Conz-Wilts/ai-editor

クリエイターティアダウン（Creator Teardown）

パス: ${CLAUDE_SKILL_DIR} は、このSKILL.mdが置かれているフォルダを指します。Windowsでは、python3と書かれているコマンドの代わりにpyを使用してください。

ユーザーへの質問はすべて質問ボックスを使用します。AskUserQuestionツールを呼び出し、選択肢は2〜4個（推奨を先頭に）提示します。そのツールがないエージェントでのみ、番号付きの質問をテキストで行います。

出力

creator-teardowns/<handle>/ に以下を出力します:

• teardown.md (分析結果)
• teardown.html (ユーザーが参照するページ)
• look.md (Claudeが読み取る要約)
• style.json (このスタイルで編集するためのすべての測定値)
• 各動画のファイル (${CLAUDE_SKILL_DIR}/references/outputs.md に一覧)

編集計画は edit-plans/<name>/ に出力されます。 このスタイルに一致するかどうかの判定: scripts/match.py (references/outputs.md "Match check" 参照)

最初に: doctor

python3 "${CLAUDE_SKILL_DIR}/scripts/fetch.py" doctor

セッション内で最初のティアダウンを実行する前に、このコマンドを必ず実行してください。Ready. と表示されれば準備完了です。Not ready と表示された場合、またはユーザーがスキルのインストールやセットアップを依頼した場合は、${CLAUDE_SKILL_DIR}/references/setup.md に従ってください。ElevenLabsキーはオプションです。チャット内でキーを要求しないでください。ユーザーは自身のターミナルで setkey コマンドを使用して保存します。

VPY="${CLAUDE_SKILL_DIR}/scripts/run.py"; 以下のコマンドで python3 "$VPY"（Windowsではpy）を使用すると、AI_EDITOR_HOME が指定する場所にあるツール用venvのPythonでスクリプトが実行されます。

パイプライン

クイックモード（ai-editorのstart、setup、style-editから呼び出された場合）

別のスキルがstyle.jsonだけを必要とする場合、以下の手順を正確に実行します: Step 1の list、Step 2のコマンド（--top 5 付き: 5 + コントロール2 + 予備2。リンク貼り付けの場合はすべて）、Step 3bの4つのコマンド、次にStep 3cの4つのコマンドを実行し、そこで停止します。Step 0の質問パートは、呼び出し元がまだ質問していない場合のみ行います。metrics.py、Step 3の筆記パス、Steps 4〜6はスキップします。14コアのMacで約3分（測定値は2〜3分、予備で最悪約1分追加）、8コアのラップトップではその約2倍かかります。その旨を先に伝えてください。

Step 0: 質問（1回のみ）

メッセージで既に回答済みの内容はスキップします。質問ボックスを1回呼び出します:

1. どのクリエイター？ ユーザーが指定したハンドル名またはリンク（推奨） / 後でさらに貼り付けます。複数のクリエイターを指定するのは普通です。あるクリエイターのキャプションスタイルと別のクリエイターのペースが好き、といったことがあります。各クリエイターのスタイルは1つのフォーマットです。
2. 複数の場合: 誰からどの部分を取る？ まだ決めていない（推奨）: Step 3bの後、各クリエイターのlook.mdを比較して再度質問します。または、キャプション、ペース（カット、ズーム、モーション）、ビジュアル（グラフィック、顔のフレーミング、カード）、サウンドから選びます。

Step 1: 動画を取得する

python3 "${CLAUDE_SKILL_DIR}/scripts/fetch.py" list <handle> --platform tiktok --limit 40   # または youtube
python3 "${CLAUDE_SKILL_DIR}/scripts/fetch.py" list <name> --urls picks.txt   # 貼り付けられたリンク（1行に1つ）

ランク付けされたテーブル（視聴数、x中央値）を表示し、videos.json を書き込みます。* は中央値の3倍を示します。

Instagram: list <handle> --platform instagram は、ユーザーのブラウザでのinstagram.comログインを介して、視聴数付きの最新リールを読み取ります（データはinstagram.comにのみ送信されます）。ログインしていない場合、1文のメッセージとともに終了コード1で終了します。そのメッセージをユーザーに伝えるか、6つ以上のリールリンクを picks.txt に入れて --urls を使用します（いいね数でランク付けされます。その旨伝えてください）。

