Thousand Faces Style Skill

千人千面 / Thousand Faces

用途

使用这个 skill，把一个抖音创作者主页转成可复用的 Creator Skill。它克隆的是公开表达风格，不是创作者本人；它不是“真人冒充系统”，而是一个基于公开或授权内容的风格研究与内容辅助工具。

面向默认使用者：中文开发者。说明、命令示例、产物解释优先使用中文；保留脚本名、环境变量名、接口字段名等技术标识的英文原文。

必读材料

• 运行或修改流程前，先读 references/pipeline.md。
• 配置 TikHub 或阿里云 ASR 前，先读 references/configuration.md。
• 完整生成 Creator Skill 时，必须读 references/host_refinement.md。
• 精修人格画像时，按需读 references/prompts/celebrity/research.md、persona_analyzer.md、persona_builder.md 和 merger.md。

主流程

1. 解析抖音创作者主页或分享短链，创建本次运行目录。
2. 通过 TikHub 拉取近期公开作品元数据。
3. 按 published_at 倒序选择最近的 N 条作品，同时写入精简元数据和创作者档案。
4. 下载视频，支持 .part 临时文件和断点跳过。
5. 使用 ffmpeg 抽取音频。
6. 使用阿里云 Qwen-ASR 转写音频。
7. 归一化转写文本。
8. 生成确定性的 transcript summary 和 Creator Skill 初稿。
9. 运行 scripts/prepare_host_refinement.py 生成 host refinement 包、逐条 ASR 信号、证据覆盖评分、短视频覆盖、时间线阶段变化、ASR 专名复核、persona model schema/template 和 review 模板。
10. 当前 Codex/Claude Code 读取 brief、转写稿索引、逐条信号、覆盖评分、元数据和初稿，写入 research/raw/*.md，再重写 Creator Skill。
11. 当前 Codex/Claude Code 填写结构化 persona_model.json，完成反向生成测试、固定评测集、反向识别测试、二次审稿和 refinement audit。
12. 运行质量检查并写入运行摘要。

核心模块

确定性流水线由下面几类脚本组成。修改时优先保持输入输出契约稳定，不要轻易改变运行目录结构和质量检查口径。

研究辅助模块：

• scripts/research/srt_to_transcript.py：将 SRT/VTT 字幕清洗为可研究的 transcript 文本。
• scripts/research/merge_research.py：汇总 research/raw/ 里的研究笔记，生成结构化摘要。
• scripts/research/quality_check.py：提供轻量级研究与 Skill 文本质量检查能力。

主编排模块：

• scripts/provider_adapters.py：封装 TikHub、阿里 ASR、OpenAI-compatible ASR 和 OSS 上传。
• scripts/creator_pipeline.py：处理元数据归一化、样本选择、下载、抽音频、转写归一化、摘要、初稿和质量检查。
• scripts/run_creator_skill_build.py：端到端运行入口。
• scripts/prepare_host_refinement.py：生成宿主 Agent 精修包、证据覆盖、逐条信号和评测模板。
• scripts/config_check.py：检查真实运行所需配置、依赖和外部命令。
• scripts/self_test.py：离线回归测试，验证主流程和精修包生成。

不要把原 Whisper 转写路径作为主路径。本项目以阿里云 Qwen-ASR 为默认转写方案，Whisper 只适合作为后续可选 fallback。

配置规则

• 不要在代码中硬编码真实密钥、token、模型名、endpoint URL 或 token budget。
• 从 .env、环境变量或显式 CLI 参数读取运行配置。
• 每次运行都写入脱敏后的 config.snapshot.json。
• 日志和摘要中只保留密钥的短前缀和短后缀。
• TikHub 与阿里云 ASR 的配置必须彼此独立、可替换。
• 不要求用户配置单独的研究大模型 API；风格研究由加载此 skill 的宿主 agent 模型完成。

安全边界

生成的 Creator Skill 必须：

• 声明输出是基于公开或授权材料的 AI 风格辅助，不代表创作者本人。
• 不声称“我是该创作者”、不代表该创作者发言。
• 不把完整转写稿塞进生成的 skill。
• 证据以改写、摘要和短片段为主，避免长篇引用。
• 拒绝身份冒充、虚假背书、声音克隆、形象克隆、私密信息推断等请求。

产物结构

每次成功运行应生成：

runs///
  input.json
  config.snapshot.json
  metadata/raw.json
  metadata/normalized.json
  metadata/selected.json
  metadata/selected.compact.json
  metadata/creator_profile.json
  media/videos/
  media/audio/
  transcripts/
  research/raw/
  research/host_refinement/brief.md
  research/host_refinement/corpus_index.json
  research/host_refinement/transcript_signal_matrix.md
  research/host_refinement/transcript_signals.json
  research/host_refinement/transcript_signals.md
  research/merged/
  research/reviews/evidence_coverage.json
  research/reviews/evidence_coverage.md
  research/reviews/coverage_gaps.json
  research/reviews/coverage_gaps.md
  research/reviews/short_form_coverage.json
  research/reviews/short_form_coverage.md
  research/reviews/timeline_shift.json
  research/reviews/timeline_shift.md
  research/reviews/asr_entity_review.json
  research/reviews/asr_entity_review.md
  research/reviews/usage_probe.md
  research/reviews/evaluation_suite.md
  research/reviews/evaluation_suite.schema.json
  research/reviews/evaluation_suite.json
  research/reviews/reverse_identification.md
  research/reviews/reverse_identification.schema.json
  research/reviews/reverse_identification.json
  research/reviews/reviewer_findings.md
  research/reviews/persona_model_diagnostics.json
  research/reviews/refinement_audit.md
  skill/SKILL.md
  skill/references/persona.md
  skill/references/topic_model.md
  skill/references/script_style.md
  skill/references/research_summary.md
  skill/references/evidence_index.md
  skill/references/persona_model.schema.json
  skill/references/persona_model.json
  skill/references/meta.json
  logs/

