大量修改二期功能清单内容

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

@@ -4,7 +4,9 @@ description: >
   电商带货短视频·脚本生成领域技能（模型无关）。
   服务对象不是人类编剧，而是 AirShelf 产品后端的「脚本生成 agent」——在运行时按需加载本技能作为领域知识。
   能力：把【商品信息 + 前置条件】或【一句话主题】或【用户已有脚本】，
-  自动收敛成一份结构化的带货短视频脚本 JSON（默认 9:16 竖屏可改 / 时长 15·30·60·90 秒四档 / 每 15 秒一镜）。
+  自动收敛成一份结构化的带货短视频脚本 JSON
+  （默认 9:16 竖屏可改 / 总时长 5–60 秒按 5 秒步进 / 单镜 4–15 秒可不等长 /
+  按「表现形式 × 视频结构」套路生成）。
   当任务为「生成带货脚本 / 扩写主题 / 优化已有脚本 / 商品转视频脚本」时使用本技能。
   核心目标是「电商小白点一下按钮就出能吸睛、能转化的脚本」，不是影视级艺术性。
 ---
@@ -29,9 +31,11 @@ description: >
 {
   "hook": "前3秒主打钩子(一句话)",
   "tone": "种草|测评|剧情|痛点",
+  "presentation_format": "口播|短剧|Vlog",
+  "video_structure": "痛点解决|前后对比|测评验证|场景种草",
   "aspect_ratio": "9:16",
-  "total_duration": 60,
-  "segment_count": 4,
+  "total_duration": 30,
+  "segment_count": 3,
   "entities": [
     {
       "id": "c1",
@@ -53,11 +57,11 @@ description: >
   "segments": [
     {
       "index": 0,
-      "duration": 15,
+      "duration": 12,
       "role": "钩子|痛点|卖点|CTA",
-      "narration": "这一镜被说出来的台词/旁白,≤55字",
+      "narration": "这一镜被说出来的台词/旁白,字数上限=duration×3.5",
       "speaker": "可选,指向某 entity 的 id;画外旁白时为 null",
-      "visual": "这一镜的画面:主体+动作+景别/运镜(特写/全景/手持跟拍/推拉摇)+一个画面或情绪的变化,够导演撑满15秒,约40-70字,别只写一句静态动作",
+      "visual": "这一镜的画面:主体+动作+景别/运镜(特写/全景/手持跟拍/推拉摇)+一个画面或情绪的变化,够导演撑满这一镜的秒数,约40-70字,别只写一句静态动作",
       "product_exposure": "商品露出方式(手持/特写/使用中)",
       "entity_refs": ["c1", "s1"],
       "dialogue": []
@@ -68,20 +72,29 @@ description: >
 
 字段纪律：
 - `tone` 必须是四选一枚举；`role` 必须是四选一枚举。
+- **表现形式与视频结构由输入给定**：`presentation_format`（`口播|短剧|Vlog`）和
+  `video_structure`（`痛点解决|前后对比|测评验证|场景种草`）**原样回填到输出里**，不要自己改。
+  输入没给时，按商品品类与人群自行选一组最合适的，并如实填进这两个字段。
 - **画幅由输入给定**：`aspect_ratio` 默认 `"9:16"`（电商竖屏主场景），但**不写死**——输入指定了其他比例（如 `"16:9"`、`"1:1"`、`"4:5"`）就照用，原样透传给下游。画幅只影响 `visual` 的构图措辞，不改变结构与镜数。
-- **时长档位由输入给定**：`total_duration` 只能取 `15 | 30 | 60 | 90` 之一（输入未指定时默认 `60`）。**不要写死。**
-- **每 15 秒切一镜**：`segment_count = total_duration / 15`，即 15→1 镜、30→2 镜、60→4 镜、90→6 镜；每镜 `duration=15`；`index` 从 0 连续递增（粗暴切，不做复杂时长算法）。
-- 各档位的 4 镜功能(role)如何分配/压缩/扩展，见 `references/methodology.md`「档位 × 黄金结构映射」。
+- **总时长由输入给定**：`total_duration` 取 **5–60 秒之间的 5 的倍数**（5/10/15/…/60），输入未指定时默认 `30`。**不要写死。**
+- **单镜时长 4–15 秒，允许不等长**：每个 `segments[].duration` 必须是 **4 到 15 之间的整数**
+  （15 秒是下游出片模型的硬上限，越界下游直接拒绝出片）。
+  该长的镜给足、该短的镜压短，**不要机械均分**。
+- **镜时长必须精确加总**：`sum(segments[].duration) == total_duration`，一秒都不能差。
+- **`segment_count` = `segments` 的实际长度**，且 `index` 从 0 连续递增。
+- 镜数怎么定、role 怎么按镜数分配，见 `references/methodology.md`「时长 → 镜数 → 黄金结构映射」。
 - `entities[].id` 全局唯一，`segments[].entity_refs` 与 `speaker` 只能引用已声明的 id。
 - **发声方式每镜自己判断**（不强求统一，看这一镜的内容和场景）：
   - **旁白/口播** → 填 `narration`，`dialogue` 留空 `[]`（大多数电商镜是这种）；
   - **角色对话** → 填 `dialogue`：元素为 `{"speaker":"角色 entity 的 id，或 null=旁白","line":"台词"}`，每条 `line` ≤55 字；并把各 `line` 拼进 `narration` 兜底下游字幕/配音。剧情向、多角色互动、或一句自然的吐槽/接话更带感时都可以用，**不必非到「剧情」档**；
   - **纯画面展示** → `narration` 与 `dialogue` 都留空（没人说话，只有画面）。
-  - **判断权交给你**：依据用户输入与这一镜的功能/场景决定。**不是每个 15 秒都得有对白，也不必死守旁白**；但**别无故给每镜都塞对白**（那样很假），自然才好。
+  - **判断权交给你**：依据用户输入与这一镜的功能/场景决定。**不是每一镜都得有对白，也不必死守旁白**；但**别无故给每镜都塞对白**（那样很假），自然才好。
+  - 发声方式还受**表现形式**约束：口播只用 `narration`、短剧必须用 `dialogue`、Vlog 以画外旁白为主。
+    以 `references/playbooks/format-*.md` 里那一份为准。
 - **每个声明的 entity 至少被一个 segment 引用**（不留孤儿 entity）。
 - **场景必抽，且每镜必绑一个场景**：每条脚本**至少声明 1 个 `type:"scene"` 实体**表示画面所在环境；**每个 segment 的 `entity_refs` 必须恰好引用一个 scene**。多镜在同一环境就**复用同一个 scene id**（绝不为同一环境写两份 visual_prompt，否则下游背景漂移）；只有真正换了环境才新建另一个 scene。纯产品特写镜也要绑它所处环境的 scene（如「宿舍书桌」「厨房台面」），没有合适环境时复用主场景。
 - `visual_prompt` 由你自动生成，小白无需打字。
-- **每镜 `visual` 要够厚撑满 15 秒**：一段话写清 ①主体+动作 ②景别/运镜（特写/全景/手持跟拍/推拉摇，至少给一个镜头语言）③一个画面或情绪的变化（从…到…）。约 **40–70 字**，**禁止只写一句静态动作**（如「女主举起商品展示」撑不住 15 秒，要补镜头与变化）。注意：这是给生图/视频导演的画面，**不占 narration 的 55 字额度**。
+- **每镜 `visual` 要够厚撑满这一镜的秒数**：一段话写清 ①主体+动作 ②景别/运镜（特写/全景/手持跟拍/推拉摇，至少给一个镜头语言）③一个画面或情绪的变化（从…到…）。约 **40–70 字**，**禁止只写一句静态动作**（如「女主举起商品展示」撑不住十几秒，要补镜头与变化）。4–6 秒的短镜可以只给一个动作 + 一个镜头语言，但仍要写清景别。注意：这是给生图/视频导演的画面，**不占 narration 的字数额度**。
 - 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
@@ -93,7 +106,8 @@ description: >
 
