CommunityCodierung & Entwicklunggithub.com

고니 AlphaCut 조사와 사용

Untersucht die Vorlagen-, Untertitel- und Kurzvideo-Bearbeitungsfunktionen von AlphaCut anhand der tatsächlichen Benutzeroberfläche und öffentlicher Ressourcen und reproduziert die in der Goni-Arbeit bestätigte Nutzung von AlphaCut.

Was ist 고니 AlphaCut 조사와 사용?

Dieses Skill ermöglicht die systematische Untersuchung und Reproduktion der AlphaCut-Funktionen, insbesondere der Vorlagen-, Untertitel- und Kurzvideo-Bearbeitung, basierend auf der tatsächlichen Benutzeroberfläche und öffentlich zugänglichen statischen Ressourcen. Es unterstützt Plattformen wie Claude Code, Cursor und Codex und ist ein dokumentiertes Forschungsverfahren, das nicht die Eigentumsrechte an AlphaCuts internem Code oder Diensten beansprucht. Der Skill bietet einen strukturierten Arbeitsablauf: Zunächst wird die aktuelle Benutzeroberfläche über Browser-Screenshots und gerendertes HTML erfasst, wobei öffentliche Seiten und Login-DOM getrennt verwaltet werden. Anschließend werden Vorlagen durch Zählen von Karten, Indizieren von Kategorien, Beschriftungen, Vorschauelementen, Schriftarten und Farben analysiert. Der Benutzer kann dann Erstellungs-, Bearbeitungs- und Untertitelexportvorgänge mit bereitgestellten Eingaben testen und dabei Erstellungszeit, Kreditverbrauch und Bearbeitungsstatus aufzeichnen. Zur Wiederverwendung stehen Python-Skripte wie `capture_public.py` und `capture_static.py` für die Sammlung öffentlicher HTML/JS/CSS-Dateien sowie `capture_template_assets.py` für öffentliche Vorlagenvorschaubilder und Schriftarten zur Verfügung. Bei neuen Builds müssen Modulnummern, Tag-Listen und Kartenstrukturen der Extraktionsskripte neu validiert werden. Der Skill betont die strikte Trennung von sichtbaren Funktionen und getesteten Ergebnissen, priorisiert UI-basierte Exporte (TXT/SRT) über programmatische Extraktionen und behält Hashes und Quell-URLs für spätere Build-Vergleiche bei. Zugangsdaten, signierte Medien-URLs, Videodateien und Sitzungsinformationen dürfen nicht in öffentliche Repositories hochgeladen werden, und serverseitige KI- oder Renderer-Aktionen dürfen nicht bestätigt werden, wenn nur der öffentliche Frontend-Code untersucht wurde.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/qwer777qq/goni-skill/tree/HEAD/skills/goni-alphacut

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht 고니 AlphaCut 조사와 사용?

Überprüfen Sie zuerst die tatsächliche Benutzeroberfläche von AlphaCut und unterscheiden Sie zwischen beobachteten Funktionen und Ableitungen aus öffentlichem, statischem Code. Dieses Skill ist ein von 고니 erstelltes Forschungsverfahren und bedeutet nicht, dass es den internen Code oder die Dienste von AlphaCut besitzt.

Start

  1. Überprüfen Sie die Ziel-URL, zugängliche Bildschirme mit dem Konto, Testeingaben und die gewünschten Ergebnisse (Funktionsliste, Vorlagenliste, Untertitel, HTML/CSS, Bearbeitungsergebnisse).
  2. Wenn research/alphacut/REPORT.md im aktuellen Projekt vorhanden ist, lesen Sie es zuerst. Überprüfen Sie das Untersuchungsdatum und die Build-Version und testen Sie nur die Teile, die sich vom aktuellen Bildschirm unterscheiden, erneut.
  3. Zeichnen Sie jeden Zustand der Browser-UI mit Bildschirm-Screenshots und gerendertem HTML auf. Verwalten Sie öffentliche Seitenantworten und den DOM nach dem Login als separate Ergebnisse.
  4. Zählen Sie bei Vorlagen die Anzahl der auf dem Bildschirm sichtbaren Karten und der eindeutigen Vorschaubilder separat und indizieren Sie Kategorien, Beschriftungen, Vorschau-HTML, Schriftarten, Farben und Bildreferenzen. Wenn Sie Konfigurationsobjekte in öffentlichem JS lesen, gehen Sie nicht davon aus, dass Berechnungsausdrücke ausgeführte Werte sind.
  5. Testen Sie Erstellung, Bearbeitung und Untertitelexport mit den vom Benutzer bereitgestellten Eingaben. Zeichnen Sie Erstellungszeit, Kreditverbrauch und den ursprünglichen Bearbeitungsstatus auf. Um Vorlagen- und Untertitel-Tests rückgängig zu machen, überprüfen Sie den Speicherstatus.
  6. Führen Sie tatsächliche Veröffentlichungen oder kostenpflichtige Funktionen gemäß den Benutzeranweisungen und Kontoberechtigungen der jeweiligen Aufgabe durch. Unterscheiden Sie zwischen dem, was sichtbar ist, und dem, was durch Ausführung verifiziert wurde.

Wiederverwendbare Forschungswerkzeuge

Wenn ein vorheriges research/alphacut/ im Arbeitsordner vorhanden ist, verwenden Sie die darin enthaltenen Skripte capture_public.py, capture_static.py, extract_all_presets.py, build_template_index.py und capture_template_assets.py. Die ersten beiden Skripte sammeln öffentliches HTML/JS/CSS, während capture_template_assets.py öffentliche Bilder und Schriftarten von Vorlagenvorschaubildern sammelt. Für die Extraktion und Galerieerstellung sind der statische Code des entsprechenden Builds und die im Browser gespeicherten Karten-DOMs erforderlich. Wenn Sie das Galerieerstellungsskript nach der Asset-Sammlung erneut ausführen, werden lokale Dateilinks berücksichtigt. Bei neuen Builds validieren Sie die Modulnummern, Tag-Listen und Kartenstrukturen des Extraktionscodes erneut.

Bevorzugen Sie für Untertitel den Export über die UI (TXT/SRT). Wenn Sie HTML/CSS erneut sammeln, behalten Sie Hashes und Quell-URLs bei, um spätere Build-Änderungen zu vergleichen. Geben Sie im Ergebnisbericht die Anzahl der Vorlagen, den Umfang der getesteten Funktionen, die Pfade der Ergebnisse und den nicht getesteten Umfang an.

Laden Sie Konto-HTML, signierte Medien-URLs, Videodateien und Sitzungsinformationen nicht in öffentliche Repositories hoch. Bestätigen Sie keine serverseitigen KI- oder Renderer-Aktionen, die nur mit öffentlichem Frontend-Code überprüft wurden.

Lesen Sie bei Bedarf die Beobachtungsbasis für die in früheren Untersuchungen bestätigte Bildschirmstruktur und den Validierungsumfang.

Verwandte Skills