技能介绍

要解决什么问题

房产短视频在「审校收工」之后，往往还差一道发布前闸刀：脚本口头顺了，但综合分、平台播放区间、以及该先改话术还是先回炉结构，仍依赖 content-studio.html 的双击评分。在 file:// 打开时模型常加载失败，分数与预测也不稳定。本技能把同一套逻辑搬进 WorkBuddy：用 Python 引擎直接读 studio-data/model_weights.json，在终端或编排流程里产出可执行的整改路由，而不是只给一个好看的总分。

技能如何工作

触发词包括「质检」「发布前预测」「这篇能发吗」等。流程上先取脚本（路径、粘贴或 scripts/${id}.md），在看到真实播放数据之前完成盲预测并锁定快照（复盘只追加偏差）。核心引擎 scripts/predict_score.py 输出 Markdown 报告，通常包含：

11 维启发式评分（含 opening 开头抓力）与 TOP 弱项
双平台播放预测 + 置信度五档（🔴🟠🟡🟢🔵）及区间/bucket 分布说明
分层修改指令：🟢 语言层 → 下游 @君启-改人话；🔧 内容层 → 回炉 @创作-选题结构 / @创作-脚本生成（顺序必须先内容、后语言）
🛡 合规检测：扫描 references/compliance.json，独立于 11 维分数
🎬 视觉层自查：基于文稿中的画面/BGM 等标记，不评估实拍与剪辑
🧪 I-7 稳定度自检：对脚本做扰动后重算，标出可能「水词虚高」的脆维

若在编排者层运行，还可对 emotion / resonance / scarcity 做 B 语义交叉（LLM 补判，与 I-7 合并呈现）；纯 CLI 跑引擎不会触发该步。

边界与注意点

11 维评分是 regex 关键词代理，不是语义终审；emotion、resonance、scarcity 尤其容易被堆砌词骗过，报告头部会声明「启发式仅供参考」。模型文件缺失时直接报错终止，不回退弱预设。本技能只出报告与路由，不代写整改稿；也不能替代画面、口播表现力的判断。合规命中时建议在路由中先过合规再发，预测侧可标注限流折扣但不篡改历史基线中枢。

截图预览

使用场景

审校收工后、准备在抖音或视频号发布前，对口播脚本跑 11 维评分并拿到语言层与内容层的具体整改路由。
口播稿已定稿但担心「收益承诺」「绝对化用语」类表述，发布前需看 🛡 合规节及是否建议先过合规再发。
在 WorkBuddy 的 `scripts/` 流水线中，对单篇或多篇脚本执行预测并落盘 `*-qa.md`，供团队盲预测与发布后复盘对账。
综合分尚可却怀疑情绪、共鸣等维被堆砌词抬高时，结合 I-7 脆维标红与编排者层 B 语义交叉，再决定回炉结构或只改人话。

适合人员

负责房产短视频「审校收工」的编导，发布前需要双平台区间预测和「先内容层后语言层」的明确路由。
在 WorkBuddy 里串联创作与改人话技能的编排者，希望按 QA 报告自动派发 `@创作-选题结构` 或 `@君启-改人话` 并让人只做确认。
维护 `publish_log.json` 与 `model_weights.json` 的内容运营，需要读懂置信五档含义及发布后复盘 F6 如何刷新预测基线。
写口播稿的创作者，opening 或结构维度偏低时，需要分清应回炉选题/脚本还是只做人话润色，避免改人话后又被结构推翻。