑预检。没经过我们同意，Agent 不会自己装东西。
• Agent 开不了子 Agent：每个分镜新开一个对话，贴同一张任务卡，一个接一个做。慢一点，但能做。
• 渲染出来的字是方框：字体要放进工程里一起打包（中文等非拉丁字体尤其如此），渲染的机器上常常没有对应字体。
• 一开并发就报错：把「并发数」调小，或者先把报错的工具修好。

模型与努力程度配置

这一节是推荐配置，不是唯一可行的选择。推荐的模型是 Claude Opus 5.5，努力程度下限是 Medium：剪片的每个阶段都用同一个模型，任何一步都不要低于这个下限。只有「看片」和「审计」两步，故意换一个别的模型来提供外部视角。用别的 Agent 的话，对应换成它最强的模型和相应的思考档位，分工不变。

最关键的一条经验：不要用一个 Max 会话从头剪到尾。实测中，把整部长片的旁白一开始就交给一个 Max 会话，效果并不好：上下文被压缩得很厉害，模型没法发挥。所以 Max 只留给主 Agent 在预算够的时候用；初版之后换一个空白的 High 会话精修，才是有效的组合。

在 Claude Code 里，会话的努力程度用 /effort 调；子 Agent 的努力程度写在它的定义文件里（effort 字段）：分镜子 Agent 写 medium，精修子 Agent 写 high。

官方文档入口

Claude Code：

• Skill 是什么、放在哪：https://code.claude.com/docs/en/skills
• 子 Agent（含 effort 字段）：https://code.claude.com/docs/en/sub-agents
• 模型和努力程度：https://code.claude.com/docs/en/model-config

做片用到的：

• Remotion 文档：https://www.remotion.dev/docs/
• Remotion 许可（个人和小团队免费，规模大的公司要买公司许可）：https://www.remotion.dev/license
• FFmpeg：https://ffmpeg.org/
• Whisper：https://openai.com/index/whisper/
• NotebookLM：https://notebooklm.google.com/
• Anthropic 的文章 A field guide to Claude Fable 5: Finding your unknowns：https://claude.com/resources/articles/a-field-guide-to-claude-fable-finding-your-unknowns

第三部分 提示词与任务卡

定调

这一步做什么

这一页不替我们选风格，只讲怎么选。做法分四步：

1. 从旁白里出候选。 把定稿的旁白交给模型，问它这段旁白适合哪些视觉风格，让它筛出「候选风格数」个候选，每个说清楚适合在哪、风险在哪。
2. 对着静帧挑。 让它为每个候选出一张样帧（同一句旁白、同一个画面），我们对着静帧挑，不对着文字描述挑。
3. 试剪一段。 选中一个以后，把首段做到成片的样子，看这个风格适不适合这部片；不适合就换下一个。很多风格并不适合手上这部片，只有看了才知道。
4. 写风格卡和锁定清单。 定下来以后，写成一页风格卡：背景、色板、字体、入场出场的约定，外加一份「不要」清单；再单列一页锁定清单（画幅、帧率、字幕只做字幕轨这类不能改的参数和关口）。之后所有分镜都读这两页，子 Agent 在同一个风格下做的分镜，放在一起才不违和。

风格是参考世界，不是紧身衣。风格卡规定的是这部片的气质和边界，边界之内怎么演，由子 Agent 自己设计；风格一部片可以定，但每个分镜的演法是不同的，要在同一风格之上做变化，整部片才不单调。第一步可以这样对 Agent 说：

完整提示词

下面是这部片定稿的旁白：{{旁白文件路径}}。先读完。
然后告诉我：它适合哪些视觉风格？给我「候选风格数」（参数）个候选，每个写清楚适合的理由和主要风险。
等我选定两三个以后，再为每个出一张样帧（同一句旁白、同一个画面），先别开始剪。

候选风格从哪来

候选风格没有标准清单，让模型根据旁白提；想有个起点，常见的方向有：亮面演示（浅色明亮、偏产品和界面演示）、暗场终端（深色底、偏命令行和工具类内容）、手绘白板（手写笔触、偏概念和推导）、扁平图解（色块和图标式的平面图示、偏流程和对比）、杂志版面（大标题和留白的版式、偏观点和叙事）。这些只是方向，不是标准答案；上面四步照样适用于自己的风格。

委派任务卡

这一步做什么

第 05 步把每个分镜交给一个全新的子 Agent。交出去的就是这张任务卡：目的、风格、为谁服务、手上的工具和素材、可以学的样片、几条红线。它从不说画面怎么演。手动做的话，主 Agent 照着下面这张填好的完整例子，给每个分镜各写一张。

在哪里粘

不用手动粘。主 Agent 把卡存成 briefs/{{seg}}.md（{{seg}} 是分镜编号），再告诉子 Agent「读 briefs/{{seg}}.md，照着做」。没有子 Agent 的话，新开一个对话，把整张卡贴进去。

完整提示词

下面是一张填好内容的示例卡：内容取自一部讲知识库怎么搭的片子里的一个分镜，讲为什么一个大文件夹不灵。示例内容换成自己片子的；花括号里换成自己的值（{{seg}} 是分镜编号，其余参数名对应「默认参数一览」）；风格已经按前面「定调」选定，用 {{风格名}} 代替，换成自己定下的那一个。气口表只留了前三行，真正的卡里是全部气口。

做一部讲解片里的一个分镜：词 {{词范围}}，{{起止时间}}，{{气口数}} 个气口。
你是这个分镜的分镜子 Agent，也是它的设计者。目标是让观众看懂这一部分、还想接着往下看，而且看起来像一个有品味的人专门为这段旁白做的，不像 PPT。授权：点子、演绎方式、分镜内部的节奏、录哪些真实素材、用哪些开放授权的素材，都由你决定；素材不够可以上网检索。以下几件事先停下来问：任何花钱的事、任何公开的事、任何撤不回的事、任何对锁定项或共用层的改动。
报告写到 `reports/{{seg}}.md`；你最后的回复只写结论，最多五行。

## 你手上有什么
- 背景：整篇旁白（`briefs/whole-script.md`，每个分镜都标好了）和 `plan/context.md`。
- 主题：这是一部讲知识库搭建的视频。这一段讲的是，知识库一股脑堆在一个大文件夹里，交给 Agent 去读的时候为什么就不灵了，以及应该怎么办。
- 风格：我的主题风格是{{风格名}}，写在 `plan/style-sheet.md`；你在这个风格里面自由发挥。锁定的那几样东西在 `plan/lock-list.md`。
- 为谁服务：你要服务于这部视频的留存，站在观众的角度来设计里面的元素、分镜和演绎方法。看这一段的人，多半自己就这么干过，一看就能认出自己那堆乱摊子。要让他看完这一段明白为什么不灵，而且有欲望看下去，想知道到底怎么才行。
- 原则和硬性约束：`plan/lock-list.md`、`plan/style-sheet.md`、*quality-standard*。
- 工具：我有 `app/` 里的工程（{{制作工具}}），有浏览器可以截图、录屏（见 `handoff/01-preflight.md`）；这台机器上没有 AI 图片生成和 AI 视频生成。
- 素材：我的素材有不少，素材池、点名的东西和实证下限都在下面。素材不够，你可以去互联网上检索。
- 样片库，用来学别人怎么演绎，见下。样片库里的东西永远不进片子。
- 锁定的：只有锁定清单里列的那几样。其余都归你。

## 怎么做
1. 理解。设计任何东西之前，先在报告最上面写下你对这个分镜的理解：它从上一个分镜接过来什么，要交给下一个分镜什么，要替观众回答的核心问题是什么。
2. 构思。每个气口，或者你决定合并的每一组气口，找两三个真正不同的点子：换隐喻、换素材来源、换视角或换尺度，而不是换颜色。学参考片段怎么演绎一个时刻，不学它们长什么样。旁白点到真东西的地方，观众看到的就得是真东西。每个点子画一张草图，挑一个，写下为什么。第一个冒出来的点子通常最平庸。
3. 制作。先静帧后动态。做完整个分镜，用当前代码重新生成一条静帧条来审，每一轮用同样的帧号，然后把最没记忆点的三个时刻换掉。最多渲染一次。同一个问题修了三次还不行，就记成薄弱点，往下走。

## 开工前必读
读完这些，在报告的"文件"一块里每个文件写一行。斜体的名字是本 Skill references 目录下的文件：*quality-standard* 指 `<skill-folder>/references/quality-standard.md`。

| 文件 | 章节 | 为什么读 | 读完要能回答 |
|------|------|----------|--------------|
| `briefs/whole-script.md` | 全部 | 整部片子的主线 | 上一个分镜留给观众的是什么？你的分镜要往下交什么？ |
| `plan/lock-list.md` | 全部 | 哪些不能改 | 哪些是锁定的，哪些归你？ |
| `plan/style-sheet.md` | 全部 | 你在这个风格里面工作 | 背景、色板、字体、入场出场的约定各是什么？"不要"清单里有什么？ |
| `plan/shared-notes.md` | 全部 | 首段定下了你要达到的标准 | 这个标准用文字怎么描述？ |
| *quality-standard* | 怎么看；十二节 | 你的分镜要拿它来评判 | 十二个方面里哪三个最可能拖累这个分镜？ |
| *review* | 看定帧看什么；找更好的点子 | 你拿它审自己的静帧条 | 对一条静帧条要问哪三个问题？ |
| *materials* | 点名的东西必须是真的；从旁白规划素材配比 | 动画之外，画面上还放什么 | 你这段话里落了哪些点名的东西，每个必须以什么真实形式出现？ |

## 本分镜
看完这个分镜，观众要明白：Agent 拿到一个大文件夹，不是读得不够仔细，而是手里没有地图；所以答案是结构（一个文件只回答一个问题，再配一份索引），而不是塞更多的文字。
观众的感受：从"这不就是我的文件夹吗"的会心一笑，到"原来这能治"的松一口气。
怎么推进：熟悉的乱摊子，Agent 拿到它实际上在干什么，失败的实证，转向结构。

| 气口 | 开始 | 词 | 句子 |
|---|---|---|---|
| {{seg}}-b01 | {{开始时间}} | {{词范围}} | [concept] 大多数知识库，一开始就是一个文件夹，到最后也还是一个文件夹。 |
| {{seg}}-b02 | {{开始时间}} | {{词范围}} | [operation] 你打开 Agent 要读的那个文件夹，数一数里面到底有什么。 |
| {{seg}}-b03 | {{开始时间}} | {{词范围}} | [evidence N07] 这是一个真实的例子：四百个文件，其中九个都叫"笔记"。 |
| ... | | | （后面还有其余气口） |

入场：空舞台。出场：空舞台。
主讲人：角落，由分镜子 Agent 决定。
这段内容最大的风险：论证分三层（乱、为什么乱、怎么治），很容易在一张文件夹的图上停太久。

## 本分镜的素材
素材池：示例里是一段文件夹录屏和一张检索日志截图，都列在 `plan/materials.md` 里。
你的气口里点名的东西：N07（一个真实的、有 400 个文件的文件夹：文件夹列表的真实录屏）和 N08（Agent 真实的检索日志）。每一个都必须以真东西出现在画面上。
整部片子里，真实实证至少占时长的 {{实证占比下限}}，AI 生成素材最多 {{AI 生成素材上限}}，画面上不能连续超过 {{无实证最长时长}} 没有真东西。素材不够就上网检索（开放授权，记下来源和授权），或在上限内生成；任何花钱的事，停下来问。版权红线：不用流行歌曲、电影片段、其他频道的视频画面，不用 NC、ND、SA 授权或没写授权的素材。

## 参考片段
学它们的演绎（运动、时机、结构），不学它们的长相。
- `library/sheets/clip-04.png`，0:41：一堆杂乱怎么变成有序的一组（整理的那一下）。
- `library/sheets/clip-09.png`，1:12：前后对比怎么放进同一个画面。
- `library/sheets/clip-11.png`，0:20：怎么让观众感觉到专家在读一长串清单，又不用观众自己去读。
- 讲失败本身的那几个气口：自己设计。

