视频归档工作流

概述

使用本技能将视频 URL 转换为适用于表格与归档系统的标准化记录。优先采用 yt-dlp 提供的确定性元数据；在必要时从网页文本中解析标签；除非触发硬性终止规则，否则始终以安全默认值推进工作流。

核心工作流

1. 解析输入 URL。
2. 识别平台、video_id 和 video_type。
3. 仅基于 video_id 进行去重检查。
4. 优先从 yt-dlp JSON 中提取元数据。
5. 清洗标题、描述和标签。
6. 解析上传者（uploader）并确定目标文件夹。
7. 仅在明确要求时执行下载或归档操作。
8. 按指定顺序填写表格字段。

参考文档

详见 references/field-schema.md，其中包含精确的表格字段顺序、标签规则及各平台特定的标准化规则。

URL 解析规则

• 通过主机名（hostname）识别平台。
• 从该平台原生标识符中提取 video_id。
• 尽可能依据平台惯例设定 video_type。
• 若 video_type 解析失败，则默认设为 normal 并继续执行。
• 不得因遇到未知类型而阻塞工作流。
• 若 URL 不指向视频内容，则立即终止并报告“无法填充视频记录”。

去重规则

• 仅使用 video_id 进行去重判断。
• 若存在匹配记录，需简要展示已有视频摘要，并等待用户确认后方可继续。
• 去重过程不依赖平台信息。
• 对不确定匹配项不得自动跳过。

元数据规则

• 以 yt-dlp -j 或 --dump-single-json 输出为准作为可信来源。
• 将清洗后的元数据字段写入表格。
• 未知或为空的字段留空。
• 禁止填入占位符文本（如 (empty)）。
• 禁止将原始 JSON 路径、下载状态或命令历史写入表格。

标签规则

• 优先从标题和描述中提取标签。
• 在写入标题与描述前，先从中剥离标签内容。
• 不进行文本翻译。
• 保持首次出现的顺序。
• 去除重复标签。
• 在表格中以空格分隔的字符串形式输出标签。
• 对于 Bilibili，当标题/描述中缺失或标签不完整时，额外从页面中的 tag-link 文本中解析标签。
• 对于 X/Twitter，如有可用推文正文则使用之；若该条目非视频内容，则立即终止。

上传者与文件夹规则

• 使用上传者显示名称（display name）作为文件夹名。
• 若无法解析上传者信息，则暂停流程并请求用户确认后再继续。
• 禁止静默回退至 uploader_id 用于命名文件夹。
• 对于小红书（Xiaohongshu），若可获取，则将 uploader_id 设为页面上显示的小红书账号编号。
• 多上传者情形下，uploader 与 uploader_id 均以逗号分隔、按序列出。
• 以首个上传者作为文件夹根目录。
• 对文件夹名进行清洗，移除非法文件系统字符。

归档规则

• 保留原始文件名风格。
• 若源容器为 mp4，则以无损转换方式归档为 mkv 格式。
• 将源文件保存为 原名_source.mkv。
• 归档文件在归档容器中使用原始基础文件名（base name）保存。
• 若发生文件名冲突，则暂停并询问用户处理方式。
• 除非用户明确要求更深层级嵌套，否则直接将上传者文件夹置于主归档根目录下。

字幕规则

• 仅当存在字幕时才下载并嵌入字幕。
• 若无字幕则静默跳过。
• 在元数据中记录字幕语言的可用性。
• 不得在备注（remarks）字段中重复说明字幕是否存在。

字段格式化规则

• 隐式使用北京时间，无需标注时区。
• 上传日期格式为 YYYY-MM-DD。
• 容器（container）字段保留源容器格式。
• 分辨率尽可能采用 yt-dlp 返回的格式。
• 字段名中需标明单位处，统一使用中文单位：秒、MB、fps、kbps。

终止规则

出现以下任一情况时，应立即停止并请求用户确认：

• 无法解析上传者信息
• URL 不指向视频内容
• 文件名冲突需人工决策
• 元数据存在足够歧义，可能影响文件夹归属或去重判断

输出风格

当用户请求表格预览时，仅返回其明确要求的字段。保持输出简洁，除非工作流被阻塞，否则不添加额外叙述性内容。