Codex 自动化剪辑带货视频¶

# AGENTS.md

## 目标

一句话说明这个项目要完成什么。

## 目录

项目根目录只保留稳定结构，单次剪辑产生的过程文件放进当日工作文件夹。

- AGENTS.md：项目长期上下文，记录目标、目录、流程、输出和验收标准。
- assets/：提前准备好的产品素材、场景素材、人物素材、AI 片段和其他可复用素材。剪辑时只从这里复制素材，不移动或破坏原文件。
- work/：正在制作或待审核的视频项目。每次剪辑在这里创建一个当日工作文件夹。
- final/：已经完成并确认通过的视频，从 work/ 迁移到这里，避免工作区文件过多。

每次剪辑时，在 work/ 下创建一个当日工作文件夹：

work/
  YYYY-MM-DD/
    reference-YYYY-MM-DD.mp4
    video_clips/
    script.txt
    material/
      fragment01/
      fragment02/
    voice/
    jianying_draft/

当日工作文件夹说明：

- reference-YYYY-MM-DD.mp4：用户提供的完整参考视频，作为整体顺序、节奏、时长、音频和拆解依据。若同一天有多个任务，可在日期后追加短标题或序号。
- video_clips/：自动拆解参考视频后得到的画面片段和参考帧，用作视觉顺序和素材匹配依据。
- script.txt：从参考视频、用户文案、口播稿或配音文件整理出的口播/字幕/配音文本；没有文案时可为空或不创建。
- material/fragmentNN/：从 assets/ 筛选并复制过来的当前片段候选素材或已批准素材。
- voice/：按片段生成的配音、清理后人声、分段语音和拼接后的成品音频。
- jianying_draft/：当前样稿对应的剪映草稿、草稿检查报告和必要备份。只在需要生成剪映草稿时创建。

关键来源规则：

- 完整参考视频是音频、整体顺序和总时长的依据。
- video_clips/ 是视觉顺序和视觉匹配的依据。
- material/fragmentNN/ 是审校通过后的生产素材来源。
- 使用生成配音时，以每段真实完成语音时长作为画面和字幕时长依据。
- recipe.json 和 matches.json 是核心自动化流程的机器可读依据。

## 流程

流程路径：

读取参考视频 → 拆分参考画面 → 提取文案/配音文本 → 筛选原始素材 → 生成配音 → 生成样稿和剪映草稿

1. 读取参考视频：在 work/YYYY-MM-DD/ 下创建当日工作文件夹，将用户提供的参考视频保存为 reference-YYYY-MM-DD.mp4。
2. 拆分参考画面：使用自动镜头切分和关键帧抽取拆解参考视频，片段和参考帧保存到 video_clips/，结构数据保存在当日工作文件夹。
3. 提取文案/配音文本：从参考音频、用户文案或配音文件中整理口播文本，保存为 script.txt。
4. 筛选原始素材：读取 assets/，用参考帧和素材抽帧做视觉匹配，候选结果保存到当日工作文件夹，通过的素材复制到 material/fragmentNN/。
5. 生成配音：默认使用豆包语音模型生成新配音，分段语音和合成音频保存到 voice/。
6. 生成样稿和剪映草稿：用筛选素材和新配音生成样稿，并创建剪映草稿保存到 jianying_draft/，供用户打开审核。

## 输出

保存通用输出配置；单次特殊要求以用户当前指令和 skill 执行结果为准。

- 视频比例：9:16 竖屏。
- 分辨率：1080x1920。
- 帧率：60fps。
- 文件命名规则：YYMMDD-platform-product-序号.mp4，英文缩写优先，避免文件名过长或乱码。
- 默认音频：不保留原参考音频，使用新配音。
- 默认审核方式：生成剪映草稿，供用户打开审核。
- 默认归档方式：用户确认通过后，从 work/ 迁移到 final/。

## 验收

视频合格标准：

- 每个视觉片段都有可用素材；缺素材和低置信度片段必须明确暴露。
- 不用无关素材硬凑数量。
- 素材画面和产品、场景、动作、景别、角度、光线、产品可见度和构图基本匹配。
- 文件名和文件夹名只能作为线索，最终要看画面。
- 复制素材，不移动或破坏原始素材。
- 用内容指纹识别重复素材，不能把不同文件名当成不同内容。
- 三个连续镜头范围内尽量避免同一来源文件夹重复出现。
- 相邻片段避免明显重复的房间、构图或语义场景。
- 有关联的 AI 片段或同一角色片段要保持身份连续。
- 成片视觉速度保持 1.00x，除非用户明确要求变速；短素材可定格补足，不通过变速硬拉。
- 成片比例、分辨率和帧率符合本文件的通用配置；时长和数量符合用户当前要求或本次任务设置。
- 成片时长和参考或本次目标时长的偏差应在可接受范围内，明显偏差要说明。
- 字幕必须在所属片段内，按语义断句，不机械凑字数。
- 字幕不遮挡产品主体、关键动作或重要信息。
- 如果使用配音，以真实成品配音时长为画面和字幕依据。
- 配音要检查开头、中间边界、最长停顿、最紧字幕边界和结尾。
- 不声称完成 ASR、TTS、声音克隆或剪映草稿，除非对应工具真实运行并产出可验证文件。
- 如生成剪映草稿，必须是新建可编辑草稿，不能覆盖原生或加密缓存。
- 剪映草稿的内容 ID、元数据 ID 和根索引 ID 必须一致，批量草稿 ID 不能重复。
- 剪映草稿的素材路径必须存在，媒体源范围不能超过真实时长。