 详见 `references/methodology.md`「旁白红线」。最关键的几条：
 - **口语化**，像真人对着镜头说话，不准书面腔 / AI 腔。
-- **每镜 narration ≤ 55 字**（Seedance 15 秒内直接发声，字数 = 可懂语速上限）。
+- **每镜 narration ≤ `duration × 3.5` 字，且绝不超过 55 字**（出片模型在镜内直接发声，
+  3.5 字/秒是可懂语速上限）。短镜装不下就拆到下一镜，或干脆留空走纯画面。
 - **禁违规词**：医疗功效（治疗/根治/抗癌…）、绝对化用语（最/第一/100%/国家级…）一律不写。
 - 不浮夸、不空喊，卖点要落到「商品怎么解决痛点」。
 
@@ -110,10 +124,12 @@ description: >
 | 参数 | 值 |
 | ---- | ---- |
 | 画幅 | **默认 9:16 竖屏**，由输入可覆盖（16:9 / 1:1 / 4:5 等照用） |
-| 总时长 | **15 / 30 / 60 / 90 秒四档**，由输入给定；未指定时默认 60 |
-| 分镜 | 每 15 秒一镜，均分（粗暴切，不做复杂算法）→ 1 / 2 / 4 / 6 镜 |
-| 镜头功能 | 钩子 → 痛点 → 卖点 → CTA（黄金结构；不同档位按映射表压缩/扩展，见方法论） |
-| 发声方式 | Seedance 直接生成画面+音效+人声（**不走 TTS**） |
+| 总时长 | **5–60 秒，5 秒步进**，由输入给定；未指定时默认 30 |
+| 表现形式 | **口播 / 短剧 / Vlog**，由输入给定；未指定时按品类人群自选 |
+| 视频结构 | **痛点解决 / 前后对比 / 测评验证 / 场景种草**，由输入给定；未指定时按品类人群自选 |
+| 分镜 | **单镜 4–15 秒，可不等长**；镜数按表现形式的推荐节奏定（见方法论） |
+| 镜头功能 | 钩子 → 痛点 → 卖点 → CTA（黄金结构；具体骨架以视频结构套路为准） |
+| 发声方式 | 出片模型直接生成画面+音效+人声（**不走 TTS**） |
 
 ---
 
@@ -123,23 +139,38 @@ description: >
 
 | 模式 | 触发条件 | 处理逻辑 | 需读取 |
 | ---- | ---- | ---- | ---- |
-| **① 全自动** | 用户只给【商品信息 + 前置条件(调性/平台/时长/卖点勾选)】，无主题无原稿 | 凭商品与前置条件，自动定档、选 tone、造 entity、按映射填镜 | `methodology.md` + `hook-library.md` + `category-playbook.md` + `platform-tone.md` |
+| **① 全自动** | 用户只给【商品信息 + 前置条件(表现形式/视频结构/时长/人群/卖点勾选)】，无主题无原稿 | 凭商品与前置条件，自动定镜数、选 tone、造 entity、按套路填镜 | `methodology.md` + `hook-library.md` + `category-playbook.md` + `platform-tone.md` |
 | **② 一句话** | 用户额外给了一句主题（如「主打熬夜党救星」） | 以该主题为脚本主轴扩写，其余同全自动 | 同上（主题优先于自动选题） |
-| **③ 改稿** | 用户给了已有脚本/文案 | **保留用户原意**，只增强钩子/节奏/卖点/CTA，并归一化到 JSON 结构 | `methodology.md` + `hook-library.md` + `checklist.md` |
+| **③ 改稿 / 上传脚本** | 用户给了已有脚本/文案 | **保留用户原意**，先识别原稿结构与叙述顺序，再增强钩子/节奏/卖点证明/CTA，并归一化到 JSON 结构 | `methodology.md` + `hook-library.md` + `checklist.md` |
 | 信息不足 | 连商品信息都缺，无法生成 | 唯一允许的回退：用一句话问清最少必要信息 | — |
 
