需要把任意 URL 或自由主题做成 60…

在具备 Pika/Kling 付费 MCP 时，从 URL、repo、文章或自由主题生成 1 分钟双人播客视频，原生音频交付并默认跳过字幕。

适用场景

解决思路

1. 解析 `$ARGUMENTS`：剥离 flags（如 `--yes`、`--no-captions`）和 `key=value` 参数；若剩余为空或空白，原样输出空参数菜单并停止等待用户下一条消息，不调用任何工具、不进入 Step 1、不虚构主题或 URL；若剩余非空（URL 或任何 prose），静默跳过 Step 0 并进入 Step 1。
2. 成本透明门：在任何付费 MCP 调用前调用 `identity_balance({verbose: true})` 一次；展示当前余额、近期燃烧率和剩余 runway；用指定消息说明预计 6,000-9,000 credits（约 $60-$90）覆盖四个 Kling v3-omni pro 15s acts、缺失资产图像生成、一次 act 纠正重试、concat 和 post-flight analyze_media QA，因超过 $5 要求用户回复 `proceed` 或 `cancel`；在用户回复 `proceed` 前不调用任何付费 MCP 工具；若回复 `cancel` 则停止且不生成；这是唯一 yes/no 门，`proceed` 后直接渲染四幕并返回 URL。
3. 默认语音静默使用：`voice_a` 默认 Kling preset `876341503281471517`，`voice_b` 默认 `829837252279803904`；不要在开火前询问 which voice；只尊重显式覆盖 `voice_a=`、`voice_b=`。
4. 默认静默自动生成任何缺失主持肖像：不要问 should I generate a host image，直接按 Step 1 的 archetype prompts 生成。
5. 唯一需要 `proceed` 的是成本透明门；`proceed` 后提交、渲染 4 acts、返回 URL；账户信用余额和 provider failover 是规范护栏；`--yes` 作为向后兼容的 no-op 接受。
6. Topic 模式命名真实公众人物时静默遵循 Step 4：默认 archetype portrait，不自动生成照片 likeness，不问用户 likeness rights。
7. 预生成墙钟守卫：技能开始并在 podcast input 解析且成本门控通过后启动计时器；第一个付费生成调用是 `generate_image` 生成缺失 background/host assets；若所有 assets 已提供，第一个付费生成调用是 `generate_reference_video`；第一个付费生成调用必须在技能开始后 5 分钟内发起；若未发起，在任何付费生成调用前停止并报告 `failed_pre_generation_timeout`，附 input mode、asset status、voice status、URL capture/WebFetch status、script draft status 和精确 blocker；不要继续润色 host archetypes、factual grounding、jokes 或 act wording。
8. 每个 prep 阶段后和紧接付费生成调用前打印单行进度检查点：`Stage 1/4 done — input resolved and cost gate passed, locking missing-asset image prompts.`；`Stage 2/4 done — missing asset prompts ready, calling image generation now.`（若所有图像已提供则改发 `Stage 2/4 done — assets and voices ready, collecting URL/topic facts.` 并跳过图像生成继续）；`Stage 3/4 done — script draft locked, preparing first act.`；`Stage 4/4 done — first act prompt ready, calling Kling now.`
9. 缺失资产图像 prompt 迭代最多 2 轮，然后送 `generate_image`；之后不要继续打磨 host archetypes、studio background details 或 persona styling。
10. 脚本和 act-prompt 迭代最多 2 轮，然后送 `generate_reference_video`；之后不要继续打磨 jokes、interruptions、persona framing 或 camera wording。
11. Claude Desktop 本地图片：Claude Desktop 尚不能把内联粘贴图片传给 MCP 工具；若用户内联粘贴照片或提到本地文件要作为 `host_a_img`/`host_b_img`，暂停 Step 1 并告知用户可粘贴已托管 URL（Imgur、S3、站点）或附图片文件以上传；本地文件到达后用 `upload_asset` 转成 public URL 并在 Step 1 前使用返回的 `public_url`；已托管 `https://...` URL 直接使用并跳过。
12. 若用户命名真实公众人物但未附任何内容，不要自动生成其 likeness；Step 4 使用 archetype portrait。
13. 长任务轮询：任何长时生成或编辑调用返回 `task_id` 时（包括仅有 `{task_id}`、`{task_id, status: queued}` 或初始 `queued`/`running`/`processing`），立即记录 task id 和开始时间。
