xinzhuwang-wxz

IoT AI Platform 的 TypeScript 严格模式、错误处理、测试策略、依赖管理、Git commit 规范、安全编码守则。编写任何代码前先读本 Skill。

接入层（Tap）集成模式：MQTT Tap、Webhook Tap、Shifu 可选连接器；统一 Event Envelope、幂等/DLQ。编写设备接入代码时使用。见 ADR-0016。

Mastra Model Router、多 provider、成本控制（3 道闸门）、Vertical Skill（垂类模型经 MCP 发现 + 独立推理端点）、Embedding。编写 LLM/模型调用代码时使用。见 ADR-0008。

Mastra Agent/Tool/Workflow 定义模式、config-as-data 函数式壳、Concierge/Vertical Agent、注册中心、流式响应、自定义路由。编写 src/mastra/ 下代码前必读。

三层租户隔离 SQL 模式、pgvector 记忆表、遥测时序(TimescaleDB)与特征库(Feast)、迁移规范。编写数据库相关代码时使用。见 ADR-0004/0010/0013。

IoT AI Platform 目标架构（分面）、层间契约、数据流、可扩展性核心。理解系统全局、做跨层决策、新增能力前使用。真相源是 CONTEXT.md + docs/adr/。

Run the review cycle for a completed phase artifact with plot validation

Human gate for reviewing and approving full verification after Phase 5

Display current analysis pipeline status

Initialize and run the full automated analysis pipeline from analysis question to final documentation

Execute a single phase of the analysis pipeline by phase identifier

agent 主剪:把「AI参考片 + 实拍分段素材」剪成成片——用分镜先验 + ffprobe/抽帧分析算出剪单(cutlist,每段入出点+理由),ffmpeg 低清渲染后 agent 抽帧回看自审(≤3轮迭代改剪单),直出成片到 03-成片/;同时物化一份剪映双轨草稿(实拍/AI参考画中画/字幕)作为人的观察与介入窗口——人不介入也能出片,人只做发布前确认。字幕加不加由 agent 自主决定。支持 AI/实拍混剪。Use when 用户说『按AI示例剪实拍 / 帮我剪成片 / 拼草稿 / 出剪单 / previz拍完了帮我剪』,或给了一组按 {SKU}-{排期编号}-S{n}_{AI|实拍}.mp4 命名的分段素材要成片时。本技能不生成AI视频(video-previz 的事)、绝不自动发布。

把「选题/文案主旨 + 产品资料 + 目标时长」变成可拍摄的专业分镜脚本——每段含 意图/景别/画面/运镜/台词/字幕/音效/时长/首帧建议/previz提示词,双格式输出:人读的分镜表(markdown) + 机器契约 JSON(可直喂 video-previz 生成示例视频)。品牌无关、内容类型通用(ootd/工艺科普/对照解说/口播/剧情/开箱),平台节奏可调(默认小红书 15-45s)。替代旧 qiaohe-video-script(品牌绑定版)。Use when 用户说『写分镜 / 拍摄脚本 / 脚本分镜 / 这条笔记怎么拍 / 把文案变成分镜 / 出previz前的脚本』,或排期笔记进入待拍前需要脚本时。本技能不生成视频(video-previz 的事)、不剪辑(video-editing 的事)、不碰飞书。

把分镜脚本变成逐段 AI 示例视频(previz/动态分镜)——每段用该 SKU 的实拍图当首帧、分镜描述当提示词,调视频生成模型(默认 Seedance,可换)产出拍摄参考片,按 {SKU}-{排期编号}-S{n}_AI.mp4 落进素材库。拍摄的人照着示例逐段拍,拍完交给 video-editing 技能剪。Use when 用户说『给这条笔记生成示例视频 / 生成previz / 出动态分镜 / 分镜转视频 / 拍摄参考片』,或分镜脚本已定、准备安排拍摄时。本技能不剪辑(video-editing 的事)、不写飞书、不自动发布。

Use when a user asks you to study their research codebase + papers and become capable of independent work in their domain. Systematically explore source code, configs, job scripts, and publications to extract reusable patterns, coding conventions, and workflow knowledge.

Use when the user wants to convert a research paper + its reference code (or any code repository) into a layered, visualized, chapter-based bilingual web tutorial in the style of shareAI-lab/learn-claude-code — producing Markdown chapters plus a Next.js site with interactive SVG visualizations, per-chapter source viewer, simulated execution trace, and design-decision deep dives.

For autonomous SOAR inference optimization loops. Trigger when user asks for iterative tuning, overnight experiments, benchmark-driven optimization, or automated keep/discard decisions.