html-explainer/references/lessons.md

踩坑台账（lessons）

血统：上半部分继承自 anything2explainer 与 html-video-workbuddy-driver 的实战， 下半部分是本技能（确定性 seek 渲染）自己的记录。新经验 持续追加。

继承来的坑（已在技能设计里规避，但要知道原理）

1. 帧时长必须用 MP3 容器时长，不是 TTS 词边界时长。词边界每段少算 ~0.81–0.89s（LAME padding），5 段累积 4.3s 音画错位。本技能：tts_build 裁首尾后回填 container_duration_sec，timeline_build 按它排全局轴。
2. 两级时钟：段长用容器时长（音画同步），末块字幕收尾用语音真实结束 （speech_end_sec）。混用 → 字幕比语音多停 0.8s/段。
3. 词边界字幕，绝不按字数插值：中文同字数时长差 3 倍（"AI" 0.71s vs "让" 0.17s）。
4. edge-tts 7.x 必须显式 boundary='WordBoundary'，默认 SentenceBoundary 整句一个事件；相邻数字熔读（沪深300+4479.55 → 三百万…），数字间补中文逗号。 硬超时 45s（websocket 会永久挂起零日志）+ 4 次指数退避（端点限流）+ 缓存 sig 含 boundary 与 trim。
5. edge-tts 语速标定：同一句话跨 RATE 对比，dur×(1+rate) 是常数 → 线性。 长片默认 +8%；1 分钟内高密度短片可到 +20%~+37%（听感优先，别只对齐字/秒数字）。
6. 字幕是屏幕文本：去句读标点、子句连写；要断开用 | 再切一块，不是把标点加回来。
7. 每块字幕 ≥0.6s（water-filling 按真实语速比例重分配，起点不动）。
8. HTML 帧绝不引 Google Fonts（国内不可达；实时录制系 6s/link 超时 → 成片被裁成 静止尾帧）。本技能用确定性 seek，风险从「毁片」降级为「5s 硬顶后用兜底字体」， 但字体不一致仍会让前后帧字重跳变 —— 契约照旧禁止。
9. 实时录制的 __hvUnfreeze 起播坑（html-video）：单文件帧没有 __hvPlayAll， 时间轴无人 play → 成片全空且零报错。本技能的 seek 渲染器整类消除此问题 （渲染器主动 seek，帧根本不需要起播逻辑）。
10. 字幕带禁区：底部 80–170px 只给字幕；内容元素 bottom < 170px 一律抬到 176–210px。入场轨迹也不许穿带。
11. 中文文件名 + Windows ffmpeg：UTF-8 按 ANSI 解析 → No such file。 项目目录、输出文件、抽帧全部 ASCII；中文名最后在资源管理器里改。
12. Git Bash 的 /tmp ≠ Node 的 /tmp（Windows 上 Node 解析成 C:\tmp）； 给 Node/Python 传路径用 C:/... 正斜杠绝对路径。
13. 给 Python 传含正则/反斜杠的代码不要用 heredoc/-c（反斜杠被静默吞）， 写成 .py 文件再执行。
14. QC 抽帧先看体积：同片内「明显偏小」的帧 = 疑似空画面，比肉眼快得多。 ⚠️ 这条继承自亮底主题的项目，阈值不可当常数用 —— 见第 19 条（改自适应）。 附参考量级：亮底主题纯背景 ≈90KB / 有内容 220KB+； 暗底主题（本技能默认风格）纯背景 ≈20KB / 有内容 ≈35–60KB。

本技能自己的记录（持续追加）

15. （2026-09-20 首版验证）seek 渲染确认：tl.pause(t, false) 同步渲染 inline style， document.getAnimations().currentTime = t*1000 同步 CSS keyframes；双 rAF 后 screenshot 能拿到正确的中间态（opacity 0→1 的半透明帧逐帧递增）。 （第二参 false 的必要性见 #27 —— 少了它，onUpdate 类回调全不触发。）

16. playwright-core 无浏览器探测：chromium.launch() 不带 executablePath 时不会 自动找系统 Chrome/Edge —— 必须显式传 executablePath（render_video.mjs 已内置探测链）。