14. 轮询：紧密循环调用 `task_status({task_id})` 直到 terminal（`completed | failed | cancelled`）；不要手动 sleep，不要用 Bash polling；worker 会保持每次状态调用打开。
15. 轮询进度：当状态为 `queued`、`running` 或 `processing` 时每 60s 发 ONE 可见进度行：`Seedance i2v queued for {N}m {S}s... still processing`；轮询 Kling、图像生成、clone voice 或 concat 时替换 provider/stage label。
16. 轮询完成：`completed` 时展开返回的结果 URL 并继续。
17. 轮询失败：`failed` 或 `cancelled` 时向用户展示 `task_id`、status 和 last status message。
18. 轮询超时：从原始 submit 起总计 15 分钟后，若任务仍非 terminal，调用 `task_cancel({task_id})`，然后向用户展示失败；若 cancel 报告任务已 terminal，再调用 status 一次并报告该 terminal 结果。
19. 不要在原任务仍 `queued`、`running` 或 `processing` 时提交重复请求。
20. Step 0 空参数：剥离 flags 和 `key=value` 后若为空或只有空白，逐字打印空参数菜单作为完整回复，然后停止等待用户下一条消息，不调用工具、不进入 Step 1、不虚构主题/URL。
21. Step 0 非空：剥离后非空则静默跳过 Step 0 并进入 Step 1。
22. Step 1 生成缺失资产（并行）：只生成未提供的资产；默认 archetype prompts：`bg_img` 为 modern podcast studio, two chairs, warm lighting, no people, 16:9；`host_a_img` 为 enthusiastic host, studio portrait, left-side framing, 1:1；`host_b_img` 为 pragmatic skeptic host, studio portrait, right-side framing, 1:1；若输入提到具体 personas，按 Step 4 调整 archetype 匹配 persona vibe。
23. Step 2 解析 voice IDs：使用给定 `voice_a`/`voice_b`；否则回退默认 Kling presets `876341503281471517`/`829837252279803904`；若用户通过 `voice_a=`/`voice_b=` 提供 cloned voice ID，直接使用。
24. Step 3 解析输入模式：剥离 flags（如 `--yes`、`--no-captions`）和 key=value 参数，检查剩余内容。
25. URL 模式：若输入含 `https?://` URL，调用 `capture_website` 仅用于视觉 grounding：产品/页面名称、可见布局、截图、b-roll cues 和一个可开玩笑视觉细节。
26. URL 模式：对同一 URL 调用 `WebFetch`，用整页文本作为脚本事实来源；不要只依赖截图获取事实。
27. URL 模式：从组合输入提取产品名、价值主张、2-3 个具体功能或事实、定价、一个可开玩笑细节、任何具体引语或声明。
28. URL 模式：对长文页（Wikipedia、docs、blog posts、articles），扫描 WebFetch 全文中的深层章节；当至少 3 个实质深层章节存在时，脚本必须提到至少 3 个 beyond lede 的不同章节（例如 architecture、training、hallucinations、limitations、deployment、safety），不能只写开头摘要。
29. URL 模式：用 WebFetch 文本作为事实锚点，用 `capture_website` 作为视觉参考；若冲突，事实声明优先 WebFetch，截图仅作视觉参考。
30. Topic 模式：若输入为自由 prose（无 URL），把整个输入当 brief；解析 Subject（谈什么）、Hosts（若提到则显式，如 I and Elon Musk、two scientists、Joe and Sarah，否则默认 enthusiastic host + skeptic host）、Angle（debate/interview/explainer/casual）、Concrete facts（用户给的具体声明、数字、日期、引语）。
31. Topic 模式：若未给具体事实，使用 2-3 个明确定义的观察或假设来锚定笑话和 wait, actually... pivot；不要把编造声明当事实；若主题需要事实准确性，要求 source 或 URL。
32. Topic 模式：若用户说 I and X 或 me and X，Host A = 用户（若提供 `host_a_img=` 则用，否则生成主持肖像），Host B = X。
33. Step 4 真实人物处理（仅 topic 模式）：若解析输入把特定真实公众人物命名为 host（如 Elon Musk、Taylor Swift、Joe Rogan），默认不要自动生成该人的照片 likeness；生成匹配 persona vibe 的 archetype portrait（如 Elon-style 用 tech-billionaire-energy CEO at a podcast desk，Taylor-style 用 pop-star aesthetic），明确是 inspired-by 而非 impersonation。
34. Step 4 覆盖：若用户显式提供 `host_a_img=<url>` 或 `host_b_img=<url>`，原样使用提供的图像；用户对 likeness rights 负责。