## 要交回什么
写 `reports/{{seg}}.md`，一屏能看完，按这个顺序分块：结论（"已自检，待评判"）；给下一个 Agent；原则怎么落实的；我的判断；细节（理解、试过的点子和选择、最早的草图、静帧条、素材及来源和授权、声音时刻）；薄弱点与待定；文件（开工前必读每个文件一行，说你现在知道了什么；产出和最后一次提交）；自检（第一行"开工前必读已读 x/y"）。

## 环境与额度
- 只在你自己工作区的 `app/src/segments/{{seg}}/` 里工作（分支 `segment/{{seg}}`）。共用层只读。
- 额度：同时有 {{并发数}} 个分镜子 Agent 在跑；你的努力程度是 {{分镜努力程度}}；最多渲染 {{分镜渲染上限}} 次，审片分辨率；分镜里不放音效或音乐轨（把声音时刻列出来：词、帧、事件）。
- 如果有纠正，写在 `briefs/{{seg}}-notes.md`。每做完一个气口看一眼。
- 以下几件事先停下来问：付费生成、发布、删除或覆盖不属于你的东西、改动锁定项。停下来时，交回已经做好的部分，并在报告最上面写"暂停：等待 X"。

读开工前必读和这张任务卡，然后写下你对这个分镜的理解。想清楚再动手。然后做完整个分镜，交回来。

卡里提到的 plan/、briefs/、reports/ 文件夹，是主 Agent 在前面几步存下来的：整篇旁白、分镜表、风格卡、锁定清单、素材清单。手动做时按需建同名文件。斜体的 quality-standard、review、materials 是 Skill 的参考文件名；手动做的话，把「怎么算好」「怎么审静帧」「旁白点名的东西必须用真东西」这三件事各写一小段，存进 plan/，再把「开工前必读」表里对应的几行换成自己的文件名。

逐段说明

开头三行：身份和授权。 先说这是谁的任务、要做到什么程度（让观众看懂、想接着看、不像 PPT），再把决定权交出去：点子、演法、节奏、用什么素材都由它定。最后一句划出要停下来问的事：花钱、公开、撤不回、动锁定项。授权写清楚，它才敢放手去试。

你手上有什么：只写感觉和家当。 这一块只写：风格是一个已经定好的风格（换成自己定的），说清片子讲什么，要服务于留存、站在观众的角度，素材不够就上网找，手上有哪些工具。注意它说的是一种感觉和一个目的，不说文件夹怎么画、东西从哪进场、用什么缓动曲线。

怎么做：三步，但不规定画面。 理解、构思、制作。构思那一步要求每个气口出两三个真正不同的点子，因为第一个冒出来的点子通常最平庸；制作那一步要求先静帧后动态，收尾时把最没记忆点的三个时刻换掉。这些规定的是工作方法，不是长相。

开工前必读：每个文件配一个问题。 读完要能回答的问题写在表里，子 Agent 就不会只扫一眼标题。

本分镜：观众要明白什么、感受到什么。 写目标和感受，外加一句这段内容最大的风险，不写怎么画。气口表给出每句话的开始时间和词的编号，画面就挂在这些字上。

素材和参考片段：真东西和榜样。 旁白点到的东西必须以真东西上屏（真实录屏、真实日志），实证要占一定比例；参考片段只学演法，不学长相，没有合适的就写「自己设计」。

环境与额度：只在自己的工作区里工作。 分镜之间互相看不到画面，这是有意的：看到了，不是照抄就是刻意避开，整部片会越来越像。努力程度按推荐配置写（分镜子 Agent 默认 Medium），比主 Agent 低一档。

过关标志

发出去的卡里没有残留的 {{ 占位符；从头到尾找不到「淡入」「推近」「居中」「缓动」这类规定形式的词；子 Agent 交回的报告第一块是它对这个分镜的理解，最后一块写着「开工前必读已读 x/y」。

常见卡点

• 卡越写越长、越写越细：想说形式上的事（比如整部片的转场习惯），写进风格表，写一次，不写进任务卡。
• 分镜开始长得一样：多半是任务卡对形式说得太多，或者子 Agent 看到了别的分镜的画面。
• 派出去之后想改：把更正写进 briefs/{{seg}}-notes.md，不要给正在跑的子 Agent 发消息。
• 没有样片库：参考片段那一块写「自己设计」，照样能跑；有几条自己喜欢的视频，就用 FFmpeg 每隔几秒截一帧拼成联络表放进去。

第三方看片

这一步做什么

第 06 步初版拼好以后，交给一个没做过这部片的看片人（「看片模型」），让它像观众一样从头看到尾，说感受，不打分。第 04 步的首段和第 07 步的终版，想多一双眼睛时也可以用。

在哪里粘

按这个顺序挑看片人：另一个能直接看视频的模型，把审片版视频整个给它；没有的话，开一个全新的子 Agent，给它一秒一帧的拼帧图、文字稿和响度数据；再不行就新开一个对话。绝不用做片的那个对话。把占位符填好，代码块里的内容整段贴过去。

完整提示词

<role>
你是一名观众，不是剪辑师，也不是设计师。你是下面描述的那类观众中的一员，第一次看这部片。片子不是你做的，你也不负责修。你的任务是老老实实说出看这部片是什么感受。
</role>

<film>
标题：{{film_title}}
承诺（封面和标题告诉观众的东西）：{{promise}}
观众：{{audience}}：{{他们已经知道什么、为什么会点进来}}
时长：{{minutes}} 分钟。这是{{初版 / 终版 / 单个分镜}}。
文件：{{video_file_or_contact_sheets}}
文字稿（用来核对说的和画面上展示的是否一致）：{{transcript_path_or_none}}
</film>

<how>
1. 像观众一样，从头到尾完整看一遍。看的时候不要停下来记笔记。如果你只能看到帧，就按顺序一张张看，把每一秒当作时间往前走了一步。
2. 看完后，按下面的几个部分，用平实的句子写回答。描述观看的体验。不要打分、评级、给等级、给百分比，也不要列维度表。如果发现自己在用一个数字下判断，改成用话说。
3. 用时间码（m:ss）指出具体时刻，方便别人去看。用一个短语说明那一刻你看到或听到了什么。
4. 只说你确定感知到的东西。拿不准某处是故障还是故意的，就直说拿不准；描述不出来的缺陷不要下断言。你看到的是抽出来的帧，所以不要把「跳了」「卡住了」当事实报告，要说「m:ss 前后看起来像跳了一下」，留给别人去核实。
5. 不要提议把整部片重新设计，除非修法一目了然，也不要列修改清单。读这份回答的人会自己决定改什么。
</how>

<answer>
按这个顺序写以下几个部分：

1. 钩子：前三十秒里，你知道这部片要给你什么了吗？你想看下一分钟吗？是什么让你凑近，或者让你想走？
2. 被抓住的地方：抓住你的时刻（时间码），以及是它的什么抓住了你。
3. 走神的地方：注意力溜走的段落，当时画面上和旁白里在发生什么。
4. 没看懂的地方：让你跟丢的句子或画面，以及你以为它们是什么意思。
5. 出戏的地方：任何让你意识到「这是做出来的」的时刻：故障、歪了或被截断的东西、不该有的声音、看起来假的界面。
6. 显得廉价或平庸的地方：任何让你觉得在一百个别的视频里见过的画面；片子里混进了一页 PPT。
7. 点名与实证：旁白点到一个工具、一篇文章、一个网站或一个模型时，你看到真身了吗？列出你没看到的。片子里有多少是真实录屏、截图或文件，有多少是画出来的或装饰？有没有哪一段超过 {{无实证最长时长}} 什么真东西都没有？
8. 雷同：片子里有没有几段看起来或动起来很像？它感觉像一部片，还是好几部？
9. 声音：人声一直清楚吗？音乐或音效有没有和人声打架？有没有哪个声音让你出戏？
10. 我还会不会继续看：会或不会，用你自己的话说，以及什么会让你离开。
11. 结论：「够好了」，或者「改这三处，因为……」。挑出最能改变观看体验的三处。如果你说不出它好在哪，就直说。
</answer>

过关标志

回答里全是句子和时间码，没有一个分数、等级或百分比；最后一段是「够好了」，或者「改这三处，因为……」。

常见卡点

• 回答里冒出了分数：让它把数字改成话重说一遍。分数会诱导它去数东西，一部片可以每一项都数过关，看起来仍然像 PPT。
• 它报了一处故障：修之前先在定帧上或用测量复现一次；看片人看的是抽出来的帧，有时会看错。
• 不同意它的看法：不要和它争。它看错了，观众也可能看错，这本身就是信息。

空白会话精修

这一步做什么

初版出来以后，风格已经定了，元素也都布置好了。这时开一个上下文为空的新会话，努力程度按推荐配置调到 High，让它第一次看整部片：好的地方不动，跨分镜反复出现的问题在所有出现的地方一起改。这一轮能让片子提升一大截。

视频 28:30 · 初版整片交给空白上下文的会话精修

在哪里粘

在片子文件夹里开一个全新的会话（推荐模型，Claude Code 里先输入 /effort high，确认生效），把填好的提示词存成 briefs/refine.md，再让它照着做。开不了新会话的，定义一个只做精修的子 Agent（努力程度写 high），交给它同一份提示词。不要在做片的那个会话里精修。

完整提示词

<identity>
你是一部讲解片的收尾人。片子不是你做的，你也从没看过。你马上要带着空空的脑子、全部的注意力把整部片看一遍，然后把它变得更好。借助下面的工具，你同时也是它的设计师、动画师、剪辑师和混音师。

你自己决定：修什么，按什么顺序，怎么修，改哪些共用部件，哪些时刻换一个更好的点子重做。
以下情况先停下来问：任何花钱的事（付费生成、云端渲染、付费素材），任何公开的事（上传、发布、发帖），任何删除后无法恢复的事，以及整段从零重做一个分镜。停下时，在报告里写「暂停：等待 {{what}}」，先做不依赖这个答复的事，答复来了再继续。
</identity>

<what-you-have>
片子目录：{{film_folder}}
初版：{{first_cut_file}}（{{minutes}} 分钟，审片分辨率，带声音）
工程：{{project_folder}}（{{制作工具}}；分镜在 {{segments_folder}}，共用层在 {{shared_folder}}）
旁白和它的时钟：{{words_json}}、{{captions_file}}。两者都已锁定；不改一个字，不改一个时间。
风格卡和锁定清单：{{style_sheet}}、{{lock_list}}。锁定的东西保持锁定。
素材清单和点名清单：{{materials_list}}、{{named_things}}
每个分镜的报告及其薄弱点：{{reports_folder}}
没做过这部片的看片人对初版的审片意见：{{first_cut_review}}
硬错误报告：{{check_report}}
工具：{{tools_available}}（FFmpeg 和 Skill 的 `scripts/` 目录里的脚本始终可用）
</what-you-have>