17. ★ page.evaluate 的字符串陷阱（最隐蔽的静默失败，2026-09-20 定位）： page.evaluate 传字符串时，Playwright 只把它当表达式求值一次。 所以传 "async (o) => { ... }" 得到的是「一个箭头函数对象」而不是执行结果 —— 函数体根本不执行，返回值因不可序列化变 undefined，零报错。 症状：成片每帧都是静止首帧（只有纯 CSS 动画在动，GSAP 控制的元素停在 opacity:0）。 正确写法：把回调写成真正的 JS 函数字面量（不是模板字符串）， await page.evaluate(frameSeek, { t, globalT, total })。 排查手法：在 evaluate 里 return 一个探针值，看是否 undefined；或先试「内联箭头函数」 能跑通、换成字符串就挂 —— 立刻锁定此坑。

18. browser.launch({ viewport }) 不继承给 newPage()：viewport 必须逐 page 指定 browser.newPage({ viewport: { width: W, height: H } })，否则成片静默变 1280×720。

19. QC 体积阈值必须按主题底色自适应：固定「<100KB = 空画面」在黑底稀疏文字主题上 会把全部合规帧判成假阳性（实测本片中位数仅 40KB）。改为取本片抽帧体积中位数的 35% 作可疑线（叠加 12KB 绝对下限兜底），跨亮底/暗底主题都稳。 真·空画面会明显掉到中位数 1/3 以下，仍能被抓住。

20. （2026-09-20 补）画面风格库来自 html-video 的 23 个模板，不是「一种暗底风格」。 务必先读 references/style-catalog.md 再动手 —— 8 个类别、12 个 rich 模板 （零改动可渲染）与 11 个 gsap 模板（需重写）。挑风格时同时核对时长档 （3–6s 的片花模板硬拉到 20s 会显得空）。

21. html-video 模板分两种结构，改编成本差别很大（2026-09-20 实测）：

    • rich：单文件 + 纯 CSS @keyframes 时间轴 + 带 SKILL.md 风格规范 （画布/字体/时间轴/配色纪律）。seek 渲染器零改动即可驱动 —— 因为时间轴由 CSS animation-delay 声明，document.getAnimations().currentTime 可直接定位。实测 bold-signal 的 9 条动画全部可 seek（0.3s 只有编号、0.8s 卡在滑入中间态、 1.5s 全部到位 —— 逐帧确定性正确）。
    • gsap：index.html + compositions/*.html 多组合 + CDN 加载 GSAP。 不要搬代码 —— 单帧里没有起播钩子，搬进来会得到静止首帧且零报错 （就是 #9 的 __hvUnfreeze 坑）。只取视觉 DNA（配色/版式/动效意图）， 用 CSS keyframes 重新表达。 判定：grep -c '@keyframes' + 是否有 data-composition-src / compositions/*.html。

22. 改编 rich 模板必做三步（漏一步就出问题）： ① 删 Google Fonts 换系统字体栈 —— 模板原文一律外链 Google Fonts， 离线环境下每 link 5s 超时且字体静默回退，前后帧字重会跳变（详见 #8）。 ② 底部元素抬出字幕带 —— 模板不知道自己会被叠字幕，bottom:74~104px 的元素 会跟硬字幕压在一起（#10）。一律抬到 bottom:176px 以上。 ③ 填真实内容 —— 照模板 example.md 的字段填，严禁 lorem ipsum。 实测：改编 bold-signal / build-minimal / pentagram-stat 三帧混排成片， 509 帧 / 16.97s、音画差 0.04s、音量 −24.7dB 与源一致、QC 全过，三种风格视觉完全成型。

23. 一个项目可以混排多种模板风格，且这是推荐做法 —— 8 个场景全用同一个模板会很单调。建议 2–4 种风格轮换 （如：开场用 bold-signal 强冲击 → 论述用 build-minimal 留白 → 数据用 pentagram-stat 理性）。字幕层与进度条由渲染器统一注入， 跨风格视觉一致，各帧无需自管。

