用途：从视频摘要素材中提取并筛选幻灯片图像。输入为 <item_dir> 目录，内含 manifest.json 和 sessions/*.md（带时间戳的亮点）。需要 Pillow；缺失时可用 uv run --with pillow 安装。
主要能力与使用方式：先运行确定性脚本生成帧与拼图： python3 scripts/vd_frames.py <item_dir> 生成 frames/<stem>/hNN_{0,1,2}.jpg 与 highlights.json；帧宽 960px，每个亮点取 −5/0/+5 秒偏移。
python3 scripts/vd_montage.py <item_dir> 生成 montages/<stem>_pN.jpg 与 montages/index.json；拼图网格以亮点为行、3 列候选，标注 hNN:j HH:MM:SS，每页 8 行。
随后进行视觉 LLM 步骤（约 5 个演讲/智能体分发，使用便宜模型）：Select 阶段依据 references/select-prompt.md（haiku/sonnet），读取拼图，为每个亮点选出属于本演讲且清晰可读的候选 j（0/1/2），否则 null（演讲者、观众、转场、赞助墙等），写入 frames/sel_<stem>.json，格式为 {"0": j|null, ...}。Verify 阶段依据 references/verify-prompt.md（sonnet），用全分辨率对照亮点文本复核每个选择，修正或置 null，并覆盖 sel_<stem>.json；不要跳过，因为便宜的 Select 容易多选。
适用场景：带亮点时间戳的视频摘要流程，尤其希望自动获取幻灯片截图时。限制：炉边谈话或无幻灯片演讲中全为 null 是正确的，摘要将只渲染文字要点；具体价格、平台支持与更多效果资料暂未提供。