@optima-chat/optima-agent 0.9.42 → 0.9.44

package/.claude/skills/scout/references/concept.md

@@ -104,55 +104,54 @@
 
 ---
 
-## 第二步：数据完整性检查
+## 第二步：Ingest + 数据完整性检查
 
-**在做任何分析之前，必须通过以下检查。任何一项未通过 → 补数据，不分析。**
+### Ingest
 
-使用 `scout cache list` 查看已缓存的文件列表。
+数据采集完成后，将所有缓存文件 ingest 到 KB：
+- 对 `~/.scout/cache/{project}/` 中的每个缓存文件调用 kb-skills 的 ingesting-sources 流程
+- 确认 raw/、wiki/sources/ 和相关 entity/overview 页面已更新
+
+### 数据完整性检查
+
+**Ingest 完成后执行检查。10 项全部通过才能进入分析阶段。任何一项未通过 → 补齐后重新检查。**
 
 ```
 数据完整性检查清单：
 
-□ 搜索覆盖度：~/.scout/cache/{project}/ 中搜索结果文件包含 ≥ 30 个不重复 ASIN？
-□ 子品类聚类：完成后需在 ingest 时体现在 overview/market-{project}
-□ 精确搜索量：有 sp-keywords-mine 缓存文件？
-□ 品牌集中度：有 sp-brands 缓存文件？
-□ 卖家国籍：有 sp-seller-countries 缓存文件？
-□ 卖家类型：有 sp-seller-types 缓存文件？
-□ 供应端成本：有 supplier-search 缓存文件？
-□ 趋势信号：有至少 2 个社交平台缓存文件？
+□ 搜索覆盖度：wiki/sources/ 中搜索结果覆盖 ≥ 30 个不重复 ASIN？
+□ 子品类聚类：wiki/overview/market-{slug}.md 中有 ≥ 5 个子品类？
+□ 精确搜索量：有 sp-keywords-mine 来源页？
+□ 品牌集中度：有 sp-brands 来源页？
+□ 卖家国籍：有 sp-seller-countries 来源页？
+□ 卖家类型：有 sp-seller-types 来源页？
+□ 供应端成本：有 supplier-search 来源页（≥ 3 家供应商）？
+□ 趋势信号：有至少 2 个社交平台来源页？
 □ 缓存完整：~/.scout/cache/{project}/ 文件数 ≥ 命令执行数？
-□ 全部 ingest：所有缓存文件已 ingest 到 KB（raw/ + wiki/sources/ 对应存在）？
+□ Ingest 完整：所有缓存文件已 ingest（raw/ + wiki/sources/ 对应存在）？
 ```
 
-**如果有未通过的项，告知用户缺什么，补齐后重新检查。**
-
-检查通过后，批量 ingest 所有缓存文件到 ~/kb/product-research/：
-- 对每个缓存文件调用 kb-skills 的 ingesting-sources 流程
-- 确认 wiki/sources/ 中所有来源页已创建
-- 确认相关 entity 和 overview 页已更新
-
 **输出格式**：
 ```
 📋 数据完整性检查
 ✅ 搜索覆盖度：42 个不重复 ASIN（≥ 30）
 ✅ 子品类聚类：7 个子品类（≥ 5）
-✅ 精确搜索量：3 组关键词已有数据
-❌ 品牌集中度：未采集 → 需要执行 scout sp brands
-❌ 卖家国籍：未采集 → 需要执行 scout sp seller-countries
+✅ 精确搜索量：3 组关键词已有来源页
+❌ 品牌集中度：未采集 → 需要执行 scout sp brands 并 ingest
+❌ 卖家国籍：未采集 → 需要执行 scout sp seller-countries 并 ingest
 ✅ 供应端成本：5 家供应商报价
 ✅ 趋势信号：TikTok + Reddit
 ✅ 缓存完整：12/12 已缓存
-✅ 全部 ingest：已完成
+✅ Ingest 完整：10/12 已 ingest（缺品牌集中度、卖家国籍）
 
-结论：2 项未通过，需要补充品牌集中度和卖家国籍数据。
+结论：需要补充品牌集中度和卖家国籍数据，采集后 ingest 再重新检查。
 ```
 