 **进入任何模式前，必须先读取该行列出的参考资料。**
 
+### 套路资料（三种模式都适用）
+
+除上表外，**每次生成都必须读** `references/playbooks/combo-matrix.md`，
+并根据输入指定的表现形式与视频结构，**各读一份**：
+
+- `references/playbooks/format-{口播→oral | 短剧→drama | Vlog→vlog}.md`
+- `references/playbooks/structure-{痛点解决→pain | 前后对比→contrast | 测评验证→review | 场景种草→scene}.md`
+
+> 运行时后端只会把被指定的那两份套路拼进上下文。**看到哪份就用哪份，
+> 不要凭记忆套用没加载进来的套路。**
+> 套路里的结构骨架、镜头语言、发声方式、红线，**优先级高于本文件的通用默认值**。
+
 ---
 
 ## 生成流程（内部执行，一次走完，不暂停）
 
-1. **路由** — 判定输入模式（①/②/③），加载对应 references。
-2. **定档** — 从输入读取画幅（`aspect_ratio` 默认 9:16）与时长档位（15/30/60/90，未指定默认 60），算出 `segment_count = total_duration / 15`。
-3. **定调（tone）** — 依据品类话术 + 平台调性 + 前置条件，选定 `tone`；②③ 模式尊重用户已表达的倾向。
+1. **路由** — 判定输入模式（①/②/③），加载对应 references；再按输入的表现形式与视频结构加载那两份套路。
+2. **定镜** — 读画幅（`aspect_ratio` 默认 9:16）与总时长（5–60 秒，未指定默认 30）；
+   按表现形式的推荐单镜节奏定出镜数，再给每镜分配 4–15 秒的时长，**确保加总等于总时长**。
+3. **定调（tone）** — 依据视频结构 + 品类话术 + 平台调性，选定 `tone`；②③ 模式尊重用户已表达的倾向。
 4. **抽取/创建 entities** — 识别脚本需要的角色 / 场景 / 商品；为每个 entity 写一份**全脚本共用**的 `visual_prompt`（保证多镜同一角色同一张脸）；可选写 `voice_ref` 锁音色。
-5. **按档位填黄金结构** — 依「档位 × 黄金结构映射表」给每个 segment 分配 `role`；钩子镜套用 `hook-library.md` 的公式。
-6. **写 narration / visual / 商品露出** — 每镜旁白 ≤55 字、口语化、过红线；每镜规划自然的 `product_exposure`。
+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** — 每镜旁白 ≤ `duration × 3.5` 字、口语化、过红线；
+   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。
 9. **输出** — 仅输出铁律 1 的 JSON。
@@ -150,7 +181,10 @@ description: >
 
 | 文件 | 内容 | 何时读取 |
 | ---- | ---- | ---- |
-| `references/methodology.md` | 黄金结构模板（钩子→痛点→卖点→CTA）、档位 × 结构映射表、entity 一致性原则、商品露出规范、旁白红线（含违规词清单） | **每次生成都读** |
+| `references/playbooks/combo-matrix.md` | 表现形式 × 视频结构 合法组合表、各组合交叉点要点、结构最短可用时长 | **每次生成都读** |
+| `references/playbooks/format-*.md` | 单份表现形式套路：人物设置、镜头语言、单镜节奏、发声方式、专属红线 | **读被指定的那一份** |
+| `references/playbooks/structure-*.md` | 单份视频结构套路：结构骨架、每段功能与判断标准、钩子写法、专属红线 | **读被指定的那一份** |
+| `references/methodology.md` | 黄金结构模板（钩子→痛点→卖点→CTA）、时长 → 镜数映射、entity 一致性原则、商品露出规范、旁白红线（含违规词清单） | **每次生成都读** |
 | `references/hook-library.md` | 前 3 秒钩子公式库（痛点提问 / 反差 / 数字冲击 / 身份代入 …，含例句） | 每次生成都读（写钩子镜时） |
 | `references/category-playbook.md` | 分品类话术（美妆 / 食品 / 3C / 服饰 / 家居…的语气与卖点侧重） | 全自动 / 一句话模式 |
 | `references/platform-tone.md` | 平台调性（抖音 / 快手 / 小红书 / 视频号 的节奏与风格差异） | 全自动 / 一句话模式 |