24. 风格目录是可再生成的，不要手改：scripts/import_styles.py --from <html-video>/templates 会重写 references/style-catalog.md + .json。该脚本能处理两种模板布局 （source/index.html 与 index.html），且 YAML 解析支持 >/| 块标量与任意层级缩进 （output.duration.min_sec）—— 一开始写的浅层解析器漏了 duration 和 description，注意别退回。 它是「抄设计规范」，不是代码依赖：跑完一次，技能就永久拥有风格知识， 之后做视频不需要 html-video 存在（类比：把菜谱抄回家，做菜不需要原餐厅营业）。 零依赖验证手法：grep -rn "html-video" scripts/ assets/ references/ —— 只应命中注释署名，不应命中 import / readFile / subprocess。

25. （2026-09-20）封面必须两套独立排版，绝不能用裁切： 成片 16:9，平台主页栅格按 3:4 裁 → 从 1920×1080 居中裁 3:4 只剩 810px 宽， 丢掉 57.8% 的画面宽度，横跨全宽的大字钩子必然被切。 正确做法：frames/cover_169.html（1920×1080）+ frames/cover_34.html（1440×1080） 两份 HTML 各自排版，共享同一套视觉基因（配色/幕底/主视觉/钩子文案）。 重排的核心动作是改变构型，不只是改间距： 悖论视觉从「右侧左右并置」→「上方竖排堆叠」；钩子从「左下两行」→「下方三行」。 实测踩到的两个坑（都已修）： · 钩子每行字数是硬约束 —— 16:9 版 ≤7 字/行、3:4 版 ≤5 字/行。 超了会出现孤字断行（「错在哪」的「哪」单独成行），极难看。 可反算：行宽 ≈ 字数 × 字号 × (1 + letter-spacing)，必须 ≤ 容器宽， 否则浏览器在任意字间断行。所以字号上限 = 容器宽 ÷ (最长行字数 × (1+ls))。 例：16:9 钩子第 2 行 7 字、ls=-0.022、容器 920px → 字号 ≤ 920/(7×0.978) ≈ 134， 取 126 留余量（实测：134px/880px 时末行出孤字，改 126/920 后通过）。 · 两份的底部元素位置必须各自算。3:4 版钩子占位更满， 直接沿用 16:9 的 bottom:104px 会跟末行大字重叠（实测撞了）。 3:4 版钩子 118px 三行时，角标必须压到 bottom:52px。

26. 封面渲染器（cover_build.mjs）复用场景渲染器底座，三处差异： ① 不注入字幕层/进度条（封面不要字幕）→ 底部无禁区，但仍留 ≥96px 平台安全边距 ② 不逐帧，只 seek 一个「封面时刻」：默认 --at last（tl.duration()，取完整态）； --at 0.8 可挑入场动画中间态（更有张力，适合动感题材） ③ 输出单张 PNG，默认 --scale 2 出 2 倍图（3840×2160 / 2880×2160）应付平台压缩 封面帧允许纯静态（没有 window.__tl 也不报错）——比场景帧宽松， 因为有的封面就是一张静图。但仍建议挂一条 1.2s 的短时间轴，好在 --at 时点微调。

27. ★★（2026-09-20 实测确诊）tl.pause(t) 会掐掉本次 seek 的回调 —— 数字滚动/末态回调全失效： GSAP 签名是 pause(atTime, suppressEvents)，第二参默认 true，含义是「本次跳转触发的 onStart/onUpdate/onComplete 一律不触发」。于是最自然的写法

    var p = {v:0}; tl.to(p, {v:100, duration:2, ease:'none',
      onUpdate:function(){ el.textContent = Math.round(p.v); }});
    

    在渲染器下 el.textContent 永远是 0 —— 补间本身算到了 100，但写 DOM 的那行从不执行。 症状极隐蔽：不报错、截图照写、体积正常、成片只有「数字不动」，静态合规检查也查不出来。

    判定证据（用一个探针脚本 .mjs 复现与渲染器逐字一致的 seek）：

    写法	seek 后 #a 的值	结论
    onUpdate + pause(t)	"0" ❌	回调被抑制
    onUpdate + pause(t, false)	"100" ✅	确诊 = suppressEvents
    transform + pause(t)	位移到位 ✅	不依赖回调，稳

