1. 搜索当前来源（网络搜索；优先使用 vidIQ 缓存）。记录每条事实：声明、数字、URL、日期。
2. 标记假设性陈述（例如“如果 X 停止”），并在屏幕文本中保留该标签。
3. 编写 6–8 个节拍，每个节拍不超过 16 个词。节拍 1 = 钩子，不超过 9 个词，一个带有风险的问题。最后一个节拍呼应钩子并指出下个视频。
4. 输出 spec.json（节拍：id、say、on_screen、source_ids）+ fact_ledger.json。若任何数字声明缺少来源则失败。
5. 对所有屏幕文本针对字幕字体运行 glyph_audit。