现在项目要进行结构上的解耦，将整体流程拆分为3个板块：
第一个是AI文字部分，主要负责协调数据源和生成基础JSON，比如对于github-trending这个模板来说，它要：
1. 读取各个仓库的README及其他基本数据，生成单个仓库的描述
2. 根据上一步的结果总结内容，获取首屏或者一些全局描述相关的内容
3. 根据步骤1、步骤2生成章节台词内容
4. 视频发布所需的配置信息应该在本阶段生成（标题、描述、标签、板块等）

另外，数据源与AI文字逻辑在模块内需要拆分开，为以后可能的混合数据源做准备，之后可能会有混合多个数据源去生成视频的需求

然后是AI音频部分，需要读取AI文字部分中生成的JSON中的caption_origin来生成音频，然后根据生成的音频拆分为字幕数组（文字、所需时长）。整个AI音频部分就是通过遍历AI文字部分中生成的JSON来执行上述步骤，并将结果合并到JSON

最后是remotion调度器，remotion调度器也是接收固定的JSON类型（其实每个步骤都是，不满足JSON类型要报错），然后遍历JSON下载所有音频（文件命名要根据JSON字段path来命名（共用工具函数）），下载完毕后，合并到JSON

然后调用指定的remotion模板，消费JSON，根据模板生成视频。最终将生成好的视频上传到OSS。调用模板生成视频这里需要有方便的方法进行调试（remotion应该提供直接预览模板的方法），这样开发新模板便不再需要跑完整流程。

以下是JSON模板的参考示例，可根据实际情况进行调整：
interface Input {
  // 数据结构版本
  version: "2.0";
  // 数据类型（后面可能非ppt形式表达）
  type: "ppt";
  // 全局配置
  config?: {
    // 主题色
    theme_color?: string;
    // 背景音乐
    bgm_file_url?: string;
    // ...
  };
  data: Array<{
    title?: string;
    desc?: string;
    // 本段落完整字幕
    caption_origin?: "你好，我叫张三";
    // 拆分后字幕
    caption?: {
      text: string;
      // 需要占用的时长
      duration: number;
    }[];
    // 音频文件url
    caption_audio_file_url?: "";
    card_list?: {
      title: "";
      desc: "";
      // ...
    }[];
    //
    menu?: {
      icon?: "";
      title: "";
      desc: "";
      // ...
    }[];
  }>;
}

这些只是项目流程上的变更，我不希望上面的变更会影响视频生成结果。所有的功能，以github-trending这个模板为准，目的是为项目提供更多扩展上的可能。

基于以上流程，我们或许需要一个新的程序运行方式，该运行方式主要是以后端服务的方式运行，而不是CLI或webui。更适配容器化的运行方式，原生支持定时执行。该程序运行方式将是pipeline的主要运行方式，暂时不考虑CLI或webui的兼容性和可用性。另外或许我们之后还要考虑并发问题，这个可以不做，在架构上保留这种能力

这次改动非常大，应该基本相当于重构了，CLAUDE.md也需要大范围改动甚至重写

检查当下的项目结构与新结构是否有逻辑上的矛盾冲突，如果有，及时告知我；如果没有，请规划后开始进行调整