---
type: knowledge
created: 2026-09-19
updated: 2026-09-19
sensitivity: standard
tags: [ai, prompts, skills, huangbai-ai]
status: active
---

# 视频拆解、审核预检与多模型协作

本页归纳当前源码与文档中的可复用方法。学习层级为文档阅读和定向静态检查；没有处理真实视频、调用模型、安装工具或写入飞书。

## 先按交付目标分流

| 目标 | 参考仓库 | 核心交付 |
| --- | --- | --- |
| 提取视频里的口播、屏幕提示词和中文翻译 | vidscript-skill | 口播、画面文字、提示词原文与译文分开存放 |
| 给剪辑人员逐句提意见 | videocheck | 时间段／口播与截图／空白修改意见，三列表格 |
| 拆解 AI 视频的镜头与生成思路 | video-to-feishu-table-skill | 中文口播／可播放片段／明确标为推测的提示词 |
| 判断发布风险与证据缺口 | guoshen | 时间点、原文、画面证据、平台与场景、依据、改法、未检查项 |
| 把独立工作交给不同模型 | model-team | 必要上下文、明确子任务、独立结果、主任务整合验证 |

这些产物解决不同问题，不应只因为都涉及视频就合并为一个模糊的总结。

## vidscript：文字信息通常分布在声音和画面两条通道

一条视频一个目录，先保存来源、时长、音轨和真实素材。口播转写与可见字幕分别提取；概览联系图用于定位密集信息，再回到原始清晰帧逐字查看。长提示词以多帧重叠部分拼接去重，截断和不确定位置保留标记，不能补写隐藏的指令。

工具名可结合清晰 UI 校正语音同音误识别；剪辑字幕不一定等于完整实际口播。原文、翻译、推测重建分开记录。长视频分块处理时保留重叠并恢复原始时间轴。

平台下载参考只是故障处理经验，实际执行要核当前可用工具与访问范围。不能把作者下载目录、旧 GitHub 账号或历史教程的模型配置当成本机配置。依赖检查器的 READY 不代表语音识别和视觉分析都已完成。

静态缺口：`create_contact_sheet.py` 把第 i 张图片标作约 i−1 秒，但 `extract_frames.sh` 支持任意 FPS。变更抽帧频率或混入裁切图片后，该标注不再可信。精确时间应由帧清单或视频 PTS 提供。

## videocheck：把意见锚定到真实镜头

按半句或短口播点拆行，时间来自转写和视频，不按全文长度平均分配。代表截图必须位于当前时间范围内；听不清与看不清分别记录。只有用户要求时才填修改意见，保留该列原本用于团队审阅的作用。

飞书发布不可用时，先交付本地 Markdown 和截图；之后发布需要重新读取检查表头、行数、图片与时间对应关系。模型能看图、工具能抽帧、服务能写文档是三个不同能力，逐项确认即可，无需装齐全部工具。

## video-to-feishu：可播放片段必须与推测内容分开

先抽帧转写，再人工确定片段边界与中文表达。生成提示词应标为对画面的推测，而不是声称恢复了创作者原始提示词。预览需按实际视频比例，素材缩小不能变成裁切。

源码有三个值得在采用前修正的地方：

1. 读取旧文档后做切片与上传，再把旧内容加新表整篇 `overwrite`；期间他人编辑可能被旧快照覆盖。应使用追加块或版本冲突保护。
2. 复用同一工作目录时，已有 `source.*`、音频、帧和切片被直接重用，缺少源 URL／文件哈希／参数一致性判定。换视频或改片段参数应使用新目录或受校验的缓存键。
3. `verify()` 输出统计数量但不检查是否等于期望片段数，并固定统计 124×220；只有发现普通附件卡片才报错。因此不能把该函数成功当成文档完整性和播放验收。

