@optima-chat/gen-cli 2.5.0 → 2.6.1

package/.claude/skills/digital-human/references/manage.md

@@ -1,137 +0,0 @@
-# Manage Avatars & Videos
-
-管理 `~/digital-human/` 工作空间下的分身(`avatars.md`)+ 生成过的视频(`videos/<id>/`)+ 训练素材(`training/<id>/`)。
-
-## "我的分身有哪些"
-
-直接 Read `~/digital-human/avatars.md` 渲染给用户。
-
-文件不存在 → "你还没训过分身,要训一个吗?"(走 [train.md](train.md))
-
-文件存在但只有表头(无数据行)→ 同上。
-
-## "我的视频有哪些" / "列我的视频" / "做过哪些视频"
-
-> ⚠️ **沙箱 bash 须知**(同 [generate.md §0](generate.md)):agent-runtime 的 bash 软拒绝 `for`/`while` 循环、`$( )`、`| grep`/`| sed`/`| awk`/`| wc` 管道、`>` 重定向。所以**别写 `for d in $(ls ...)` 循环**逐目录抓字段——靠 **LLM 自己迭代**:一条 `ls` 列目录,再对每个目录用 **Read tool** 读 meta.md,字段(分身 / 当前版本 / 总文本 / 段数)你读出来自己提取、自己映射 emoji,**不靠 shell**。
-
-**步骤**:
-
-```bash
-ls -t ~/digital-human/videos/
-```
-
-对列出的每个 `<video-id>`,**用 Read tool** 读 `~/digital-human/videos/<video-id>/meta.md`,从中读出:`avatar`(分身)、`当前版本`、`总文本`前 30 字、segments 表行数(= 段数)。**按"当前版本"值映射 state emoji**:
-
-| "当前版本" 值 | 状态标注 |
-|---|---|
-| `(audio generating)` | 🚧 音频生成中 (中断,可续接) |
-| `(audio-review pending)` | ⏳ 待试听确认 (audio-review pending) |
-| `(rendering)` | 🎬 渲染中 |
-| `(generating)` / `(review pending)`(旧 v1 字面量) | 📼 旧流程视频 (v1,改动需整条重生) |
-| `final-vN.mp4` | ✅ final-vN.mp4 |
-| 其它 | ❓ 未知 state |
-
-渲染给用户(markdown 表格更友好):
-
-| video-id | 分身 | 总文本(前 30 字) | 段数 | 状态 |
-|---|---|---|---|---|
-| 20260515-1430 | 张医生 | "大家好,我是张医生。今天介..." | 4 | ✅ final-v2.mp4 |
-| 20260515-1620 | 李老师 | "今天讲..." | 5 | ⏳ 待试听确认 (audio-review pending) |
-| 20260516-0915 | 王主任 | "..." | 3 | 🚧 音频生成中 (中断,可续接) |
-| 20260514-0945 | 张医生 | "..." | 6 | ✅ final-v1.mp4 |
-
-**用户暗示 + 操作引导**(给 LLM 的内部规则,**对用户**只输出自然语言话术,**不**报 §-编号):
-- 看到 ⏳ → user-facing 提示 "想继续把 X 的音频听一下、确认出片吗?"(LLM 内部跳 [generate.md §6.5 重展试听 checkpoint](generate.md))
-- 看到 🚧 → user-facing 提示 "想续生剩余音频段吗?"(LLM 内部跳 [generate.md §6.8 续生流程](generate.md))
-- 看到 🎬 → user-facing 提示 "X 还在渲染,稍等;若中断了我可以重渲"(LLM 内部跳 [generate.md §6.8 → (rendering) 重渲](generate.md))
-- 看到 📼 → 旧流程(v1 逐段视频)视频;用户说"改"时 [edit.md §1.5 Step 0](edit.md) 会拦下、引导整条重新生成(新旧不兼容)
-- 看到 ✅ → 视频已完成,用户说"改 seg-N"时由 [edit.md §1.5 state check](edit.md) 路由
-
-文件夹不存在 / 空 → "你还没生成过视频,要做一条吗?"(走 [generate.md](generate.md))
-
-## "把张医生改成张主任"
-
-1. Read `~/digital-human/avatars.md`
-2. 在"名字"列找 `张医生`
-3. Edit 该行"名字"列的 cell:`张医生` → `张主任`
-4. 反馈"已改名,external_id 不变,以后可以用'张主任'引用了"
-
-如果用户给的旧名字找不到 → 反问"没找到叫'张医生'的分身,你现在的分身有:[列出]"
-
-## "删了张医生"
-
-1. Read `~/digital-human/avatars.md`
-2. 找到"张医生"行,记下该行所有字段(名字 / external_id / 训练时间 / preview URL)
-3. **二次确认 + 显式列出恢复锚点**:
-   > "确认删除'张医生'? **注意**:这是对你视角的硬删除 —
-   > - 你失去所有引用路径(external_id 从你视野消失 + 没有 list 端点)
-   > - 后端 DB 行成为 orphan 数据,**找回需要联系运维直接查 DB**
-   > - 运维查 DB 需要锚点,以下信息删除后你将看不到,**建议先记下来或截图**:
-   >   - 名字:`张医生`
-   >   - external_id:`dh-a7f2k9m1`
-   >   - 训练时间:`2026-05-14`
-   >   - preview:`https://...preview.jpg`
-   > 真要删吗?"