35. Step 4 voices：默认使用通用 Kling preset；仅当用户提供 cloned voice（`voice_a=`/`voice_b=`）才使用。
36. Step 4 脚本语气：对话可以 riff 命名 persona 已知公开立场或 vibe（如 Elon-style 的 Mars 热情），公开记录意见可用；不要把具体诽谤、非角色、编造私生活声明放入其口中。
37. CJK/non-Latin handling：当 URL、topic、产品名、host 名、quote 或必需脚本细节包含中文、日文、韩文、阿拉伯文、Devanagari、Cyrillic、带重音拉丁、emoji 或其他非拉丁文本时启用。
38. CJK 脚本保留：在脚本状态和任何 factual recap 中精确保留用户提供的非拉丁字符；除非用户明确要求，不要罗马化、转写或翻译产品名、人名、口号或引用短语；若需要发音辅助，放在附近英文 prose 中，不替代原字符。
39. CJK Kling voice IDs：`voice_a=` 和 `voice_b=` 仍须是有效 Kling voice ID；中文/日文/韩文对话优先使用已知会说该语言的 Kling voice ID 或 cloned voice sample；若无语言匹配 Kling voice，保留原字符在对话中并说明发音可能有口音，不要静默换成无关 TTS provider。
40. CJK 混合语言对话：保持每个 host 的 line 短且无歧义；避免让 Kling 发音长混合语言段落；把复杂名字或 quote 拆分到多个 acts，并保持周围英文简单。
41. CJK captions/font fallback：本技能默认跳过 `add_captions`，因为播客对话会误转写 jargon；若用户仍明确要求 captions，传作者脚本的手动 `subtitles[]` 而非自动转写，中文/日文/韩文设置 `font: noto-cjk`，并精确保留原非拉丁文本。
42. CJK QA：交付前在最终 verdict 加一行说明，若存在非拉丁文本，说明原字符是否在脚本中保留，以及所选 voice 是语言匹配还是 best-effort。
43. Jargon-heavy native audio handling：当 URL、topic、产品名、quote 或必需脚本细节是领域重或 jargon 重时启用，尤其是 finance、law、medicine、AI/crypto、acronyms、coined terms、不寻常产品名、长数字或多词复合词；Kling-omni native TTS 可能在 spoken native audio 中乱码生造词，不只在自动 captions 中，因此在付费 Kling 调用前降低风险。
44. Jargon 风险扫描：当一行会包含多个领域术语、acronyms、长数字或嵌套/多从句 economist-style phrasing 时标记为 jargon-heavy；把 stablecoins、unbundle、reassure 等例子视为必须保持可懂的 load-bearing terms。
45. Jargon 脚本重写：在脚本状态和最终 recap 中保留 canonical term，但缩短其周围 spoken line；使用短行，拆分长从句，每个 host line 最多 1-2 个高风险术语，避免嵌套从句导致 Kling 推断相似发音填充词。
46. Jargon 发音 aid：为每个 act 的高风险术语创建小的发音 aid，例如 `stablecoins = STAY-bul coins`、`unbundle = un-BUN-dul`、`reassure = ree-uh-SHOOR`；发音 aid 仅作为 prompt metadata，不要替换 dialogue、captions、facts 或 final recap 中的 canonical term。
47. Jargon 已知难词纠正：若某术语已知会漂移，或 post-flight 定位到近邻误听，不要重试同一独立难词；在 act metadata 保留 canonical term（`canonical_terms: [unbundle]`），把修正后的 voice-token line 改成带 speakable cue/micro-pause 的短上下文短语，例如 `we un-bundle payments`；把观察到的错误形式加为负向发音 guard，例如 `unbundle = un-BUN-dul, not un-bumble`。
48. Jargon 已知难词可发布 fallback：在付费 Kling 调用前，当先前 E2E 或当前 post-flight 发现漂移（如 `unbundle` -> `unbubble`、`un-bumble`、`unbundable`）时，把观察到 hard terms 标记为 known-hard；记录 `canonical_terms` 和 `observed_wrong_forms`；不要用 Kling native audio 渲染 known-hard spoken terms。
49. Jargon fallback 渲染：改为生成受影响的 visual act 或 final video，其 native voice-token lines 不包含 spoken known-hard term；然后用 `generate_speech(text=<spoken-only script>, provider: minimax-tts, minimax_model: speech-2.8-hd, language: en)` 使用 canonical spelling（`unbundle`，不是 hyphen cue）生成受控 narration。
50. Jargon fallback spoken-only script：必须保留作者编写的 host-turn order，但不得包含 HOST_A/HOST_B labels、metadata、pronunciation aids 或 observed wrong-form spellings。
