用途：给定 Bilibili 链接（番剧 ep、UP 投稿 BV 号）或本地视频文件，自动下载、提取场景变化关键帧，区分场景帧与角色帧，并把角色裁切图整理分类。支持两种模式：不带 --ref 时按角色身份聚类为 characters/char_NN/；带 --ref DIR 时以一名角色的参考图（约 200 张裁切）做一对其余匹配，输出到 matched/ 且文件名带距离前缀。
主要能力：动画专用的人物检测与角色身份嵌入（deepghs），不适用于真人视频；可选 --clean 去除硬字幕与水印；特征缓存、分阶段幂等；stdout 输出 JSON 信封，stderr 为进度日志，退出码稳定（0 成功、1 运行时、2 鉴权、3 校验）。
使用方式：需 ffmpeg、yt-dlp 在 PATH，Python 3.9+ 并 pip install dghs-imgutils（首次运行会从 HuggingFace 拉取约 300 MB 模型后本地缓存）。Bilibili 下载需 Netscape cookies.txt，顺序为 --cookies > $BILIBILI_COOKIES > ~/bb_up/bb_cookies/www.bilibili.com_cookies.txt；1080p+ 与会员集数需会员 cookie，本地文件输入无需 cookie。CCIP 步骤必须在 CPU 运行，不可设 ONNX_MODE=CoreML。示例：python3 $SKILL https://www.bilibili.com/video/BV15qVm68E2h --out ~/frames；python3 $SKILL BV15qVm68E2h --ref ~/refs/紫灵 --ref-eps 0.04 --out ~/frames；python3 $SKILL ep1231575 --clean --out ~/frames。
限制：仅支持动画/2.5D 渲染画面，真人需换用人脸识别方案；CCIP 可能把同一角色的不同形态（服装/变身）拆成不同组；1080p+ 需会员 cookie，下载仅供个人离线分析，不上传任何内容。更多标志、阈值与输出布局细节见 references/pipeline.md 与 references/modes.md。