夜雨聆风同一条视频，发到视频号有 1.5 万观看。
发到小红书，播放量是 0。
这是我做短视频以来的第一个小爆款，也是第一次碰到两边数据差这么多的情况。
我当时有点懵。到底是内容有问题，还是账号被限流了？我也不知道。
这篇就记录一下，我是怎么从这条 0 播放的视频开始，连续做出三个 Skill 的。第一个负责把手机长截图转成 Markdown Skill，第二个负责把视频转成逐字稿 Skill，第三个是拿这两个 Skill 去做限流风险检测的 Skill。
1. 先确认是不是真被限流
我先按网上的方法，给这条视频尝试开薯条推广。薯条是小红书的内容加热工具。结果这单投不出去，系统提示无法加热。
到这里，我确认的是：这条内容无法通过薯条加热。至于具体触发了哪条规则，不能只凭这一项结果下结论，还得继续对照规范。
具体可能命中哪条规则，还得继续查。
2. 规则查到了，但怎么查具体原因犯了难
小红书的薯条内容审核规范写得很细，什么能发，什么不能发，都列在里面。我想把它复制下来，逐条对照。结果发现文档做了防复制，只能用手机一张张截成长图。截下来以后，麻烦才刚开始。
长图里文字、表格、图片混在一起。想从里面找限流原因，只能一张张看。几份规范看下来，眼睛先受不了了。
我就想，能不能做个工具，把长截图直接转成能搜索的文档。以后再遇到手机截图，直接转成 Markdown，至少能少一些重复盯图找字的工作。
于是有了第一个工具，screenshot-to-markdown Agent Skill。
先简单说一下 Agent Skill 是干嘛用的。它可以理解成一套写好的操作说明和脚本，交给大模型以后，模型按照这套流程处理文件。把长截图丢进去，它会把文字整理成 Markdown，标题、列表、表格尽量保留，截图里的图片也会单独裁出来保存。
做这个工具时，我碰到的第一个问题是，大模型不一定能识图。有的模型可以直接读截图，有的模型不行。所以我做了两条路，能识图的模型自己读取截图切片，不能看图的模型就自动调用本地 OCR。Mac 和 Windows 都能跑，两条路最后共用同一套拼装逻辑。
怎么判断模型到底能不能识图？大模型帮我写了个小检测。脚本每次生成一张带6个随机字符的测试图，让模型读出来，读对了才算通过。随机字符不会打印到终端，模型得真的看见图片才行。
长截图怎么切成小片，也有讲究。优先按空白带切，尽量不切在文字行中间。找不到空白带，就先整块保留，到了上限再强切。裁剪参数是我拿真实截图反复试出来的。
遇到带圆角背景的卡片，也不能直接填充背景色，还得从内容边缘往外扫描。图片里的说明文字会在背景上挖洞，直接填充很容易漏掉顶部。
这些细节都不是凭空设计出来的，都是拿真实截图一遍遍试出来的。
3. 还要检测视频本身
规则转成文字以后，还得查视频本身。我现在发的视频大多是口播，要判断有没有违规，先得知道里面到底说了什么。
于是有了第二个 Skill，video-to-markdown。
视频丢进去以后，它会自动提取音频，转成带时间戳的逐字稿，并在顶部生成摘要。全程本地运行，不需要 API key，也不用为每次转录付费。
这个 Skill 也支持 Windows。我的电脑是 Mac 的 M 系列芯片，用 mlx-whisper 转录。Windows 和 Intel Mac 用 faster-whisper，工具会自动检测平台并选择后端。别人拿走以后，不用先研究自己的电脑该装哪套引擎。
4. 两个 Skill 组合，成了限流检测 Skill
规则文本有了，视频文字也有了，两个 Skill 组合起来，小红书限流检测 Skill 就有了。
它的流程其实很简单。screenshot-to-markdown 把官方规范长图转成文字，我再从里面提炼出9个判定维度。检测时，video-to-markdown 把视频转成逐字稿，检测引擎拿着逐字稿逐条对照规则，最后输出报告。
我把小红书的4份官方规范提炼成9个判定维度。每条命中都带规则出处，拿到报告的人可以自己回到原文复核。拿这条 0 播放、且无法通过薯条加热的视频跑了一遍，识别出2项风险，分别是拉踩智谱和海外名。每一项都能定位到具体的规范来源，但报告只能用于风险自查，不等同于平台的最终判定。
终于，我可以检测一下到底是什么原因了，几分钟后，我拿到了检测结果：
下次录视频我终于知道有哪些坑需要避开了。
5. 这个工具能做什么，不能做什么
它现在能查的是视频里的音频。口播说了什么，一句句转成文字，再逐条对照规则，最后定位到具体句子。
画面暂时查不了。视频里出现了什么画面、什么 logo、什么文字，现在都不会被检测到。这部分要加入视觉识别，后面有需要再补。
工具也还会继续改。有人拿去用，遇到什么问题反馈回来，我再照着修。
6. 总结一下
把这段经历捋一遍，其实没有什么复杂规划。
一条视频突然没播放，我不知道原因，于是先去找规则。规则需要截图保存，可文档又复制不了，于是做了截图转 Markdown。视频的问题藏在口播里，于是又做了视频转文字。两个工具组合起来，才有了限流风险检测。
最后拿自己的视频跑一遍，识别出2项风险，每一项都有规则出处。
做 Skill 没有想象中那么难。很多时候，就是把一件反复让你烦、又绕不开的小事拆开，让 AI 和脚本各自去做。
需要注意的是，工具能不能真的解决问题，还是要看实际运行结果。语法检查通过，不代表工具一定能跑；模型说自己能识图，也最好用随机字符测试一下。
我的三个 Skill，就是从一条播放量为0的视频开始的。
如果你也想试试这三个 Skill，可以在公众号后台回复「限流」。我会发你一段安装指令，直接丢给 Codex 或 Claude Code 就能安装。
如果你不想使用安装指令，也可以直接打开仓库：https://github.com/BambooXiu/AgentSmithy
欢迎留言交流，互相学习。