剪映字幕 AI 纠错
解决什么问题
剪映的语音识别快且免费，但专有名词（Agent、Claude Code、MCP、WorkBuddy…）总识别错， 每期视频手改字幕要花半小时。本工具自动完成：解密草稿 → 双层纠错 → 回加密写回， 时间轴和样式零改动，改完回剪映直接开始剪辑。
前置条件（一次性，详见 references/setup.md）
tools/下放好jy-draftc.exe（从 GitHub wenshui330/jy-draftc 下载）- 本机装有剪映桌面版（自动探测，或设
JY_INSTALL_DIR指向含 videoeditor.dll 的版本目录） - 智谱 API key（环境变量
ZHIPU_API_KEY；用智谱跑 Claude Code 的可自动读取 settings.json）
标准工作流
1. 用户在剪映里：新建草稿 → 放视频 → 「文本→智能字幕」识别完
2. 完全退出剪映（含托盘）——脚本会检测，剪映开着拒绝写回
3. 跑脚本（dry-run 先看效果）：
python scripts/fix_subtitles.py "草稿名" --dry-run
4. 让用户看 workspace/<草稿名>/changes.md 对照表，确认改动
5. 正式写回（去掉 --dry-run）
6. 用户重开剪映 → 字幕已纠好 → 手动删减/加变速 → 导出
执行命令模板
& "<skill目录>/scripts/fix_subtitles.py" "草稿名" --dry-run # 预览
& "<skill目录>/scripts/fix_subtitles.py" "草稿名" # 正式写回
& "<skill目录>/scripts/fix_subtitles.py" "草稿名" --no-llm # 纯规则，秒出
参数
| 参数 | 作用 |
|---|---|
--dry-run | 只出对照表+SRT 不写回（剪映开着也能跑） |
--no-llm | 只跑术语表规则替换，不调 API |
--batch N | LLM 每批条数，默认 30 |
术语表维护（核心！越用越准）
config/terms.json：
terms：权威写法（写回前强制校验大小写，如 api→API）fix：确定无疑的"错→对"映射（如克劳德扣→Claude Code、engine→Agent）
每次跑完发现新错拼，主动询问用户是否沉淀进术语表。 用户是内容创作者，同一系列的视频术语高度重复，术语表是最有效的资产。 注意：加长短语映射（如"手抽injection→手搓Agent"）可能被已有的短映射（"手抽→手搓"） 先命中而失效——优先加目标词本身的映射（如"injection→Agent"）。
双层纠错机制
- 规则层（主力）：术语表精确替换，秒级、零成本、100%可控
- LLM 层（兜底）：glm-4-flash 批量纠同音错字（30条/批×4路并发）， 写回前过术语校验 + 长度突变检测（防幻觉重写）
安全机制
- 剪映运行中拒绝写回；每次运行自动备份到
workspace/<草稿名>/backups/ - 只改文本字段，时间轴/样式/轨道不动；回滚 = 用备份覆盖
draft_content.json
已知边界
- 依赖 jy-draftc 对剪映版本的支持（当前支持 10.3~11.5，剪映大版本更新后留意该项目）
- 草稿里手动加的标题文本也会一起被纠（对照表可见，一般无碍）
- glm-4-flash 偶尔会小幅越权（删语气词/补字），prompt 已加"宁可漏改不可错改"约束， 最终以对照表人工抽查为准