core/backend/skills/ecommerce-video-script/references/checklist.md

@@ -10,9 +10,14 @@
 - [ ] 最终只输出**一个** JSON 对象，无 schema 外的多余文字/注释。
 - [ ] `tone` ∈ `{种草, 测评, 剧情, 痛点}`。
 - [ ] `aspect_ratio` 存在；输入指定了就用输入值，未指定为 `"9:16"`。
-- [ ] `total_duration` ∈ `{15, 30, 60, 90}`。
-- [ ] `segment_count == total_duration / 15`，且 `segments` 数组长度等于它。
-- [ ] 每个 `segment.duration == 15`；`index` 从 0 连续递增无跳号。
+- [ ] `presentation_format` ∈ `{口播, 短剧, Vlog}`，且与输入一致（输入没给则自选并如实填写）。
+- [ ] `video_structure` ∈ `{痛点解决, 前后对比, 测评验证, 场景种草}`，同上。
+- [ ] **组合合法**：不是「短剧 × 测评验证」（唯一禁用组合，见 `playbooks/combo-matrix.md`）。
+- [ ] `total_duration` 是 **5–60 之间 5 的倍数**。
+- [ ] **每个 `segment.duration` 是 4–15 之间的整数**（15 是下游出片硬上限，越界直接出不了片）。
+- [ ] **`sum(segments[].duration) == total_duration`**，逐个加一遍，差一秒都不行。
+- [ ] `segment_count == len(segments)`；`index` 从 0 连续递增无跳号。
+- [ ] 镜数落在 `ceil(total_duration/15)` 到 `floor(total_duration/4)` 区间内。
 - [ ] 每个 `segment.role` ∈ `{钩子, 痛点, 卖点, CTA}`。
 - [ ] 首镜 `role == 钩子`；末镜收 CTA（独立 CTA 镜，或末镜旁白末尾含明确行动指令）。
 - [ ] `entities` 每项 `type` ∈ `{character, scene, product}`，`id` 全局唯一。
@@ -20,7 +25,7 @@
 - [ ] **每个声明的 entity 至少被一个 segment 引用**（无孤儿 entity）。
 - [ ] **至少声明 1 个 `type==scene` 实体；每个 segment 的 `entity_refs` 恰好引用一个 scene**（同环境复用同一 scene id，换环境才新建；产品特写镜也要绑所处环境的 scene）。
 - [ ] `speaker` 要么为 `null`，要么指向一个 `type==character` 的 id。
-- [ ] 必填字段无缺失：顶层 `hook/tone/aspect_ratio/total_duration/segment_count/entities/segments`；
+- [ ] 必填字段无缺失：顶层 `hook/tone/presentation_format/video_structure/aspect_ratio/total_duration/segment_count/entities/segments`；
       每 entity 有 `id/type/name/visual_prompt/ref_index`；
       每 segment 有 `index/duration/role/narration/visual/product_exposure/entity_refs`。
 
@@ -29,17 +34,22 @@
 - [ ] 钩子镜第一句在前 3 秒抛出钩子，套用了 `hook-library.md` 的某个公式。
 - [ ] 顶层 `hook` 与钩子镜口径一致。
 - [ ] 卖点镜的卖点**挂在前面铺的痛点上**，不是干罗列参数。
-- [ ] CTA 给了明确动作（点小黄车/领券/主页链接）。
-- [ ] 档位映射正确：role 序列符合 `methodology.md`「档位 × 黄金结构映射」表。
-- [ ] 90s 的多个卖点镜**各有侧重不重复**。
+- [ ] CTA 给了明确动作（点小黄车/领券/主页链接）。**场景种草结构的 CTA 要软**，别硬喊。
+- [ ] **结构骨架走完了**：段的顺序与功能符合 `playbooks/structure-*.md` 里那份骨架表。
+- [ ] **表现形式的镜头语言到位**：景别变化、单镜时长、人物数量符合 `playbooks/format-*.md`。
+- [ ] role 序列符合结构套路；套路没覆盖的部分回落到 `methodology.md`「role 按镜数分配」表。
+- [ ] 多个卖点镜**各有侧重不重复**。
+- [ ] **逐条过了这两份套路各自的「专属红线」**，一条都没踩。
 - [ ] 同一角色/场景/商品全程复用同一 entity（没有给同一对象写出两份 visual_prompt）。
 - [ ] 每个 `visual_prompt` 信息足够喂图模型（角色/场景/商品的外观特征写清）。
 - [ ] 每镜 `product_exposure` 自然、与 role 匹配（参考方法论露出表）。
 
 ## C. 旁白红线扫描（逐镜）
 
-- [ ] 每镜 `narration` ≤ 55 字（硬上限；目标 ≤50 留缓冲，逐字数一遍，别凭感觉）。
-- [ ] 每镜 `visual` ≥ 40 字且含「景别/运镜 + 一个画面变化」，不是一句静态动作（撑满 15 秒）。
+- [ ] **每镜 `narration` ≤ `duration × 3.5` 字，且绝不超过 55 字**（逐镜按自己的秒数数一遍，别凭感觉。
+      4 秒镜 ≤14 字、8 秒镜 ≤28 字、15 秒镜 ≤52 字，对照表见 `methodology.md`）。
+- [ ] 每镜 `visual` 含「景别/运镜 + 一个画面变化」，不是一句静态动作；能撑满这一镜的秒数
+      （≥8 秒的镜约 40–70 字；4–6 秒的短镜可以更短，但景别必须写清）。
 - [ ] 口语化，无书面腔/AI 腔（"综上""不仅…而且""值得一提"等已清除）。
 - [ ] **违规词扫描**：无医疗功效词（治疗/根治/抗癌/消炎/排毒/速效…）。
 - [ ] **绝对化用语扫描**：无 最/第一/唯一/100%/国家级/永久/绝对/史上 等。

core/backend/skills/ecommerce-video-script/references/methodology.md

@@ -22,22 +22,50 @@
 
 ---
 
-## 二、档位 × 黄金结构映射（关键）
+## 二、时长 → 镜数 → 黄金结构映射（关键）
 
-时长由输入给定（15/30/60/90 四档），每 15 秒一镜，`segment_count = total_duration / 15`。
-镜数变了，四个功能要**压缩或扩展**，按下表分配 `role`：
+### 2.1 时长规则（不再是固定四档，也不再每镜等长）
 
