短影音拆解 · 本機優先
HOW IT WORKS
每一步都是獨立的指令，各自把結果寫進同一個 SQLite。
所以中斷可以續跑、單步可以重跑，而且你隨時看得出來哪一支片缺哪一層
（reel-scout db health 會把每個缺口跟修它的指令印在同一行）。
01 · crawl
走 yt-dlp。YouTube / Instagram / TikTok 的網址都直接吃；帳號或頻道頁可以用 browse 先列出全部影片。IG 的登入牆要帶 cookies（做法在誠實清單）。Threads 不走 yt-dlp——它沒有 extractor——改讀貼文頁本身，所以只吃單則貼文、沒有 browse，而且預設關閉（要冒充搜尋引擎爬蟲，見誠實清單）。下載時擋掉 AV1——分析得很好然後播不出來，是最沒意義的失敗。
02 · transcribe
字幕優先：有原生字幕軌就用它，比重跑一次語音辨識準且快。沒有才走 Whisper。中英夾雜的長檔會每段重新偵測語言，解掉「前三分鐘認成英文、後面全錯」那種語言鎖定漂移。
03 · vision
按場景變化、間隔、動態或混合策略抽關鍵楨，楨數依片長編列預算，首尾各保一張。然後讓 VLM 逐楨描述。沒有本機 GPU 就改用 agent 模式：把關鍵楨交給你的 AI agent，描述再寫回資料庫。
04 · shots
全片剪點偵測，算出每分鐘幾刀、平均一顆鏡頭幾秒。再加上音訊的能量與 BPM。這一步的意義是讓「節奏很快」變成一個數字，而不是模型的形容詞。⚠️ 音訊事件偵測（說話／音樂／音效的時間軸）**預設是關的**，要加 --no-skip-audio。
05 · analyze
把前面四層交給 LLM 合成一份結構化分析：時間軸、敘事弧、開場類型、CTA 類型。實測值（剪點、BPM）會折進 prompt，所以評分有東西可以舉證。⚠️ 前四步是量出來的，第五步是讀完之後的判斷——分數的警語只針對第五步，不是整條線。
06 · view / export
reel-scout view 開本機伺服器瀏覽整個片庫；inspect 釘住單片對照逐字稿與關鍵楨。export 可以輸出自包含的單檔 HTML（零安裝、整頁只一個網路請求）、JSON、CSV，或給後期用的節奏骨架。
套件裡附了六份反解 prompt。它們在幹嘛，用一個實測講最快—— 同一個模型、同一支片、同一個問題：「這支片裡用的是哪個模型版本？」
| 給不給提示詞 | 它回答 | 實際是 |
|---|---|---|
| 不給 | Sonnet 3.8 | Opus 4.8 |
| 給（裡面有一句「只講你真的看到的」） | Opus 4.8 |
沒給的時候它根本沒去讀，只是猜一個最像的預設值。 所以提示詞不是讓模型變聰明——是把它從「猜一個最像的答案」 逼成「報一個螢幕上真有的答案」。猜跟讀，差一句話。
| 層 | 你需要什麼 | 拿到什麼 |
|---|---|---|
| L0 | 什麼都不用裝 | 別人匯出的單檔 HTML，打開就能看完整拆解 |
| L1 | 一個桌面端的 AI agent（Claude Code / Codex / Claude Desktop） ⚠️ 網頁版 claude.ai 與手機 App 連不到 MCP | reel-scout mcp install 一鍵接上，19 個工具在對話裡直接用；模型當視覺後端，零金鑰 |
| L2 | 本機模型（Ollama / oMLX） | 全自動批次，不經過任何雲端 |