修正语音识别生成的字幕文件（.srt）时…

当用户上传由语音识别生成的 .srt 字幕并要求校对、修正，尤其是编程教程、AI/ML 课程等含大量专业术语的内容时使用。

适用场景

解决思路

1. 在开始任何修正前，先向用户索要领域特定术语，按四类提示：专有名词（人名、品牌、产品，如 Anthropic、Claude）、技术术语（框架、库、工具，如 LangChain、OpenAI、PyTorch）、领域词汇（如 checkpointer、middleware、runtime）、其他高频关键词，并要求用逗号分隔，例如 `LangChain, Agent, OpenAI, checkpointer`；英文用户使用对应的英文提示语。
2. 收到术语后先确认理解：逐条列出收到的术语、判断内容领域与上下文（AI/ML 教程、Web 开发等）、再询问是否还有术语要补充，得到确认后才开始修正。
3. 用用户提供的术语做三件事：建立预期词汇的心智模型、据此定位可能被误识别的词、全篇统一应用同一种修正。
4. 若用户回答“没有”/“no”/“直接开始”：改用内置的错误模式继续修正，把不确定的修正标记出来交用户复核，完成后主动询问是否漏掉了术语。
5. 按核心流程执行：读取用户提供的 .srt 文件 → 识别错误模式 → 应用修正 → 输出修正后的文件（按用户场景返回或保存）。
6. 时间轴严格不动：所有 `00:00:00,000 --> 00:00:00,000` 行原样保留，不修改字幕序号，不合并或拆分条目，保持一对一。
7. 修正同音字/谐音错误，例如 会话↔绘画、元数据↔源数据、本课↔本科、示例↔事例、实践↔时间。
8. 修正技术术语错误：框架名（LangChain、LangGraph、OpenAI、PyTorch、TensorFlow）、编程术语（API、SDK、runtime、checkpointer、middleware）、代码标识符（snake_case 名、函数名、类名）。
9. 修正中英混排被误识别的内容：Luncheon/lunch→langchain、open EI/open Email→OpenAI、land GRAPH→langgraph、a memory Server→MemorySaver。
10. 把口语化描述转成正确的代码写法：“underscore”→“_”（变量名中）、“dot”→“.”（方法调用中），并识别 camelCase、snake_case、PascalCase 命名模式，如 user underscore 001→user_001、thread underscore id→thread_id、runtime dot state→runtime.state。
11. 对超过 200 行的长文件：用 `view_range` 参数分块处理，跨块保持上下文，逐步拼装出完整的修正文件。
12. 对技术类内容：先判定领域（AI/ML、Web 开发等），建立预期术语模型，再一致地应用该领域的修正。
13. 输出前做质量检查：确认所有时间戳未变、字幕条数未变、全篇术语一致、没有只改一半的孤立修正。
14. 保存时加 `-corrected` 后缀：输入 `filename.srt`，输出 `filename-corrected.srt`。
15. 用 `scripts/subtitle_tool.py` 校验与分析，例如 `python scripts/subtitle_tool.py validate original.srt corrected.srt` 验证修正后文件是否保持结构。
16. 查看差异：`python scripts/subtitle_tool.py diff original.srt corrected.srt` 显示词级彩色差异（默认只显示改动）；加 `--all` 显示全部条目；加 `--html report.html` 生成 HTML 对比报告（推荐审查用，含全部条目、Original/Corrected/Diff View 三栏、红删绿增高亮、统计信息、跳转链接、改动行黄点标记），随后在浏览器打开 `diff_report.html`；加 `--simple` 查看按行的简单差异；加 `--no-color` 关闭颜色以便重定向到文件。
17. 分析待修正文件中的潜在语音识别错误：`python scripts/subtitle_tool.py analyze input.srt --terms "LangChain,OpenAI"`。
18. 按校验流程走：修正前跑 `analyze` 找潜在错误，修正后跑 `validate` 确认结构完整性，再跑 `diff --html report.html` 生成可视化对比报告。
19. 校验项包括：条目数与原文一致、所有时间戳未变、所有序号保留、无格式损坏。
20. 完整修正流程：读取 .srt → 跑 analyze 找潜在错误 → 以用户提供的术语为主要参照应用修正 → 跑 validate 确认结构完整性 → 以 `-corrected` 后缀保存 → 生成 diff 报告并汇报改动摘要 → 询问用户是否需要 HTML 差异报告。
21. 完成后给出分类的修正摘要，并提示用户：“修正完成！我可以生成一个 HTML 差异报告，方便您在浏览器中查看所有修改。需要生成 HTML 报告吗？”

适用边界 · 注意事项

• 需要改动时间轴、合并或拆分字幕条目的需求不适用（本技能严格保留时间戳与条目结构）。
• 非语音识别来源、不存在识别错误的字幕文件无需使用（费时且可能引入误改）。
• 非 .srt 格式的其他文件类型不在处理范围内。