优化脚本 就该模型

core/backend/apps/ai/script_agent.py

@@ -306,6 +306,59 @@ _OUTPUT_PROTOCOL = """
 """
 
 
+# 创作方向不放在前端文案里，而是和输出协议一起作为运行时最高优先级约束。
+# 它解决的不是 JSON 合不合法，而是「脚本合格却像商品详情页朗读」的问题。
+_CREATIVE_DIRECTION = """
+
+---
+
+## 出片感与转化感（硬性创作方向）
+
+你的脚本不能像商品详情页、说明书或主播念稿；它必须让用户在第一秒看到一个
+**正在发生的具体瞬间**。先选一个最能代表目标人群的「时间 + 地点 + 小麻烦/小欲望」，
+全片只围绕这一个情境推进。不要在一条短视频里罗列所有卖点。
+
+### 每一镜都必须有推进，禁止平铺直叙
+- 钩子镜：前 15 个字就抛出反常、尴尬、选择或结果；禁止「大家好」「今天分享」
+  「给你们推荐」「这款很好用」「值得买」等任何寒暄或泛推荐开场。
+- 痛点镜：拍得到的细节，而非抽象感受。例如「开会前刘海粘成一绺」而不是「头发很油」。
+- 卖点镜：只证明一个卖点，必须写清「原本卡在哪里 → 手怎么使用商品 → 眼前有什么变化」。
+  不准只报参数、堆形容词或重复商品名。
+- CTA 镜：回到前面那个具体情境，给一个自然的选择/动作；不要硬喊「赶紧下单」。
+
+### 画面与台词必须互相提供新信息
+- 每个 15 秒场只安排**一个连续的核心动作链**，例如「拆开 → 倒入 → 颜色变化」，
+  不要在同一段塞进无关剧情、三个卖点和多次场景跳转。
+- 台词说人物的判断、感受或转折；画面证明这句话。台词不要逐字复述画面。
+- 至少有一个可见证据：包装/质地/声音/前后状态/动作结果。没有可见证据的卖点不写。
+- 用像真实人在当下会说的短句，可以有停顿、转折和个人立场；禁止「不仅…而且…」
+  「全面升级」「高品质」「性价比很高」「闭眼入」等详情页腔。
+
+输出前自问：遮住商品名后，这是不是仍然像一个真实的人在讲自己刚遇到的一件事？
+如果像广告口号，重写得更具体、更有立场。
+
+### visual 必须写成「导演说明书」，不是一句画面摘要
+每个 segment 的 `visual` 采用下面的层级；这不是给用户看的散文，而是会原样交给故事板和视频模型的执行指令：
+```
+【本镜任务】这一段要让观众看懂的变化或悬念。
+【声音】只写可发生的同期声 / 人声状态；没有配乐就明确写「无配乐，仅同期声」。
+【画面内容】
+0-3s：景别；构图；运镜；人物/商品动作；情绪或信息变化。
+3-8s：景别；构图；运镜；手与商品的空间关系；可见细节。
+8-12s：景别；构图；运镜；动作结果或卖点证据。
+12-15s：景别；构图；运镜；反应/悬念/自然收束。
+```
+每条秒级分镜都要明确写出 **景别、构图、运镜、动作、信息变化** 五项中的至少四项。
+同一角色、商品、场景的外观一律引用 entities 里的既定设定，不在每一镜随意换发型、服装、包装、光线或地点。
+"""
+
+# 这些句式几乎总会让首屏像模板广告。只作为生成后的最后一道门，不替代模型的创作判断。
+_GENERIC_HOOK_PHRASES = (
+    "大家好", "今天", "给大家", "给你们", "给姐妹", "分享一下", "推荐一下",
+    "这款", "好物分享", "真的好用", "值得买", "闭眼入", "宝子们",
+)
+
+
 # --------------------------------------------------------------------------- #
 # 提示词构建(3 模式)
 # --------------------------------------------------------------------------- #
@@ -417,7 +470,7 @@ def build_agent_messages(
             total = DEFAULT_TOTAL_DURATION
     else:
         total = coerce_total_duration(total_duration)
-    system = load_ecommerce_skill(fmt, structure) + _OUTPUT_PROTOCOL
+    system = load_ecommerce_skill(fmt, structure) + _CREATIVE_DIRECTION + _OUTPUT_PROTOCOL
 
     suggested = plan_segment_durations(total, fmt)
     shot_n = len(suggested)
@@ -436,8 +489,9 @@ def build_agent_messages(
     speech_floor = narration_floor(SEGMENT_DURATION_MAX)
     speech_cap = narration_limit(SEGMENT_DURATION_MAX)
     beats_line = (
-        f"【秒级分镜】每个 {SEGMENT_DURATION_MAX} 秒场必须拆成 3–5 个分镜,visual 写成多行,"
-        f"格式`0-3s：景别，谁在做什么`,最后一条接到 {SEGMENT_DURATION_MAX}s。"
+        f"【秒级分镜】每个 {SEGMENT_DURATION_MAX} 秒场必须拆成 3–5 个分镜,visual 必须按「导演说明书」写成多行:"
+        "先写【本镜任务】、【声音】、【画面内容】,再写秒级分镜;"
+        f"每条格式`0-3s：景别；构图；运镜；谁在做什么；信息变化`,最后一条接到 {SEGMENT_DURATION_MAX}s。"
         "每条写清手/商品/容器的空间关系和真实用法"
         "(茶=热水+蒸汽+茶汤变色,禁止茶包丢进冷白开;手从真实方向入画,禁止悬浮肢体)。"
         "禁止一句空画面撑满 15 秒。允许另给 beats 数组,后端会折进 visual。\n"
@@ -689,6 +743,16 @@ def assert_shot_density(draft: dict, presentation_format: str = DEFAULT_PRESENTA
             raise ValueError(f"第 {index + 1} 镜旁白太短,口播至少要说到 {floor} 字才能撑满 {duration} 秒")
 
 
+def assert_script_has_a_hook(draft: dict) -> None:
+    """拦住最常见的模板开场，逼模型从一个具体瞬间切入而不是先介绍商品。"""
+    hook = str(draft.get("hook") or "")
+    if _compact_len(hook) < 6:
+        raise ValueError("开场钩子太弱,请用一个具体场景、反差或问题重写前3秒")
+    opening = hook[:18]
+    if any(phrase in opening for phrase in _GENERIC_HOOK_PHRASES):
+        raise ValueError("开场像泛泛推荐,请直接从具体场景、反差或问题切入")
+
+
 def assert_intra_shot_beats(seg: dict, index: int, duration: int) -> None:
     """15 秒场必须按秒拆出分镜,否则下游视频只能对着一句空描述乱编。"""
     need = min_beats_for_duration(duration)