51. Jargon fallback 预替换 QA：对 TTS audio 运行 `transcribe_audio(audio=<tts_audio_url>)` 和 `analyze_media(media=<tts_audio_url>)`；每个必需 `canonical_terms` 条目必须出现在 `transcribe_audio` 文本中和 `analyze_media` 观察 transcript 中；若缺失、被任何 observed wrong form 替换、或被新近邻替换，拒绝 TTS。
52. Jargon fallback 替换：调用 `edit_audio_replace(video_url=<final_mp4>, audio_url=<tts_audio_url>, duration_policy: video)` 丢弃 native audio 并替换为 controlled TTS track。
53. Jargon fallback 后替换 QA：对 replaced MP4 运行 `transcribe_audio(audio=<replaced_mp4_url>)` 和 `analyze_media(media=<replaced_mp4_url>)`；每个必需 `canonical_terms` 条目必须出现在两个最终检查中，`analyze_media` 还必须验证 host-turn order 和可接受的 audio/video sync。
54. Jargon fallback 判定：若任何最终检查听到错误形式、漏掉 canonical term，或说 fallback 破坏 podcast turn structure，返回 `not publish-ready`；若两项检查通过，fallback 输出即使使用 controlled TTS 而非 Kling native speech 也是 publish-ready。
55. Jargon 数字和缩写：用口语友好形式写重要内容：`$175B` 变成 `one hundred seventy-five billion dollars`；`API` 变成 `A P I`，除非品牌通常读作单词。
56. Jargon act prompt：把 per-act pronunciation aid 放在 voice-token lines 附近，并指示它不是对话、不要逐字朗读；要求清晰发音 canonical terms 且不要即兴相似词。
57. Step 5 写脚本：写 4 acts × 2 lines（HOST_A / HOST_B），每行约 10–12s spoken dialogue。
58. 脚本必需：一个具体笑话 tied to concrete detail（URL 模式用 scraped fact；topic 模式用 topic-derived claim）。
59. 脚本必需：一个 wait, actually... skeptic-flip moment。
60. 脚本必需：至少一个 mid-sentence interruption。
61. 脚本必需：自然 filler，如 okay so、wait、right?、i mean、honestly。
62. 脚本必需：真实反应，不是 generic praise。
63. 脚本必需：引用至少一个实际 feature name、price、claim 或 quote。
64. 脚本必需：自然结尾，不要强加 bye!。
65. 脚本必需：当主题 domain-heavy、jargon-heavy 或使用 coined terms 时，在最终化 act lines 前应用 Jargon-heavy native audio handling。
66. 脚本结构：Acts 为 Hook → Feature deep-dive → The Turn → Verdict；topic 模式对应 Hook → Substance → The Pivot → Verdict。
67. Step 6 生成视频 acts：委派 subagent，携带所有 resolved assets 和 script；subagent 顺序运行 acts 1→2→3→4，不要并行。
68. Step 6 subagent：必须遵循 Long-running task_status polling contract，并在等待 Kling、图像生成、voice clone 或 concat 任务时向 parent 转发每 60s 进度行。
69. 每个正常 act：一次 `generate_reference_video` 调用（`kling-v3-omni`、`duration=15`、`sound=true`、`quality_mode: pro`）。
70. 每个正常 act：传 `reference_images=[bg_img, host_a_img, host_b_img]`、`voice_ids=[voice_a, voice_b]`，并传 `quality_mode: pro`；必须传 `quality_mode: pro`，因为成本门控按 pro-tier 15s act 计价；可选 knob `kling_model` 固定特定 kling family member 以跨运行复现。
71. 每个正常 act 三镜头：Wide 5s 两位 host，无 voice token；MCU-A 5s `<<<voice_1>>> '<HOST_A line>'`；MCU-B 5s `<<<voice_2>>> '<HOST_B line>'`。
72. 每 act 情绪节拍：Act 1 A excited、B skeptical；Act 2 A gesturing/explaining、B questioning；Act 3 A firm、B surprised and reconsidering；Act 4 A satisfied、B conceding。
