Analyzer（短视频拆解与重构工具） 是做什么的？
提供你喜欢的一条短视频，它会拆解其钩子、节奏和剪辑手法。然后复用相同的结构，围绕你自己的主题构建一条新视频。
一切都在本机上运行。工具位于 ~/.claude/skills/analyzer/scripts/，并使用技能自带的Python环境：~/.claude/skills/analyzer/.venv/bin/python（下文：PY 代表该路径，AN 代表 ~/.claude/skills/analyzer/scripts）。
0. 检查安装（每次运行）
test -x ~/.claude/skills/analyzer/.venv/bin/python && command -v ffmpeg
如果其中任何一项缺失，用一句话告知用户，然后运行安装程序：bash ~/analyzer-skill/install.sh，或先克隆仓库：git clone https://github.com/corbinsylk/analyzer-skill ~/analyzer-skill && bash ~/analyzer-skill/install.sh。
1. 获取短视频
可以是链接（Instagram、TikTok、YouTube Shorts、X）或本地文件。然后运行：
PY AN/fetch.py "<链接或文件>"
该脚本最后一行会输出视频的路径（下载的文件保存在 ~/Movies/Analyzer/ 目录）。公开帖子无需登录即可下载。如果下载失败（私密、年龄限制、已删除），请告知用户自行下载或录屏，然后将文件拖入。
2. 测量与分析
PY AN/transcribe.py "<视频>"
PY AN/shots.py "<视频>"
两个脚本都使用视频文件旁边生成的 <视频名称>-analysis/ 文件夹。transcribe.py 生成 transcript.md 和 words.json（每个单词带时间戳；首次运行时会提示“mps”速度信息，可忽略）。shots.py 生成 pacing.md（包含下文所有数字，以及一个镜头级表格，列出每个镜头期间的对白）、sheet-N.jpg 缩略图接触表（小图、带编号，用于概览）和 shots/NN.jpg（每个镜头一帧，宽度720像素，足够阅读屏幕上的文字；长镜头会额外生成 NN-a/NN-b，分别对应开头和末尾帧）。如果 shots.py 检测到的镜头数明显少于视频实际应有的数量，请添加参数 --threshold 0.18 重新运行；如果它把一个镜头错误地分为多个（如快速运动或闪光），则使用 --threshold 0.4。
3. 查看并撰写拆解文档
阅读 transcript.md 和 pacing.md。打开所有接触表查看概览，然后打开前3秒镜头的 shots/NN.jpg 帧，以及任何画面发生变化（出现文字、缩放、图形、新场景）的镜头帧：无需打开所有帧。你无法听到视频原声：除转录内容外，不要对音乐或音效做任何描述。转录可能会误解专有名词（运动项目、品牌、菜品等）：请对照屏幕上的文字进行核实，并在撰写时使用正确的拼写。
在 <工作文件夹>/breakdown.md 中写入以下章节，每个论断必须关联到具体时间或镜头编号：
- 钩子（0-3秒）。精确的对白，画面上有什么（构图、屏幕文字及其位置、运动），有多少次剪辑，以及为什么它能阻止用户滑动：好奇心缺口、承诺、模式打破。
- 结构。按顺序列出各节拍及其时间：钩子、铺垫或问题、转折、高潮、行动号召。针对每个节拍：其作用、持续秒数和字数、实现该作用的具体台词。
- 节奏。来自
pacing.md的数据（镜头数量、平均和中位镜头长度、前3秒的剪辑次数、每分钟字数）及其含义。要统计某个节拍的字数：PY AN/words.py "<工作文件夹>" <开始> <结束>（秒或分:秒）；它会输出字数、节奏和具体单词：哪里加速、哪里停顿、剪辑率如何跟随故事情节。 - 剪辑手法。构图与摄影（脸部在画面中占据的比例、推近镜头、角度变化：通过帧画面目测估算），屏幕文字（风格、大小、位置、出现时机），字幕（风格、每次显示多少词），B-roll素材，屏幕录制，图形，转场效果。
- 公式。一种任何人都能复用的填空式模板：每个节拍写成
[此处填充内容]，并附上目标时长、字数以及剪辑动作。
然后用几句话告诉用户钩子、公式以及使其成功的三个关键点，并指出 breakdown.md 的路径。
4. 用用户的主题重新制作
如果用户尚未说明主题，问一个问题：“新视频应该围绕什么主题（以及目标受众是谁）？”
然后在 <工作文件夹>/remake.md 中写入：
- 逐字对白脚本，按节拍组织，使用相同的结构，每个节拍的字数与参考视频（来自
words.py）相差不超过10%，以确保时长和节奏一致。钩子使用与参考视频相同的机制（同类的承诺、数字、问题或模式打破），但绝不能重复其具体词语。如果用户告诉过你他们说话的方式（语音文件、品牌文件、之前的脚本、或自己的说明），请采用那种语调；否则保持平实、直接、口语化，就像对着镜头说话的样子。 - 拍摄计划：针对每个节拍，需要拍摄什么（构图、视线方向、手势、道具或地点），以及从参考视频中提炼出的该时刻的剪辑动作（剪切、推近、屏幕文字及其精确词语、需要展示的B-roll素材）。
- 屏幕文字：单独列出，并注明出现时间。
- 拍摄备注：每句台词说两遍以便挑选最佳素材；每句台词之间停顿一秒。
5. 粗剪（当用户拍摄完成后）
当用户拖入重新制作的拍摄素材时：
PY AN/transcribe.py "<素材>"
阅读该素材的 transcript.md 和 words.json。对于脚本中的每一句台词，挑选出最干净、完整的段落（没有结巴，通常是最后一遍录制的），然后在 <素材工作文件夹>/keep.json 中按脚本顺序写入：
[{"line": "脚本台词", "start": 12.40, "end": 15.92}]
start 取自 words.json 中该段第一个单词的 s 值，end 取自最后一个单词的 e 值。然后运行：
PY AN/rough_cut.py "<素材>" "<素材工作文件夹>"
该脚本会将每个片段精确裁剪到单词边界，在最靠近脸部的区域按9:16比例构图，按顺序拼接，并生成逐字字幕，最后输出 rough-cut.mp4 和 rough-cut.jpg（一张横跨8帧的缩略图）。打开 jpg 检查脸部是否位于画面中以及字幕是否清晰可读。告知用户粗剪片段中包含了什么内容，以及拍摄计划中哪些剪辑动作还需要在他们自己的编辑器里添加（文字、缩放、B-roll素材）。