核心功能
galdr 是一款专为 AI 代理设计的音乐感知命令行工具，核心能力在于将音频轨道转换为时间有序的听众状态追踪（listener-state traces），涵盖 9 个维度：attention（注意力）、pattern（模式感知）、pulse（脉冲）、pressure（压力场）、texture（纹理）、harmony（和声）、melody（旋律）、overtones（泛音结构）、以及 silence/re-entry（静默与重新进入结构）。
工作流程与典型用法
主流场景：YouTube 分析
galdr fetch "https://youtu.be/..." --analyze # 下载+分析 galdr assemble artist-song-title --template arc --mode full > prompt.txt
本地文件分析
galdr listen track.wav --name my-track galdr assemble my-track --template arc
输出模式
| 模式 | 内容 |
|------|------|
| `full` | 指标 + 歌词 + 背景 + 视频帧 |
| `lyrics` | 指标 + 歌词 |
| `context` | 指标 + 背景信息 |
| `blind` | 纯结构性指标，无文化语境 |
显著优点
1. 时间优先架构：以 *_stream.json 为首要证据表面，强制按时间顺序遍历轨道，而非直接跳到整曲情绪总结，避免过度推断。
2. 感知模型抽象：将技术音频特征（LUFS、频谱等）翻译为听觉语言——"comes forward / holds / releases / empties"，适合生成沉浸式聆听体验文本。
3. 模块化设计：fetch/listen → assemble 的分离架构，支持复用分析结果、对比多轨道、提取音乐视频关键帧。
4. AI 原生输出：--template arc 预置聆听体验写作规则，可直接输入大模型生成结构化散文。
潜在局限与风险
- 依赖链复杂：需要 yt-dlp、ffmpeg/ffprobe、JavaScript 运行时，且 YouTube 下载行为可能因平台策略变化而失效（提供
galdr doctor诊断）。 - 非实时处理：需完整下载/读取音频后分析，不适合直播或实时场景。
- 感知模型的边界：明确警告"不要从结构单独过度声称情绪确定性"，metrics 是证据而非体验本身。
- 平台限制：仅支持 Linux/macOS，Windows 未列明支持。
适合人群
- 音乐评论家、音频内容创作者（生成聆听体验文本）
- 音乐学者、分析师（结构性对比、模式识别研究）
- AI 代理开发者（构建音乐理解能力的自动化工作流）
- 播客/视频制作者（提取音乐视频关键帧辅助叙事）
安全与可信度考量
- 来源：GitHub 开源 + PyPI 分发，MIT 许可，作者 Sellemain，代码可审计。
- 数据安全：YouTube 下载涉及第三方内容，需遵守平台 ToS；本地音频处理无网络依赖。
- 供应链：
galdr update-deps自动升级 yt-dlp，需信任 PyPI 及 curl-cffi 等依赖。 - 操作风险：
--censor选项可净化显式歌词，但默认不启用，需注意输出内容的合规性。