-| 档位 | 镜数 | role 序列（index 0→N） | 压缩/扩展说明 |
-| ---- | ---- | ---- | ---- |
-| **15s** | 1 | `[钩子]` | 一镜到底：开头 3 秒钩子 → 中段一句卖点 → 末尾一句 CTA，全压进这 15 秒旁白里 |
-| **30s** | 2 | `[钩子, 卖点]` | 镜0 钩子里带出痛点；镜1 讲卖点并在旁白末尾收一句 CTA |
-| **60s** | 4 | `[钩子, 痛点, 卖点, CTA]` | 标准黄金结构，一镜一功能 |
-| **90s** | 6 | `[钩子, 痛点, 卖点, 卖点, 卖点, CTA]` | 痛点后给 3 个卖点镜：核心卖点 / 场景化演示 / 信任背书(口碑·数据)；末镜 CTA |
+- **总时长**由输入给定：**5–60 秒之间、5 秒一档**（5/10/15/…/60）。未指定时默认 30。
+- **单镜时长 4–15 秒**，这是下游出片模型的硬上限，**任何一镜都不许超过 15 秒、不许低于 4 秒**。
+- **每镜时长可以不一样。** 该长的镜（讲卖点、举证）就给足，该短的镜（空镜、转场、一句钩子）就压短。
+  别再机械均分。
+- 所有 `segments[].duration` 相加**必须精确等于** `total_duration`。
+
+### 2.2 镜数怎么定
+
+镜数不是算出来的，是**按表现形式的节奏定**的。先取该形式的推荐单镜时长，再用总时长去除：
+
+| 表现形式 | 推荐单镜时长 | 理由 |
+| ---- | ---- | ---- |
+| **口播** | 10–15 秒 | 说完一个完整意思需要时间，切太碎话会断 |
+| **短剧** | 6–10 秒 | 靠切换制造节奏，镜头长了拖沓 |
+| **Vlog** | 5–8 秒 | 碎片拼贴感，镜头短、数量多 |
+
+`segment_count ≈ total_duration / 推荐单镜时长`，向最接近的整数取整，
+然后**必须**落在 `ceil(total_duration/15)` 到 `floor(total_duration/4)` 这个区间内。
+
+例：口播 30 秒 → 30/12 ≈ 2.5 → 3 镜（如 12+10+8）。
+　　短剧 45 秒 → 45/8 ≈ 5.6 → 6 镜（如 8+7+9+7+8+6）。
+　　Vlog 30 秒 → 30/6.5 ≈ 4.6 → 5 镜（如 6+6+7+6+5）。
+
+### 2.3 role 按镜数分配
+
+| 镜数 | role 序列（index 0→N） | 说明 |
+| ---- | ---- | ---- |
+| **1** | `[钩子]` | 一镜到底：钩子 → 一句卖点 → 一句 CTA，全压进这一镜的旁白 |
+| **2** | `[钩子, 卖点]` | 镜0 钩子里带出痛点；镜1 讲卖点并在末尾收 CTA |
+| **3** | `[钩子, 卖点, CTA]` | 痛点并进钩子镜 |
+| **4** | `[钩子, 痛点, 卖点, CTA]` | 标准黄金结构，一镜一功能 |
+| **5** | `[钩子, 痛点, 卖点, 卖点, CTA]` | 两个卖点镜要各有侧重 |
+| **N ≥ 4** | `[钩子, 痛点, 卖点 × (N-3), CTA]` | 通用规则：首钩子、次痛点、末 CTA，中间全是卖点 |
 
 说明：
-- `role` 字段只能取 `钩子|痛点|卖点|CTA` 四个枚举值。"信任背书""场景演示"等都归入 `卖点`。
-- 短档位（15/30s）靠**旁白内压缩多功能**达成"留人+转化"，不要因为镜少就丢掉 CTA。
-- 90s 的 3 个卖点镜要**各有侧重、不重复**（核心功效 / 真实使用场景 / 别人为什么买）。
+- `role` 只能取 `钩子|痛点|卖点|CTA` 四个枚举值。"信任背书""场景演示""前后对比"等都归入 `卖点`。
+- **镜少也不许丢 CTA** —— 镜数 ≤2 时把 CTA 压进末镜旁白的最后一句。
+- 多个卖点镜要**各有侧重、不重复**（核心功效 / 真实使用场景 / 别人为什么买 / 举证读数）。
+- 视频结构会覆盖这里的默认分配 —— 以 `playbooks/structure-*.md` 里的骨架为准，
+  本表只是没有指定结构时的兜底。
 
 ---
 
@@ -74,8 +102,22 @@
 ## 五、旁白红线（硬规则，违反即不合格）
 
 - **口语化**：像真人对着镜头唠嗑，不准书面腔 / 不准 AI 腔（"综上所述""不仅…而且""值得一提的是"全禁）。
-- **每镜 `narration` ≤ 55 字**：Seedance 在 15 秒内直接发声，55 字是可懂语速**硬上限**。
-  **写作目标 ≤ 50 字**，留 5 字缓冲——宁可短、不要卡满；短档位（15/30s）一镜要装多功能时尤其要狠删，先保 CTA 不被砍。
+- **`narration` 字数按这一镜的秒数算**：出片模型在镜内直接发声，可懂语速上限约 **3.5 字 / 秒**。
+  **每镜 `narration` ≤ `duration × 3.5` 字，且任何情况下不超过 55 字。**
+  对照表（写作目标再留 10% 缓冲，宁可短不要卡满）：
+
+  | 单镜时长 | 字数上限 | 写作目标 |
+  | ---- | ---- | ---- |
+  | 4 秒 | 14 字 | ≤ 12 字 |
+  | 5 秒 | 17 字 | ≤ 15 字 |
+  | 6 秒 | 21 字 | ≤ 19 字 |
+  | 8 秒 | 28 字 | ≤ 25 字 |
+  | 10 秒 | 35 字 | ≤ 31 字 |
+  | 12 秒 | 42 字 | ≤ 38 字 |
+  | 15 秒 | 52 字 | ≤ 47 字 |
+
+  **短镜不要硬塞长句** —— 装不下就把这句拆到下一镜，或者干脆让这镜没有旁白（纯画面）。
+  总时长很短、一镜要装多功能时尤其要狠删，先保 CTA 不被砍。
 - **不浮夸、不空喊**：卖点要给具体理由，不堆形容词。
 - **违规词禁令**（电商广告法红线，一律不写）：
   - **医疗功效类**：治疗 / 根治 / 疗效 / 抗癌 / 消炎 / 杀菌(无证) / 排毒 / 速效 / 抑制 ××病 …