实现要点

• 下载、归一化、目录布局、配置检查和质量检查优先用确定性脚本完成。
• selected.json 保留供应商原始 raw 字段用于追溯；人工研究和宿主 agent 优先读取 selected.compact.json，避免被 TikHub 噪音淹没。
• metadata/creator_profile.json 保存从作品元数据中推断出的昵称、handle、authorid 和 secuid；如果供应商字段不足，允许为空但文件仍应存在。
• 样本选择策略固定为 published_at_desc。如果用户说“前 N 条”，默认解释为最近 N 条，并在元数据中显式记录。
• 数据采集、ASR 准备、转写归一化、摘要和初稿生成都应可重复运行。
• 风格研究、判断归纳和最终 Creator Skill 文案修订交给当前宿主 agent 完成；宿主 agent 不应把确定性初稿当成成品。
• 完整产物必须包含 research/host_refinement/brief.md、corpus_index.json、transcript_signal_matrix.md、transcript_signals.json、证据覆盖评分、覆盖缺口推荐、短视频覆盖、时间线阶段变化、ASR 专名复核、至少 5 份 research/raw/*.md 研究笔记、结构化 persona_model.json、诊断文件，以及已填写的 usage_probe.md、evaluation_suite.md/json、reverse_identification.md/json、reviewer_findings.md 和 refinement_audit.md。
• ready_for_use=true 前，宿主 agent 必须明确使用全量语料索引、信号矩阵、逐条 ASR 信号、证据覆盖评分和 persona_model.json，并在 skill/references/*.md 中体现选题模型、脚本模板、判断启发式、证据锚点和边界。
• 保留中间产物，失败后可以从下载、抽音频、ASR 或转写稿继续。
• 供应商 API 形态不确定时，只改 adapter 或配置映射，不要改下游产物结构。
• ALI_ASR_PROVIDER=openai-compatible 时，使用配置的 Qwen-ASR 兼容模式。qwen3-asr-flash 走 /chat/completions + input_audio。
• 录音文件识别模式需要可访问音频 URL，可通过 ALI_ASR_AUDIO_URL_TEMPLATE、AUDIO_PUBLIC_URL_BASE 或 ALI_OSS_* 上传获得。

常用命令

只创建运行目录，不调用外部服务：

python scripts/build_creator_skill.py `
  --source-url "https://v.douyin.com/xxx/" `
  --project-name "创作者名称" `
  --sample-count 50 `
  --env .env

运行完整确定性流水线：

python scripts/run_creator_skill_build.py `
  --source-url "https://v.douyin.com/xxx/" `
  --project-name "创作者名称" `
  --sample-count 50 `
  --env .env

流水线完成后，在当前 Codex/Claude Code 会话中继续读取生成的 transcripts/、research/merged/summary.md 和 skill/ 文件，使用内置模型完善 Creator Skill。不要再向用户索要额外研究模型配置。

宿主 agent 精修前先生成研究包：

python scripts/prepare_host_refinement.py `
  --run-dir .\runs\创作者名称\

然后按 references/host_refinement.md 执行：写入 raw research notes，重写 skill/SKILL.md 和 skill/references/*.md，填写 persona_model.json、usage probe、evaluation suite、reverse identification、reviewer findings 和 refinement audit，最后重新质量检查。

运行器会自动写入 logs/creator_quality_report.json 和 run_summary.json。

质量报告有两层含义：

• passed：确定性流水线产物齐全，安全底线、证据索引和转写稿隔离检查通过。
• ready_for_use：宿主 agent 已完成深加工，包含足够 raw research、逐条 ASR 信号、证据覆盖评分、结构化 persona model、反向生成测试、二次审稿、persona、选题模型、脚本模板和证据条目，可作为成品使用。

如果 passed=true 但 ready_for_use=false，说明流水线成功，但宿主 agent 仍需读取转写稿和研究摘要继续完善 skill。人工修改生成 skill 后，可用以下命令重新检查：

ready_for_use=true 必须表示宿主 agent 已完成深加工，而不只是确定性初稿达到最低字数。检查重点包括：

• 至少 5 份 raw research note。
• host refinement 包完整，含 brief、corpus index、signal matrix、逐条 transcript signals。
• evidence coverage 评分达标，覆盖高互动、长转写、短转写、主题簇和边界样本。
• coverage gaps 已生成，宿主 agent 已补读或解释高优先级缺口视频。
• short form、timeline shift、ASR entity review 三类专项审查文件存在。
• persona model 结构完整，诊断通过，且证据 ID 能回溯到 evidence index。
• usage probe、evaluation suite、reverse identification、reviewer findings、refinement audit 已填写，并明确建议 ready。
• evaluation suite 和 reverse identification 的 Markdown 与 JSON 都已填写，并明确通过。
• 反模板化检测通过，没有大量“引发共鸣”“层层递进”“通俗易懂”等泛化 AI 话术。
• persona 有可执行的表达 DNA、判断启发式和安全边界。
• topic model 至少包含多个带证据锚点和失败模式的模型。
• script style 至少包含多个分类型模板。
• evidence index 覆盖足够多的视频锚点。
• 没有乱码、长篇转写倾倒或身份冒充风险。

python scripts/creator_pipeline.py quality-check `
  --run-dir .\runs\创作者名称\

修改脚本后运行离线回归：

python scripts/self_test.py

真实运行前做脱敏配置检查：

python scripts/config_check.py --env .env --include-config

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: lem1272536013
• Source: lem1272536013/thousand-faces
• License: MIT

Install and usage instructions live in the source repository linked above.