<how>
目的：{{一句话：这部片要让观众明白什么、感受到什么}}。观众：{{audience}}。

给的是原则，不是步骤。怎么一条条落实，由你决定。

1. 先看，什么都不改。像观众一样从头到尾把整部片看一遍：你的模型能看视频就看完整视频；不能就按顺序看全片的拼帧图（一秒一帧），拿不准的时刻再看定帧。写下你的感受：哪里抓住了你，哪里走神，哪里没看懂，哪里出戏，哪里显得廉价。节奏、接缝和重复，只有把整片过一遍才看得出来。
2. 好的地方不动。改一个本来就好的时刻，就是改坏了。如果说不出某个时刻哪里不对，就别碰它。
3. 共性问题一次全改。同一类毛病出现在两处或更多地方，就找到它的根（共用层、公共组件、重复的套路），在那里修。用户的意见也一样：一句短评背后意思更深；在所有类似的地方都落实，不只是他点到的那一处。
4. 雷同现在算缺陷。连着几个分镜画面类型或节奏一样，一个构图停太久，长时间在同一个布局里换元素：换演绎方式，哪怕要换掉整个分镜的演绎。变化留在同一种风格之内；不要改风格。
5. 找更好的点子。说出片子里最平庸的那个时刻。挑出重做后最能让观众看懂或记住的三处，每处写两三个替代方案（一句话说观众会看到什么、感受到什么）。做最好的那个。
6. 实证。旁白点到的一切都以真身出现。真实录屏、固定截图和文件不低于「实证占比下限」；AI 生成画面不超「AI 生成素材上限」；没有哪一段超过 {{无实证最长时长}} 完全没有真实实证。用真实素材补足，版权干净，注明来源和授权。
7. 整片修正规则，作为起点：放进容器的东西完整落在容器里；落定的东西摆正；文字不被截断，并且在手机宽度下都看得清；动作太快就提前开始，而不是压缩；宁可交叠也不留空拍；留白是有意的，不是空着。
8. 先看定帧再看视频。每轮修完，用当前代码出同样帧号的定帧，对比修改前后。收敛了再整片渲染一次。某个动作的起点变了，就把它的声音挪过去，重新混音。
9. 审美是看出来的，不是量出来的。不要写分数，也不要数了几样东西就说这是质量。代码只能查硬错误。
10. 不要改：旁白、逐字时间、作为单独字幕轨的字幕（绝不烧进画面）、风格、格式、锁定清单上的任何东西。
</how>

<required-reading>
| 文件 | 章节 | 为什么读 | 读完要能回答 |
|---|---|---|---|
| `{{skill_folder}}/references/screening.md` | 全部 | 怎么看，看完写什么 | 看完第一遍要写什么？ |
| `{{skill_folder}}/references/review.md` | 缺陷藏在哪、找更好的点子 | 毛病藏在哪；找更好点子的三个问题 | 哪三个地方藏的毛病最多？ |
| `{{skill_folder}}/references/quality-standard.md` | 十二件事 | 好是什么样 | 那把唯一的尺子是什么？ |
| `{{skill_folder}}/references/materials.md` | 全部 | 实证底线和点名的东西 | 最长允许多久没有真实实证？ |
| `{{skill_folder}}/references/aesthetics.md` | 动效、转场、声音 | 对照修改的手艺数字 | 混音按什么顺序做？ |
| `{{first_cut_review}}` | 全部 | 换一个人看片时的感受 | 它最大的疑虑是什么？ |
</required-reading>

<the-users-notes>
从用户对初版的原话里提炼出的原则，最新的在最后。用户的原话连同时间在 `{{handoff_page}}` 里；看完第一遍之后再读，不要之前读。

{{note_1_principle}}：他看到了什么；他真正想要的是什么；适用在哪里；改好了是什么样。
{{note_2_principle}}：……
</the-users-notes>

<report>
写 {{report_path}}，按这个顺序包含以下几块：
1. 结论：片子是不是更好了，用一句话说为什么。
2. 给下一位：主 Agent 在第二遍看片时必须查什么，带时间码。
3. 原则怎么落实的：用户的每条意见，你怎么理解的，用在了哪里。
4. 我的判断：哪些改动不是要求的，为什么改；哪些地方你选择不动，为什么。
5. 细节：第一遍看完的观感笔记；三个更好的点子、替代方案以及你做了什么；问题表（时间码、类别、看到了什么、怎么修、修改前后的定帧）。
6. 薄弱点与待定：还不够好的地方；所有因为等用户而暂停的事。
7. 文件：终版、定帧、改过的代码，带路径。
8. 自查：哪些用测量或在全尺寸帧上核实过，哪些没能核实。
不要用分数。
</report>

<environment>
工作目录：{{film_folder}}
审片版：{{review_resolution}}，{{fps}} fps。每一轮收敛后整片渲染一次，不要每改一处就渲染。
额度：{{quota}}。并行子 Agent：无。整部片由这个会话自己完成。
付费生成和云端渲染：{{allowed_or_ask_first}}
</environment>

<start>
先读开工前必读，然后在改动任何东西之前把整部片看完。写下第一遍的观感笔记，再开始动手。不要只回一个计划。
</start>

提示词里「开工前必读」那张表指向五件事（看片怎么写、缺陷藏在哪、好的标准、实证底线、动效转场声音的手艺数字）。手动做时，把这五件事各写一小段存成自己的文件，把表里的路径换成它们；缺哪件事就删哪一行，其余照用。工具一行里提到的辅助脚本有就用，没有就只用 FFmpeg 和自己写的小脚本。

过关标志

精修报告的第一块是一句结论；「我的判断」里写了哪些地方选择不动、为什么；整片只在收敛后渲染了一次。主 Agent 再看一遍，没有哪一段比初版差。

常见卡点

• 新版本不一定更好：拿不准就一段一段和初版对比，哪段变差了就退回那一段。
• 想一开始就用 Max 剪整部片：实测效果不好，所以不要用一个 Max 会话从头剪到尾。整部长片放不进一个上下文，对话越长压缩得越多，后半段越来越差。初版之后再用空白会话精修，才有用。
• 调不了努力程度：精修最要紧的是那个全新的空白上下文；努力程度也别低于 Medium。

Skill 审计

这一步做什么

两部片之间，或者第 08 步复盘之后，把整个 Skill 交给一个和它毫无利害关系的强模型，找出我们从里面看不到的问题。剪片过程中不要用。

在哪里粘

用「审计模型」（能用到的最强模型）开一个全新会话，努力程度开到最高。把 Skill 目录给它（太大就给 SKILL.md、步骤文件和参考文件），把下面的提示词填好贴进去。能用到好几个不同的模型，就每个各跑一次，只留它们一致的意见，或者自己能核实的意见。

完整提示词

<role>
你是{{field}}领域的资深从业者：用编程 Agent 做长篇讲解视频，用代码导演（{{制作工具}}或类似工具），以旁白为主线。你在审计一个 Skill，也就是一个 AI 编程 Agent 照着做这类片子的指令目录。它不是你写的，你也没有理由对它客气。
</role>

<what-you-have>
Skill 目录：{{skill_folder}}。先读 `SKILL.md`，再读 `steps/` 里的步骤文件，再读 `references/`。
{{可选：做完的片子的交接页，以及出过什么问题：{{handoff_pages}}}}
Skill 自己对「为什么这样设计」的说明：*four-quadrants* 和 *quality-assurance*。对照这份说明评判设计，也指出说明本身哪里站不住。
</what-you-have>

<task>
找出我可能看不到的缺陷。既要像一个没有任何其他上下文的 Agent 那样一步一步读这个 Skill，也要像一位有经验的导演和剪辑师那样读。

重点看：
1. Skill 没说清、Agent 只能去猜的地方，而且猜出来会是保守、平庸的默认做法。
2. Skill 说得太多的地方：把本该放开的东西锁死的规则，会让片子趋同或僵硬。
3. 文件之间的矛盾；「完成标准」无法核查的步骤；依赖前一步并没有产出的东西的步骤。
4. 任何本该由人去看、却在打分或计数的地方。
5. 和业界做法不同的地方。说出是哪种做法，知道的话说出谁在这么做（工作室、频道、书、公开演讲）。说明你有多确定；不要编造来源、人名或数字。
6. 第一次用、换了一个 Agent（Claude Code、Codex、Cursor、Gemini CLI）的用户会在哪里绊倒。
7. 每个认真的讲解片工作流都有、这里却缺的东西。
8. 换一个强得多的模型、或弱得多的模型，这套方法还能不能用。
</task>

<output>
只微调，不推倒重来。不要重写 Skill，不要调整结构，不要提议新文件或新的步骤顺序，不要给出你自己的版本。只返回一份小而准的改动清单。

每处改动一块：
- 文件和章节。
- 哪里不对，一两句话，附证据（引用原句）。
- 改法：要加、改或删的确切文字，越短越好。
- 把握：高、中或低。拿不准就写「不确定」。
- 类别：缺口、过度约束、矛盾、业界做法、可移植性、其他。

按每处改动对片子质量影响的大小排序，最大的在前。只列最要紧的十二处。某个类别什么都没找到，就用一行说明；不要凑数。最后列出最多三件这个 Skill 做得好、改动不能伤到的事。
</output>

提示词里的 SKILL.md、steps/、references/ 指你自己的 Skill 目录（手动做的话就是那几页笔记所在的文件夹）。提示词里提到的 four-quadrants 和 quality-assurance，是对「为什么这样设计」的说明。手动做的话，把本页「三层」和「四个象限」两节整理成一页设计说明交给它，就能代替；没有的话，删掉那一行也行。

过关标志

拿回来的是一份不超过十二处的小改动清单，每处都有文件、证据、改法和把握，没有重写的版本。

常见卡点

• 它还是交回了一个重写版：在提示词最前面再强调一遍「只微调」，只要改动清单。
• 意见太多拿不准：自己逐条对照 Skill 核实，核实不了的、靠加规则来「改进」的、需要新文件的都丢掉，留下的一处一处改。
• 想问专业资料：把讲动画、缓动、影视和导演理论的书放进 NotebookLM，拿 Skill 的每一步去问专家怎么说，答案也按上面一条核实后再改。

提示词核对说明

• 对照原件：委派、看片、精修、审计四段提示词，是实际做片时用的原件整理成这一页的完整版，文字以本页为准；委派任务卡是原件里的一张例子，把「同上」的几块按模板补全，具体数字换成了参数名。「开一部片」和「定调」两段提示词，是为这一页新写的，浓缩了第 01、02、04 步的要求。
• 对照官方文档（2026-10-15 核对）：Anthropic 的文章标题和发布日期；Claude Code 子 Agent 定义里的 effort 字段（可选 low、medium、high、xhigh、max）。
• 分镜子 Agent 取 Medium、各步的过关标志和常见卡点，是本页的定法，不是官方规定。
• 还没有实际跑过的：纯手动流程没有单独从头到尾剪过一部片；新写的两段提示词没有单独实测。遇到和这一页不一样的地方，以官方文档为准。

第四部分 Skill 原文与完整方案

下面是八步剪辑 Skill 的全部原文，一共九个文件（SKILL.md 加 steps/ 里的八个步骤文件），自成一体，点开每一块就能复制。

保存方法

1. 在项目里建文件夹 .claude/skills/long-video-explainer/（以 Claude Code 为例；Codex、Cursor、Gemini 等其他 Agent，建在它们各自的 skills 文件夹里）。
2. 把 SKILL.md 原样存进这个文件夹，再在里面建 steps/ 子文件夹，把八个步骤文件按原文件名存进去（01-preflight.md 到 08-retrospective.md）。
3. 重启或新开一个会话，让 Agent 重新加载 Skill。
4. 对 Agent 说「用这段旁白做一部讲解视频」，或粘贴第一部分「本页使用方式」里的启动提示词。

Skill 原文：九个文件

SKILL.md

---
name: long-video-explainer
description: '用编程 Agent 在用户自己的电脑上用代码把旁白、口播稿、主题或网址做成讲解 / 教程 / 产品 / 动效视频，尤其是几分钟以上的长片（默认技术栈 Remotion + FFmpeg，也可换别的代码驱动渲染器）。用户说「帮我剪一个讲解视频」「把这段旁白做成视频」「做一个教程视频」「用代码做动效视频」「用 Remotion 做视频」「用 AI 剪口播长视频」时使用。Use when the user wants an explainer, tutorial, product or motion-graphics video made in code from a voiceover, script, topic or URL, especially a long one ("make an explainer video", "turn this voiceover into a video", "make a video with Remotion"). 流程八步：预检、开题、旁白与分镜、定调、委派、初版、精修与交付、复盘；锁定旁白、画幅和一种风格，按意思切成分镜，每个分镜交给一个全新的子 Agent，靠看片判断，不打分。Eight steps from preflight to retrospective. 产出 / Output: 成片 + 字幕轨 + 章节 + 素材来源清单 (video, captions, chapters, sources list). 不适用于在剪辑软件时间线里剪现成素材，也不适用于纯数字人口播 (not for timeline editing or avatar-only talking heads).'
---

