视频号违规诊断（sph-violation-checker）
零配置可用：上传视频即可诊断，无需任何 API 凭据或浏览器登录。
- 口播转写：自动三级降级（本地 Whisper → 腾讯云 ASR → 用户粘贴文案）
- 已发布作品审计：粘贴模式为主入口（零门槛），浏览器抓取为高级选项
- 拍摄脚本预审：先脚本后拍摄，文字稿+分镜在拍摄前扫雷，改完再拍
环境
- Python 解释器（venv，已装 opencv/easyocr/imageio-ffmpeg/requests/whisper）：
C:/Users/Administrator/.workbuddy/binaries/python/envs/default/Scripts/python.exe - 脚本目录：本技能
scripts/下 diagnose.py— 一键诊断流水线（抽帧+ASR+OCR+词库扫描，推荐优先使用）precheck_script.py— 拍摄脚本预审（文字稿扫描+分镜画面风险关键词）extract_frames.py— 单独抽帧audio_asr.py— 口播转写（三级自动降级）ocr_frames.py— 帧文字 OCRscan_words.py— 违禁词扫描generate_report.py— Word 诊断报告生成fetch_published.py— 已发布作品抓取/输入器- 词库：
references/banned_words.json（8大类违禁词+正则模式） - 分镜风险表：
references/shot_risk.json（分镜画面风险关键词，模式三用） - 规则库：
references/violation_rules.md（画面违规判定 + 报告格式 + 判定原则 + 运营行为违规 + 脚本预审要点，诊断前必读） - 场景选择入口：
ui/start.html（双击浏览器打开，三种诊断场景可视化选择 + 操作指引 + 可复制话术；桌面已有副本"视频号内容安全诊断台.html"）。用户问"界面入口""怎么选场景"时，提示打开此文件或直接用 present_files 展示
模式一：发布前预审（用户上传视频文件）
Step 0 收集输入
必需：视频文件路径。
可选（有则扫，无则跳过，不追问）：
1. 计划发布的标题/简介/话题标签（如有）
2. 账号行业类目（如招聘/食品/教育——影响资质类判定）
3. 口播文案（用户已有文案可直接粘贴，跳过ASR）
Step 1 一键诊断（推荐）
<python> scripts/diagnose.py <视频路径> --frames 12
脚本自动完成：抽帧 → OCR画面文字 → 口播ASR（自动选择引擎）→ 违禁词扫描 → 输出统一JSON
- Whisper 首次运行自动下载 tiny 模型（~75MB），之后离线可用
- 用户已提供口播文案时：加 --paste-text "文案内容" 跳过 ASR
- 输出 JSON 包含：视频信息/帧列表/OCR文字/ASR转写/扫描命中/全量文本
Step 2 画面违规分析（核心，用多模态能力）
用 Read 工具逐帧查看 JSON 中 video_meta.frames_dir 下的 frame_*.jpg 图片，对照 references/violation_rules.md 第二部分逐项检查：
- 二维码/手机号/微信号等导流元素（2.1）
- 其他平台水印/搬运痕迹（2.2）
- 低俗暴露/危险动作（2.3）
- 伪造官方样式/虚假对比（2.4）
- 未成年人相关（2.6）
同时记录画面中出现的所有文字（字幕、贴纸、标题条）。
注意：diagnose.py 已跑过 OCR 和词库扫描，JSON 中 ocr_text 和 scan.hits 可直接用。此步重点是 OCR 漏检的画面语义分析（如二维码/水印/低俗画面，OCR 识别不了但多模态能看）。
Step 3 综合判定与报告
- 汇总：Step 2 画面发现 + JSON 中的 scan.hits + ocr_text + asr.transcript
- 按
references/violation_rules.md第六部分格式输出诊断报告（对话中直接输出，用户偏好简洁结构化） - 判定原则见规则库第七部分：不确定的列"提示"；多重命中升级；语境豁免仍提示
- 每条命中给出：位置（时间点/标题/画面）、风险等级、具体内容、可直接使用的替换文案（改写示例必须给出前后对照）
Step 4 生成 Word 诊断报告（可选，用户要求时执行）
- 用 Python 构造诊断 JSON（避免手写引号转义问题）：
<python> -c "
import json
data = { ... } # 诊断数据
json.dump(data, open('<output>.json', 'w', encoding='utf-8'), ensure_ascii=False, indent=2)
"
JSON 字段：
- video: { filename, duration, resolution, fps, account_category }
- diagnosis: { date, risk_level, risk_emoji, summary, dimensions_checked }
- violations: [{ no, location, type, risk_level, risk_emoji, content, suggestion }]
- checklist: [{ priority: "必改"/"建议", item }]
- rewrites: [{ original, revised }]
- compliant_items: [str]
- category_risk: str（可选）
- publish_advice: str
- 生成 .docx：