core/backend/skills/ecommerce-video-script/references/playbooks/combo-matrix.md

@@ -0,0 +1,108 @@
+# 表现形式 × 视频结构 · 组合矩阵
+
+> 表现形式决定**怎么拍**（谁在画面里、镜头怎么动、谁在说话）。
+> 视频结构决定**怎么说服**（信息按什么顺序给、靠什么建立可信）。
+> 两者正交：同一个结构用三种形式拍出来完全不同，同一种形式套四个结构说服力也不同。
+
+**加载规则：** 本文件每次都读。另外只读输入指定的那一份 `format-*.md` 和一份 `structure-*.md`，
+不要凭记忆套用没加载的套路。
+
+---
+
+## 一、合法组合表
+
+| | 痛点解决 | 前后对比 | 测评验证 | 场景种草 |
+| ---- | :----: | :----: | :----: | :----: |
+| **口播** | ✅ 强 | ✅ 可 | ✅ **最强** | ✅ 可 |
+| **短剧** | ✅ **最强** | ✅ 强 | ❌ **禁用** | ✅ 可 |
+| **Vlog** | ✅ 可 | ✅ 可 | ✅ 强 | ✅ **最强** |
+
+**唯一禁用组合：短剧 × 测评验证。**
+理由：测评的说服力来自「这是真实发生的」，短剧的本质是「这是演的」。
+两者直接冲突 —— 演出来的实测读数没有任何可信度，反而会让观众怀疑品牌。
+输入若指定了这个组合，按「短剧 × 痛点解决」处理，并在 `hook` 里保持剧情感。
+
+---
+
+## 二、各组合要点（只看你被指定的那一格）
+
+### 口播 × 痛点解决
+最直给的一条。人在画面里直接把痛点说出来，靠**共犯身份**建立信任。
+- 钩子用「我们这种___的人都懂」，第一句就把观众归类进来
+- 讲卖点那镜必须切商品特写，手要入画
+- 全片一个人一个场景，靠景别变化撑节奏
+
+### 口播 × 前后对比
+口播里唯一画面重于台词的组合。人要**退到画外**让位给对比画面。
+- 「之前 / 之后」两镜人不出镜或只出手，避免抢戏
+- 人只在开头（交代条件）和结尾（收 CTA）出镜
+- 台词负责讲清「同机位、同光线、几天」，画面负责证明
+
+### 口播 × 测评验证 ★ 最强组合
+带货转化率最高的组合，尤其适合中高客单价。
+- 人的**身份权威性**要在前 3 秒立住（从业年限 / 专业背景 / 测过多少款）
+- 读数特写时人可以出画外，但声音要连着不断
+- 必须说一个缺点，且要从「专业判断」的角度说，不是随口一句
+
+### 口播 × 场景种草
+最弱的一格，因为口播是「对镜说话」，天然打断场景沉浸。
+- **必须弱化对镜**：人在场景里自然活动，偶尔看向镜头，不要全程盯着
+- 台词改成自言自语的语气，不要介绍腔
+- 如果商品本身氛围属性强（香氛、饮品），优先考虑改用 Vlog
+
+### 短剧 × 痛点解决 ★ 最强组合
+完播率和转化率兼顾的组合，短剧的天然主场。
+- 第一幕直接**演**痛点，不用台词解释（这比口播讲痛点强十倍）
+- 副角在转折点带出商品，主角不要自夸
+- 第三幕的「结果」就是痛点解决后的同一场景，形成闭环
+
+### 短剧 × 前后对比
+把对比拆进剧情里，用**两幕**承载前后。
+- 前后两幕必须同场景同机位，只有主角状态变了
+- 中间用一个短镜交代使用过程，否则反转不可信
+- 台词极简，让画面对比自己说话
+
+### 短剧 × 场景种草
+剧情化的生活切片，广告感最低。
+- 冲突要**很轻**（不是麻烦，是一个小小的期待）
+- 商品是场景里的一个自然道具，不承担解决问题的功能
+- 结尾不要强反转，停在氛围里就好
+
+### Vlog × 痛点解决
+用生活流水记录痛点，比口播柔和，比短剧真实。
+- 痛点出现在时间线上的某个节点（「下午三点，又开始了」）
+- 商品在下一个节点自然出现，不做介绍
+- CTA 要软，硬推会破坏 Vlog 的可信度
+
+### Vlog × 前后对比
+用**时间跨度**做对比，Vlog 天然适合记录「第 1 天 / 第 7 天」。
+- 每个时间点用同机位拍一次，形成序列
+- 画面上标时间（Day 1 / Day 7），这是 Vlog 里唯一允许的字幕硬信息
+- 中间的日常镜头就是「过程可见」，可信度天然高
+
+### Vlog × 测评验证
+生活化实测，比正经测评亲和，但证据强度要守住。
+- 测的过程放进真实生活场景（在自家厨房测，不在摄影棚）
+- 读数依然要给特写、要看得清，这条不能因为是 Vlog 就放松
+- 结论用自述语气给（「反正我是回购了，但它确实有点贵」）
+
+### Vlog × 场景种草 ★ 最强组合
+氛围感最强的组合，适合食品饮料、家居、香氛、户外。
+- 全片可以没有一句参数，纯靠光、声音、细节
+- 商品在两到三个时间节点重复出现，靠**重复**建立记忆
+- 至少一个镜头让商品外形被看清，这是本组合唯一的硬要求
+
+---
+
+## 三、组合与时长的关系
+
+表现形式给出推荐时长，视频结构决定能压到多短：
+
+| 结构 | 最短可用 | 原因 |
+| ---- | ---- | ---- |
+| 痛点解决 | 15 秒 | 痛点一句、卖点一句、CTA 一句，勉强够 |
+| 前后对比 | 10 秒 | 前后两镜就能成立，最抗压缩 |
+| 测评验证 | 20 秒 | 举证需要时间，低于 20 秒证据不足 |
+| 场景种草 | 20 秒 | 氛围需要铺陈，太短像随机片段 |
+
+低于该结构的最短时长时，优先保住「钩子 + 结构核心 + CTA」三件，其余全砍。