73. Known-hard fallback exception：含 known-hard spoken terms 的 acts 用 `sound=false` 渲染受影响 visual act，且受影响 lines 不加 voice tokens；不要把 canonical known-hard terms 放入任何 `<<<voice_*>>>` native voice-token line；controlled TTS replacement 稍后提供这些词。
74. Jargon-heavy 但非 known-hard 的 acts：在 act prompt 中包含 Step 5 的 per-act pronunciation aid 作为 non-dialogue metadata，并在 quoted `<<<voice_*>>>` lines 保留 canonical terms。
75. Act 4 后：subagent 调 `edit_concat([act1, act2, act3, act4])`，向 parent 转发任何 async polling 进度，并返回最终 video URL。
76. 保留四个 act URL 在 state 中，以便 post-flight quality gate 最多花一次 targeted act correction 而不重新生成 clean acts。
77. Step 7 输出：返回最终 video URL 和一句 verdict。
78. 默认不要调用 `add_captions`：Whisper 自动转写对播客对话常见 domain-specific terms（产品名、persona 名、技术 jargon）不可靠。
79. 若用户明确要求 captions：从作者脚本传手动 `subtitles[]` 而非自动转写；对 CJK / non-Latin text 遵循上述 font 和 preservation guidance；默认交付 native Kling Omni audio。
80. Post-flight quality gate：宣布成功前，对最终 video URL 调用 `analyze_media`，要求结构化 JSON verdict：`verdict` 为 `clean | degraded | catastrophic`，另有 `observations`、`quality_warning`、`re_roll_suggestion`。
81. Post-flight 检查：Host A 保持左侧，Host B 保持右侧，产品名/persona 名/topic-specific terms 可见不 garbled，四幕播客结构存在，无黑帧或错主持镜头。
82. Post-flight 检查 spoken audio，不只 captions 或可见文本：产品名、persona 名、topic-specific terms、coined terms 和 jargon 必须 intelligible；标记 garbled 或 mispronounced native audio，例如 stablecoins 听起来像 stable kinds，unbundle 像 un-bumble 或 unbundable，reassure 丢音节。
83. Post-flight clean：先检查脚本状态是否包含 known-hard spoken term；若有，在接受 clean verdict 前运行 Known-hard publishable fallback 及其 pre-replacement 加 post-replacement `transcribe_audio`/`analyze_media` 检查；只有 replaced MP4 检查通过才返回成功；若无 known-hard spoken terms，正常返回最终 URL 和一句 verdict。
84. Post-flight degraded（普通非阻塞视觉问题）：返回最终 URL 加 `quality_warning`，让用户发布前 review。
85. Post-flight degraded（spoken audio 乱 jargon、coined terms 或其他 domain-specific terms）：视为 not publish-ready，而不是静默成功。
86. Post-flight known-hard 或 observed hard-term drift：跳过 native-audio act correction，不要把 targeted act correction 预算花在另一个 Kling native-audio prompt；直接用 Known-hard publishable fallback：`generate_speech(...)`，pre-replacement `transcribe_audio` 和 `analyze_media`，`edit_audio_replace(...)` 替换最终 MP4 audio，post-replacement `transcribe_audio` 和 `analyze_media`；若通过返回 replaced URL；若仍报 spoken jargon garble 或 garble 不够局部化可纠正/替换，不要称 podcast complete，返回 URL 加 `not publish-ready`、affected terms 和 `quality_warning`。
87. Post-flight 非 known-hard garble：若 observations 或 `re_roll_suggestion` 定位问题到一个 act，花一次 targeted act correction 预算：实质改变该 act payload（缩短受影响 line、拆分多从句、添加/细化 phonetic pronunciation aid、改 shot prompt、reference image、voice ID 或其他导致失败的 stage-specific input）；提交一个 corrected act，`quality_mode: pro`，重新 concat 四个 acts，并再跑一次 analyze_media 检查；若第二次 verdict 仍报 spoken jargon garble，不要称 podcast complete，返回 `not publish-ready`。