<python> scripts/generate_report.py <diagnosis.json> --output <报告路径.docx>
输出到用户桌面，文件名格式：视频号违规诊断报告_<视频简称>.docx
- 用 present_files 展示 .docx 文件。
模式二：已发布作品审计（检查线上作品 + 运营行为）
用户要求检查已发布作品、账号信息、或询问运营行为（频繁转发等）是否违规时进入此模式。
Step A0 收集输入（粘贴优先，零门槛）
推荐方式：用户直接粘贴已发布作品的标题/描述/标签，agent 直接扫描，无需任何配置。
可选方式：用户提供视频号主页 URL，用浏览器自动抓取（需 playwright-cli + Edge + 微信扫码）。
一次性问齐（用户可以只给标题描述，其余选答）：
1. 作品标题/描述/标签（粘贴即可，一条或多条都行）
2. 运营行为情况（选答）：近期发布频率、转发习惯、是否多账号分发
Step A1 违禁词扫描（粘贴模式，默认）
用户粘贴的作品文本直接拼接后扫描：
<python> scripts/scan_words.py --text "<标题+描述+标签拼接>" --source 作品<N>
如用户提供了文件（.txt），也可用：
<python> scripts/fetch_published.py --paste-file <文件路径> --output works.json
文件格式：每条作品用 --- 分隔，字段用 标题:/描述:/标签: 前缀。
Step A1-alt 浏览器抓取（高级，用户主动要求时）
<python> scripts/fetch_published.py <视频号主页URL> --output published_works.json
- 脚本用 playwright-cli + Edge 打开主页（有头模式），首次访问需用户微信扫码登录
- 抓取失败时脚本会截图，agent 用 Read 看截图人工提取
- 此模式为可选项，不是必经步骤
Step A2 运营行为风险评估
根据用户 Step A0 提供的运营情况，对照规则库第八部分逐项评估：
- 频繁转发/分享（8.1）
- 高频发布（8.2）
- 删除重发（8.3）
- 评论区行为（8.4）
- 矩阵号运营（8.6）
- 数据造假（8.8）
用户未提供运营信息时，输出"运营行为自查清单"供用户自行核对。
Step A3 综合报告
- 汇总：内容扫描命中 + 运营行为风险
- 按规则库第九部分输出审计报告
- 多条作品同类问题 → 给出批量修改方案
- 可按 Step 4 生成 Word 报告
模式三：拍摄脚本预审（先脚本后拍摄）
用户提供拍摄脚本（口播文案/字幕/标题/标签/分镜），要求"脚本预审""拍前检查""看看脚本能不能拍"时进入此模式。此模式在拍摄前执行，成本最低，推荐优先走。
Step C0 收集脚本（一次问齐，用户给多少算多少）
- 口播文案（必填，没有就跳过）
- 分镜描述（每镜头一行，如"镜头1 企业门口全景"）
- 字幕/标题/标签（选填，有则扫）
- 账号行业类目（选填，影响资质类判断）
格式说明：直接粘贴即可，脚本自动按 口播:/字幕:/标题:/标签:/分镜: 前缀分区；无前缀的整段视为口播。不需要用户理解格式，粘原始脚本也能扫。
Step C1 跑预审脚本
<python> scripts/precheck_script.py --text "<脚本全文>" --source <脚本名>
或从文件读：
<python> scripts/precheck_script.py --text-file <脚本文件.txt> --source <脚本名>
脚本自动完成：分区 → 文字类（口播/字幕/标题/标签）跑词库扫描 → 分镜类叠加画面风险关键词扫描（shot_risk.json）→ 输出 summary（overall: block/review/pass）。
Step C2 分镜人工复核（关键）
对照 references/violation_rules.md 第十部分逐镜头复核脚本没写明的隐含风险：
- 背景文字（10.2）：门牌/横幅/锦旗上的绝对化用语、店招电话地址
- 场景资质（10.2）：医疗/金融/教育场景是否需要账号类目认证
- 演示动作（10.2）：危险动作、产品功效夸大演示
- 服装造型（10.2）：制服冒充权威、衣着暴露
- 结尾引导（10.2）：站外导流词（公众号/加微信）必须换站内动作
- 关键词误伤处理：命中"最""烟"等词时看上下文（如"最近""烟台"属误伤，不报）；但"宁可提示不可漏报"的项列"拍摄时注意"
Step C3 输出预审报告（对话中直接输出）
按规则库 10.3 格式：
1. 总体结论：🔴 先改再拍 / 🟡 拍摄时注意 / 🟢 可直接拍摄
2. 文字稿命中表：分区 / 风险 / 问题 / 修改建议（每条给替换文案）
3. 分镜画面风险表：镜头 / 风险 / 问题 / 拍摄注意（给具体规避方案，如"镜头1门牌电话用绿植遮挡"）
4. 修改后文案示例：前后对照，可直接抄
5. 结尾注明"本诊断为预审参考，平台审核以实际为准"
Step C4 后续衔接
- 预审通过 → 拍摄 → 成片后仍建议用模式一过一遍（现场道具可能新引入违规）
- 用户要求 Word 版 → 按 Step 4 流程生成报告
输出要求
- 综合风险等级只用一档：🔴 高危（先改再发）/ 🟡 中风险（建议修改）/ 🟢 低风险（可发布）
- 修改清单分【必改】和【建议】两级
- 改写示例要完整句子，不要只说"删除XX"
- 报告结尾注明"本诊断为预审参考，平台审核以实际为准"
维护
- 词库按平台规则变化更新
references/banned_words.json（词库文件头部有版本记录） - 用户属招聘就业行业（拉勾计划），招聘类视频注意：岗位薪资表述、企业名称授权、招聘信息时效
