/cheat-shoot, 登记拍摄完成 + 建 video folder + (改稿则) 触发 v2 预测

把视频从"已写预测、未拍摄"状态推进到"已拍摄、未发布"状态。这一步：

1. 建 videos/<同 id>/ 目录（之前没有的话）
2. 询问用户："实际拍摄时用的稿子和 scripts/<id>.md 一致吗？"
3. 算 diff, , 超过 V2_TRIGGER_THRESHOLD (默认 30%) → delegate 到 /cheat-predict, mode: v2 在原 prediction 文件 append ## 预测 v2 段
4. 把 video folder 加进 state.shoots 队列，buffer +1

cheat-shoot 自己不写预测内容, , 所有预测落盘逻辑在 cheat-predict。cheat-shoot 只负责检测改稿 + 派发。

为什么单独一个 skill：

• buffer 警戒系统需要明确区分"拍了" vs "发了"。视频可以批量拍（一天拍 5 条），分散发（每天发 1 条）
• "实际拍摄稿" ≠ "pre-shoot 草稿"是常态。这一步是把 diff 显式化、触发 v2 重判、采集"用户改稿 pattern"信号的入口
• v2 预测 vs v1 预测的差异本身就是 rubric 升级证据, , 比如 v1 给 ER=4，v2 给 ER=5（用户改稿改高了 hook 强度），就告诉 rubric "这个用户的 ER 阈值跟我现在公式不一致"

Overview

[用户：拍了 scripts/2026-05-04_abc123_停止期待.md]
  ↓
[Phase 0: 解析路径 + 验证 prediction 已存在]
  ↓
[Phase 1: 检查是否已登记（避免重复）]
  ↓
[Phase 2: 建 videos/<id>/ + 询问"实际拍摄稿一致吗？"]
  ↓
[Phase 3: 写 videos/<id>/script.md]
  ↓
[Phase 4: append state.shoots]
  ↓
[Phase 5: 输出 buffer 状态]

Constants

• REQUIRE_PREDICTION = true, 拍前必须先有 v1 prediction 文件
• V2_TRIGGER_THRESHOLD = 0.30, normalize 后 char-level diff 超过 30% → 默认建议 v2 重判；低于 30% 询问用户是否仍要 v2
• DIFF_METRIC = char_levenshtein_normalized（默认）, , 通过 tools/diff_pct.py 调用：先 normalize（去 markdown header / 分隔线 / 列表标记 / 装饰标点 / 折叠所有空白），再算 char-level Levenshtein / max(len_a, len_b)。preferred backend rapidfuzz，fallback difflib.SequenceMatcher（stdlib，永远可用）。旧版 line-level 在口语化转录场景误报严重（draft 长 markdown 句 vs whisper 转录的短断句，内容几乎不变但 line-level 算出 ~200% diff）, , PR #14 修复
• DIFF_METRIC=lines, , legacy fallback：当 python3 完全不可用或 tools/diff_pct.py 找不到时降级到 diff -u | grep '^[+-]' | wc -l 算法

Inputs

必填	来源
<scripts-path-or-id>	用户参数；缺失则询问
.cheat-state.json	状态文件
scripts/*.md	pre-shoot 草稿
predictions/*.md	验证对应预测存在

Workflow

Phase 0：解析 + 验证