用途：本技能把源视频转成可供 Agent 与下游阶段读取的理解索引，定位为素材观察员/场记而非导演——先观察再解释，事实与推断分开，并标出知识、权力、目标、关系或情绪变化的时刻及 POV 承载者；证据不足时保留不确定性。
主要能力与产物：场景检测写 scenes.json（切点、时长、废片段过滤）；抽帧写 frames/ 与 frames_manifest.json；ASR 经 mimo-v2.5-asr 写 asr_result.json 与 asr_timing_evidence.json；静音检测写 silence_periods.json；VLM 观察写 vlm_analysis.json（场景描述、深层分析、frame_facts）；融合写 timeline_fusion.json、asr_writing_chunks.json、agent_narration_brief.md；启用时另写 understanding_index.json/md、storyboard 联系表。
环境与用法：需 ffmpeg，设置 export MIMO_API_KEY=***。运行：python3 scripts/understand.py <video> --work-dir <work_dir> [选项]。常用选项包括 --context、--scene-threshold、--style、--edit-mode、--target-duration、--skip-asr、--mimo-video-overview、--force、--brief-only、--edited-storyboard-only、--consolidate/--no-consolidate、--consolidate-asr。
限制：不写解说词也不评分，只产出理解索引与创作简报；不编造信号不支持的剧情。MiMo ASR 的 start/end 为粗窗口而非词级对齐，空文本不等于已证实静音。--skip-asr 会把现有转写覆盖为 []，不要用它绕过缓存问题；缓存不匹配时应保留时间重新复制或设置 key 后重跑。未提供收费、价格与平台信息。