88. Post-flight catastrophic：仅当 observations 或 `re_roll_suggestion` 识别单个坏 act、错主持镜头、黑帧或局部视觉/音频失败时，花一次 targeted act correction 预算；kling-v3-omni 无 seed，相同 act payload 可能解析到相同 job/asset，因此不要提交相同 Kling payload。
89. Post-flight catastrophic 重试前：实质改变坏 act payload，调整 script line、shot prompt、reference image、voice ID、pronunciation aid 或其他导致失败的 stage-specific input；提交一个 corrected act，`quality_mode: pro`，重新 concat 四个 acts，并再跑一次 analyze_media 检查。
90. Post-flight catastrophic 上限：不要超过 cost-gate 范围；若第二次 verdict 仍 catastrophic，或失败无法归因到单个 act，不要称 podcast complete；改为 surface verdict 和 `re_roll_suggestion`。
91. Rules：`voice_ids` 必须是有效 Kling voice IDs，绝不要用 name-style 字符串如 `Calm_Man`。
92. Rules：Host A 总是 LEFT（`<<<image_2>>>`），Host B 总是 RIGHT（`<<<image_3>>>`），绝不交换。
93. Load-bearing phrases：保留 Host A always LEFT, Host B always RIGHT 用于 layout 和 shot prompts，防止四个独立 act render 之间 host identity 交换。
94. Load-bearing phrases：保留 4 acts × 15s each 作为整体结构，保持 concat 可预测，避免 act pacing 不均。
95. Load-bearing phrases：保留 Hook → Feature deep-dive → The Turn → Verdict 脚本结构，给 episode 对话弧，而不是四个断开的反应。
96. Load-bearing phrases：保留 wait, actually... skeptic-flip moment 作为脚本要求，制造 pivot，让播客像真实交流。
97. Load-bearing phrases：保留 Do not call add_captions 作为输出规则，默认避免低质量 burned captions；明确 caption 请求使用手动 `subtitles[]` 和 font fallback，而非自动转写。
98. Engine choice：四个 acts 使用 Kling v3-omni，因为它支持 native dialogue with two reference hosts and voice tokens in a single shot plan；tradeoff 是 acts 顺序运行以保持一致且可能比纯 edit/composite 流程更久；默认不要加单独 caption 或 music layer，本技能价值是 native spoken exchange。
99. Runtime expectations：完整 4-act render 典型 wall-clock 为 24-32 分钟，~25 分钟现实，~32 分钟 P95；四个 acts 顺序通过 Kling Omni，是主导 runtime，不应描述为并行工作。
100. Runtime expectations：若用户或执行 harness 预算低于 32 分钟，提前警告 full render 可能不完成，并提供 2-act / 30s fallback；否则保持正常 no-confirmation flow。
101. Runtime 表格：Missing asset generation 30-90s（提供 background/host refs 时跳过）；URL/topic parse + script 1-3 min（URL 模式取决于 page fetch quality）；Four Kling acts 24-32 min（4 × ~8 min sequential Kling Omni calls，主导成本）；Concat + return 30-90s（仅最终 URL；默认跳过 captions）。
102. Failure mode 5xx：若任何 MCP 调用返回 `code: provider_5xx` 且 `retry_class: retry_after_backoff`，或任何上游 provider（Kling、voice clone、capture、storage）返回 HTTP 502/503/504：等 5 秒。
103. Failure mode 5xx：重新调用完全相同的 MCP 工具和完全相同参数；不要重写脚本、改 voices、改 host refs、改 act order 或提交不同 prompt。
