video-cut

1. 定位

本技能只执行 Agent 已经做出的剪辑决定：

1. 校验并补全 clip_plan.json，写出带 clip_id、原片/输出时间与时长的 clip_plan_validated.json。
2. 先避开原片硬切附近的闪帧风险，再把边界吸附到可靠句末/自然停顿；声音完整性拥有最终优先级。
3. 把每个入点对齐到源视频帧网格、每段时长对齐到整数个输出帧（不足一帧的移动，优先选句界门禁仍判为安全、仍在停顿内的一侧；两侧同样安全时选不跨过原片硬切的一侧，避免闪一帧），句界门禁检查的是对齐后的边界。
4. 拼接选定区间，输出恒定帧率的 edited_source.mp4，帧数与 clip_plan_validated.json 记录的一致。
5. 到此停止，由 Agent 按真实输出时间线写 narration.json；本工具不读取旁白，也不做原片→输出映射。

渲染缓存按输入与设置复用。edited_source.mp4.meta.json 记录标准化 clips、渲染设置和每个源文件的 size/mtime_ns；三者与当前一致且 edited_source.mp4 存在非空才复用，任一不同即重渲染。只有 sidecar 而没有媒体文件不复用。

2. 输入契约

work_dir/clip_plan.json 可以是数组，也可以是 {"clips": [...]}：

{"start": 12.0, "end": 28.5, "reason": "b02 | turn | power: A→B | POV=女主 | 保留反应 | 入点=问题落下 | 出点=沉默结束"}

• start / end 是原片秒数；也接受 source_start / source_end 或 in / out。
• 顶层可选 target_duration，例如 "10m"。
• 多视频项目的每个片段还必须填写 source_id（不接受 id 代替），并用 --sources-manifest 传入来源清单（形状见下）。
• speech_boundary_anchors.json 与 ASR 时间段由理解阶段提供；Agent 先写大致区间，工具会尝试吸附并把仍在讲话区间内的入/出点作为 blocker 返回。只含语气词或 ASR 杂音的窗口（"啊！"、"Hi."）不算讲话区间，只在紧挨真实对白的一侧保留 1 秒保护。只有标点的窗口（"……"）仍算讲话。

多视频来源清单只接受一种形状，其他形状直接报错并写明期望形状：

{"sources": [{"source_id": "ep1", "source_path": "/media/ep1.mp4", "duration": 1520.0, "source_work_dir": "sources/ep1"}]}

duration 可省略（省略时用 ffprobe 读取）；source_work_dir 可省略，填写时相对 --work-dir，用于读取该来源的静音、句末锚点与 ASR。其他键忽略。

3. 剪辑意图契约

Agent 写片段前先确认剪辑意图，并让每个区间映射到 recap_story_plan.json 的一个 beat；工具负责执行与校验。

使用现有自由文本 reason 保存简洁决定：

beat_id | function | change | POV | preferred moment | 入点 reason | 出点 reason

不要因为“事件重要”就保留整段；要保留最能让 change 成立的具体表演、反应、动作或揭示。理解与情绪允许时晚进早出，同时保证台词、动作和技术边界完整。

对不能删去的问答、反应或动作兑现，先核源证据，再在同一 clip_plan.json 登记精确区间：

{
  "clips": [{"start": 12, "end": 18}],
  "required_evidence": {
    "nodes": [
      {"id": "refusal", "source": "/media/episode.mp4", "start": 12.25, "end": 14.5, "track": "audio", "content": "对方拒绝请求"},
      {"id": "response", "source": "/media/episode.mp4", "start": 15, "end": 17.5, "track": "video", "content": "听到拒绝后的反应与决定"}
    ],
    "before": [["refusal", "response"]]
  }
}