用途
该技能针对屏幕录制做结构化分析。屏幕录制大部分时间是等待，真正有价值的信息集中在少数发生变化的像素上。通过比较相邻帧，可以找出事情发生的时刻、画面变化的区域位置、每段等待的长度，以及一个步骤在哪里结束、下一个步骤从哪里开始。这一过程不需要具备视觉能力的模型，因此速度快且结果稳定可复现。视觉识别只用于查看关键时刻的静止拼图，用来读取请求、核对结果、挑选钩子、命名阶段。
主要工具与能力
picsart_media_screen_moments：对每条录制调用一次，返回一份 JSON，包含输入信息、按时间顺序排列的事件、等待区间（dead ranges）、内容框与工作区、按横向分带统计的切镜数量、建议步骤以及建议分级（tier）。- 输入信息：录制的宽高、方向（横屏、竖屏、方形）、是否经过剪辑（镜头间的硬切而非同一屏幕变化）、每分钟切镜数与各切镜的具体秒数、是否含音频。
- 事件类型：cut（整帧同时变化，如新页面或新消息）、scroll（页面移动）、reveal（一次性绘制出现）、progressive（随时间逐步绘制，如流式文字或渲染）。每个事件带有开始时间、稳定时间（最后一次变化后区域保持不动的时点）、变化框、最大变化核心区（均以源图像素计）以及稳定时该框的平均亮度。
- 等待区间：画面完全静止时为 still，仅有加载转圈或光标闪烁时为 waiting。
- 内容框：所有曾发生变化的区域；工作区：变化持续出现的区域（画布、视口、聊天栏，不含周边菜单）。
- 建议步骤：在切镜或整页变化处开启一个步骤，其前的打字为引导输入，其后最大的变化为该步骤的结果；每个结果带有变化框、稳定时间和主体（结果卡片中带纹理的部分，如照片而非周围聊天）。延时类录制不产生建议步骤，改以阶段替代。
- 建议分级：prompt_over_result、timelapse 或 recut，并附分级依据 tierReason。建议步骤只是提案而非定论，需查看其静帧后保留、删除或重排；静帧未展示的步骤不要保留。时间来自像素测量，不要用固定偏移量调整。
picsart_media_video_stills({ videoUrl, times, crop })：在指定时间生成一张托管拼图图片，并返回各小图的时间和位置。按需裁剪到事件框、结果框或内容框（源像素）。每张拼图只问一个问题，约八格以内：先请求内容，再结果，再钩子候选。请求取步骤引导输入的末尾，裁剪到打字发生的位置；结果取稳定时间后 0.2 秒，裁剪到其变化框；在剪辑过的视频中不要越过input.cuts中的下一个切镜时间，若结果恰在切镜前稳定，应读取切镜前 0.2 秒的画面，否则会显示下一镜头。除非文字仍太小难辨，保持 tileWidth 与 columns 默认值。用观众会使用的措辞记录每格内容，后续所有屏幕文字均以这些记录为准。picsart_media_screen_stages({ videoUrl, count: 12 })：用于长时间建模、设计或编辑会话，这类录制没有可剪的等待，重点在于工作可见变化的位置。返回与已选阶段最不相似的时刻，先排除持续移动的元素（如画中画摄像头、时钟）。取这些时间点生成一张裁剪到工作区的拼图，用一个词命名每个阶段（如插画的“草图”“线稿”“上色”“发光”）。名称变化处即章节边界；可用 chapters 参数传入章节起始时间以查看更多细节。在全帧拼图上还需确定两个框：过程框（被操作对象，不含应用自有面板，如底部时间轴、节点编辑器、画中画摄像头）与结果（成品出现在屏幕上的时刻及其框；渲染窗口可能先以空棋盘格打开，因此结果从图像真正出现时算起）。
动作整理