# 导演一部讲解视频

用代码把一段旁白做成讲解视频，而且过了第一分钟还立得住。

一次对话只装得下一分钟的决定，装不下三十分钟：开头好，越往后越差，最后像一份幻灯片。所以先把已经知道的东西锁成一个小框架（旁白、时钟、画幅、一个风格），再把片子按意思切成分镜，每个分镜交给一个全新的上下文去做，好坏靠看片判断，不靠打分。

这套工作流是**参考，不是约束**：八个步骤、每步的做法、所有数字，都是默认做法。你可以调顺序、合并、跳过没用的、换方法、发明更好的，用你认为最能把这部片做好的办法；换了，在 `progress.md` 里写一行换了什么、为什么。约束太多，片子僵硬；约束太少，又滑回 AI 味儿。每一步留着的空白是故意的。

本 Skill 只有这个文件和 `steps/` 下的八页，没有别的文件；需要的脚本、工程和检查，由你（Agent）用自己的写代码能力现场写。

## 推荐配置（已验证的建议，不是门槛）

| 项 | 推荐 |
|---|---|
| 模型 | Claude Opus 5.5；换别的模型自己评估（先拿一个分镜试） |
| 努力程度 | 每个阶段不低于 Medium；主 Agent（规划到委派）High；分镜子 Agent Medium，难的分镜（复杂图解、多层动效、出镜合成）High；精修在全新的空白会话里 High |
| 别这样 | 把整部长片交给一个最高档会话从头跑到底：上下文会塞满、被压缩，后半段更弱 |

开工时请用户报出当前模型和努力程度（Claude Code 里 `/model`、`/effort`）。你检测不到自己的设置，不要假装知道。与推荐不同，说明风险，由用户决定。努力程度只有用户能调。

## 默认参数（全 Skill 的数字都在这里）

每个值都是**默认，按你的工具、模型和素材调整**。开题时用户给了别的值，以用户为准，写进 `plan/context.md`。后面各页只引用参数名。

| 参数 | 默认 | 为什么 |
|---|---|---|
| `aspect` | 16:9 | 最常见的横屏长片；竖屏或方形在开题改，按该画幅重新构图，不从横屏裁 |
| `fps` | 60 | 动效顺滑；平台或机器吃紧时用 30 |
| `resolution` | 1920×1080，审看与母版同尺寸 | 够清晰、渲染不吃力；不做低分辨率草稿 |
| `language` | zh | 旁白语言；转写时明确指定，不让模型猜 |
| `segment_minutes` | 2–3 分钟 | 一个子 Agent 能从头到尾保持成片水准的量；按意思切，不单按长度 |
| `segment_merge_below` | 1.5 分钟 | 更短的并进相邻分镜；短于 `segment_minutes` 上限的片子就是一个分镜 |
| `beat_seconds` | 1.5–4 秒 | 气口：按换气切出的、一次画面变化的常见长度 |
| `agents_at_once` | 5 | 同时放出的子 Agent 数；不超过预检里实测能并发的数量 |
| `kickoff_max_questions` | 10 | 开题一轮问完；每题 2–4 个选项加默认值 |
| `look_shortlist` | 2–3 | 入围风格数量，各做一张静帧 |
| `ideas_per_beat` | 2–3 | 每个气口试几个真正不同的点子 |
| `weakest_points` | 3 | 报告里如实列出的最弱处数量 |
| `proofreading_passes` | 2 | 逐字稿对着音频校对的遍数 |
| `seam_fade_ms` | 12–25 | 剪点淡入淡出，避免爆音 |
| `loudness` | -14 LUFS，真峰值 -1 dBTP，容差 1 LU | 常见流媒体平台的目标；按目标平台改，测出来而不是听描述 |
| `caption_chars` | 每行 18 字（中文，数字不数词）；字母文字约 42 | 手机上一眼读完 |
| `caption_timing` | 最长 6 秒，停顿超过 0.6 秒另起一条，最短 0.8 秒 | 读得完、不闪 |
| `hardflaw_thresholds` | 黑屏 0.5 秒、冻帧 2 秒、静音 1 秒（-50 dB）、单帧闪烁 | 硬伤检查阈值：列出可疑时间点，由人去看 |
| `folders` | `plan/ audio/ references/ briefs/ reports/ review/ handoff/ app/ deliver/ retro/`，加 `progress.md` | 片子文件夹的目录；换名字就在 `progress.md` 写一行 |

## 默认技术栈

Node.js + Remotion（画面）、FFmpeg（编码与测量）、本地 Whisper（逐字时间）、git。**换别的代码驱动渲染器也行**，只要守同样的接口约定：画面挂在逐字时钟上、每个分镜独立注册、字幕是独立文件、静帧和渲染命令可重复。工程你自己在 `app/` 里搭，没有现成模板；Step 02 写了需要搭出哪些东西。

## 硬规则（只有这些必须守，其余一律是参考）

1. **旁白先锁，风格后定**：旁白锁定之前不定风格；锁后要动由用户决定并重做时间；以声音为时钟，画面挂在字词上。
2. **开题答案出来之前不做任何画面。**
3. **硬关口**（停下，说清要做什么，等用户明确说「可以」）：安装软件、改 shell 配置、任何花钱的调用之前；选风格；看首段；看初版；最终签字；上传、发布、删除。
4. **交付边界**：字幕只作单独一条轨，不烧进画面；交付母版（规格按开题定）、章节、素材来源清单；响度和真峰值达到目标；硬伤检查干净，或每一条都有解释；每个第三方素材记来源和授权。
5. **安全与版权**：不用流行歌曲、影视片段、商用音乐、别人的画面，不用 NC / ND / SA 或没写明授权的素材；密码和密钥不写进任何文件；不动用户已有的数据，只在片子的文件夹里工作。

## 八个步骤

| 步骤 | 页面 | 产出 | 用户关口 |
|---|---|---|---|
| 01 预检 | `steps/01-preflight.md` | 每个要用的工具都真跑过，子 Agent 里也跑过 | 无 |
| 02 开题 | `steps/02-kickoff.md` | 画幅、观众、感觉、素材；工程按这个画幅设好 | 回答问题 |
| 03 旁白与分镜 | `steps/03-narration-and-segments.md` | 定稿的声音、逐字时间、校对过的字幕；分镜和气口 | 只有砍内容时 |
| 04 定调 | `steps/04-lock-the-look.md` | 样帧、锁定清单、风格表、薄共用层、首段做到成片水准 | **选风格**；**看首段** |
| 05 委派 | `steps/05-delegate.md` | 每个分镜一张任务卡、一个全新的子 Agent | 无 |
| 06 初版 | `steps/06-first-cut.md` | 拼好、混好声的整片，由没参与制作的人看过 | **看初版** |
| 07 精修与交付 | `steps/07-polish-and-deliver.md` | 全新会话精修；母版、字幕、章节、来源清单 | **最终签字** |
| 08 复盘 | `steps/08-retrospective.md` | 全部存档；经验微调进 Skill | 用户点头才改 |

每一步开工前读上一步的交接页，再读本步页面。顺序上硬的只有：开题前不做画面、旁白先锁、硬关口等「可以」。首段先做完再放出其余分镜，实践中最稳，建议照做。

## 核心做法

- **先锁主线。** 定稿的旁白（有出镜画面就连同出镜素材）是主线，处理完就锁定，它一动后面全部重做。
- **声音是时钟。** 画面上的东西挂在字词上，不挂秒数。两级命名：**分镜**（按意思切，长度见 `segment_minutes`，`s01`……）和**气口**（画面上一次变化，按换气切，长度见 `beat_seconds`，`s01-b01`……）。
- **切开做。** 每个分镜由一个全新上下文的子 Agent（或新对话）来做；分镜之间不互看画面，接缝和雷同留给能看到整片的那一遍。
- **清楚比好看重要。** 先弄懂这个气口到底在讲什么，再决定怎么演。
- **锁风格，放开演法。** 只锁舞台、出镜人画框、颜色、字体、字幕和章节标记；每个气口怎么画不锁。
- **先试一个分镜。** 首段先做到成片水准，连同共用层一起看，过了其余的朝它的质量去。
- **要什么做什么。** 代码画的图、录屏、真实截图、有授权的素材、手上有工具就用生成素材，都行；花钱先问；每个素材记来源和授权。
- **工具坏了就修，** 不要悄悄绕开：绕开会做出一部单调的片子。
- **先静帧，后视频。** 在静帧和联络表上反复改，一个分镜收敛了再渲染；毛病出在转场和拼接处，所以要在成片上验证。
- **审美靠看，不靠量。** 代码只查硬伤（画幅、响度、闪帧、黑屏或冻帧）；「好」由没做这片的人用句子写下来，不打分。
- **微调，不重建。** 经验以小而准的修改回到 Skill，要用户点头。

## 世界规则和建议

- **世界规则**是做分镜的人必须遵守的少数几条：时钟、画幅、锁定的风格、分镜的入场和出场、版权、花钱先问。只在锁定清单里写一遍。
- **建议**是其余一切：呈现办法、版式、工具、参考、数字。可以用、组合、替换或发明。
- 主 Agent 不替分镜设计画面，也不把步骤锁得比这部片需要的更紧。Skill 和这部片冲突时，以这部片为准，写下改了什么、为什么。

## 与用户的配合

开工时确认模型与努力程度；缺的东西（旁白、画幅、观众、感觉、能用的工具、花钱上限）一次问全，每题给选项和默认值；安装、花钱之前问；选风格、首段、初版、签字各停一次，其余时候自己做下去。用户的话用时间码原样记下，找出每句话背后的道理，在源头和所有类似的地方一起改。每步一张交接页（`handoff/NN-名称.md`），并保持 `progress.md` 最新；中途断了，新会话读 `progress.md` 和最新交接页，从那一步接上。

## 按旁白语言调整

默认按中文旁白给出。字幕数的是字不是词，汉字之间不留空格，断行落在意群上；字母文字的语言改成约 42 个字符并按词断行。转写时明确指定语言。渲染机常常没有对应语言的字体（中文尤其）：把字体文件放进工程并登记，用许可允许做视频的字体。

## 片子的文件夹

在专门给这部片建的文件夹里工作，目录名见 `folders`：

```text
my-film/
├── progress.md   plan/   audio/   references/   briefs/   reports/
├── review/   handoff/   app/（代码工程）   deliver/   retro/
```

各步的详细做法在 `steps/` 下八页。

steps/01-preflight.md

# Step 01：预检

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：主 Agent
> **产出**：`plan/tools.md`、`handoff/01-preflight.md`、`progress.md`

## 目标

先把 Agent 的手脚备好，再动手做任何东西：这部片要用的每个工具，都要能在片子的文件夹里稳稳跑起来。后面真正做画面的是子 Agent，而子 Agent 碰到坏掉的工具，很少会说出来：它直接跳过，自己把画面「演」出来（截图工具不好使，就自己画一张假网页），片子就单调了。所以每个工具都在这里证明一遍。同时弄清这是新片还是接着上次的。不做任何画面；没有用户点头，不花钱、不安装。

