口播博主动作拆解

把一位真人口播博主的开头动作，拆成数字人能执行的文字规则。产出物是一个新的 skills/talking-head-<slug>/ 目录。

原则

只提炼动作、节奏和结构。 不收录对方的长相、服装、场景细节和逐字台词；台词只记录句子功能（打招呼、痛点提问、承诺……），口头禅最多引用几个字说明句式
仓库只收开头片段。 每条样本截开头 25 秒放进 samples/talking-head-<slug>/，文件名「序号_作品ID」；完整原片、音频、抽帧图、完整转写留在仓库外的工作目录（.gitignore 只放行 samples/ 下的 mp4）
不要把原视频当参考视频喂给生成模型，否则对方的脸、衣服、背景可能串进成片
只写可复现的具体动作：哪只手、什么形状、在什么高度、持续多久、卡在哪个词上。不写「自然」「丰富」「有感染力」这类模型无法执行的词
区分「观察」和「建议」：观察写进 references/samples.md，建议写进 SKILL.md 的「数字人生成建议」