这些是当前源码的静态发现，未进行真实飞书并发复现。

## guoshen：带日期、语境和缺口的预检

通用检查问题与单个平台规则分层，先辨认普通投稿、商业广告、加热、电商、课程或直播。个人偏好单独记录，不能伪装成平台禁令。规则来源区分官方全文、官方入口、二手转述和待核；核查日期不等于生效日期，当前规则不能自动还原历史审核。

声音、内嵌字幕、外部字幕、画面 OCR 和二维码保持独立证据通道。提取脚本保留源文件哈希、抽帧真实时间、采样间隔、音轨偏移和失败状态。扫描器只是召回线索；相邻帧拼接出域名也须回看位置与时序，不能直接判定原片有完整网址。

判定分为明确风险、需复核、按用户要求修改、未发现明显问题、未检查。抽样扫描不能保证没有闪现信息，逐帧 OCR 也不等于逐帧语义审查。失败不能空白返回后冒充无问题。

案例闭环：保存平台通知与视频版本→记录修改与重试→列出其他解释→比较反例→人工复核→更新有时间范围的规则。该快照中的五个案例为模拟示例，没有真实样本准确率；修改后通过不能独立证明拒审原因。此处学习审核方法，实际发布任务仍需重新核查当期官方规则。

## model-team：分工与执行边界都要可见

三项 MCP 能力分别用于列出模型、委派单项、并行独立子任务。先确定独立性与验收条件，只发送所需上下文，主任务整合、复查并承担最终判断。工作代理防止递归委派的标记是流程约束。

模型适配器把协议转换与任务调度分离；本地 Codex worker 使用临时工作目录与只读沙箱。只读不意味着不能读取数据；提示词中的输出长度目标也不是硬性用量上限。调用预算应在实际工具能力中确认。

仓库自述面向单用户本机使用：HTTP 服务绑定回环地址，检查 Host／Origin 和本地请求令牌；配置加密使用本机密钥。进程内并发控制与本地请求记录不能直接升级为分布式队列或多租户隔离。

`server.mjs` 的安装动作会修改 Codex 配置、写同名技能，并向全局 AGENTS 追加规则。学习分工方法不需要执行这个安装动作；后续若采用，应先检查已有配置和同名项。此次没有更改这些配置。

## 工程案例的补充启发

- `token-xiuxian` 将来源统计与成长账本分开，用只读数据库访问、数值汇总和原子写文件减少干扰。成长累计可能与当前扫描值不同；跨工具统计口径也不同，不能当作官方额度或账单。
- `private-daily` 通过持久任务状态区分 queued／running／success／partial／failed，登录阻塞单独展示；进程内锁和直接选取队首仅适合其当前运行假设，多进程采用前需补充任务租约或原子认领。
- `BaoshuMa` 用权限、环境底噪校准、瞬态敲击检测和持续反馈构成采集体验。这能指导 UI 与信号采集流程，不能证明具备成熟度识别准确率。

具体来源仓库和固定提交见 [完整仓库清单](Repository-Map.md)，逐文件阅读范围见 [阅读台账](Reading-Ledger.json)。


## 固定版本来源

- [model-team · 7b9919f1](https://github.com/huangbai-AI/model-team/tree/7b9919f17ea7b63f8f79df4196da22b273e1d449)
- [guoshen · 01bc1f76](https://github.com/huangbai-AI/guoshen/tree/01bc1f76623c7fc216178c4a0d5dac9261e83682)
- [video-to-feishu-table-skill · 56310972](https://github.com/huangbai-AI/video-to-feishu-table-skill/tree/56310972d4ffcb3c7a59eaf591ee733ae67899e0)
- [videocheck · b1fa1df8](https://github.com/huangbai-AI/videocheck/tree/b1fa1df8b66b2f52eae9bee5fbc1abdf874014f1)
- [vidscript-skill · c120501c](https://github.com/huangbai-AI/vidscript-skill/tree/c120501cfc9b8ed5dd2bc108cb600caf4432a4c8)

[返回学习入口](README.md)