## 做法

1. **确认模型和努力程度**（按 `SKILL.md`「推荐配置」）：请用户报出当前的模型和努力程度；与推荐不同，说清风险，由用户决定。你检测不到，别猜。
2. **接着做还是新片**：片子文件夹里已有 `progress.md`，就读它和最新一张交接页，报告上一个做完的步骤、等用户决定的事、哪些子 Agent 还在外面、从哪一步接上；做完的不重做。新片就建文件夹（目录见 `SKILL.md` 的 `folders`）和 `progress.md`（见下面的格式）。
3. **查基础工具。** 默认技术栈需要：Node.js（带 npm、npx）、`ffmpeg` 和 `ffprobe`、`git`、Python。逐个跑 `--version`，缺的列出安装命令，**等用户说「可以」才装**。可选：本地 Whisper（openai-whisper 或 whisper.cpp），用来出逐字时间；用户已经有逐字时间就不需要。换了别的渲染器，按它的需要改这张清单。
4. **问一句有哪些别的工具可用**（或从用户第一条消息里读出来）：采集（截图、录屏）、生成（图片、视频、音乐、配音）、一个能看视频的第二个模型（Step 06 用，例如 Gemini 这类原生支持视频输入的模型）。写进 `plan/tools.md`：工具、用来做什么、命令、收费还是免费。
5. **每个工具用能证明它好使的最小任务真跑一遍**（给一个公开网页截一张图、出一张图、做一小段片）。把跑通的命令写下来。花钱的调用，用户点头之后才跑。
6. **同样的任务，再从一个子 Agent（或新对话）里跑一遍。** 权限、登录、沙箱常常不一样；只在主会话里好使的工具，不算准备好。
7. **测并发。** 每个工具同时跑几份，份数就是你打算同时放出的子 Agent 数（默认 `agents_at_once`）。并发下报错（限流、共用一个浏览器），就找出能跑的数字写下来；Step 05 最多放这么多。
8. **坏了的工具现在就修。** 修不了，就从 `plan/tools.md` 里划掉，告诉用户这部片因此少了什么、退路是什么（比如由用户自己提供截图）。
9. 必需的任何一项不过，就停：能修的修，剩下的用一条消息列清楚并附安装命令，不进 Step 02。

### progress.md 格式

```markdown
# 进度：{{片名}}

现在在外面的

| 分镜 | 谁 | 任务卡 | 工作区 | 放出时间 |

## 过关线

- 用户报出了模型和努力程度；与推荐不同的地方已说明风险并由用户决定。
- 技术栈需要的每个工具都找到了；Whisper 找到了，或者逐字时间有别的来源。
- `plan/tools.md` 里每个工具都在片子文件夹和子 Agent 里真跑过，并写着能用的命令和能同时跑的数量。
- 没有用户点头，没有花钱，也没有安装任何东西。

## 交接页怎么写（每步通用）

存成 `handoff/NN-名称.md`，要短，链接文件不复制。上半页给用户：现在的情况（两三句）、在等你的事（表：要决定的事、选项、不说的话默认什么）、这一步一览。下半页给下一个 Agent：**用户的要求**（从前面每一页带过来，只记用户真说过的话：编号、时间、原话、适用于哪里）、**判断**（这一步做了哪些 Skill 没规定的决定、为什么）、**没做完的**、**文件和下一步**（先读什么、产出在哪、下一步的第一件事）。头部写日期、状态（完成 / 等用户 / 卡住）、合并了哪些步骤。

## 交接

`handoff/01-preflight.md`：工具表（工具、用来做什么、命令、同时几个、收费还是免费）和每个退路。下一步：Step 02。

steps/02-kickoff.md

# Step 02：开题

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：主 Agent；用户回答一轮问题
> **输入**：旁白或稿子、主题、链接、出镜素材；`plan/tools.md`
> **产出**：`plan/context.md`、`plan/materials.md`、按这部片画幅设好的 `app/`、`handoff/02-kickoff.md`

## 目标

弄清这部片要让人明白什么、给人什么感觉，让后面没有任何一处靠猜。开题是一次访谈：分辨率、横屏还是竖屏、帧率、旁白语言、片子该给人的感觉，都在这里定下来，作为后面一切的框架。把手头的素材盘一遍，再按这些数字把工程设好。旁白在 Step 03 锁定，不在这里。

## 做法

1. 用两行话告诉用户接下来的事：八个步骤，每步一张交接页，用户要看四个点（风格和首段、初版、最终签字），以及模型和努力程度会影响质量、只有用户能调。
2. **答案出来之前不做任何画面**；先做出来的风格会把用户往你做的那个方向拉。
3. 一轮问完，最多 `kickoff_max_questions` 个问题。旁白已经回答了的就跳过，并注明每个推断的答案来自哪里。每题给 2–4 个选项，每个选项一句话说明片子会变成什么样，再加「用一句话告诉我」和一个默认值，这样「全部默认」也算有效回答：
   - 画幅：分辨率、形状（横屏、竖屏还是方形）、发在哪里、帧率；默认值见 `aspect`、`fps`、`resolution`；
   - 旁白语言（`language`），字幕要不要多语言；
   - 主题和观众；观众看完该有什么感觉、记住什么；
   - 想要什么、不想要什么，包括他们讨厌的手法；
   - 时长；出镜人是大画面、小窗，还是不出镜；音乐和音效；
   - 哪些工具能用，能不能付费生成，上限多少；
   - 响度等交付目标要不要按目标平台改（`loudness`）；
   - 四个关口里，哪几个他们想亲自看。
4. **把「感觉」的回答一字不改地记下来。** 它会进风格表和每张任务卡：只知道要讲什么的人，只会讲；知道观众该有什么感觉的人，会做得更高。
5. `plan/context.md`：这部片为谁而做、画幅、观众的了解程度分三档（懂 / 听说过 / 完全不懂）、观看的设备（多半是手机）、待定的问题，各带一个默认值。
6. `plan/materials.md`：每个素材写路径、是什么、能配旁白里的哪几句、来源、授权。每个都要打开看过。这份清单是起点，不是边界；缺的由子 Agent 之后补。用户要出镜的话，先检查出镜素材（抠像边缘、取景、肤色）。
7. **搭工程（默认技术栈：Remotion）。** 在 `app/` 里初始化 git 和 Remotion 工程，画幅、帧率、尺寸只写在一个配置文件里（别处不写死）。需要搭出来的东西：
   - **逐字时钟**：读逐字时间文件（`words.json`：每个字词的开始和结束秒数），提供「按文字找词序号」和「把词范围换算成帧窗口」；画面只挂词，不挂秒；
   - **自动注册的分镜**：每个分镜一个文件夹（`src/segments/sNN/`），导出分镜编号、词范围和画面组件，新增分镜只新增文件夹；整片合成把它们按顺序接起来，每个分镜另有单独的预览合成；
   - **命令**：出单帧静帧、出低画质预览、渲染整片、各分镜分别渲染再无重编码拼接、跑检查；
   - **独立字幕文件**：从逐字时间文件生成 `.srt` / `.vtt`，画面里没有字幕层，也没有开关。
   跑一次出静帧的命令，证明工具链在选定的尺寸下是通的。竖屏或方形片按该画幅构图，不从横屏裁。用别的渲染器，就按上面的约定重搭同样的零件。
8. 工程是可重复的：同一输入重复渲染，帧内容一致；渲染机上要有真实的字体文件。

## 过关线

- 每个问题都有用户的原话，或者「没回答，默认 X」。
- 答案出来之前没做任何画面。
- 清单里每个素材都打开看过，并有授权信息。
- 工程能按选定的尺寸和帧率出一帧静帧。

## 交接

`handoff/02-kickoff.md`：问题（问题、选项、选择、用户的原话）和素材（素材、规格、能用在哪、能不能用）。用户的原话连同时间记进「用户的要求」；之后每一页都带着它。下一步：Step 03。

steps/03-narration-and-segments.md

# Step 03：旁白与分镜

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：主 Agent
> **输入**：旁白（录音或稿子）、`plan/context.md`、`plan/materials.md`、用户的要求
> **产出**：`audio/voiceover.wav`、`audio/words.json`、`audio/captions.srt`、`plan/narration-logic.md`、`plan/segments.md`、`handoff/03-narration-and-segments.md`

## 目标

先锁旁白，再把它切成分镜。这是核心一步：后面的一切都交给子 Agent，而它们都从这里定下来的东西出发。

一部片有两条轨：声音和画面，必须有一条定住，那就是声音。收紧停顿，剪掉口误和重复，给每个字词标上时间，把字幕做完，然后锁定。从这一刻起声音就是时钟：画面上的东西挂在字词上。以后它再动，剪掉一个字，后面全部错位，每个镜头都得重做。

然后切两刀：按意思切成分镜（长度见 `segment_minutes`），每个讲一个意思；再按换气切成气口（长度见 `beat_seconds`），画面上一次变化。写下每个分镜要让观众明白什么、感受到什么。怎么演，留给做它的人。

## 字幕的三条规矩

1. **字幕从不烧进画面。** 它是单独一条轨（SRT 或平台要的格式）。烧进去的字幕错一个字就得重做视频；轨道随时可以改。唯一的例外是用户或平台明确要求。
2. **字幕在剪辑之前做完**，声音一锁定就做。每个字词的锚点都建在同一份文字稿上；校得太晚，每一刀都是对着没校过的文字剪的。
3. **逐字文字稿既是时钟，也是字幕轨。** `words.json` 给每个字词一个开始和一个结束，画面挂在这些字词上，SRT 由它们生成，所以两者不会错位。

`words.json` 的形状：

