场景指南

内嵌字幕工作流的叠加准则——字幕 MODEL（drop、rail、embed）以及字幕是合成在影片之上的 OVERLAY，而非为避让它而把内容上移预留的底部条带。在为对谈头部或发布视频添加字幕与副标题、判断某短语应 drop、沿逐字 rail 行进，或提升为稀缺的嵌入式高潮，在承载字幕的构图布局时（勿预留避让带），或在字幕下将构图定位于真实画面中心时使用。引用 embedded-captions 的 rail+embed 模型与 product-launch-video 场景 agent 的约束 #13（字幕叠加，废弃避让带）。叠加于 embedded-captions 之上。

Agent Media OS，HyperFrames 项目中满足一切媒体需求的单一技能。将 BGM、SFX、图片、图标、品牌 logo、人声、调色或 LUT 解析为冻结的本地文件或可粘贴的块加台账记录（一个动词 resolve）；当目录缺失时用 TTS、音乐或图像模型生成；通过一个共享音频引擎产出配音、转录、字幕与背景移除；对媒体做操作（裁剪、重新构图、转换）；并在项目间复用资产。也用于模糊反馈：真实素材显得暗、平、无聊，应具复古、摄像机、印刷、ASCII 质感，需要隐私，或需要媒体揭示。

解读现有 Convex 应用——数据模型与关系、公开与内部函数、认证/所有权模型、组件、请求到数据流——从 schema 与函数面读取。只读。

构建并打磨项目的领域模型。用于讨论代码库术语、编写或编辑 CONTEXT.md，或记录或编辑 ADR 时。

构建一次性原型以回答设计问题。当用户想 sanity-check 某个状态模型或逻辑是否合理，或探索 UI 长什么样时使用。

对视频与音频做到「看得见、听得懂、能处理」：从本地文件、URL、RTSP 直播或桌面录制采集；抽帧建索引并按时刻检索；转码归一化与时间线编辑（字幕、贴图等）。

以证据为先核对收入、定价、退款、团队计费与计费模型。适合要销售快照、价格对比、重复扣费排查，或需要代码层面的计费事实时。

Apple FoundationModels 框架的端侧大模型能力：文本生成、@Generable 结构化生成、工具调用与快照流式输出，适用于 iOS 26+。