用途：让 Claude 以图像方式理解视频内容。做法是在视频时长内均匀抽帧，拼成带时间戳的 contact sheet（拼图），再逐张读取。4×4 拼图把约 16 个瞬间压缩为一张图，保留叙事顺序与大致时间点。
依赖：需要 ffmpeg/ffprobe，缺失时可执行 apt-get update && apt-get install -y ffmpeg。
主要能力与用法：
- 先探测：ffprobe -v quiet -print_format json -show_format -show_streams input.mp4，查看时长、分辨率、是否有音轨。
- 生成拼图：python3 scripts/contact_sheet.py input.mp4（整段 1 张 4x4）；--sheets 3 生成 3 张共 48 帧；--start 120 --end 300 只看 2:00–5:00；--grid 3x3 --tile-width 500 用更少更大的格子。脚本会探测时长、在区间中点采样、在每格左下角标注来源时间戳（H:MM:SS），输出 <name>_sheet_NN.png 并打印每张的时间范围。
- 读取与解读：格子按时间从左到右、从上到下排列，用时间戳锚定观察；第 N 张最后一格紧接第 N+1 张第一格。
- 需要细看时：用 --start/--end 配合更高分辨率重新生成，或提取单帧 ffmpeg -ss 00:01:42 -i input.mp4 -frames:v 1 detail.png。
内容感知采样：均匀采样保证时间覆盖但忽略结构。剪辑类内容可用镜头切换点（ffmpeg scene 分数，阈值 0.3–0.4），连续拍摄内容可用停留点（scripts/dwell_points.py，默认取信号 p40 以下、持续至少 1 秒的区间中点）。两者都通过 --at 传入。注意场景检测对渐变转场、镜头内变化不敏感，且镜头运动可能误报，宜作为均匀采样的补充。
多片段剪辑审查：对最终拼接成片做拼图，而非只看单条片段；scripts/seams.py 可把相邻片段的末帧与首帧配对成一行，便于检查接缝处的角色、道具、物理逻辑与动作完整性。
限制：拼图每格约 380 px 宽，小字、密集文本、细小 UI 细节不可读，应改取全分辨率帧；拼图无声，语音内容需单独提取音频转写；帧精确分析（体育判罚、VFX 质检）不适用，应在窄窗口内逐帧提取；采样之间的事件不可见，只能报告可见内容，时间戳精度约 1 秒。转换、裁剪、合并、压缩、GIF、字幕等任务应使用 processing-video 技能。