广告视频智能改写
把已经拆解好的广告分镜，转换成适配用户自有品牌、可继续拍摄或交给 AI 生成的新脚本。保留原片的镜头功能、时间节奏和叙事策略，但必须更换具体表达、品牌事实与视觉方案，避免逐句洗稿和无依据卖点。
真实样例结果
上图来自一条 26.7 秒、9 镜头广告的真实端到端测试：时间轴和镜头数保持不变，口播平均改写幅度 87%，画面平均改写幅度 73%，源品牌残留 0，当前未解决风险 0。最终输出的不是一段散乱文案，而是一套可以逐镜头审稿、继续拍摄或进入 AI 视频生成流程的结构化结果。
> 输入一份结构化分镜和一份品牌商品资料，自动完成结构分析、逐镜头改写、事实约束、原创度检查与风险提示，最后生成可直接审稿的前后对照表。
> 真实输出会同时呈现原口播与新口播、原画面与新画面、改写幅度、事实依据和风险提示，而不是只返回一段散乱文案。
先确定输入
需要两份输入：
- 原视频分镜表：支持本 SkillHub 上的
video-breakdown-skill输出 JSON，也支持同结构 Excel。 - 目标品牌资料：优先复制
{baseDir}/assets/brand-profile.example.json填写；用户不方便写 JSON 时，根据其提供的品牌、商品、可核验卖点和禁用表达生成同结构文件，再运行校验。
不要直接读取本机其他品牌资料，不要猜测用户商品功效、价格、销量、认证或活动信息。目标资料不完整时，先列出缺失项；用户明确允许留空时，用中性表达继续，不得编造。
首次使用：
python3 -m pip install -r "{baseDir}/requirements.txt"
cp "{baseDir}/config.example.env" "{baseDir}/.env"
python3 "{baseDir}/scripts/init_profile.py" -o "./brand-profile.json"
编辑 .env，填写用户自己的 OpenAI 兼容模型：
REWRITE_LLM_API_KEY=你的密钥
REWRITE_LLM_BASE_URL=https://api.openai.com/v1
REWRITE_LLM_MODEL=你的文本模型名称
REWRITE_LLM_API_STYLE=responses
REWRITE_LLM_API_STYLE 支持 responses 或 chat-completions。不要把 .env、真实密钥或客户未公开资料写入 Skill 包、聊天公开内容或版本库。
校验输入
正式改写前执行：
python3 "{baseDir}/scripts/validate_inputs.py" \
"/path/to/分镜表.json" \
--profile "/path/to/brand-profile.json" \
--product "目标商品ID"
校验失败时先修正输入。完整字段说明见：
{baseDir}/references/input-format.md{baseDir}/references/brand-profile.md
选择模式
| 用户意图 | --mode |
行为 |
|---|---|---|
| “整体仿写成我的品牌” | structure-transfer |
默认。保留镜头功能和节奏，重写口播与视觉方案 |
| “完整重写，变化再大一点” | full-rewrite |
保留时间轴，重新设计文案与画面表达 |
| “画面不动，只改口播” | script-only |
只改字幕、口播和叙事 |
| “口播不动，只给新画面方案” | visual-only |
只改画面、动作与生成提示词 |
如果用户没有明确指定，使用 structure-transfer。执行前用一句话确认目标商品、模式和额外要求；用户已经明确表达时不要重复追问。
执行改写
python3 "{baseDir}/scripts/rewrite.py" \
"/path/to/分镜表.json" \
--profile "/path/to/brand-profile.json" \
--product "目标商品ID" \
--mode structure-transfer \
-o "/path/to/output"
Excel 输入同样可用：
python3 "{baseDir}/scripts/rewrite.py" \
"/path/to/分镜表.xlsx" \
--profile "/path/to/brand-profile.json" \
--mode script-only \
-o "/path/to/output"
默认生成：
改写结果.json：完整结构化结果，方便其他 Agent 和自动化流程消费。改写结果.md：便于阅读与继续调整。广告视频改写对照表.xlsx：包含效果总览、改写分镜、前后对比、风险提示、结构策略和品牌资料。
完成后返回镜头数、目标商品、改写模式、风险数量以及三个文件的绝对路径。
改写原则
- 保持镜头数量、开始时间、结束时间、时长、景别、角度和运镜不变，除非用户明确要求调整。
- 保留原片的“功能结构”，例如钩子、痛点、证明、产品亮相、行动指令；不要复制原句、品牌名、包装细节或独特创意表达。
- 只使用品牌资料中明确提供的事实。没有出处的数据、价格、销量、认证、用户案例和功效一律不写。
- 口播字数尽量控制在原文的 ±25%，并保持可自然说出口；不能为了塞卖点显著拖长镜头。
structure-transfer和full-rewrite中，应更换视觉主体、道具、场景细节或信息呈现方式，使新方案具有独立表达。- 对相似度过高、残留源品牌、绝对化表达、医疗化表达、虚假稀缺和缺乏事实依据的内容输出风险提示，并在可能时自动收敛表述。
- “风险检查通过”只代表规则与模型未发现明显问题，不代表法律意见，也不保证平台审核通过；正式投放前必须由品牌方复核。
数据与隐私
- 文件解析、格式校验、相似度计算和 Excel 导出在本地完成。
- 改写时会把分镜文本、目标品牌资料和额外要求发送到
REWRITE_LLM_BASE_URL指向的模型服务。 - 默认不上传视频、音频或帧图片；本 Skill 只处理结构化文本。
- 处理客户资料、未公开活动或商业机密前，先确认用户允许把这些文本发送给所配置的模型服务。
- 不集成企微、飞书或其他消息系统；所有结果默认写入用户指定的本地目录。
调整已有结果
用户要求“第 3 镜头更口语”“结尾别太促销”时，读取 改写结果.json，保留未点名镜头，只修改指定内容，再重新运行质量检查与导出。不要从头改掉用户已经确认的部分。
诊断
python3 "{baseDir}/scripts/doctor.py"
python3 "{baseDir}/scripts/doctor.py" --check-api
API 诊断失败时，只报告配置项和接口错误，不打印密钥。