Step 2: 勝者動画とコントロールグループのダウンロードと文字起こし

python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/visual.py" download <handle>
python3 "${CLAUDE_SKILL_DIR}/scripts/fetch.py" transcribe <handle>

--top N は、N個の動画に加えて2つのコントロール動画（中央値に最も近い2つ、--control で変更可能）、さらにフォーマットチェック用の2つの予備動画（--spare）をダウンロードし文字起こしします。動画の数が十分にある場合、クリエイターの通常の長さの動画が選ばれます。貼り付けられたリンクの場合は、すべての動画が対象です。デフォルトの --top 8 は合計12動画、--top 5（高速実行）は合計9動画です。両方のコマンドに渡してください。両方のコマンドは最初に動画数を出力します。--ids <id>,<id> で特定の動画を選択できます。中央値の動画がコントロールです。視聴数50万の動画と3千の動画の両方に見られる動きは、そのクリエイターの習慣であり、50万の動画が成功した理由ではありません。少なくとも2つは保持してください。

すべての測定スクリプトは複数の動画を同時に処理します（CT_JOBS=1 で、小型ラップトップでこの機能をオフにできます）。

まず所要時間を伝えてください（ダウンロード＋文字起こし：14コアMacで1動画あたり約10秒）。Whisper（無料、ローカル）がデフォルトです。ElevenLabsキーがある場合、transcribe はScribeを使用し、すべてのフィラーを保持します（音声1時間あたり0.22ドル。10動画以上の場合は見積もりを提示してください）。Whisperの文字起こしにフィラーカウントが依存する場合は、その旨をティアダウンに記載してください。

Step 3: 測定、そして分析

python3 "${CLAUDE_SKILL_DIR}/scripts/metrics.py" <handle>

metrics.json（3分割ごとのWPM、間、フィラー、文の長さ、you/I/weの使用、繰り返しフレーズ）を書き込みます。すべて単語のタイムスタンプから計算されます。

最初にStep 3bを実行し、format.json で除外された動画を以降のパスがスキップするようにします。その後、${CLAUDE_SKILL_DIR}/references/analysis-framework.md を読み込み、そのパスを実行してください。パス1では、動画ごとに1つの video-analyst エージェントを起動します（すべて1つのメッセージで送信し、同時に実行されます）。各エージェントには絶対パス creator-teardowns/<handle>/ と1つの動画IDを渡します。各エージェントはJSONのビートマップを返します。それをテーブルにマージします。Agentツールがない場合は、transcripts/<id>.timed.txt を自分で読み取り、一度に1動画ずつ処理します。transcripts/<id>.json や metrics.json 全体を絶対に読まないでください。

1. ビートマップ＋タイミング。 各動画をラベル付きビートに分割し、秒数マークと単語数を記録します。
2. 音声/語彙プロファイル。 文の長さ、人称、命令形、繰り返しフレーズ、ユーザーが通常言わないような動き。
3. ビジュアルパス。 常に実行: Step 3b。これにより、ユーザーは自分の動画をこのスタイルで編集できるようになります。
4. カードイベント（クリエイターのカードやグラフィックに関する質問がある場合、または編集計画が作成される場合のみ）。${CLAUDE_SKILL_DIR}/references/edit-plan.md で定義された形式の events.json を書き込みます。scripts/strip.py には ffmpeg、numpy、pillow が必要です。

タイミングを省略しないでください。「フックは0:03までに着地し、14単語で構成される。項目はそれぞれ8〜11秒」は撮影可能なフォーマットですが、「フック、リスト、クロージング」はそうではありません。

Step 3b: ビジュアルパス（測定値ベース。画像はClaudeが読み取る必要はありません）

python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/visual.py" measure <handle>
python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/look.py" measure <handle>
python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/format_check.py" check <handle>

次にシートパス（後述の4）、続いて python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/lookpass.py" merge <handle> を実行します。

