用途：这是自动化剪辑流水线的第二步，在 cut-silences 之后运行，删除人工剪辑第二遍才会处理的瑕疵：结巴（如“the the”“I- I-”）、紧邻重复词、假开头（放弃后重说的短语）以及重录片段（保留干净版本、丢弃失败版本）。
主要能力：通过脚本机械式找出候选剪辑，类型包括 stutter（紧邻词重复）、retake（用 Jaccard 相似度识别重复或近似重复片段）、false_start（短促被放弃后重说的短语）。输出结构化的 cut-candidates.json 和可读的 cut-candidates.md。
使用方式：先运行 node .agents/skills/cut-mistakes/scripts/find-cut-candidates.mjs <silence-transcript.json> --out-dir video-projects/<slug>/assets 生成候选；然后必须人工审核，逐条阅读 removes 与上下文，判断保留或删除，把批准的剪辑写入 JSON（含 start、end、reason，单位为秒）；最后运行 node .agents/skills/cut-mistakes/scripts/apply-cuts.mjs <silence-transcript.json> --cuts approved-cuts.json --video video-projects/<slug>/assets/edited-silenced.mp4 --output video-projects/<slug>/assets/edited-clean.mp4 --apply 应用剪辑，生成 EDL、重定时的 mistakes-transcript.json、决策日志和视频；去掉 --apply 可做试运行。可用共享审核工具 build-edl-review.mjs 检查边界。
适用场景：口播视频、教程、播客等需要清理口误的剪辑流程，作为主剪辑工作流的第二阶段，输入通常为第一步的 silence-transcript.json。
限制：判断何为口误需要人工判断，机械检测无法区分强调性重复（如“never, never”）与真结巴，因此默认审核门控，不能盲信推荐。非常干净的素材可能没有真实剪辑，这是有效结果，不应为凑数而剪。两个词之间的剪辑是硬切，结巴和假开头通常干净，更紧的音频可后续加 20-30ms 淡入淡出。完成后将 mistakes-transcript.json 和干净视频交给第三个智能体（动态图形/分层卡片）。