用途：查看已渲染视频，报告画面上与音频中实际存在的内容，作为 watch-and-refine 等技能决定修改前的观察基础，其他评审与剪辑技能也可直接调用。
主要能力：支持整段或指定 ranges 观看；按 fps 采样帧，默认随时长自动缩放（≤30s 为 1–2 fps，30s–1min 约 1 fps，1–3min 约 0.5 fps，3–10min 约 0.25 fps），上限 2 fps；max_frames 默认 100；resolution 默认 512，仅在需看清屏幕文字时提高；可分别开关 include_voice、include_music、include_sfx，三者全关则仅抽帧并在 manifest 中注明；focus 可传入自由文本，指明关注点。
用法：输入 video（本地路径，必填）、ranges（[start,end]，支持 SS、MM:SS、HH:MM:SS）、fps、max_frames、resolution 及各音频开关。流程为校验文件、用 ffprobe 探测时长、解析范围与帧率、按比例分配帧预算、用 ffmpeg 抽帧到 frames/，按需提取音频与转录，最后生成 observation.md 与 manifest.json。
输出：observation.md（时间戳索引的观察报告，不含好坏判断）、frames/*.jpg、transcript.json（仅 include_voice=true 且存在 Whisper 后端时）、manifest.json。
限制：帧数不超过 max_frames；每个范围至少一帧，除非短于 1/fps；无 Whisper 后端时降级为仅抽帧并告警；范围超出时长会报错；报告只描述观察结果，不给建议。