これらは transcribe の後に実行します（look.py はOCRテキストを話された単語と一致させます）。

1. visual.py: カットとその種類、ショットの長さ、ズーム、パン、シェイク。
2. look.py: 1秒あたり3フレームのOCRとYuNet顔検出: 字幕（場所、サイズ、単語、大文字小文字、色、太さ、出現方法）、顔のフレーミング、グラフィックの割合、パレット、モーションパーソナリティ。1動画あたり約40秒。
3. format_check.py: 1つのスタイルは1つのフォーマットであり、投稿されたすべてのスタイルのブレンドではありません。フレーム、顔、字幕、ショット長、動画長で動画をグループ化します。3つ以上の過半数グループは保持され、残りは video/left-out/ に移動されます（format.json に理由が記録されます。references/look-pass.md 参照）。差異がある場合、その最初の行をユーザーに伝えてください（「6個中4個を使用: 2個は別のフォーマットに見えます」）。混在している場合は、どちらか一方の種類の動画をさらに追加で要求します。
4. シートパス: model: "haiku" を指定した1回のAgent呼び出しで、保持された各動画の sheets/<id>.jpg（visual.py が作成する1枚の3x3シート）を読み取り、lookpass.py のプロンプトに従って video/<id>.look-ai.json を書き込みます: フォント、グラフィックスタイル、トランジション、一般的でないもの。数値は絶対に含めません。正確な指示は references/look-pass.md にあります。lookpass.py merge がこれらを style.json に統合します。

その後、look.md（48行未満）を読み取ってください。フレームやシートは開かないでください。 すべてのフィールドは ${CLAUDE_SKILL_DIR}/references/look-pass.md に記載されています。style.json の数値はコードから生成されます。手動で編集しないでください。look.md とモデルの記述に矛盾がある場合（例: 測定値が「motion: punchy」、モデルが「smooth」と命名）、測定値が優先され、ティアダウンには両方を記載します。

OCRエンジンがない場合（doctorがオプションと表示）: captions は未測定のままで、look.md にその旨が記載されます。自分でシートを読み取るのではなく、インストールしてください（doctor がインストール方法を表示します）。

Step 3c: 詳細パスとページの生成

python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/graphics.py" measure <handle>
python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/sound.py" measure <handle>
python3 "$VPY" "${CLAUDE_SKILL_DIR}/scripts/report.py" build <handle>

各measureコマンドは1行のサマリーと書き込んだファイル名を出力します（--json で完全なブロックを出力しますが、通常は不要: look.mdに数値があります）。Step 3bの後に実行します（graphics.py は look.py の顔検出結果を使用して話者をマスクします）。各グラフィック（クロップ、種類、配置、出現・退出方法（GSAPイージングでフィット））、カットの種類とカメラワーク（visual.py）、効果音と音楽、各動画の最初の3秒、コントロールグループに対する勝者の特徴、クリエイター自身の見た目に対するAIテルスキャンを追加します。フィールド、メソッド、上限、コストについては ${CLAUDE_SKILL_DIR}/references/teardown-page.md を参照してください。graphics.py measure の後、同リファレンスに従ってhaiku種類パスを実行し（実行しないと種類はコードの推測のまま）、その後 sound.py と report.py を実行します。

次に、ユーザー向けに creator-teardowns/<handle>/teardown.html を開きます（Macでは open、Windowsでは start、Linuxでは xdg-open）。必要に応じてアーティファクトとして公開することを提案します。ページやその画像を自分で読み取らないでください。look.md に数値が記載されています。勝者の動画がコントロールと何が違うのか（look.md の Winners: 行（n付き））と、クリエイターの見た目にBANレベルのAIテルがある場合はその情報を、2〜3行でユーザーに伝えてください。

その後、質問ボックスで（ページは証拠を示すだけで、チェックボックスなどはありません）、1つの複数選択質問をします: 「@ のどの部分をあなたの編集でコピーしますか？」選択肢: キャプション、ペース、グラフィックの種類、出現モーション、レイアウト、サウンド（最大4つ。必要に応じて2つの質問に分割）。各選択肢の説明には、look.md から測定値の1行を含めます（例: 「0.25秒でオーバーシュートしながらスライドイン」）。選択された部分にBANテルが含まれる場合は、ユーザーが確認する前にそれを伝えてください。回答を保存します:

python3 "${CLAUDE_SKILL_DIR}/scripts/editplan.py" blend <handle>-mine --from <handle> \
    --take captions,pace,graphics,entrances,layout,sound    # 選択された部分のみ

style-edit は creator-teardowns/<handle>-mine/style.json を読み取ります。選択されなかった部分はデフォルト値が使用されます。report.py build と editplan.py blend はスタイルのスキル名を出力します（skill edit-like-<handle> -> <path>。ai-editorがインストールされている場合）。その名前をユーザーに伝えてください。そのスタイルで編集した結果に対するフィードバックは、そのスキルに対して行われます。

