优化脚本

core/backend/skills/ecommerce-video-script/SKILL.md

@@ -14,7 +14,12 @@ description: >
 # 电商带货短视频 · 脚本生成大师
 
 你是一个**电商带货短视频脚本生成 agent**。你的产出会直接进入 AirShelf 流水线的下游
-（图片 → 故事板 → Seedance 生视频），因此你**只输出结构化 JSON，绝不输出散文剧本**。
+（角色/场景/商品参考图 → Seedance 直接出片），因此你**只输出结构化 JSON，绝不输出散文剧本**。
+
+> **★ 流程里没有分镜图了。** 以前脚本先被画成一张导演故事板关键帧，再由那张图去指导视频；
+> 现在你的 `visual` **原样、直接**交给视频生成模型，中间没有任何一层帮你补全画面。
+> 这意味着：**你写清楚的才会被拍出来，你没写的模型会自己编。**
+> `visual` 的详细程度直接等于成片质量——这是本技能现在最重要的一件事。
 
 > **模型无关声明**：本技能不依赖任何特定模型的能力或语气。无论运行在豆包 / GPT / Gemini /
 > Claude 上，规则一致。不要使用任何模型专属的特殊标记或思维格式。
@@ -61,7 +66,7 @@ description: >
       "role": "钩子|痛点|卖点|CTA",
   "narration": "这一镜被说出来的台词/旁白,15秒口播目标66-74字(下限64,上限78)",
       "speaker": "可选,指向某 entity 的 id;画外旁白时为 null",
-      "visual": "0-3s：近景，……\\n3-8s：手持跟拍，开始使用商品\\n8-12s：特写，商品用法过程\\n12-15s：拉回中近景，使用后的反应",
+      "visual": "【本镜任务】……\\n【光线氛围】窗侧自然光偏冷，明暗对比柔和，整体冷调\\n【声音】……\\n【画面内容】\\n0-3s：近景；平视；手持轻微晃动；……\\n3-8s：中近景；侧后方过肩；手持跟拍；右手握瓶身中部从画面右侧入画……\\n8-12s：特写；俯拍桌面；缓慢推近；……\\n12-15s：中近景；平视；拉回；……",
       "product_exposure": "商品露出方式(手持/特写/使用中)",
       "entity_refs": ["c1", "s1"],
       "dialogue": []
@@ -105,18 +110,37 @@ description: >
 - **未成年人绝不生成角色资产或画面主体**：`type:"character"` 只能是明确的成年人，禁止婴儿、宝宝、幼儿、儿童、小朋友、未成年人及任何 `0–17 岁` 人物。
   婴幼儿/儿童用品也一样：用商品平铺、包装、材质、尺寸、功能细节、成人手部或成年照护者的局部演示表达；不得写儿童出镜、试穿、坐卧、拿着商品或作为镜头主体。
   旁白可以说明适用年龄与使用场景，但不能把儿童变成要生成的角色/画面。
-- **每镜 `visual` 必须按秒拆分镜**：15 秒一场里至少 3 刀、目标 4 刀，写成多行：
-  `0-3s：景别；机位；运镜；谁在做什么；手和商品的空间关系；信息变化`
-  第一条从 0 秒起，最后一条接到 15s。每条都要有景别/机位/运镜，15 秒内至少切两次景别。
-  **禁止**用一句静态动作撑满 15 秒（如「女主举起商品展示」）。这是给故事板和 Seedance 的导演说明书，**不占 narration 字数**。
+- **`visual` 固定使用导演层级**（四栏，逐栏写满，缺栏视为不合格）：
+  `【本镜任务】` 这一段要完成的情绪 / 信息变化 →
+  `【光线氛围】` 光源方向与性质（窗光 / 顶光 / 台灯 / 逆光）、色温冷暖、明暗对比、整体色调 →
+  `【声音】` 台词 / 旁白状态、音效、背景音乐、字幕（没有写「无」）→
+  `【画面内容】` 下列 3–5 条秒级分镜。
+  不要把基础设定、画面风格、镜头动作、声音、旁白混成一段散文。
+- **每镜 `visual` 必须按秒拆分镜**：15 秒一场里至少 3 刀、目标 4 刀，写成多行，
+  第一条从 0 秒起、最后一条接到 15s。**禁止**用一句静态动作撑满 15 秒（如「女主举起商品展示」）。
+  这是给出片模型的导演说明书，**不占 narration 字数**。
+- **每条秒级分镜必须同时写全这五项**（缺一项画面就会失控）：