-4. 用户确认 → 删该行
-5. 反馈"已从你的列表删除'张医生'。如需找回请向运维提供上述 4 个锚点(名字 / external_id / 训练时间 / preview URL)。"
-
-如果用户给的名字找不到 → 同上反问。
-
-## 存量分身(用户在前 SPEC 落地之前训过 `dr-wang` 等)
-
-用户说"用 dr-wang 做视频"但 `~/digital-human/avatars.md` "名字"列没有 `dr-wang`:
-
-1. LLM 判断 `dr-wang` 是纯 ASCII + 含 `-` + 不在名字列 → 怀疑是存量 slug
-2. LLM 试着 `gen avatar profile dr-wang`(后端单查仍支持任意 external_id)
-3. **找到**(返回非 null) → 询问:
-   > "我发现你有个分身叫 'dr-wang',要起个友好名字加到你的列表吗?(以后可以用'张医生'这种说法引用,而不是记英文 slug)"
-   - 用户给名字 → 追加一行到 `avatars.md`:`| <用户给的名字> | dr-wang | <profile.created_at 或当天> | <preview_image_url> |`
-   - 用户说"不用" → 直接走生成流程,但下次还会反问
-4. **找不到** → 反问"没训过 dr-wang,要训吗?"
-
-这是**自动迁移路径**,不强制,用户继续用 dr-wang 也行。
-
-## "删了视频 20260515-1430"
-
-视频删除跟分身删除不同 —— 视频 workspace 是用户私有目录,直接删干净,**没有**后端 DB 行残留:
-
-1. 确认 video-id 存在(`ls ~/digital-human/videos/<id>`)
-2. 二次确认:
-   > "确认删除视频 `<id>`(<段数> 段, 当前 final-vX.mp4)?
-   > 这会删除整个目录(segments / final-v* / meta.md / history.md),**不可恢复**。"
-3. 用户确认 → `rm -rf ~/digital-human/videos/<id>`
-4. 反馈"已删除视频 `<id>`。"
-
-跟分身删除的对比:分身有后端 DB 行,删 markdown 行 = orphan;视频纯客户端,删目录 = 真删干净。
-
-## "改某段视频"
-
-走 [edit.md](edit.md)。
-
-## 磁盘占用查看
-
-用户问"我用了多少磁盘"/"workspace 多大" → 让 ta 自己跑:
-
-```bash
-du -sh ~/digital-human/
-du -sh ~/digital-human/training/*/
-du -sh ~/digital-human/videos/*/
-```
-
-每个 training/<id>/ ~ 50-200 MB(主要是 source-video);每个 videos/<id>/ ~ 8-20 MB。
-
-v1 不做自动清理。用户嫌占空间:
-- 删旧视频:`rm -rf ~/digital-human/videos/<old-id>`
-- 删某分身训练素材:`rm -rf ~/digital-human/training/<external_id>/`(但保留 `avatars.md` 那一行,以后还能用 ID 生成视频,只是不能重训了)
-
-## "我有哪些分身做过 X"(进阶筛选)
-
-v1 不支持。用户问就告诉:"workspace 不索引'分身 → 视频'反向关系。但可以 `grep` workspace:
-```bash
-grep -l 'external_id: dh-a7f2k9m1' ~/digital-human/videos/*/meta.md
-```
-找出该分身做过的所有视频。如需要常态化筛选请告诉我们。"
-
-## LLM 读 avatars.md 时的健全性校验
-
-每次 Read 后必须做一遍。**规则详见 [SKILL.md "工作空间" 段](../SKILL.md#工作空间)**,单源真值,本段不复述以免 drift。

package/.claude/skills/digital-human/references/train.md

@@ -1,276 +0,0 @@
-# Training Workflow
-
-按顺序执行,每步必走。把用户上传的真人视频训成数字分身(voice + avatar),写入 `~/digital-human/avatars.md`。
-
