博主蒸馏器（blogger-distiller）

把"看别人视频学东西"变成一条可重复的流水线：收片 → 拆片 → 蒸馏 → 行动包。输入博主主页链接或单条视频分享链接，最终产出一份《蒸馏报告》——不是分析文档堆砌，而是用户能直接照着拍自己视频的行动指导。

技能结构

blogger-distiller/
├── SKILL.md                        # 本文件：编排层（流程总控 + 蒸馏方法论）
├── scripts/
│   ├── download/
│   │   ├── dy_dl.py                # 单视频下载（CDP 拦截 + 自动校验）
│   │   └── dy_batch_top.py         # 批量下载（按点赞排序 Top N + 校验重试）
│   └── extract/
│       ├── extract_video_info.py   # 火山方舟多模态提取
│       └── prompt.txt              # "只提取、不分析"提示词
└── references/
    ├── download-playbook.md        # 收片手册 ★ 执行阶段一前必读
    └── extract-playbook.md         # 拆片手册 ★ 执行阶段二前必读

三层流水线的分工

层	脚本	职责	产物
收片	scripts/download/*	抓元数据 + 批量下载 + 质检修复压缩闭环	meta.json + videos/*.mp4
拆片	scripts/extract/*	多模态提取 10 类信息（带时间戳）	每条视频的信息档案 .md
蒸馏	无脚本，纯分析	跨档案交叉分析 + 转化为行动方案	distill_report.md

关键认知：拆片层的提示词被约束为"只提取、不分析"——蒸馏层的职责才是分析。不要试图让拆片直接给出爆款结论。

环境依赖

• Python 3.10+；pip3 install --user websockets requests
• ffmpeg 在 PATH 中；macOS 需 Google Chrome
• ARK_API_KEY 环境变量（缺失时向用户索要，只进环境变量，绝不写文件）

工作流程

第 0 步：确认输入与规模

1. 解析输入（仅支持链接形式）：
   • 博主主页链接 → 提取 sec_uid，进入全量收片 + 批量蒸馏
   • 单条视频分享链接 → 单条模式：直接用 scripts/extract/dy_extract.py 直传拆解，跳过收片层
   • 本地视频目录 → 跳过收片层，直接从第 2 步开始
     注意：不支持按名字搜索博主；图文作品（无视频流）不支持。
2. 用 AskUserQuestion 确认蒸馏规模（说明成本）：

规模	耗时预估	适用
Top 3（默认）	约 20 分钟	常规学习
Top 5	约 30 分钟+	重点对标的核心博主

第 1 步：收片

先读 references/download-playbook.md，再按其流程执行。要点：

• 所有元数据与视频统一落到一个运行目录（见「目录约定」）
• 必须走完手册里的全部闭环：ffprobe 校验 → _failed.json 修复 → >50MB 压缩——这些是实测踩坑换来的硬规则，不得跳过

第 2 步：拆片

先读 references/extract-playbook.md，再逐条对下载的视频跑：

cd <技能目录>/scripts/extract
export ARK_API_KEY=<key>
python3 extract_video_info.py "<运行目录>/videos/<某个视频>.mp4"

• 开跑前告知总耗时预估；批量用非阻塞命令 + 轮询进度
• 单条截断时按手册用 --split + --file-id 重跑
• 某条持续失败则跳过并在报告中注明样本数，不要阻塞整体流程
• 记录每份档案路径供蒸馏读取

快捷/补漏通道：某条视频本地文件损坏又想省一次下载时，可用直传方式跳过本地落盘：

python3 <技能目录>/scripts/extract/dy_extract.py "<该视频分享链接>" -o <运行目录>/extracts/<视频名>/

它默认把抖音签名直链直接交给方舟拉流（≤50MB 且匿名可访问时成功），失败自动回退为「下载后上传」。（使用仓库内 scripts/download/dy_dl.py。）

