短视频带货量化复盘

要解决的问题

短视频带货的复盘经常停在“这期播放涨了还是跌了”这一层。运营拿到的往往只有后台粗数据，脚本、画面、字幕、口播卖点之间的因果关系靠人肉翻看，难以定位到底是哪一环出了问题。更棘手的是同质化判定：把字幕换字体、调速度、加滤镜就当作“新素材”重新发布的侥幸心理普遍存在，而传统查重只比较文案文本，画面同源复用完全漏网。另一方面，量化结论需要可追溯——每个分数、每条建议背后要有证据和来源，而不是一句“数据看起来还行”。

核心能力与工作流程

该技能把一次复盘拆成可执行的体检流程：

• 量化体检：scripts/quant_audit.py 基于本地视频、字幕、ASR 转写和历史文案库跑一套量化评分，输出硬门槛检查、权重项得分和证据覆盖率。脚本只依赖 Python 标准库和 FFmpeg，便于在任意带 FFmpeg 的环境里运行。
• 视觉审核：脚本无法证明画面里真的出现了商品。Agent 会检查前 3 秒关键帧，核对真实商品/包装/使用动作是否出现、口播卖点与画面是否一致、是否存在错品或空镜。
• 全局去重：在文本近似之外，进一步比对可访问的历史视频与公开账号的商品、卖点、开头口播、镜头结构与成交逻辑，识别同源片段复用和“仅改表面”的伪新素材。
• 可追溯交付：最终输出 JSON 与 Markdown 报告，每项检查附带状态、权重、证据和修复建议；最高近似度的历史条目会带路径。脚本退出码分为 0（量化层通过）、2（需修改或证据不足）、3（执行错误），便于上游流水线判断。

适用边界与注意点

• 全程本地处理，不上传、不发布、不删除源文件；若用户明确要求清理，只处理本次新生成且已确认的候选文件。
• 无法访问私密账号、已删除内容或离线历史时，必须把覆盖率如实写入证据边界，不得用字幕关键词命中替代视觉通过。
• 量化分不低于 85、证据覆盖率不低于 65%、无硬门槛失败且视觉与去重证据齐全才判为可发布；脚本本身不会自动发布。
• 字幕换字体、改裁切、调速度、换滤镜均视为表面变化，不构成非同质化依据。
• 缺少关键输入时先列出缺口并在安全范围内继续；任何无法验证的结论都会标注“未验证”。