当需要记录录制中的每一步操作（例如逐步骤教学点击流程），而非只看结果时，应使用脚本按事件整理为动作。将 picsart_media_screen_moments 原样返回的时刻数据写入文件，在该技能目录下运行 python3 scripts/actions.py <file>。不要自行手动分组事件。动作是观众会命名的行为：打开菜单、输入标题、打开页面；它来自事件而非建议步骤。每个动作包含其事件、类型（reveal、cut、typing、progressive）、at 与 settle 时间、所属建议章节以及屏幕响应的框（用于推近镜头，因为没有事件说明指针点击位置）。滚动归入其导向的动作，时间与位置接近的变化合并为一个动作。章节在整页变化处划分，与建议步骤同一规则；等待会标注其所跟随的动作且不会被丢弃，由具体用例决定展示多少。每个动作都应在其稳定时间按框裁剪生成拼图核对；应用自身动画会读作一个动作，两个小动作也可能是用户会视为一件事的操作，应删除动画、合并两者，静帧未展示的动作不要保留。
私密数据处理
真实账户的录制可能显示邮箱、密钥、电话号码、客户姓名。需要在已读文本中自行查找，没有工具自动监视。对拼图和转写中读到的每段文本记录为一条：文本、所在秒数、来自静帧时的源像素框以及来源。角落也要检查：账户菜单、浏览器地址栏、通知。在该技能目录下对 { texts } 运行 python3 scripts/private_text.py <file>，它会输出每个命中的类型（email、key、token、phone、card）、位置及掩码后的匹配，避免重复泄露秘密。引号内秘密可能含空格；卡号分组之间可有任意水平空白，数字间至多一个换行。卡号会同时按书写形式和以真实日期为字段边界两种方式读取，任一读法发现的卡号都会掩码。相邻且具有可识别电话分组的号码会整体保留，而不会把其中段误报为卡号。每个命中都要在其对应帧上按框裁剪核对：保留，或在静帧显示其并非隐私（如占位示例地址）时丢弃。这些模式无法识别姓名与街道地址，需自行在同一批拼图上查找。密钥或卡号即使在演示账户中也属私密。
分级判断
- prompt_over_result：多轮“打字引导→页面变化→大幅结果”，其间有较长等待；核对打字请求及其结果。
- timelapse：屏幕长时间不停顿，变化持续出现在同一工作区，切镜少；核对被操作对象在早期、中期和结尾的样子。
- recut：输入为已剪辑，镜头间为硬切，每分钟切镜多且无等待，常有人物出镜、烧录字幕和声音；在若干切镜两侧各取一格，确认是不同镜头而非同一屏幕变化。 应以建议分级及 tierReason 为基础，在第一张拼图上核对；拼图与建议不一致时以拼图为准，并说明实际采用的分级。有步骤但没有打字请求的录制（如点击浏览应用）仍属 prompt_over_result，其步骤没有可重复输入的请求，应单独用一行说明每步展示的内容。
剪辑视频（recut）
recut 输入是成品视频而非录制：镜头拼接，常有人在屏幕片段之间出镜讲话。处理单位是镜头，即 input.cuts 中一个时间到下一个时间。所有时间都要保持在所属镜头内，跨越切镜的步骤、静帧或结果会显示下一个镜头。一个长镜头内可能包含多个屏幕片段；人物始终在动会使同一事件横跨整个镜头而无法拆分，此时可用 picsart_media_screen_stages 并将 chapters 设为切镜时间，让每个镜头各自生成阶段，再在拼图上读取这些时间。需在一张全帧拼图上区分哪些镜头是屏幕、哪些是出镜人物、烧录字幕位于何处，以便后续添加文字时避开。记录屏幕文字的语言（字幕与应用的）。
限制
检测阈值截至 2026-09-30 仅基于两条原始录制和七条成品短视频调校。含内嵌视频播放的录制，或暗色界面配小字的情况，可能把一个事件拆成两个或把两个合并为一个。在剪辑视频中，内容框可能把出镜人物而非屏幕纳入。基于步骤和框继续工作前，应先用拼图核对；当 moments 数据与拼图不一致时，以拼图为准。