从Coding中来，到烤肉中去——基于沉淀spec和知识库理念的烤肉skill

咲凌_Arisa

合集 · 杂谈 (25)

  1. 8:57
    【杂谈/分享向】关于我做演奏视频的一些心得 【01设备篇】
  2. 14:14
    【杂谈/分享向】从油管奏见学习演奏视频后期思路【02Kaji篇】
  3. 7:52
    【杂谈/分享向】从油管奏见学习演奏视频后期思路【03無口醬篇】
  4. 2:22
    【杂谈/分享向】从油管奏见学习演奏视频后期思路【04雨音空 yewon篇】
  5. 6:15
    【杂谈/分享向】3个软件提高你的演奏视频制作效果【05软件篇】
  6. 9:51
    【杂谈/分享向】做一期演奏视频的后期流程【06实战完结篇】
  7. 6:31
    【vibe coding】从零做一个名片个人页-01-工具选择
  8. 11:24
    【vibe coding】从零做一个名片个人页-02-先和AI聊需求
  9. 10:15
    【vibe coding】从零做一个名片个人页-03-配置CLI、MCP、Skills
  10. 14:16
    【vibe coding】从零做一个名片个人页-3.5-简单操作ClaudeCode
  11. 8:39
    【vibe coding】从零做一个名片个人页-4-使用git和github
  12. 11:54
    【vibe coding】从零做一个名片个人页-5-别用GPT来写前端
  13. 13:20
    制作人…前端工具…用的不如雾子呢 | 果穗也能看懂的名片网页制作教程【EP6.用这些工具让你的前端更好看】
  14. 13:34
    让harness减少AI写的屎山 | 果穗也能看懂的名片网页制作教程【EP7.superpowers是什么 为什么要用】
  15. 11:01
    vibe了一个283人格测试站 | 果穗也能看懂的名片网页制作教程【番外01.教你直接偷大厂设计风格】
  16. 2:38
    有人蒸馏了！冬优子.skill正在连接！附skill文件 | 蒸馏任何一个公众人物的skill测试
  17. 6:38
    5.6更新之后，或许你应该切成Luna Max | 果穗也能看懂的名片网页制作教程【EP8.GPT-5.6三个模型、推理强度选哪个】
  18. 11:38
    大道至简但是很好用的Pi Agent | 果穗也能看懂的名片网页制作教程【EP9.近期我最爱的coding agent】
  19. 10:59
    意外很好用的grok build | 果穗也能看懂的名片网页制作教程【EP10.grok build的优点和接入第三方模型】
  20. 16:21
    放下superpowers, 转向Trellis | 果穗也能看懂的名片网页制作教程【EP11.可能是最好的harness插件】
  21. 9:21
    不太负责任的Pi插件推荐 | 果穗也能看懂的名片网页制作教程【EP12.个人自用Pi扩展推荐】
  22. 11:26
    假如给DeepSeek三天光明 | 果穗也能看懂的名片网页制作教程【EP13.将国模接入视觉写前端】
  23. 17:06
    从Coding中来，到烤肉中去——基于沉淀spec和知识库理念的烤肉skill
  24. 14:02
    卸载ZCode之后 我留下了2个开源harness | 果穗也能看懂的名片网页制作教程【EP14.Kimi Code与Pi】
  25. 11:00
    Pi更新1.0大版本后 我删除了很多插件 | 果穗也能看懂的名片网页制作教程【EP15.Pi插件精简推荐】
Description 
命令安装：npx skills add Sallyn0225/sallyn-skill --skill translate-srt
skill仓库：https://github.com/Sallyn0225/sallyn-skill/tree/main/skills/translate-srt

---

或许当前Skill中脚本部分的代码还不够完善，但是我觉得派发搜索子代理，并且最后将术语表沉淀下来，在下次的翻译中可以直接命中使用，这种思路应该是没有问题的。

当前其实有很多开源的烤肉工具：有带图形界面，优化对于原本像aegisub这种软件的使用；有带说话人分离的，优化多轴流程的。但是看了蛮多似乎在对于ASR产物进行后处理上的并不多。事实上当前ASR模型基本上已经来到了一个正确率很高很高的程度，在AA-WER这个榜上，基本上都是1% 2% 但是ASR仍旧在输入热词之后，还是会出现错音或者拼写不正确，需要修正的情况。这个时候后处理就显得尤为重要，我个人认为不是简单的直接把txt/srt丢到AI里翻译一遍就可以用的程度。

在使用了这个skill之后，有很多ASR的错误会因为背景信息的补充而被主代理进行修正，然后再进入翻译阶段。等于是先把前期工作给做好了，让翻译的产物也跟着受益。

但用了几次之后发现搜索在子代理上花掉的token太多了。现在各家模型都涨价的情况下，实在是成本经受不住，于是就采用了trellis的沉淀Spec以及Magic-Context这种长期记忆的思路，事实证明这种思路不仅在coding harness上是管用的，在烤肉的流程中也有非常好的效果。

另外，配合Skill甚至可以让Agent按照你的字幕习惯给你进行优化。比如口水词的去除、短字幕拖尾、字幕中对标点符号的限制使用，都可以。在卷ASR的情况下，也不要忽视了对于SRT产物的后处理。在理想的情况下，只要SRT的字词级别的时轴是准确的，通过后处理的产物文件甚至不需要进行大改就可以直接生产使用。

post-processing is all you need.