-> ⚠️ **沙箱 bash 须知**(同 [generate.md §0](generate.md) / [SKILL.md Global Rule #7](../SKILL.md)):agent-runtime 的 bash **软拒绝** `$( )` 命令替换、`for`/`while` 循环、命令内换行(含 `\` 续行)、`;`/`&&`/`||` 串多条、`> file`/`>>`/heredoc(`<<EOF`)重定向、`| jq`/`| sed`/`| grep` 管道、`nohup &`。所以本文档:**取值靠 LLM 自己读单条命令的 stdout JSON**(不 `$()`/`jq`)、**写文件用 Write/Edit tool**(不 heredoc / `echo >`)、**轮询用单条命令逐次跑**(不 `while`)、**所有 id / 路径内联进命令**(不存 `$VAR`)。
-
-## 0. 工作空间初始化(首次训练)
-
-```bash
-mkdir -p ~/digital-human/training ~/digital-human/videos
-```
-(`mkdir -p` 接受多个路径参数,一条命令建两个目录,不用 `{a,b}` brace 展开。)
-
-如 `~/digital-human/avatars.md` 不存在,**创建**含 SKILL.md 模板的空表(见 SKILL.md "工作空间"段)。
-
-`training/` 用于归档每个分身的训练源素材(原视频 / 提取音频 / 训练元数据);`videos/` 用于每条生成视频的 segments + final。这两个目录的存在让用户后续可以**改某段视频不用全重生**(见 [edit.md](edit.md))、**重训不用重传视频**(下文 §4.5)。
-
-## 1. 询问名字
-
-LLM 主动问:
-
-> "训完叫什么名字?(中英文皆可,1-40 字,以后用这个名字找它)"
-
-用户答 → 直接作为"名字"列的值,**不做任何 normalize / 转换 / 拒绝**。
-
-约束(由 LLM 兜底):
-- 长度 1-40 字符(Unicode 可见字符,禁控制字符 `\x00-\x1f`)
-- 不能跟 `~/digital-human/avatars.md` 现有"名字"列重复
-
-**重名处理**:
-- 反问"你已经有'张医生'了,起个别的(例如'张医生2'/'张主任')"
-- **不**提供"覆盖"选项(v1 不支持,见 [workspace SPEC §6 #6](../../../../docs/superpowers/specs/2026-05-14-digital-human-workspace-naming.md))
-
-## 2. 内部生成 external_id
-
-**由 LLM 自己生成**(你直接想一个,**别用 `$(openssl ...)`/管道**——沙箱拦):格式 `dh-` + 8 位随机小写字母数字(例 `dh-a7f2k9m1`)。生成后**记住这个值**,跨段(§4.5 / §5 / §6 / §6.5 / §8 / §9)在每条命令里**直接写全**,不存 `$EXTERNAL_ID` 变量(沙箱里没法安全赋值,且大小写混用会取空值导致路径错误)。
-
-**碰撞处理**(随机 8 位,碰撞概率低但非零,后端 `external_id` 有 UNIQUE 约束 `migrate.ts:44`):
-- onboard insert 失败且 error_code 表明唯一冲突 → 重新生成 + 重试
-- **最多重试 3 次**,3 次失败 → 报错给用户
-
-## 3. 视频规格检查
-
-```bash
-ffprobe -v quiet -print_format json -show_format -show_streams <video-path>
-```
-
-记录:
-- `duration` 总时长
-- `width` × `height` 分辨率
-- `audio` 流是否存在 + sample_rate / channels
-
-判定:
-
-| 项 | 阈值 | 不达标动作 |
-|---|---|---|
-| 视频时长 | < 30s | 中止;要求重传 ≥ 30s 视频 |
-| 视频时长 | 30-119s | 警告"voice OK,但 avatar 质量可能受影响,推荐 ≥ 2min" |
-| 分辨率 | < 720p | 警告但继续 |
-| 音频流 | 缺失 | 中止;视频里没声音怎么训 voice |
-
-**不前置检测多人 vs 单人** — ffprobe 拿不到 speaker count。多人混杂等 voice clone fail 时按 `error_message` 反馈。
-
-## 4. 背景判断 + 决策
-
-spec §13.4 关键约束:训练系统会把整段视频画面(包含背景)整体作为 avatar look 内容,video gen 时**无法用 `background` 参数替换**。
-
-**直接问用户三选一**(不要抽帧 + Read 图判断 — 视觉判断不稳定且贵):
-
-> "训练前确认:这段视频的背景是?
