用途：本 skill 是内容校准适配器，把 episode 与其校准 lane 接起来，避免本地 fork 公式、预测规则或迁移规则漂移。它不是第二套 Cheat，cheat-on-content 是唯一校准引擎。
主要能力与用法：先运行 laohan-bianpai vendors；上游有更新时只记录待办，仅在新 episode 前或独立维护窗口运行 vendors --sync，报告 schema migration 时停止。读取 episodes/<slug>/01-口播稿.md 与 00-选题.md 判断内容形态：教程、明确操作路径、资源交付走 tutorial-video lane；观点、评论、议题、个人判断走 opinion-video lane；无法判断时停止，不能默认为教程型。读取目标 lane 的 .cheat-state.json 确认 content_form 一致，无 lane 时用上游 cheat-init 创建。先运行 node scripts/verify-blind-rubric.mjs calibration/<content_form>，再对当前稿运行上游 cheat-score，把无告警输出保存到 lane 内，再运行 node scripts/register-cheat-score-evidence.mjs ...。
限制：禁止在此按固定教程型权重打分、估算后把分数当预测、另写 PREDICT/RETRO/BUMP；禁止把 tutorial-video 历史样本用于评估 opinion-video。盲预测必须在拍摄、发布、查看本期实际数据之前由上游写入 predictions/，预测段不可改写。lane 无真实发布样本时状态须标为 COLD_START_DIAGNOSTIC。⑤固定调用 dbs-script-flow、dbs-resonate、dbs-ai-check 和 laohan-shencha CONTENT_CLAIMS，首 5 秒弱时调用 dbs-hook。严禁补造作者经历、采访人数、数据、结果或案例，缺证据写 [需真实证据]。改稿会使 hash 失效，须重跑⑤、prepare 新快照并登记新 prediction revision。历史目录 ~/.openclaw/workspace-shared/content-ops 为旧 tutorial-video 数据，升级前保持只读。