```json
{ "source": "voiceover.wav", "duration": 312.48,
  "words": [ { "text": "一次", "start": 0.12, "end": 0.38 } ] }
```

## 做法

1. **先当稿子读一遍。** 意思清楚吗，钩子到位吗，每个铺垫都有回收吗？头 15 秒里该发生点真东西：没有问候，没有求订阅。弱的话，在锁定之前就告诉用户；画面救不了稿子。不要自己改写旁白。
2. **剪录音。** 照稿子念的录音，一般只需要把停顿收短。随口讲的，还要剪掉口头禅、重说、重复和屏幕上的闲话。按剪辑清单来（一行一段，锚在一句话上，不锚在时间上）；剪点落在最安静的地方，凑整到帧，加淡入淡出（`seam_fade_ms`）。内容（不只是静音）要被剪掉时，把清单给用户看。录下来的声音只剪，不重新合成；剪掉静音的地方补上房间底噪。
3. **给最终的音频做转写**，每个字词一个时间，语言明确指定为 `language`；音频只要变过，就重做。自己写一个小脚本调用本机的 Whisper（openai-whisper 的 `--word_timestamps True`，或 whisper.cpp 的逐词输出），整理成上面的 `words.json`；已经有别的工具给的逐字时间，就转成这个形状。不用付费转写接口，除非用户同意。中文转写常常是一两个字一条，没关系：时钟挂在词和短语上，锚点取一个词第一个字的开始、最后一个字的结束，不要钉在半个词上。
4. 停顿之后，字词的时间可能差将近半秒：拿每句话的第一个字去对波形起音。
5. **现在就把字幕做完。** 对着最终音频逐字校 `words.json`，至少 `proofreading_passes` 遍：第一遍一边听一边读，把听错的字全改掉；后一遍专查人名、数字、产品名、术语和同音字（中英混说的产品名照念出来的样子保留英文；转写偶尔混入不一致的繁简字形，按字幕语言统一）。在 `words.json` 里改字，保留时间；一个词拆错或合错了，就拆开或合并那一条并分好时间。然后用校好的字词重新生成 SRT，规则（数值见 `caption_chars`、`caption_timing`）：
   - 一行最多 `caption_chars` 个字，断行落在意群上：一个词、一个人名、一个数字和它的单位不要拆到两行；
   - 句末（含全角标点）、长停顿处或达到最长时长，开一条新字幕；除非说话本身就短，不短于最短时长；
   - 中文汉字之间不加空格；数字按旁白念的样子写；
   - 行尾的句号、逗号可以不留；整片统一一种标点处理。
   生成后打开 SRT 扫一遍：汉字之间不该有多余空格，断行不该落在词中间；不对就回 `words.json` 改，或只手改断行。
6. 把旁白、`words.json` 和 SRT 加进 `plan/materials.md`；把音频和 `words.json` 复制进 `app/` 的静态资源目录，在工程配置里把音频文件名设上。不要改这两个副本。**锁定。** 以后要动已锁定的声音，由用户决定，并且要重做这一步。
7. `plan/narration-logic.md`：这部片的论点一句话、大的块，以及每块里的顺序（问题、回答、例子、结论），都指到具体句子上。
8. **分镜，按意思切。** 每个分镜是一个完整的论证，不单按长度切；长度见 `segment_minutes`，短于 `segment_merge_below` 的并进相邻的一个，片子本身短于一个分镜就是一个分镜。每个分镜写：字词范围和时长、**目的**（观众该明白什么，为什么重要）、**感觉**（一种效果，不是一幅画面）、论证顺序、出镜人（大 / 小窗 / 不出现 / 由做的人定），以及它第一帧和最后一帧屏幕上有什么。
9. **写需要，不写演法。** 不写候选画面，不写「这里放一张卡片」，不写搜索词。这里写下的东西会被一字不差地做出来，每个分镜就会越做越像。
10. **入场和出场，是分镜之间唯一的约定。** 默认两头都回到空舞台，出镜人在约好的位置。如果有东西必须跨过边界，写清是什么、由谁来设计（默认是前一个分镜）。
11. **气口，按换气切。** 切在标点和真正的停顿上；只记编号、开始时间、字词范围和那句话。每一刀都对着波形的间隙检查：只按字词时间切，可能切进一个词的中间。

### plan/segments.md 的样子

先一张总览表（分镜、字词范围、时长、观众该明白什么、气口数），再每个分镜一节：字词范围、时间、目的、感觉、论证顺序、出镜人、入场、出场，然后一张气口表（编号 `sNN-bNN`、开始时间、字词范围、那句话）。

## 过关线

- 做过稿子检查；弱点在锁定之前告诉了用户。
- 回读 `words.json` 与音频一致；字幕校对过并重新生成。
- 每个剪辑接缝都听过。
- 分镜首尾相接，结束在话题边界上，长度合理，并有入场和出场约定；每个气口都有字词范围，并落在停顿上。
- `plan/segments.md` 里没有演法（搜一下「卡片」「展示」「动画」「3D」）。

## 交接

`handoff/03-narration-and-segments.md`：剪了什么、校对了几遍、最终时长，然后每个分镜一行（时间、要明白什么、要感受什么、气口）。内容被删或被调序，用户的同意记进「用户的要求」。下一步：Step 04。

steps/04-lock-the-look.md

# Step 04：定调

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：主 Agent（风格、锁定清单、风格表、共用层）；首段交给一个子 Agent
> **输入**：`plan/segments.md`、`plan/narration-logic.md`、锁定的声音、`plan/materials.md`、`plan/tools.md`、开题的答案
> **产出**：`plan/looks/`、`plan/lock-list.md`、`plan/style-sheet.md`、带共用层的 `app/`、`briefs/s01.md`、`reports/s01.md`、`plan/shared-notes.md`、`handoff/04-lock-the-look.md`

## 目标

给整部片定一个风格，让分开做的分镜不打架；风格零碎，观众就会走。只锁那几样让它成为同一部片的东西，趁锁定还便宜的时候锁；然后先试一个分镜：很多风格并不适合这一部片，只有做完的一个分镜才看得出来。

**风格由你在这一步自己定，和模型、用户一起聊出来。** 没有现成的风格手册；借常见讲解片的视觉语法，别照搬外观，可以混、改、另起炉灶。没有偏好的话，本页末尾的朴素起步风格是兜底。

## 做法

**聊，不是填表**

1. 把锁定的旁白、逻辑图和开题的答案交给模型。问它：哪几种风格（数量见 `look_shortlist`）能托住**这一段**旁白，为什么，各自的主要风险是什么。常见的方向有：明亮干净的演示台面（适合软件教程）、深色底上的真实终端和界面（适合命令行与代码）、手写白板（适合论证概念）、纯色底上的扁平图解（适合流程和关系）、杂志式版面（适合数据与引用）。把答案存进 `plan/looks/shortlist.md`；用户看到之前，不要按你自己的口味删减。
2. 用户有可以参考的片子，就用 ffmpeg 抽出场景切换处的帧拼成联络表，在联络表上判断，不要靠看视频。参考是用来定位风格的；借语法，不借样子，也不要放进任务卡。
3. 每个入围的风格做一张**静帧**，刻意做得不一样，用真东西做（真的出镜画面、代码排的字、真的截图）。不做演法样片。
4. **关口 1：用户选**一个风格，或者点名要混哪几部分。按两个问题选：哪个让意思最清楚，哪个是工具能在整部片里一直做下去的。他们的原话记进「用户的要求」。选定之前，不往下做。

**轻轻地锁**

5. 写 `plan/lock-list.md`：这部片的**世界规则**，每个做分镜的人都必须遵守的那几样。一张表，列：项、锁定为、为什么、在哪一步锁的。项包括：声音（最终版 `voiceover.wav`）、时钟（`words.json`）、字幕（校对过的 `captions.srt`，单独一条轨）、画幅（比例、帧率、分辨率）、舞台和背景（底的颜色或质感、光线方向、颗粒）、出镜人和画框（处理、背景、画框、状态，或「无」）、颜色（背景、前景、一个强调色；浅色还是深色）、字体（字体和文件）、章节标记、入场和出场帧、声音标准（响度目标、音乐能在哪里进）、质量标杆（以通过的首段为准，用文字写下来）。表后单列「没有锁的（故意的）」：东西怎么画、一个气口用哪种办法或工具、出镜人在画框各状态内放哪、分镜内部的转场。什么都不锁，就回到默认的 AI 味儿；什么都锁，就成了幻灯片。不写演法，不写手法，不写「只在 Y 的时候用 X」。
6. 写 `plan/style-sheet.md`：这部片在说什么（一句话、观众该记住什么、用户要的感觉的原话）；然后一张表，列：项、这部片的选择、为什么。项包括：舞台背景、出镜人和画框、色彩体系、字体和屏幕上的字、章节标记、声音标准、入场和出场、字幕。再加一节「不要」：说出你不想要的，比要求「高级感」管用，从下面的「廉价迹象」里挑，再加这部片自己的。风格表里同样不写手法和画法。
7. 包装，写进 `plan/packaging.md`：承诺一句话、几个标题和封面方向、一个能接上封面的第一帧。封面、标题、第一帧和前 30 秒是同一个承诺。
8. 自己动手搭**共用层**，要薄、要快：骨架和时钟、舞台、出镜人画框、令牌（颜色、字体、间距的单一文件）、屏幕框（终端、截图、浏览器怎么放在舞台上，要和片子配）、声音标准、入场和出场帧。字体是真的文件，在渲染里加载成功过。每一件都做一块检查板（一张静帧放齐它的各种状态），在第一帧、最后一帧和状态切换时检查。**共用层放能力，不放版式**：不放画图工具包，不放演法样片，不放现成的卡片、物件或版式，否则每个分镜都会去拿，片子就长得一样。

**先试一个分镜**

9. 冻结共用层，给首段建一个独立工作区（把共用层拷一份，分镜只在自己的文件夹里写，共用层只读）。
10. 写首段的任务卡（格式见 Step 05），写明它是试点：要做到成片水准，立住标杆，同时检验这个风格。渲染一次。
11. 从头到尾看一遍，再看帧；笔记写成句子，最仔细地看开头。风格和内容打架，现在就说：回头只花一个分镜的代价，不是整部片。
12. `plan/shared-notes.md`：质量标杆用文字写下来、共用层的修正、工具链的经验（真实花了多久）。首段的画面、代码和点子，不进任何别的任务卡。
13. **关口 2：用户审**风格、风格表、包装、共用层和首段，先看你的笔记。改到点头为止，再合并首段。

## 审美底线（带着判断去用，数字只是起点）

- **视频不是网页**：视频被压缩，看的时候画面很小。以 1920 宽为例，标题约 64–120 px，正文 28–42 px，描边 2–4 px，边距 60–140 px；在手机宽度（约 390 px）下检查可读性。
- **字**：一次只有一套字体在表演；先定情绪再选字体，不信第一反应；每屏字要少；竖排数字用等宽数字；中文字体文件大，只放用到的字重，并确认在渲染里加载成功。
- **颜色**：一个背景、一个前景、一个强调色，整部片用；避开纯黑纯白；深色底避免整屏线性渐变（压缩会出色带）；配色来自这部片自己的主题。
- **构图**：每个镜头一个视觉主角；靠边和分区锚定，不要居中悬浮；字放进图里（名字写在它指的形状上）；竖屏重新构图。
- **质感**：背景不是空洞的虚空，一点安静的色调、颗粒或结构；图片不要裸放。
- **运动**：缓动就是情绪，入场通常减速、出场通常加速；先到位再静止；错开几帧依次出现；A 怎么离开，B 就怎么进来；宁可没有运动，也不要糟糕的运动。
- **廉价迹象**（模型最先滑进去的默认做法）：所有地方同一款常见无衬线；紫蓝渐变；近黑底上的霓虹；标题加一排一模一样的卡片、居中堆叠；到处圆角卡片加软阴影；所有元素从下往上淡入；到处弹跳；毛玻璃或光晕滥用；给没有顺序的东西编号。
- **自检**：把画面缩成黑白色块，它要是谁家的片子都行，就太泛了；每个元素都有一个动词吗？

## 朴素起步风格（占位：用你自己的替换它）

暖浅灰底，近黑的字，一套无衬线字体，一个很少用的强调色，每帧一个主角、边距宽松，入场短而缓出、停留安静，硬切或短暂交叉淡化。它给你一部干净、读得清的片子，仅此而已。

## 过关线

- 模型列出了入围的风格，各有理由和风险；用户在共用层和首段开始之前选了。
- 风格表里没有演法和手法；字体在渲染里加载成功。
- 首段用了共用层，整个看过，有书面笔记。
- 用户说了「可以」，首段已合并。