    两处修法（本技能采用①+②双保险）： ① 渲染器/封面器改 tl.pause(t, false)（根因修复，一次性生效于所有帧） ② 帧里做数字滚动改用纯 transform 的「数字卷轴」（不依赖任何回调，任何 seek 方式都成立）： 外层 .strip{overflow:hidden}，内层 .val{display:block}（inline 元素不吃 transform）， tl.fromTo('.strip .val', {y:0}, {y:-steps*ITEM, duration:1.4, ease:'power2.out'})。

    顺带结论：tl.pause() 无参时不影响；但凡是「seek 到某时刻并期望伴随副作用」的写法， 都要显式传 false。注意：放行回调意味着 onUpdate 每帧都会跑一次，帧里写 onUpdate 必须保证幂等（只赋值、不 append DOM），否则整片几千帧会累积出灾难。

28. （2026-09-20 补）#18 的孪生坑：deviceScaleFactor 传给 chromium.launch() 会被静默忽略： viewport / deviceScaleFactor 都是 context 级选项，只能给 newPage()（或 newContext()）。 传给 launch() 不报错、不生效 → 封面出成 1 倍图（1920×1080 而非承诺的 3840×2160）， 日志还自欺写着「输出倍率 2x」。自查手法：渲完立刻 PIL.Image.open(...).size 核尺寸， 别信日志。 修复：newPage({ viewport, deviceScaleFactor }) + screenshot({ scale: 'device' })。

29. （2026-09-20 补）QC 抽帧曾只覆盖前 ~1/4 片：qc_check.py 按「字幕块起点」抽样， 但写成 pts[:samples] = 取前 N 块。一条 39 块的实测片取 12 → 只抽 0.25–23.86s， 后半段 6 个场景一帧没抽，「全部通过」是假的放心。 修法：块数多于样本数时按步长均匀挑（pts[int(i*len/N)]），既覆盖全片又仍落在字幕边界。 教训：抽样逻辑写完要 sanity check 一次「最后一个样本的时间 ≈ 片尾」

30. （2026-09-20 补）封面排版验收要量终态、不量中间态：页内脚本若写了 if (!__MG_RENDER__) tl.play(0) 自动起播，则直接 load 完就量得到的是 fromTo 的 起始值（.foot 会多出 +16px 之类的假偏移，.paradox 会 -17px）。 验收脚本必须先 addInitScript('window.__MG_RENDER__=true') 再 tl.pause(tl.duration(), false)， 与 cover_build 的 seek 完全一致 —— 否则你会去「修」一个根本不存在的布局 bug。 附：写一个十几行的终态测量脚本即可（行数 / 四边边距 / 元素重叠 / 钩子字号全判）。

31. （2026-09-20 补，v1.2.2）speech_end_sec 在「首跑（现合成）」与「重跑（走缓存）」下不一致： _result() 里量的是已经裁过首尾的 out_path（trim_edges 原地替换过）， 所以 speech_window() 返回的 de 已经在裁后坐标系里，原代码又写了 "speech_end_sec": de - head_cut → 重复扣一次首裁量。 症状：同一段解说，首跑报 语音止 7.541s、重跑（缓存命中走 head_cut=0.0 分支）报 7.696s， 差 0.155s = 首裁量；末块字幕提前消失，且**「跑两遍逐帧一致」的承诺被打破**。 修法："speech_end_sec": de if trimmed else round(dur, 3)（de 已是裁后坐标，不再减）。 自查手法：连跑两次 tts_build.py，逐段比对 speech_end_sec —— 两次必须完全相同。 另注：container_duration_sec（帧长口径）与 boundaries（词边界，原始坐标）都不受影响， 所以这个 bug 只影响末块字幕收尾与 __SEG__.speech_end，不会造成音画漂移。