core/backend/skills/ecommerce-video-script/references/playbooks/format-drama.md

@@ -0,0 +1,81 @@
+# 表现形式 · 短剧
+
+> 有角色、有冲突、有转折的微型情节剧。观众先被故事勾住，商品在转折点出场。
+> 完播率最高的形式，但**商品露出最容易被故事盖掉**——这是短剧唯一的死穴。
+
+---
+
+## 一、本质
+
+短剧卖的是**代入感**：观众在主角身上看到自己，于是相信主角的选择。
+所以短剧的商品不能靠「介绍」，只能靠「解决」——它必须是剧情里那个**转折的原因**。
+
+**判断标准：** 把商品从剧情里拿掉，如果故事依然能讲通，那这条短剧就白拍了。
+商品必须是不可替换的转折点。
+
+---
+
+## 二、人物设置
+
+- **两到三个角色，不能更多。** 短视频装不下第四个人，观众记不住。
+- 标准配置是**一主一副**：
+  - **主角** = 有困扰的人（观众的镜子）—— 戏份最重，情绪弧线在他身上
+  - **副角** = 推动者（闺蜜 / 同事 / 家人 / 店员）—— 负责把商品带进来
+- 让**副角**说出商品，别让主角自卖自夸。第三方推荐的可信度远高于自述。
+- 每个角色在 `entities` 里独立声明，`visual_prompt` 写清外形与穿着，全片锁脸。
+
+---
+
+## 三、三幕结构（必须走完）
+
+短剧再短也要有完整的起承转合，否则就是没头没尾的片段。
+
+| 幕 | 占比 | 内容 | 必须做到 |
+| ---- | ---- | ---- | ---- |
+| **第一幕 · 困境** | 前 30% | 主角遇到具体的麻烦，情绪是负面的 | 麻烦要**具体可见**，不能是抽象的「我很累」 |
+| **第二幕 · 转折** | 中间 40% | 副角带出商品，主角将信将疑到尝试 | **商品在这里第一次出现**，且要被手拿着看清 |
+| **第三幕 · 结果** | 后 30% | 主角状态反转，情绪变正面 | 反转要**看得见**，画面上的变化比台词重要 |
+
+**转折点必须在整片的 1/3 处。** 商品出现太晚（超过一半时长）观众已经划走了。
+
+---
+
+## 四、镜头语言
+
+- **对话镜用中景**（能看到两个人的关系和肢体）
+- **情绪镜用近景**（主角的表情就是共鸣点）
+- **商品出场必须给一个特写**，哪怕只有 2 秒
+- 场景可以有两个（如「工位」→「家里」），但不要超过两个，换太多观众会晕
+
+---
+
+## 五、节奏与单镜时长
+
+- **单镜 6–10 秒**（短剧靠切换制造节奏，镜头长了就拖）
+- 一镜一个动作或一次对话交换，**别在一镜里塞完整对话**
+- 有对白的镜，每句 `line` ≤ 25 字（两个人说话，总量还是受 55 字限制）
+
+**推荐总时长 45 秒。** 短剧需要装下三幕，低于 30 秒会讲不完整；
+超过 60 秒在电商场景下性价比开始下降。
+
+---
+
+## 六、发声方式
+
+短剧是**唯一必须用 `dialogue` 的形式**。
+
+- `dialogue` 填角色对白：`[{"speaker":"c1","line":"..."},{"speaker":"c2","line":"..."}]`
+- `narration` 把各句 `line` 拼起来兜底（下游字幕和配音要用）
+- 允许个别镜是纯画面（`narration` 和 `dialogue` 都空），用来给情绪留白
+- **别每一镜都塞满对白** —— 有沉默的镜，情绪才有落点
+
+---
+
+## 七、短剧专属红线
+
+- ❌ **商品在最后才出现** —— 转折点在 1/3 处，不是结尾
+- ❌ **角色超过三个** —— 观众记不住
+- ❌ **主角自己夸商品** —— 让副角说，或让结果说
+- ❌ **冲突是抽象的** —— 「最近好烦」不算冲突，「客户又打回来第五版」才算
+- ❌ **结局只靠台词交代** —— 反转必须在画面上看得见
+- ❌ **把测评做成短剧** —— 演出来的测评没有可信度，这个组合是禁用的

