media-router

媒体路由器

适用场景

• 用户有音频、视频、转录文本、字幕、A-roll 或 B-roll 素材。
• 首要判断是进行转录、打包字幕、添加语义理解，还是构建可供编辑的方案。
• 输出质量目标为粗略版、可用于字幕，或可用于编辑。

不适用场景

• 不要将所有媒体请求都视为纯转录任务。
• 不要在此路由器中执行下游素材收集或编辑工作。
• 如果粗略输出已足够，不要选择成本高昂的模型链。
• 不要在此处路由图像、视频、音频或工作流生成；请使用 generation-router。

核心规则

根据任务意图进行路由，而不只是根据输入文件类型。

从以下五个维度中选择：

• inputType：音频、视频、转录文本或转录文本+素材
• goal：转录文本、字幕、语义分析、节拍、B-roll 映射或编辑方案
• quality：粗略版、可用于字幕或可用于编辑
• scale：单项或批量
• costMode：优先低成本或优先质量

默认路由逻辑

• 音频转为转录文本 -> audio-transcription。
• 视频转为转录文本或字幕 -> video-transcription。
• 已有转录文本转为字幕文件 -> subtitle-packager。
• 转录文本加素材转为剪辑逻辑或 B-roll 方案 -> editing-decision-engine。
• 视频转为可供编辑的方案 -> 先转录，可选择打包字幕，可选择进行视频语义分析，然后交由 editing-decision-engine。
• 先分析，再生成 -> 本路由器处理理解步骤，然后交回 generation-router。

质量门槛

• rough：用于快速审阅、搜索、记录或初步识别候选节拍。优先选择成本较低的转录方式，并减少增强处理。
• subtitle-ready：用于字幕、SRT/VTT，以及可靠的句子或单词时间信息。必须包含时间戳。
• edit-ready：用于 A-roll/B-roll 决策、插入切换镜头和节拍级规划。当视觉证据很重要时，使用带时间戳的转录文本以及语义理解。

输出格式

产物包含：

• route 和 why
• primarySkill
• supportingSkills
• modelPlan
• outputArtifacts
• needsTimestamps
• executionMode

停止条件

• 如果缺少必要的用户意图、源证据或自有输入产物，且猜测会改变结果，则停止。
• 如果自有 CLI 或脚本命令在执行中的 PostPlus 技能允许的有限恢复尝试后仍然失败，报告确切错误并停止。不要通过仅提供元数据的回答、就绪状态探测、本地负载重写、备用提供方或未发布的工具绕过失败。

交接

• 将路由 JSON 交给指定的 primarySkill。
• 保留预期产物，以便下游技能了解需要生成 transcript.json、timed-transcript.json、字幕、节拍图还是编辑方案。

公共命令边界

• 根据用户输入选择最小匹配命令或工作流，并直接运行。
• 如果自有 CLI 或脚本命令在执行中的 PostPlus 技能允许的有限恢复尝试后仍然失败，报告确切错误并停止。不要通过仅提供元数据的回答、就绪状态探测、本地负载重写、备用提供方或未发布的工具绕过失败。
• 此公共技能由指令驱动。请直接根据现有证据生成工作流所述的产物。
• 不要调用私有提供方/运行时路径或未发布的本地工具。
• 如果 CLI 返回引号确认质询，请运行 postplus quote confirm --json --challenge-file <challenge.json>，并使用返回的令牌重试。