32. ★（2026-09-21 实测）--preview 渲完会删帧 —— 想留 PNG 必须显式 --keep-frames： render_video.mjs 尾部有

    if (!args.keepFrames && preview != null) { /* 遍历 framesDir 逐个 unlinkSync */ }
    

    设计意图是「预览模式顺手清草稿帧省盘」，但它对已经合成完、正准备复用的帧一视同仁地删掉。 本次踩法：为「只重渲 outro 一段」而用 --preview 15.1 跑临时项目，成片正常产出、 日志一切正常，帧目录被清掉了 49 张（第 50 张被宿主的安全删除守卫拦下才暴露）。 症状极隐蔽：✓ 场景 outro：453 帧 的日志是真的，帧也确实渲过，只是结尾被删了。 规则：只要帧还要用于「拼接 / QC / 封面 / 复核」，一律加 --keep-frames。 另注：完整渲（不带 --preview）不触发这段清理，所以「全片重渲」反而比「局部重渲」安全。

33. ★（2026-09-21 新增工作流）改单场画面后「只补渲这一场」的标准做法 —— 临时项目法： render_video.mjs 没有单场景开关，order 就是全部场景，改一帧就要全片重渲（一条实测片 3802 帧 ≈ 15 分钟）。 想省时间，用临时项目精确复现该场景的全局帧号，渲完贴回主序列：

    1. 建 <项目>/render/_fix/，拷进 theme.css、assets/gsap.min.js、 frames/<id>.html、frames/<id>.beats.js（帧里的 ../theme.css / ../assets/ 相对路径靠目录深度对齐）；
    2. 写 project.json（order 只放目标场景，其余字段照抄主项目，gap 必须一致）
       • layout.json（只放目标场景的 start_sec/duration_sec）；
    3. 帧号对齐靠两个数：主序列里该场景的 gf = round(start_sec × fps)， 场景帧数 n = min(总帧数, round((start_sec+duration+gap)×fps)) − gf。 n 比 round(duration×fps) 大（末尾那段 gap 被并入前一场景）， 所以临时项目里要么加一个 duration_sec: 0 的占位场景凑出同样的 totalFrames， 要么用 --preview <n/fps> 直接把帧数卡到 n；
    4. 渲完（带 --keep-frames）把 f_000001..f_0000nn 贴成主序列的 f_<gf+1>..f_<gf+n>；
    5. 用主项目的 ffmpeg 口径重合成（见下），再跑 qc_check.py。

    本片实测：hook 291 帧 + outro 453 帧≈ 90s+130s，相比全片重渲 924s 省掉约 12 分钟。 主序列的合成命令（与 render_video.mjs 逐字一致，-shortest 会让视频收在音轨长度）： -framerate 30 -i f_%06d.png -i audio/narration-full.mp3 -c:v libx264 -preset medium -crf 18 -pix_fmt yuv420p -movflags +faststart -c:a aac -b:a 160k -shortest

34. ★（2026-09-21）冷开场：短视频前 0.5 秒必须有主体，opacity 淡入是最慢的入场： 本片 hook 初版把三行巨型标题放在 t1（1.154s，第一句解说词起播），配 power3.out 0.72s 淡入。 抽帧一看 0.1s / 0.5s / 1.0s 三帧几乎全黑（只有角标 + 日期戳），1.4s 才有字 —— 信息流里这是硬伤。 两个改法叠加即可：① 入场起点从「第一句解说词」提前到 t0 + 0/0.14/0.28（t0 = 首字起播）， 别再等解说词；② 缓动换 power4.out + 0.5s（起手极快，0.15s 就走完七成）， opacity 淡入退居次要 —— 遮罩上推（overflow:hidden + y:104%→0）本身就提供遮挡， 不需要再叠一层从 0 开始的透明度，叠了就会让首帧必然全黑。 修后实测：0.10s 已能看到字头、0.35s 两行到位、0.70s 三行齐 —— 首帧体积也从 28KB 升到 37KB， qc_check.py 的抽帧体积列可以直接当「冷开场是否空屏」的回归指标用。 附：peek_frame.mjs 的 --at 是百分比不是帧号（--at 2,5,10 = 2%/5%/10% 轴长）， 查冷开场要传 --at 1,3,6 这种小的百分数。