## 交接

`handoff/04-lock-the-look.md`：风格（选了的和没选的）、包装、共用的零件、首段（每个气口一行文字加一张静帧）。关口 2 上风格被推翻：新风格、风格表、共用层和首段都要重做。下一步：Step 05。

steps/05-delegate.md

# Step 05：委派

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：主 Agent；每个分镜一个子 Agent（或各开一个新对话）
> **输入**：`plan/segments.md`、锁定的声音、`plan/lock-list.md`、`plan/style-sheet.md`、`plan/shared-notes.md`、共用层、`plan/materials.md`、`plan/tools.md`
> **产出**：`briefs/sNN.md`、`reports/sNN.md`、合并好的分支、`handoff/05-delegate.md`

## 目标

把片子剩下的部分交给子 Agent，一个分镜一张任务卡。分镜长度（`segment_minutes`）取一个子 Agent 能从头到尾保持成片水准的量；同时放出的数量默认 `agents_at_once`，也不超过 Step 01 证明过的数量。片子更长，只是更长，不是更难。

任务卡是它能不能行的关键。它给框架，不给约束：目的、感觉、少数几条世界规则，以及去探索的空间。实践中，滴水不漏的任务卡输给了只给框架、少给约束的那张；每多一条规矩，做的人就窄一分，分镜就更像一分。主 Agent 写任务卡、检查收回来的东西，不替分镜设计画面。

## 任务卡的样子（存成 `briefs/sNN.md`，要短）

开头一句：你来做讲解视频里的一个分镜，像观众一样想：他们要看懂，还要想继续看下去；在世界规则之内，怎么演由你定；读完这张卡就开始做，不要只回一份计划。然后五节：

1. **目的**：这个分镜结束时观众应该明白什么；应该感受到什么；怎么推进（论证顺序）；入场帧、出场帧、出镜人状态。
2. **旁白片段**：字词范围和起止时间；先把整篇稿子读一遍，第一句和最后一句才落在对的语气上；一张表（气口、开始、句子）。气口是按换气切的，哪几个共用一个点子由做的人定；一切挂在字词上，不挂秒数。
3. **世界规则（必须遵守，故意很少）**：锁定清单和风格表，共用层只读；只在自己的分镜文件夹里写；第一帧和最后一帧按入场出场的约定；分镜里不放声音或音乐轨，声音时刻写在报告里；版权（不用 NC、ND、SA 或没写明授权的东西，记下每个素材的来源和授权）；花钱的事先问；再加一行这段内容里最容易出错的地方，**绝不写怎么画**。
4. **建议（可以用、组合、替换，或者发明）**：好使的工具和素材（`plan/tools.md`、`plan/materials.md`，不够就自己搜）；参考片段（可选，每个写它哪里做得好，或者「自己设计」）；办法见下；主 Agent 如有纠正会写在 `briefs/sNN-notes.md`。
5. **要回报什么**（存成 `reports/sNN.md`，一屏）：你怎么演每个气口、用了什么（工具、素材、手法），一个气口一行，写上选中的点子和试过又放弃的；第一批粗略静帧一有就给（不要等批准），再加最后的静帧带子；素材的来源、授权、路径；声音时刻（哪个字、什么事件）；最弱的几处（`weakest_points`），如实说；你需要主 Agent 做什么；你的分支和最后一次提交。

任务卡里绝不放别的分镜的画面，不放一串形式或手法的清单，也不放「每个分镜淡入淡出、字幕放在底部、镜头之间都加缓动」。

## 做分镜的人怎么找呈现点子（写进任务卡的「办法」）

对每个气口，或你合并起来的几个气口：

1. **问这句话到底在讲什么**——不是字面，而是事：一样东西由什么组成、一件事怎么发生、什么变了、两样东西怎么不同、有多大或多小、一个抽象论断、一个需要证据的事实、一团乱怎么理出顺序。
2. **问到这个气口结束时观众该感受到什么、看到什么**：整体还是细节？一个对比，还是一个会记住的画面？松了口气、意外，还是「原来如此」？
3. **试几个真正不同的点子**（`ideas_per_beat`），每个一张粗略静帧，加一句话说观众看到什么、感受到什么。不同，指换比喻、换素材、换视角或换尺度，不是换颜色。第一个点子通常最平庸。
4. **挑那个在「展示」而不是在「装饰」的**：观众能不能凭这幅画把这个意思复述出来？用一句话写明理由，把另外几个留在报告里。真实的例子和真实的界面，常常就是手上最强的点子。
5. **别重复自己**：上一个气口用了某种手法，下一个多半就别用；大小、远近、静动、静态和演出来交替。
6. 卡住时：把旁白里的动词和比喻当真；问现实里谁最会做这件事，借他的做法；换材料、物理规律、视角或尺度；该加的地方反而减。

## 做法

1. 首段不重做。把用户在 Step 04 的意见在它的分支上改好，然后合并。它的画面、代码和报告，不进任何别的任务卡。
2. 每个分镜的工作区，从冻结的共用层建，不从主干建；做分镜的人只在自己的分镜文件夹里工作，共用层只读；共用层的问题交给主 Agent，由它统一修一次。
3. 写好每张任务卡，按允许的数量同时放出子 Agent；多出来的分镜分批做。第一个放出去之前，向用户确认模型和努力程度（推荐：分镜子 Agent Medium 起，难的分镜 High，你自己 High 起）。没有子 Agent：每个分镜开一个新对话，依次做；一部能在一次对话里装下的片子，就在一次对话里做。
4. 做分镜的人一个气口一个气口地做，尽早交第一批粗略静帧；主 Agent 扫一眼质量，把纠正写进 `briefs/sNN-notes.md`，不要写进一个正在跑的对话里。
5. **收的时候看质量。** 自己用当前提交重新生成静帧条带，对照质量标杆和入场、出场帧检查。报告和画面对不上时，以画面为准。明显低于标杆才退回；来回两轮之后，换思路。
6. **比报告，不比分镜。** 把各份「怎么演」的几行并排读。如果多数气口用了同一种手法、同一种版式或同一个工具，写进给精修的备忘，或者给最弱的那个退回去并附一句话；不要往任务卡里加规矩。
7. 通过的：素材登记进 `plan/materials.md`，合并分支，记下提交号。

## 过关线

- 每张任务卡都有目的、旁白片段、一张短的世界规则清单、可选的参考，以及要回报什么；没有一张带着别的分镜的画面或一串形式。
- 同时在做的子 Agent 数量，从没超过工具允许的数量。
- 每份报告都写明每个气口怎么演、用了什么；主 Agent 并排读过。
- 每个新素材都有来源、授权、路径和所属分镜；花钱的东西先问过。
- 入场和出场帧符合约定；每个分镜最多渲染一次；分支都已合并。

## 交接

`handoff/05-delegate.md`：每个分镜一行（时间、一句话说画面、状态：在做 / 通过 / 退回、一张静帧），最弱的几处、分支和提交号，以及你注意到的雷同。下一步：Step 06。

steps/06-first-cut.md

# Step 06：初版

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：主 Agent；一个没参与制作的看片人；然后是用户
> **输入**：所有合并好的分镜、锁定的声音、声音标准、`plan/materials.md`
> **产出**：`plan/sound.md`、按审看分辨率渲染的初版、`review/first-cut.md`、`handoff/06-first-cut.md`

## 目标

把分镜拼成一个粗剪，声画对齐：修接缝，对齐接缝两边的色彩，混好声音（人声、音效、音乐），把整片渲染出来。初版是骨架，不是成片。然后让人看。好不好是一种感觉，不打分：一个没参与制作的看片人从头看到尾，用句子说出感受；你自己看一遍；用户看。主 Agent 沿用原来的努力程度，不必为这一步另开更高档的会话；换一个全新的空白会话来精修，留给 Step 07。

## 做法

1. **渲染之前先看接缝。** 每个接缝，导出两边的几帧；检查前一个分镜的最后一帧是不是后一个的第一帧、出镜人位置对不对、有没有东西飘着。第一帧和最后一帧上的小问题现在就修。分镜之间的雷同留到 Step 07。
2. **声音**，按顺序，每一项有了结果再做下一项：底子（人声响度、间隙）、音效、音乐、混音与母带。音效先用真实录音，和画面上的材质对上；生成的声音是可选的，花钱先问。要克制：讲解时很少放，音乐只在开头、揭示、章节切换和结尾，人说话时压低。母带按开题定的目标（`loudness`）；加限幅器、再测一遍常常有用。音效峰值用 dBFS 比，人声和音乐用 LUFS 比，不要混着比。声音靠测量和用耳朵听来判断，不靠模型的描述。
3. 对齐接缝两边的色彩和亮度，再按审看分辨率渲染整片。不做低分辨率草稿：小字和细线只有在真实尺寸下才看得出来。
4. **跑硬伤检查，并看每一个被标出的时间点。** 自己写一个检查脚本（用 ffprobe / ffmpeg），报告：画幅、帧率、时长是否与开题一致；整体响度和真峰值（ebur128）；黑屏、冻帧、静音段（阈值见 `hardflaw_thresholds`）；单帧闪烁（相邻帧场景分突变）；视频和音频是否等长；字幕没有烧进画面（抽样帧 OCR 或查工程源码里没有字幕层）。代码只列出可疑的时间，由人去看；它只判断片子是否**正确**，从不判断好不好。
5. **换一双眼睛**，按优先顺序：能看视频的第二个模型（原生支持视频输入、会抽帧细看的最合适，例如 Gemini 这一类），给它整个文件；一个全新的子 Agent（手上没有第二个模型，就新建一个子 Agent 来描述感受；模型能看视频就给视频，不能就给一秒一帧的画面加文字稿）；一个全新的对话。永远不是做这片的那个会话。把下面这段填好贴给它：

   ```text
   你是一位观众，不是剪辑师。像一个点进来的人那样，把这部片从头到尾看一遍：{{文件或画面}}。它承诺：{{承诺}}。它是给这些人看的：{{观众}}。
   用平实的句子回答，带时间码（m:ss）：哪里被抓住了；哪里走神了；哪里没看懂；哪里被拽出来了；哪里显得廉价或像幻灯片；哪几处看起来或动起来一样；你会不会继续看下去，为什么。
   不要分数、评级、表格。只说你看到的；拿不准是不是故障，就说拿不准。最后一句写「够好了」，或者「改这几处，因为……」。
   ```

6. 任何被报告的跳帧或卡顿，先在静帧上或用测量复现，再去改：模型看视频是抽帧的，可能看到并不存在的跳变，缓慢的平移又可能完全看不出来。
7. 自己把初版完整看一遍，中间不暂停，写下你的感受。有些问题只有在这个尺度上才看得见：对不上的接缝、每个分镜都用同一种演法。
8. 写 `review/first-cut.md`（看片笔记）：结论一句话（「够好了」，或「改这几处，因为……」）；感觉是什么样的（哪里被抓住、走神、没看懂、被拽出来、觉得廉价，写成句子）；看片人的笔记原文；先做什么（要重做的几处、先修的、多半在共用层的、需要用户的）；用户的要求还有哪些没满足；细节表：每个气口怎么演的（分镜的人填）、接缝、更好的点子、问题（时间、分镜、种类、严重度、看到什么、怎么确认的、是否出在共用层）、硬伤检查结果。这是给精修的输入，不是完整清单。
9. **关口：用户看初版。** 记下他们的原话和时间；那是 Step 07 最重要的输入。

## 看什么：十二件事（拿判断力去对照，不是检查表）

唯一的尺子：**观众看完，会不会相信这里面下了功夫、想继续看、而且看懂了？**

1. 承诺与钩子：一上来就讲主题，第一幅画面兑现封面的承诺。
2. 结构与留存：每一部分都往前走，讲完就停；中段不平淡。
3. 清晰：字一念出来画面就到；关掉声音，看得出结构吗？
4. 比喻与实证：抽象的意思有具体画面；声音说「它能跑」，画面就展示它在跑；讲工具就多用真实界面。
5. 镜头与变化：每个镜头有任务，相邻镜头在景别、主体或方向上不同。
6. 构图与背景：每一刻一个清楚的主角；停稳的东西是方正的。
7. 出镜人与画框：和片子共用光和色；状态切换有理由；没有抠像毛边、跳切重影。
8. 字与屏幕上的文字：手机上读得清，停留够读完，承载关键词而不是旁白。
9. 颜色、光与统一：像出自一个人的手，强调色意味着「这里要紧」。
10. 运动、转场与节奏：运动有分量、起止自然；节奏有起伏。
11. 声音：人声贴耳，有人说话时音乐退后，音效与材质对得上。
12. 可信与精细：没有任何东西把你拽出来；字幕里没有错别字。

**毛病藏在哪里**：停稳的画面会骗人。最仔细地看入场和出场的中途、剪辑点两边的帧，以及并行做出来的分镜之间的接缝。按种类记录缺陷，才能找到同一种的其余几处：叠压、歪斜、裁切（字被边缘截断）、空（大块区域很长时间什么都没有）、跳变、文字（太小、缺字、字体没加载）、声音、雷同。

## 过关线

- 每个接缝两边都检查过；响度和真峰值达到目标；音乐会在人声下压低。
