视觉分析产品系统Vibe Coding

面向短视频创作者、动漫/影视二创团队、课程与访谈内容生产者：收藏和保存的视频越来越多，但逐条看片、找镜头、记时间码、整理可复用方法仍高度依赖人工，转述结论也容易脱离原始证据。项目将视频转化为可检索、可追溯的结构化知识，覆盖内容理解、镜头拆解、长视频定位和素材归档，重点解决“看过却找不回、拆过却不可复现”的效率与可信度问题。

项目由四个 Skill 模块组成：① 收藏视频入口：仅读取元数据，先识别保存意图并给出低打扰的下一步建议；② 通用内容分析：抽取代表帧与联系表，输出一句话判断、内容总结、类型、主题和相关 IP；③ 专业视频拆解：完成镜头切分、关键帧、景别/动作/首尾帧、运镜与转场测量，并生成证据帧、制作顺序和提示词骨架；④ 长视频索引：基于带时间码逐字稿建立 SQLite 索引，按关键词定位集数、时间点与原话，并生成可校验的 SHA-256 证据链。系统统一输出 Markdown、JSON、JSONL、SQLite 和可选 PDF，并用 measured / inferred / unverified 标记结论可信度。

我负责产品定位、Skill 契约与信息架构、Python 脚本实现、Schema 设计、测试和发布打包。整体采用“宿主提供媒体访问 + Skill 负责确定性处理与结构化输出”的分层架构：以 Python 编排探测、抽帧、镜头切分和运镜/转场测量，FFmpeg 完成视频/音频处理，SQLite FTS 构建逐字稿与多集语料检索，JSON Schema 约束跨模型 handoff。亮点包括证据分级、时间码与哈希回溯、metadata-only 隐私边界、渐进式镜头拆解以及跨 Skill 路由；难点是把模型语义观察与确定性测量严格分离，并让长任务可分段确认、可复现、可审计。