-> A. **白墙 / 棚拍 / 绿幕 / 单色背景**(干净)
-> B. **标准固定场景**(诊室 / 办公桌 / 医院前台 — 这个背景将永远 baked 进分身,后续无法换)
-> C. **户外 / 商场 / 多人 / 杂乱**(脏)"
-
-| 用户选 | 决策 |
-|---|---|
-| A | `--clean-bg` |
-| B | 二次确认:"分身的所有未来视频背景都会是这个场景,可接受吗?" → 接受用 `--accept-baked-bg`;不接受 → 让用户重拍 A 类背景 |
-| C | 强烈劝退,推荐重拍干净背景。如用户坚持产出 → `--accept-baked-bg` + 明确告诉产出视频背景永远是录制时场景 |
-
-**禁止**:
-- ❌ silent 默认 `--clean-bg`(错判脏背景为干净 → 产出脏数据)
-- ❌ 自己抽帧用图像识别判断(视觉判断不稳定 + 浪费 token + 用户答更准)
-
-## 4.5 归档源视频(必须在 §5 拆音频之前)
-
-把用户上传的视频复制到 workspace,后续步骤全部从复制好的副本走(把 `<external_id>` 换成 §2 你生成的那个 id,**写全**,别用 `$EXTERNAL_ID`)。两条单命令:
-
-```bash
-mkdir -p ~/digital-human/training/dh-a7f2k9m1
-```
-```bash
-cp "<用户上传的视频路径>" ~/digital-human/training/dh-a7f2k9m1/source-video.mp4
-```
-
-**为什么必须先复制**:
-- Claude Code session 里 attach 的视频通常在临时目录(`/tmp/...` 或类似),**session 结束就消失**
-- 后续步骤(拆音频、ffprobe、onboard 上传)都依赖这个文件存在,临时附件中途消失会全部失败
-- 先 cp 到 workspace,等于把素材"焊死"在本地,后续就算 session 关了重启也能续做
-
-**为什么用 `cp` 而不是 `ln`(hardlink)或 `mv`(移动)**:
-- `mv` 删原文件 → 用户原始路径丢失,违和
-- `ln` 跨 filesystem 会失败,而且加 LLM 出错面(决策详见 SPEC `2026-05-15-digital-human-segment-persistence.md` 决策 #13)
-- `cp` 简单可靠,磁盘代价可接受(2-5 min 1080p 视频 ~ 50-200 MB,个人开发机能扛)
-
-**用户原始路径不动**,只是我们这边存一份副本。
-
-## 5. 提音频(从复制好的 source-video.mp4)
-
-`gen avatar onboard` 接受 `<audio-file> <video-file>` 两个文件参数。从 §4.5 复制好的 `source-video.mp4` 提音频(**不再从用户原始路径提**,因为原始路径可能中途消失)。**一条命令、路径写全、不换行**(`\` 续行沙箱拦):
-
-```bash
-ffmpeg -i ~/digital-human/training/dh-a7f2k9m1/source-video.mp4 -vn -acodec pcm_s16le -ar 44100 -ac 1 -t 90 ~/digital-human/training/dh-a7f2k9m1/source-audio.wav
-```
-
-取前 90 秒单声道 WAV,够 voice clone。路径固定 = `training/<external_id>/source-audio.wav`,不用 `mktemp`(单分身一个 audio,无并发覆盖问题)。
-
-## 6. 触发训练(onboard)
-
-**一条命令、路径 + id 写全、不换行**(`\` 续行沙箱拦;`--clean-bg` / `--accept-baked-bg` 按 §4 决策二选一,不能省):
-
-```bash
-gen avatar onboard ~/digital-human/training/dh-a7f2k9m1/source-audio.wav ~/digital-human/training/dh-a7f2k9m1/source-video.mp4 --external-id dh-a7f2k9m1 --clean-bg
-```
-
-> **不要传 `--display-name`** — 后端 CLI [`doctor.ts:36`](packages/cli/src/commands/doctor.ts) 不支持这个 flag,commander 会拒绝未知选项报错。display_name 唯一存在于 `~/digital-human/avatars.md`,backend 完全不感知。
-
-返回 JSON:
-```json
-{ "external_id": "dh-a7f2k9m1", "voice_task_id": "<uuid>", "avatar_task_id": "<uuid>", "status": "pending" }
-```
-
