这一集聊什么

• Probe first。先用 probe.py 读取真实的容器、编码、帧率、音轨和时间戳，再决定后续动作。
• 无损优先。能用流拷贝解决的问题，不先把素材送进级联重编码链。
• Dry Run。执行前输出 JSON 计划，让人和 AI 都能看见将要发生的操作。
• 工具各司其职。look.py、scenes.py、color.py、check.py、cut.py 和 sync.py 分别处理观察、分析、色彩、检查、剪切与对齐。
• SPEC 契约。从 argparse 运行时生成工具说明，让代码参数成为更可靠的事实来源。

为什么 VFR 会改变剪辑判断

手机录像、屏幕录制和会议录制可能带有可变帧率（VFR）。如果按恒定帧率去猜时间线，画面和音频会在长时间线上逐渐错开。先探测，再选择无损或精确重构路径，才知道自己在处理什么。

事后术语核对

本版阅读稿根据 pinned ffmpeg-skill 源文档校正了明显的 ASR 术语，例如 ffmpeg-skill、SKILL.md、probe.py、look.py、scenes.py、color.py、check.py、cut.py、sync.py、SPEC 和 argparse。原始 ASR、校正前后全文与理由保存在封包的 transcription 台账中；这类校正不改变音频和时间线。

音频来源说明

本集音频为 AI 合成的已提供成品，具体生成器身份未在本次 source record 中确认。节目内容依据本集音频、pinned ffmpeg-skill revision 与随附材料整理。

本集章节

• 00:00 让 AI 猜参数，为什么总会出错
• 00:47 ffmpeg-skill 的初衷与 28 个工具
• 03:18 Probe first：先认识真实媒体
• 07:50 Dry Run 与 JSON 计划
• 09:54 look.py 与 scenes.py：让 AI 看见素材
• 12:10 color.py 与 check.py：画面和交付检查
• 13:12 cut.py、sync.py 与漂移
• 15:37 SPEC：让代码成为契约
• 17:30 把探测、执行、验证带到别的工具链

延伸阅读

• ffmpeg-skill pinned source · GitHub

这套方案把工作分给三个技能：串联流程、生成图片，再把背景、框架、图标和文字还原成可编辑的幻灯片。沿着这条路线，我们提出了几组改造想法，也重新核对了录音里说得太满的地方。

四个值得继续试的问题

• 换个环境，还能跑吗？ 核心逻辑与运行时适配怎样分工，才能让迁移更省心？
• 一小块图标切坏了，怎么接着做？ 从图标重切到局部合并，讨论异常恢复与可编辑性之间的取舍。
• 一页字太多，要不要分步生成？ 先做视觉容器，再放入精确文字，值得用一组实际样例比较。
• 看出了位置偏差，下一步怎么改？ 把视觉检查接到坐标修正上，让每一次检查都能帮上忙。

事后查证，发现搞错了：原项目已经写了其他运行环境的适配说明，也有图标重出、增加留白后重切，以及用 dx_px／dy_px 校正位置的步骤。录音里把这些说成了缺失，话说满了。我们接下来想试的，是怎样把这些恢复步骤接得更顺，以及能否从差异热图自动算出可靠的修正量。

听完可以动手试一件事

打开下面的三个技能入口，挑一个最想改的环节，用同一份输入跑一次现有流程和你的改法。记下哪里更顺、哪里又出了问题，带着结果继续讨论。

本集由 AI 合成语音呈现，内容由 Martin Lanse 整理。

本集章节

• 00:00 厨具与砧板：为什么讨论工具链边界
• 00:33 运行时依赖：通用性的边界在哪里
• 01:47 适配器提案：让核心逻辑更纯粹
• 02:56 四层还原与强门禁的代价
• 04:16 异常降级：整页重来之外的选择
• 05:29 高密度内容：先做容器，再填文字
• 07:39 视觉 QA：发现偏移之后怎么办
• 09:34 四项改进与一个源码自测

延伸阅读

• Gorden Super PPT Skills：官方源码与三技能入口（固定版本）
• 运行时适配说明：Codex 主路径与其他后端
• 图片还原 PPTX：四层结构与验收流程
• 视觉对比 QA 脚本：差异图与指标的实际输出

阅读本集完整文字稿