Step 3d: 複数のクリエイター（ユーザーが複数名を指定した場合）

${CLAUDE_SKILL_DIR}/references/blend.md に従ってください: クリエイターごとにSteps 1〜3b、look.md を並べて比較、その後 editplan.py blend。

Step 4: ティアダウンを書く

${CLAUDE_SKILL_DIR}/references/teardown-template.md のテンプレートに従って creator-teardowns/<handle>/teardown.md を作成します。各動画について、統計行、逐語的な文字起こし、タイミング付きのビートテーブル、保持すべきパターンと拒否すべきパターンを含めます。

Step 5（オプション）: スキルとして登録する

このフォーマットを保存する価値があるかどうかをユーザーに尋ねます。保存する場合、${CLAUDE_SKILL_DIR}/references/skill-handoff.md に従ってフォーマットスキルを作成します（スタイル自体のスキルとは別に）。

Step 6（オプション）: クリエイターのスタイルでユーザーの動画を計画する

ユーザーが自分の動画を提供した場合、${CLAUDE_SKILL_DIR}/references/edit-plan.md に従ってください。ビジュアルパスから生成されたクリエイターの events.json が必要です。レンダリングは行いません。

スクリプトが停止した場合

メッセージ	対応方法
doctor Not ready: ...	リストされた各項目について references/setup.md に従う
yt-dlp returned nothing / parsed 0 videos	表示されるヒントを読む: yt-dlpを更新（doctorが方法を示す）、または単一動画リンクを要求し --urls を使用する
Instagramプロフィールが失敗	表示される文を伝える: Chromeでinstagram.comにログインするか、6つ以上のリールリンクを提供する（Step 1 「Instagram」参照）
... Fix the key, then rerun (transcribe)	ElevenLabsキーが間違っている: ユーザーは自身のターミナルで setkey を使用して再保存するか、キーを破棄してWhisperを使用する
no videos in ... Run download first	visual.py download <handle> を実行する
download failed: <ids> (exit 1)	表示される --ids を指定して再実行する。それでも失敗する場合は、サンプルが小さいことを伝えて続行する
yt-dlp not found	fetch.py doctor を実行し、リストされた問題を修正する
一部の動画の文字起こしに失敗	--ids を指定して再試行し、それでも失敗した場合はどの動画が失敗したかを伝える。ギャップを埋めようとしない

厳格なルール

• 実際の数字のみ、または何もなし。 効果があると主張するすべての内容は、視聴数を併記してください。数値なしで「バズった」と決して言わないでください。
• 逐語的な文字起こしのみ。 文字起こしされていない動画を要約しないでください。
• 構造はコピーするが、声はコピーしない。 すべてのティアダウンで、何を拒否すべきかを明記します。
• 中央値コントロールグループ。 少なくとも2つの中程度のパフォーマーの動画を文字起こししてください。そうしないと、フォーマットとクリエイターの習慣を区別できません。
• 文字起こしの1行、カードの統計や引用を決して捏造しないでください。 文字起こしに失敗した場合は、--ids で再試行し、それでも失敗した場合はその旨を伝えてください。
• チャット内でElevenLabsキーを決して要求しないでください。
• style.jsonには測定値のみ。 pace と zoom は visual.py から。captions、face、graphics、motion は look.py から。単語情報（look、font_match）のみがモデルからのデータです。
• look.mdを読むこと。フレームは読まない。 フレームを開くのは、look.mdで回答できない疑問を解決するためだけであり、その場合はどのフレームを開いたか明記してください。ユーザーはteardown.htmlを、Claudeはlook.mdを参照します。
• 勝者とコントロールの比較: nを明記。 差異を「証明された」と呼んではいけません。「すべての勝者」は、このサンプル内で重複がないことを意味するだけです。

重要

分析フレームワーク、テンプレート、ルックパス、ブレンド、スキルハンドオフ、編集計画の詳細については、${CLAUDE_SKILL_DIR}/references/ 以下の各リファレンスファイルを参照してください。