-如返回唯一冲突错误 → 回到 §2 重新生成 external_id,重试(最多 3 次)。
-
-## 6.5 写 train-meta.md(归档训练元数据)
-
-onboard 提交成功后,从它 stdout 的 JSON 里读 `voice_task_id` / `avatar_task_id`(自己读,别 `$()`/`jq`)。用 **Write tool** 写训练元数据到 `~/digital-human/training/<external_id>/train-meta.md`(**别用 `cat <<EOF` heredoc**——沙箱拦)。所有值(名字 / external_id / 两个 task_id / 背景决策 / 今天日期 / §3 ffprobe 的时长分辨率)你手头都有,**内联**进模板:
-
-```markdown
-# Training: 张医生 (external_id: dh-a7f2k9m1)
-
-| 字段 | 值 |
-|---|---|
-| display_name | 张医生 |
-| external_id | dh-a7f2k9m1 |
-| 训练时间 | 2026-06-01 |
-| voice_task_id | <onboard 输出的 voice_task_id> |
-| avatar_task_id | <onboard 输出的 avatar_task_id> |
-| 背景决策 | --clean-bg(或 --accept-baked-bg) |
-| 源视频时长 | (从 §3 ffprobe 输出取) |
-| 源视频分辨率 | (同上) |
-| preview_image_url | (训完 §8 拉到后回填这一行) |
-```
-
-(日期用你 LLM 知道的当天真实日期,别 `$(date)`。)
-
-**为什么单独写文件**:
-- avatars.md 是分身索引(用户看 + LLM 用),只放最关键字段(名字 / external_id / 训练时间 / preview)
-- train-meta.md 是分身**完整训练记录**,含 task_ids / 背景决策 / 源视频 specs 等用户不关心但**重训时关键**的信息
-
-## 7. Poll 直到完成
-
-**沙箱里没有 `while` 循环**——靠 LLM **逐次发单条命令**轮询(把 task_id 内联进命令,从输出 JSON 自己读 `status`,别 `$()`/`jq`)。每轮两条:
-
-```bash
-gen task get <voice_task_id>
-```
-```bash
-gen task get <avatar_task_id>
-```
-
-- 读两条输出里的 `status`。两个都 `completed` → 进 §8;任一 `failed` → 看 `error_message` 处理(见下)。
-- 都还在 `pending`/`processing` → 等一会再来一轮。可选单条 `sleep 15`(**别** `sleep && gen ...` 串、别写 `while`),然后重发上面两条;或直接隔一轮再查。
-- **上限 ~30 min**(avatar train 慢边界):LLM 自己记开始时间,超时仍未完成 → 告诉用户"训练超时,稍后用'X 训好了吗'再查"(state 不丢,§profile 可续查),不要无限轮询。
-
-> **Fallback**:`gen task get` 不可用时,单条 curl 查后端(token / 域名内联,**别管道接 `| jq`**,直接看返回 JSON):
-> ```bash
-> curl -s -H "Authorization: Bearer <token>" "<generation-api>/api/task/<task_id>"
-> ```
-
-期望耗时:
-- voice clone:30s - 2 min
-- avatar train:5 - 30 min
-- spec §13.2:trained look 在训练完成后还有短期 race(几分钟到 1 小时);**onboard 阶段不阻塞**
-
-任一 fail → 看 `error_message`:
-- voice clone fail → 大概率音频质量(噪声 / 多人混杂)→ 提醒用户重传清晰音频
-- avatar train fail → 视频问题(时长 / 分辨率 / 内容)→ 给具体 error 让用户判断
-
-## 8. 拉 profile 拿 preview
-
-两个 task 都 completed 后(external_id 内联):
-
-```bash
-gen avatar profile dh-a7f2k9m1
-```
-
-返回(关键字段):
-```json
-{
-  "external_id": "dh-a7f2k9m1",
-  "heygen_voice_id": "f7a8ea9f...",
-  "heygen_avatar_look_ids": ["04182555..."],
-  "voice_status": "complete",
-  "avatar_status": "completed",
-  "preview_image_url": "https://...preview.jpg"