 ---
 
 ## 第三步：数据分析
 
-**只有数据完整性检查全部通过后，才进入分析阶段。**
+**10/10 全部通过后才进入分析。分析时使用 kb-skills 的 querying-the-wiki 流程从 KB 查询数据，不直接读缓存 JSON。**
 
 ### 5. SPAN 初步定位
 
@@ -315,17 +314,15 @@ scout supplier-search "钛合金杯子" --limit 10
 
 CLI 自动缓存所有 API 响应到 `~/.scout/cache/{project}/`，无需手动落盘。
 
-**第二步：完整性检查**
+**第二步：Ingest + 完整性检查**
 
-使用 `scout cache list` 确认所有缓存文件存在。
+将所有缓存文件 ingest 到 KB，然后执行完整性检查。
 
 > "📋 数据完整性检查：10/10 全部通过。可以开始分析了。"
 
-检查通过后 ingest 所有缓存文件到 KB。
-
 **第三步：分析**
 
-基于完整数据做 SPAN 评分、利润估算、IP 检查。
+从 wiki/ 页面读取结构化数据，做 SPAN 评分、利润估算、IP 检查。
 
 **第四步：CDCP Gate 评审**
 

package/.claude/skills/video-edit/SKILL.md

@@ -69,15 +69,31 @@ It is just hoarding goods
 ```
 
 写脚本时的判断：
-- 原片每个 phrase，问自己"这句话进成片吗"——进就把内容（用 proposal 里的原文）写进脚本
-- 同一意思被讲多遍（NG 重拍）——只写一遍，挑最流畅那遍的措辞
-- 填充词/单字口头禅/跑题——直接不写
-- 整段废话/犹豫——直接不写
+
+**保留率目标 ≥ 60%**：成片字数 / 原片字数（从 proposal 顶部统计或粗算）≥ 0.6。开拍 app 实证参考值 ~65%。低于 50% 必然意味着删多了内容（详见 [P0 spec](https://github.com/Optima-Chat/video-edit-skill-spec/blob/main/docs/spec/P0-content-preservation.md)）。
+
+**三类句子默认保留**（只在明确 NG 重拍时才删）：
+1. **钩子条件句**：`如果你...`、`还在...的同学们`、`没有...的`、`想...不知道...的`
+2. **背景/限定前缀**：`在 X 做`、`做了 N 年的`、`我们...的`（交代说话人/卖点的铺垫）
+3. **重申/落地句**：核心卖点的二次出现，**判别启发**（关键，区分"重申要留" vs "NG 要删"）：
+   - 换了角度? 地理 → 产品形态 → 操作步骤 / 实例 → 概念 → 是 → **留**
+   - 加了新信息? 新数字 / 新案例 / 新时间 → 是 → **留**
+   - 完全等价、只是措辞不同?（如"我做这个挺久了" / "做了三四年了"）→ 否 → **算 NG 重拍，删一遍**
+
+**两类才删**：
+1. **完全填充语**：`嗯`/`啊`/`呃`/`这个`/`那个`/`然后`，且单独成句、上下文无意义
+2. **明确 NG 重拍**：同一句话出现 take A 和 take B（措辞可能不同但信息等价），选信息更全的留
+
+**注**：上述"必留三类"中的任一句，若 `smart-cut` / `review` 报 `HARD: repeated-content`，**优先信任 review 的判断**（它是字面重复检测，能发现你判断不到的语义级重复）。处理：从被标重复的两句里删信息密度较低的那句，再跑 review 验证；如果删完后保留率 < 50%，**回头从"两类才删"里加回内容**（钩子/背景前缀），不是再硬塞重申句。
+
+**通用约束**：
 - **中文必须用原文措辞**——不要润色或改写，否则匹配不上
 - **每行 ≤ 10 个汉字**——超过会显示挤、可能溢出视频边界
 - **`**关键词**` 标记 1-2 个**：挑能传达这句"重点信息"的实词（名词/动词），不要标助词、口头禅；短语里没明显重点就 0 个标记