104. Failure mode 5xx：若重试也 5xx，abort 并向用户 surface：Provider returned a transient upstream error twice. Try again in 1-2 minutes; this usually clears on its own.；不要重试超过一次；5xx 是 transient outage，不是 podcast topic、voices 或 script 错误的证据。
105. Failure mode 4xx/moderation_blocked：若上游 4xx 或 `moderation_blocked` 发生在可选 `generate_image` helper、host asset 或 Kling act：不要重试相同输入；moderation 和多数 4xx validation failures 是确定性的。
106. Failure mode 4xx/moderation_blocked：仅当该阶段明确有 fallback provider 才使用；默认 Kling v3-omni two-host act path 没有等价 fallback provider；不要用无关 captions 或 single-voice TTS 伪造 podcast。
107. Failure mode 4xx/moderation_blocked：向用户 surface：Provider declined this podcast input. Try a different host reference, less recognizable public figure/brand wording, or a safer topic angle.。
108. Failure mode 429：若任何上游返回 HTTP 429 且有 backoff hint：等 hinted backoff，或无 hint 时等 30 秒。
109. Failure mode 429：重新调用完全相同的 MCP 工具和完全相同参数；不要重试超过一次；若仍 429，abort 并 surface rate-limit message。
110. Failure mode capture_website 空/未加载：若 URL 模式调用 `capture_website` 返回 200 但 `action_bboxes` 为空或 `recording_viewport` 为 0x0：不要重试 `capture_website`；页面在 capture 环境渲染失败。
111. Failure mode capture_website 空/未加载：若 `WebFetch` 返回可用 full-page text，继续而不重试 `capture_website`：用 WebFetch 作为事实锚点，用通用或生成视觉替代破损 capture，不要假装破损 capture 含页面细节。
112. Failure mode capture_website 空/未加载：若 capture 和 WebFetch 都失败无法暴露可用 source material，surface：Could not capture <url>. The page may be blocked / paywalled / require auth. Please provide a text brief or paste the source material instead.。
113. Failure mode capture_website 空/未加载：若 captured page 明显只有 above-the-fold navigation 无 article/content body，仅当 WebFetch 返回足够 full-page text grounding 脚本才继续；此时用 capture 做视觉、WebFetch 做事实；若两者都失败，要求粘贴 source material 而不是幻觉深页细节。
114. Failure mode upload_asset 网络/认证失败：若 `upload_asset` 转换本地 host refs、voice samples 或 source media 到 hosted URL 时失败，不要继续使用本地文件系统路径；仅对上述 5xx 或 429 类重试一次；对 `auth_error`、不支持 MIME、网络失败或重复 upload failure，要求 hosted URL 或支持的替代文件。
115. Failure mode task_status 超 ceiling：每个 async MCP 调用返回 inline result 或 `{task_id, status}` 用于轮询；使用 ceilings 判断 stuck：Kling Omni act 15 min per call；Voice clone 5 min per call；Edit/concat 5 min per call。
116. Failure mode task_status 超 ceiling：使用 provider ceiling × 1.5 或任何 skill-specific hard polling cap（包括上述 Long-running task_status polling contract 的 15 min total cap）中较早者；若 `task_status` 在该更早限制后仍返回 `processing` 或 `queued`，调用 `task_cancel({task_id})` 并 surface：Provider taking unusually long; aborting. Try again.。

适用边界 · 注意事项

• 没有 Pika/Kling 等付费 MCP、credits 账号或 identity_balance 可用时不要使用；本技能依赖特定工具链和付费调用。
• 预算低于成本门控约 6,000-9,000 credits（约 $60-$90）或用户不愿回复 proceed 时不要运行完整流程。
• 需要高可靠自动字幕/自动转写，或没有手动 subtitles[] 可用时不要默认交付；本技能默认跳过 add_captions，且 Whisper 对领域术语易误转写。