- 初版以正确的分辨率、帧率和时长从头播到尾。
- 一个没参与制作的看片人完整看过，写下了感受，没有分数。
- 用户的原话已记录。

## 交接

`handoff/06-first-cut.md`：接缝（哪个接缝、看到什么、做了什么）、声音（时间、标记什么、响度）、已知问题（时间码、问题、严重度）、整体响度和真峰值，以及谁看过。用户不看的话，就从看片人的笔记接着做，说明原因，并在 Step 07 签字之前再停一次。下一步：Step 07，在一个全新的会话里、用更高的努力程度。

steps/07-polish-and-deliver.md

# Step 07：精修与交付

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：一个全新的、较高努力程度的会话（精修），然后是主 Agent（第二遍、交付）
> **输入**：初版和工程；用户对初版的话；`review/first-cut.md`；各分镜的报告；包装、字幕、字词时间；素材清单
> **产出**：`briefs/polish.md`、`review/polish-report.md`、最终版、`review/second-pass.md`、母版、字幕、章节、封面、`deliver/notes.md`、`handoff/07-polish-and-deliver.md`

## 目标

把初版里还剩的小毛病（转场里的 bug、连贯上的疏漏）清掉，然后交付。把整部片交给一个全新的、上下文空白、努力程度调高了的会话。长片装不进一个上下文还保持成片水准；但初版立住之后，片子在磁盘上，风格已定，一个全新的上下文就能把全部注意力放在一件事上：把整部片看一遍，找出跨全片重复出现的问题。它是冷着进来的，不偏袒任何东西：好的留着不动，共用的问题统一修一次，演得雷同的一段把它抬起来。

## 做法

1. **把用户的话写成任务卡**（`briefs/polish.md`）。每条意见先放进去，用他们的原话，配四行：他们看到了什么、底下想要什么、适用于哪里、「改好了」是什么样。类似的地方一起改。任务卡其余部分写目的、现状、`review/first-cut.md`、各分镜的报告和工具。不规定先看什么，也不规定怎么改。
2. **开一个全新的会话**，在片子的文件夹里，先把努力程度调高（推荐 High；Claude Code 里是 `/effort high`），再把任务卡交给它。不要为了省事开一个最高档会话把整部片从头跑到底：上下文会塞满、被压缩。努力程度只有用户能调：问，等他点头。
3. 一个会话从头到尾看整部片；不要把精修又拆回分镜。好的留着：动一个好镜头就是退步。反复出现的问题，在共用层统一修一次。
4. **雷同现在是缺陷。** 连着几个分镜都是同一类画面或同一种节奏，或者一个构图停得太久：改演法，整段改也行。
5. 全片通用的修法，作为起点：放进容器的东西要完全落在里面；停稳的东西是方正的；字不被截断；动得太快的，提前开始，不压缩时长；用叠接代替空拍。一个动作的起点换了，它的声音也跟着挪。
6. 先静帧：对比修改前后；收敛了，再把整片渲染一次。花钱的生成，照样先停下来问。每处修改拍一张改前改后的静帧；留着不改的，写下理由。
7. **第二遍。** 主 Agent 用静帧检查修过的画面和接缝，然后把整部片再看一遍，找退步。新版不一定更好：某一段变差了，就在不知道哪个是哪个的情况下，逐段对比两个版本，留下更好的。剩下的问题交回同一个精修会话，或者开一个新的，用同一张任务卡。
8. 两遍都干净之后，请用户做**最终签字**。
9. **交付。** 按开题定的规格渲染母版，再跑一遍 Step 06 的硬伤检查：规格、响度与真峰值、黑屏冻帧静音、闪帧、音画等长、无烧录字幕，每个被标出的点要么是有意的，要么已经修了。
10. **字幕**就是 Step 03 做完的那份：导出平台要的格式（SRT / VTT），抽查几行，不要重新转写，不要烧进画面。检查没过，就回到 `words.json` 改、重新生成，并重新检查所有挂在改动字词上的东西。**章节**取每个分镜在 `words.json` 里的开始时间，输出成平台要的章节时间戳文本。
11. 写 `deliver/notes.md`：主要的选择；用过的外部素材和模型；生成的内容（以及平台要求声明的部分）；每个第三方素材的署名和来源清单；还不够好的地方；你最后一遍的看片笔记。上传、发布、删除由用户决定：先问。

## 过关线

- 每条用户意见都有结果，精修报告写明了怎么理解、怎么改的。
- 精修在一个新会话里、较高的努力程度下进行，把整部片看了一遍，好的没动，查过雷同。
- 第二遍没有发现新的高、中等级问题；改过的问题没有回来。
- 母版以正确规格从头播到尾，硬伤报告是干净的，或者每一条都有解释。
- 字幕和最终音频一致；来源清单覆盖每一个第三方素材。

## 交接

`handoff/07-polish-and-deliver.md`：问题（时间码、问题、怎么改的、第二遍结果）和交付物（路径、规格、检查）。下一步：Step 08。

steps/08-retrospective.md

# Step 08：复盘

> 本页是参考做法，不是规程：可以调序、合并、替换、发明；只有 `SKILL.md` 里的硬规则管着你。「过关线」是自检参考，其中与硬规则重合的几条必须守。

> **谁做**：主 Agent，交付之后马上做（平台能看留存的话，发布之后再做一次）
> **输入**：整个片子的文件夹；Skill 文件夹
> **产出**：`retro/retro.md`、`retro/skill-changes.md`、`handoff/08-retrospective.md`；之后的 `retro/audience.md`

## 目标

把一切存好，写下这个风格的剪辑做得怎么样。每一次和 Agent、和 Skill 的对话，都会教出一点小经验。把这些经验微调进 Skill，同样的问题就不会再回来。微调，不推倒重来：框架不动，只改几行准确的话。

## 做法

1. **全部存好。** 提交片子的文件夹（计划、任务卡、报告、看片笔记、交接页、`app/`、交付物）。没问过就不删任何东西。用户愿意的话，下一部片可以从这份代码和共用零件起步；它的风格仍然要按它自己的主题来选。
2. `retro/retro.md`：这个风格以及它撑得怎么样（托得好的地方、和内容打架的地方）；做分镜的人做得最好和最差的地方；时间和额度花在哪；哪些工具坏了或被跳过；用户在每个关口说了什么，背后的道理是什么。然后是经验，每条一句话，带上所在的步骤和证据（一个时间码、一个文件）。一次遇到只是笔记；同样的问题在两部片里出现，才成为规矩。
3. **每条经验给个去处**：写在发生它的那一步的页面上的一行；「默认参数」表里的一个数字；值得留的点子，写进你自己的笔记文件（泛泛地写，不带这部片的内容和颜色）；或者对 Skill 本身的一处小改动。
4. `retro/skill-changes.md`：每处改动一块：文件和章节、现在这行、改后这行、为什么。每处都要小。需要新文件、新步骤、新顺序的改动，是留给用户的问题。
5. **请外部的眼睛来看**，当经验指向 Skill 本身，或者每隔几部片。从里面看，Skill 看不到自己的盲点。把 Skill 文件夹和 `retro/retro.md` 交给你手上最强的模型，开一个全新的会话、用它最高的努力程度（这是外部审阅，不是做片的会话，所以不受「推荐配置」限制）。更好的办法是问专业资料：把动画、缓动、电影和导演理论的权威书放进笔记类工具里，从 Skill 自己的框架出发提问（「这一步说 X；专家怎么说？」）。

   ```text
   你是一位资深的、用 AI Agent 以代码做长讲解视频的实践者。请审计这个 Agent Skill：{{Skill 文件夹}}。先读 SKILL.md，再读 steps/。一部真实的片子里发生的事：{{retro/retro.md}}。
   找出我可能看不到的：Skill 在哪里让 Agent 只能猜，在哪里把该放开的锁死了，哪些文件互相矛盾，哪里在打分而不是看片，哪里落后于行业的做法（说出是哪种做法、谁在用；不要编造来源）。
   只做微调：不要改写或重新组织 Skill，也不要提议新文件或新步骤。最多返回 {{N}} 处小而准的修改（N 默认 12），效果最大的排前面，每处写文件和章节、证据（引用那一行）、新文字，以及你有几分把握。
   ```

   每个答案都要自己核对；核对不了的、只会加规矩的，丢掉。
6. 把改动给用户看。改 Skill 由他们决定：只改他们批准的，改在他们自己留的副本上（装好的插件会被下一次更新覆盖）。一部片做到一半时，不改 Skill。
7. **发布之后**（平台能看留存的话）：大约 48 小时和 7 天时（默认节奏，按平台的数据延迟调整），打开观众留存、展示次数和点击率，和频道里类似的视频对比。把每一处明显的掉线和回看都对应到时间码、画面和那句话上。曲线只告诉你在哪里，不告诉你为什么：提出一个原因，和下一部片可以测试的一处改动。发布几小时后点击率明显偏低，试备用封面；一次只改一样。全部写进 `retro/audience.md`。

## 过关线

- 片子的文件夹已提交；没问过没删任何东西。
- `retro/retro.md` 写明了这个风格撑得怎么样；每条经验都有步骤、证据，以及去处或「丢弃，因为……」。
- 对 Skill 提出的每一处改动都小而准。

## 交接

`handoff/08-retrospective.md`：每条经验一行（经验、步骤、证据、去处、状态：已改 / 等用户 / 丢弃）。发布之后，每一处掉线或回看一行。这是最后一步；下一部片从 Step 01 重新开始。

完整方案与获取方式

基础版（本页，免费）：就是这一页，包括八步剪辑 Skill 的完整原文（第四部分「Skill 原文：九个文件」）和全部提示词（开题、定调、委派任务卡、看片、精修、审计）。照着复制粘贴，一步一步手动做，已经能把一部口播长视频从旁白剪到成片。

完整版在翔宇的 AI 编程实操课里的「AI 视频剪辑完整方案」资料包中：可运行的脚本（预检、转写、按分镜表自动填任务卡、检查渲染等）和 Remotion 起步引擎（含接口约定和检查脚本）；五套入门风格手册（亮面演示、暗场终端、手绘白板、扁平图解、杂志版面）、一份空白风格模板和研发自己风格的方法；部署运行手册；长文档。想省掉手动拼装的部分，可以去那里看。

加入课程： 国内版（FlowUS）｜海外版（Buy Me a Coffee）。已加入的会员：国内版资料包页面｜海外版资料包页面。

常见问题

怎么用 Claude Code 剪长视频？

别让一个会话从头剪到尾。把旁白锁成时钟，定一种风格，把片子切成若干分镜（默认每个约三分钟），每个分镜交给一个全新的子 Agent，用 Remotion 做出来。同时跑几个由并发数决定（默认 5），拼成初版，再开一个全新的 High 会话精修。

能用它改我 Premiere Pro 或 Final Cut 的时间线吗？

不能。这个 Skill 是用代码（Remotion）做讲解视频、渲染出视频文件，不会打开或修改 Premiere、Final Cut、达芬奇的时间线。渲出来的文件可以再放进你的剪辑软件继续处理。

分镜时长和并发数是怎么定的？

这是两个默认值，不是定律。分镜时长默认约三分钟：实测这个长度上子 Agent 发挥得好。并发数默认 5，主要是工具上的限制：CLI 工具没做并发处理的话，十个同时跑会报错；确认自己的工具并发下稳定、额度够，可以调高，额度紧就调低。

我的 Agent 没有子 Agent 功能，还能分段吗？

可以。全新的对话同样是一张干净的桌子。每个分镜开一个新对话，贴同一份任务卡，一个接一个做。慢一些，但行得通。

该用哪个模型、什么努力程度？

推荐用 Claude Opus 5.5，努力程度下限是 Medium。主 Agent（开题到委派）用 High，预算够可以 Max；分镜子 Agent 用 Medium，特别难的分镜用 High；初版之后开一个空白会话，用 High 精修。不要在一个 Max 会话里剪完整部片，实测效果不好，上下文被压缩得厉害。别的 Agent 也有对应的思考或努力程度设置。

要付费接口或显卡吗？

不用。Remotion、FFmpeg 都在本地跑，可选的本地 Whisper 也一样，Agent 用你自己的登录。生图、生成视频、配乐都是可选的，自备。

相关阅读

• Claude Code Subagents 新手指南：什么时候该派小助手
• Claude Code Skill 开发指南：从入门到变现的完整路线图
• Claude Code 创剪效果展示
• 我在地铁上设计了一个 8 步视频剪辑系统：另一套从原片出发的剪辑流水线，思路不同