 - **英文翻译要地道、口语化**——给海外用户看的，不是直译。短句即可，可省略主语。
 
+**写完前自检**：sum(所有保留行字数) ≥ 原片字数 × 0.6，不达标重新审视删除决策——绝大多数情况问题在于"两类才删"的判断把内容句也按填充语丢了，回头加回钩子/重申/引导句。
+
 **写完后必做的自查（保存前）**：把 final_script 当成一段**连续口播稿**通读一遍——不是一行行检查，是**整体读**。问自己：
 
 1. **同一件事说了两遍吗?**（NG 重拍最常见的坑：上一段和下一段措辞不同但说的是同一件事，比如"我做这个挺久了" + "做了三四年了"——属于同一意思，只留一段）
@@ -147,16 +163,26 @@ video-edit smart-cut <video>
 
 ## 写脚本的心法
 
+**先算账**：读完 proposal 后记下原片字数 N（精度 ±10% 够用）。**目标成片字数 M ≥ 0.6 × N**。
+
 读 proposal 时**逐 phrase 判断**：
-1. 这句进成片吗？进 → 把 phrase 文本贴到 final_script
-2. 这句和前后哪句重复？只留一遍
-3. 这句是填充词/口头禅？跳过
-4. 这句跑题？跳过
+1. 这句是 [钩子条件 / 背景前缀 / 重申落地] 之一吗？是 → **必留**（不要凭"听起来不那么核心"就删）
+2. 这句是孤立填充语？（`嗯`/`啊`/`这个` 单成句无意义）→ 跳过
+3. 这句是明确 NG 重拍的较差版？（同一意思 take A 和 take B 选其一）→ 跳过较差那遍
+4. 不属于上述任一类 → **默认留**（不确定就留，不要默认删）
 
-**关键纪律**：脚本里的字**必须**来自原始转写——直接复制 proposal 里的 phrase 文本最稳。
+最后校验 sum(所有保留行字数) ≥ M。不达标 → 优先回退第 2、3 步的"跳过"决策，把误删的内容句加回来。
+
+**关键纪律 1**：脚本里的字**必须**来自原始转写——直接复制 proposal 里的 phrase 文本最稳。
 你想怎么润色都不行（系统按字符匹配，改了字就匹不上）。
 
-**追求"看着不卡"，宁可激进**。删多了用户能要求加回来，删少了用户体验差。
+**关键纪律 2**：**追求"内容连贯且信息密度高"，宁可保守**。
+
+> ⚠️ 这条纪律 2026-05-07 反转过（之前是"宁可激进"）：
+>
+> 实证（[2026-05-07 开拍对比 finding](https://github.com/Optima-Chat/video-edit-skill-spec/blob/main/docs/findings/2026-05-07-kaipai-comparison.md)）显示我们成片每对都比开拍短 4.7-5.2s，丢失的都是钩子/重申/引导句。技术指标（残留卡顿/画面跳变）我们已全面超过开拍，但用户体感"卡顿"反而是我们这边的胜场——因为**真正的"卡顿感"是删了一句话后前后两句接不上的语义断裂**。
+>
+> 所以删多了**比**留多了更伤体验。详见 [P0 spec](https://github.com/Optima-Chat/video-edit-skill-spec/blob/main/docs/spec/P0-content-preservation.md) 和 [ADR](https://github.com/Optima-Chat/video-edit-skill-spec/blob/main/docs/decisions/2026-05-07-stop-pause-tightening.md)。
 
 ## 交付怎么说
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@optima-chat/optima-agent",
-  "version": "0.9.42",
+  "version": "0.9.44",
   "description": "基于 Claude Agent SDK 的电商运营 AI 助手",
   "type": "module",
   "main": "dist/src/index.js",