-}
-```
-
-> DB 字段名 `heygen_*` 是历史命名,代码层不动。**LLM 给用户报告时不冒泡 UUID**(只展示名字 + preview)。
-
-**回填 `train-meta.md`**:把 §6.5 写的 train-meta.md 里 `preview_image_url` 那行补上真值(profile 拿到的 URL)。
-
-(可选)下载 preview 缓存到本地(url + 路径内联,单条命令):
-```bash
-curl -s -o ~/digital-human/training/dh-a7f2k9m1/preview.jpg "<preview_image_url>"
-```
-加快"列我的分身"渲染速度,避免每次都打外网。
-
-## 9. 追加一行到 `avatars.md`
-
-用 **Read + Edit tool** 往 `~/digital-human/avatars.md` 末尾追加一行(别用 `echo >>`)。日期用你 LLM 知道的**当天真实日期**(别 `$(date)`,别凭印象):
-
-```
-| <用户给的名字> | <external_id> | <TODAY> | <preview_image_url> |
-```
-
-## 10. 给用户报告
-
-> "✅ 张医生 训练完成 [preview 图]
-> 训练素材已存档到 `~/digital-human/training/张医生/`,以后想重训不用再上传视频。
-> 以后说'用张医生做视频说...'即可。"
-
-**不输出** voice_id / avatar_id / external_id(UUID 全部不冒泡)。
-
----
-
-## Edge cases
-
-### 1. 用户没给视频但说"训练 X"
-
-反问:"X 的视频附件没看到,把视频发我(2-5 min,正面拍摄,干净背景)。"
-**不要** 凭印象搜索 X 的公开视频去训(法律 + 同意书风险)。
-
-### 2. 用户上传多个视频
-
-主动列出最近上传的视频文件(文件名 + 时长),**让用户选哪一个用于训练**。不要假设最后一个 = 训练用。
-
-### 3. 用户给了视频但意图模糊
-
-视频可能是"复刻这条视频" / "把这条视频翻译" / "训分身"。如果不明确是后者,**不要触发本 skill**。问一句:
-> "你想要 (a) 用这条视频训练 X 的数字分身(以后用分身做新视频),还是 (b) 复刻这条视频做产品宣传 / (c) 把视频翻译成其他语言?"
-
-分别走 digital-human / video-gen / video-gen 视频翻译。
-
-### 4. 用户中途改主意
-
-- 想换视频 → 旧 task 让它跑完(训练资源已扣,不阻塞);用户拿新参数重新走 §1-§7
-- 想取消 → `gen task cancel <task_id>` 各自 cancel(尽力而为,上游可能已 in-flight 不可中止)
-
----
-
-## Common Mistakes
-
-| ❌ Mistake | ✅ 正确做法 | 为什么 |
-|---|---|---|
-| silent 默认 `--clean-bg`(§4) | 用户三选一 → 显式 `--clean-bg` 或 `--accept-baked-bg` | 错判脏背景为干净 → baked 进 avatar look,后续 video 永远换不掉背景(spec §13.4) |
-| 抽帧用图像识别判断背景(§4) | 直接问用户三选一 | 视觉判断不稳定 + 浪费 token + 用户答更准 |
-| 让用户起 ASCII slug 当名字(§1) | 用户起的就是友好名字,external_id 由 LLM 内部生成 | 让用户记英文 slug 反人性;workspace 文件已经隔离了 ASCII 约束 |
-| 给 `gen avatar onboard` 传 `--display-name`(§6) | 不要传,commander 会拒未知选项报错 | 后端 CLI 没这个 flag([doctor.ts:36](packages/cli/src/commands/doctor.ts));display_name 只在 workspace markdown |
-| 凭印象搜公开视频去训(§Edge 1) | 反问用户上传视频 | 法律 + 同意书风险,无授权训练他人形象 |
-| 假设最后一个上传的视频 = 训练用(§Edge 2) | 列出所有让用户选 | 错训不该训的人 |
-| 视频含糊意图直接触发 skill(§Edge 3) | 三岔反问 (a) 训分身 / (b) 复刻 / (c) 翻译 | 错走训练流程浪费训练配额(训练成本 > 复刻) |
-| 没视频但有意图就调 onboard | 反问"把视频发我",并明确质量要求 | onboard 没视频会立即失败,白调一次 |
-| 训完报告里写 voice_id / avatar_id UUID | 只展示名字 + preview | UUID 不冒泡是核心 UX 原则 |
-| 跳过 §9 写 avatars.md | 训完必须写一行 | 不写下次会话用户说"用张医生"找不到,得记 dh-* slug |