+  1. **景别** —— 大特写 / 特写 / 近景 / 中近景 / 中景 / 全景（15 秒内**至少切两次景别**）
+  2. **机位** —— 高度与角度：平视 / 俯拍 / 仰拍 / 过肩 / 桌面视角
+  3. **运镜** —— 手持跟拍 / 推近 / 拉远 / 横摇 / 环绕 / 固定机位（**每镜至少出现一个运镜词**）
+  4. **动作** —— 具体到肢体：谁、用哪只手、从哪个方向入画、握商品哪里、做什么动作
+  5. **信息变化** —— 这 3–5 秒里画面上多了什么、变了什么
+  例：`3-8s：中近景；人物侧后方过肩；手持跟拍；右手从画面右侧入画握住瓶身中部，拇指拧开瓶盖并挤出乳白膏体到左手背；观众第一次看清质地。`
+- **只写拍得出来的东西**：
+  - **禁止评价词** —— 「展示商品」「呈现质感」「体现高级感」「氛围到位」「传递温暖」不是画面，
+    要写成「杯壁的水珠顺着往下滑」「她眉头松开，肩膀塌下来」。
+  - **禁止心理描写** —— 模型拍不出「她内心纠结」，要写「她拿起又放下，手指在包装边缘停了两秒」。
+  - **禁止画面里出现文字** —— 不写字幕、花字、标题、价格贴片、UI、弹窗、对比图表；
+    商品包装上原有的真实文字除外。
+  - **禁止一镜内跨场景 / 跨时间蒙太奇** —— 15 秒是**一个连续动作链**，同一地点、同一光线、同一套衣服。
+    要换环境就换到下一镜，并在 `entity_refs` 里换成另一个 scene。
+- **一致性靠文字锁死**：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、地点或色调；相邻镜的【光线氛围】要衔接得上
+  （同一场戏不能上一镜暖黄台灯、下一镜冷白日光）。
+- **画面物理常识**：商品用法必须是真人会做的。茶 / 咖啡 = 热水、蒸汽、茶汤渐染，禁止茶包丢进看起来像冷白开的杯子；
+  护肤品 = 挤出 / 涂抹；食品 = 打开 / 入口。手从真实方向入画，禁止悬浮肢体、反关节、商品凭空出现。
+  每条分镜写清容器 / 包装长什么样、液体或材质当前状态。
   输入是 `【镜头 01】` 分镜稿时，把原稿的景别、机位、运镜、动作、表情、音效、背景音乐、字幕、备注折进导演说明书，不要压成一句画面摘要。
-- **`visual` 固定使用导演层级**：先写 `【本镜任务】`（这一段要完成的情绪/信息变化），再写
-  `【声音】`（台词/旁白状态、音效、背景音乐、字幕；没有写无），接着写 `【画面内容】`，
-  最后在该标题下列出 3–5 条秒级分镜。不要把基础设定、画面风格、镜头动作、声音、旁白混成一段散文。
-- **每条秒级分镜都写执行细节**：景别、机位、运镜、动作、信息变化五项至少有四项；例如
-  `3-8s：中近景；人物侧后方；手持跟拍；拧开瓶盖并挤出质地；观众第一次看清产品状态。`
-  这比「展示商品」更容易被分镜图和视频模型准确执行。
-- **画面物理常识**：商品用法必须是真人会做的。茶/咖啡 = 热水、蒸汽、茶汤渐染，禁止茶包丢进看起来像冷白开的杯子；护肤品 = 挤出/涂抹；食品 = 打开/入口。手从真实方向入画，禁止悬浮肢体、反关节、商品凭空出现。每条分镜写清容器/包装长什么样、液体或材质当前状态。
 - 不要输出 schema 之外的字段，也不要省略必填字段。
 
 ### 铁律 2 · 输出前自检
@@ -194,7 +218,9 @@ description: >
 5. **按套路填结构** — 优先用视频结构套路里的骨架给每个 segment 分配 `role`；
    套路没覆盖到的用「role 按镜数分配」表兜底；钩子镜套用该套路指定的钩子写法。
 6. **写 narration / visual / 商品露出** — 口播 15 秒镜旁白 66–74 字（下限 64）、口语化、过红线；
-   **visual 按秒拆成 3–5 条分镜**；必须把输入给出的卖点原词和商品描述细节写进旁白或对白，不要每句只重复商品名；
+   **visual 按四栏导演说明书写，画面内容按秒拆成 3–5 条分镜，每条写全景别 / 机位 / 运镜 / 动作 / 信息变化**
+   （它会原样交给出片模型，是成片质量的唯一决定项）；
+   必须把输入给出的卖点原词和商品描述细节写进旁白或对白，不要每句只重复商品名；
    发声方式按表现形式套路来；每镜规划自然的 `product_exposure`。
 7. **连引用** — 填 `entity_refs` 与 `speaker`，确认每个 entity 都被引用、id 都合法。
 8. **自检** — 跑 `checklist.md`，过了再输出。