第 3 步：蒸馏（本技能的核心价值）

通读全部档案 .md + meta.json，产出三部分内容写入 distill_report.md。

A. 商业化要素

从多档案交叉归纳（每条结论都要有证据锚点）：

• 定位公式：他是谁 × 给谁看 × 解决什么需求——从各条口播主题、字幕用词归纳共性
• 变现路径：带货 / 课程 / 接单 / 广告 / 私域引流——证据来自档案第 6 节（产品品牌）、第 9 节（CTA）、口播中的转化话术
• 人设资产：重复出现的身份标签、开场白、口头禅、视觉形象（第 5 节 + 各条开头对比）
• 增长策略信号：发布节奏（meta.json 的 iso 字段）、蹭热点模式、互动引导方式

B. 内容结构特征

• 选题矩阵：把 N 条视频的主题归类，找出反复使用的选题公式（如"教程型 / 翻车型 / 观点型"），并对照 liked 数据指出哪类最能打
• 开头钩子模式：并排对比每条 0–5 秒的口播转写（第 2 节）和画面文字（第 3 节），提炼可复用的钩子句式
• 结构与节奏：统计镜头时间轴（第 4 节）的平均切换频率、段落切分规律（第 7 节）
• 收尾 CTA 模式：对比第 9 节，提炼结尾套路

C. 行动包（最终交付物）

1. 脚本骨架模板：开头钩子（2–3 种句式可选，附从他那里改编的例句）→ 内容主体分段结构 → CTA 收尾，形成填空即可用的模板
2. 第一批选题清单：基于选题矩阵生成的 5 条具体选题（标题级，可直接开拍）
3. 翻拍 checklist：拍摄前的自查项（时长、节奏、字幕、钩子位置等）
4. 差距清单：对照该博主的制作水准，列出用户还需要补的能力/工具/素材

第 4 步：交付

以 distill_report.md 为主线向用户讲解，重点讲透行动包部分。

目录约定

每次运行在一个独立目录内完成（<项目根>/distilled/<博主名>_<YYYYMMDD>/）：

distilled/<博主名>_20260827/
├── meta.json               # 博主全量元数据（download-playbook 定义的标准格式）
├── videos/                 # Top N 视频（已质检压缩）
│   ├── 01_likes96548_xxx.mp4
│   ├── 01_likes96548_xxx_extract_<时间戳>/
│   │   └── ...md           # 该视频的信息档案
│   └── ...
└── distill_report.md       # ★ 蒸馏报告（最终产物）

方法论约束（写作纪律）

1. 证据锚点强制：每条结论须标注来源——引用某条档案的章节/时间戳，或 meta.json 的数值字段。禁止无出处断言
2. 三档表述：【事实】（档案/元数据直接支持）、【推断】（跨条归纳）、【建议】(行动包里的主观方案）——不得混写
3. 样本量自觉：N 条是小样本，定性提炼为主，不输出定量结论（如"爆款率提升 x%"禁止出现）；推断超出 N 条范围时标注"仅基于 N 条样本"
4. 不编造：没看到的画面/听不清的口播不脑补；上游档案缺节就标"该维度证据不足"
5. 模拟/虚假数据零容忍：任何数字必须能溯源到真实文件或真实 API 返回

失败处理

各类失败场景的手册级解法见 references/ 两份 playbook 的失败模式表。编排层补充：

症状	处理
ARK_API_KEY 未设置	向用户索要，写入当前 shell 环境变量后继续
某条视频提取反复失败	跳过，用剩余档案继续蒸馏，报告中注明有效样本数
可用档案 < 2 条	提示用户小样本蒸馏价值有限，询问是否补充下载其他视频

安全红线（全局）

• 下载绝不携带用户登录态 cookie（headless 用独立 profile）；cookie 只留在用户 Chrome 里做只读查询
• 禁止在用户浏览器执行任何点赞/关注/私信等写操作
• API Key 只进环境变量，绝不写入任何文件
• 禁止伪造任何数据；缺数据明说或换接口