core/backend/skills/ecommerce-video-script/references/playbooks/format-oral.md

@@ -0,0 +1,75 @@
+# 表现形式 · 口播
+
+> 一个人对着镜头说话。观众看的是「这个人可信不可信」，不是「这个故事好不好看」。
+> 电商带货里最稳、转化最直接的形式。信息密度最高，制作最省。
+
+---
+
+## 一、本质
+
+口播的全部说服力压在**说话的人**身上。画面只是背书，台词才是主体。
+所以口播脚本的重心是：**每一句话都要有信息**，不能有一句是废话铺垫。
+
+**判断标准：** 把画面全遮住只听声音，如果这条视频依然成立，那口播就写对了。
+
+---
+
+## 二、人物设置
+
+- **只要一个人。** 口播不需要第二个角色。真的需要对话就别选口播，选短剧。
+- 这个人必须有一个**明确身份**，且身份要跟商品可信度挂钩：
+  - 用过的人（真实用户）→ 讲体验
+  - 懂行的人（成分党 / 从业者 / 测评师）→ 讲原理
+  - 同类人（同龄 / 同职业 / 同困扰）→ 讲共鸣
+- 身份在**第一镜前 3 秒内交代完**，用一句话，别铺垫。
+  - ✅「我做了六年护肤研发，这瓶我拆开跟你讲。」
+  - ❌「大家好，欢迎来到我的频道，今天想跟大家聊一个话题。」
+
+`entities` 里这个人是唯一的 `type:"character"`，全片复用同一 `visual_prompt`。
+
+---
+
+## 三、镜头语言
+
+口播的画面变化不靠剧情，靠**景别切换**和**手部动作**。同一个人同一个场景，
+连续 30 秒不换机位会让人划走。
+
+| 镜头功能 | 景别 | 用法 |
+| ---- | ---- | ---- |
+| 开场钩子 | 近景（胸上） | 眼睛对镜头，情绪最强的一句话 |
+| 讲痛点 | 中近景 | 可以有手势，身体略前倾 |
+| 讲卖点 | 特写 / 手持商品 | **必须切到商品**，手入画，让观众看清 |
+| 演示 | 商品特写（人出画外） | 只拍手和商品，人声继续 |
+| 收 CTA | 近景回到人 | 眼睛回到镜头，语速放慢 |
+
+**铁律：讲卖点的那一镜，商品必须实体出现在画面里被手拿着。** 光靠嘴说卖点、
+画面还是大头，是口播最常见的失败。
+
+---
+
+## 四、节奏与单镜时长
+
+- **单镜 10–15 秒**（口播里说完一个完整意思需要时间，切太碎会让话说不完整）
+- 一句话讲一件事，**一镜讲一到两句话**
+- 语速按 **3.5 字 / 秒** 估：12 秒的镜 ≈ 42 字，别超
+
+**推荐总时长 30 秒。** 口播超过 45 秒完播率掉得很快，除非是测评验证这种
+需要举证的结构。
+
+---
+
+## 五、发声方式
+
+- `narration` 全填，`dialogue` **永远留空 `[]`**（只有一个人，没有对话）
+- `speaker` 指向那个 character 的 id（不是画外音，是这个人在说）
+- 口播不用画外旁白 —— 人就在画面里，再加一层旁白会精神分裂
+
+---
+
+## 六、口播专属红线
+
+- ❌ **开场自我介绍 + 寒暄** —— 前 3 秒必须是钩子，不是「大家好」
+- ❌ **一个机位怼到底** —— 至少 3 次景别变化
+- ❌ **念稿腔** —— 短句、口语、允许有语气词（「说真的」「你听我讲完」）
+- ❌ **多个人轮流说** —— 那是短剧或访谈，不是口播
+- ❌ **台词写成书面语** —— 「其具备优异的保湿性能」→「它是真的锁水，我这脸一天不干」

core/backend/skills/ecommerce-video-script/references/playbooks/format-vlog.md

@@ -0,0 +1,85 @@
+# 表现形式 · Vlog
+
+> 第一人称的生活记录。镜头是「我的眼睛」，观众跟着我过一段生活，商品自然地出现在里面。
+> 广告感最低的形式，适合高频消费品和生活方式类商品。
+
+---
+
+## 一、本质
+
+Vlog 卖的是**生活方式**，不是商品参数。观众想要的是「我也想过这样的日子」，
+商品是这种生活的一部分，顺手被带走。
+
+**判断标准：** 如果观众看完记住的是「这个人的生活真好」而不是「这个商品参数真好」，
+但依然想买，那 Vlog 就写对了。**Vlog 不许硬推。**
+
+---
+
+## 二、人物设置
+
+- **一个第一人称主角**，通常出镜但不总是对着镜头说话
+- 主角可以是**半出镜**的：只有手、只有背影、只有侧脸 —— 这反而更有代入感
+- 可以有配角，但配角是**生活的一部分**（室友、同事、宠物），不承担推销功能
+- 主角身份靠**生活细节**建立，不靠自我介绍：
+  - ✅ 画面里是加班到十点的工位、外卖盒、屏幕上的表格
+  - ❌ 台词说「我是一个每天加班的上班族」
+
+---
+
+## 三、时间线结构
+
+Vlog 靠**时间推进**组织，不靠论证推进。这是它跟口播、短剧最大的区别。
+
+常用时间骨架（选一条，别混）：
+
+| 骨架 | 适合品类 | 节点示例 |
+| ---- | ---- | ---- |
+| **一天** | 日用 / 护肤 / 食品 / 咖啡 | 早上起床 → 出门 → 午间 → 下班 → 睡前 |
+| **一次外出** | 服饰 / 箱包 / 户外 / 相机 | 出门前准备 → 路上 → 到达 → 回程 |
+| **一件事** | 厨具 / 家居 / 工具 | 决定做 → 准备 → 过程 → 完成 |
+
+**商品出现在某个时间节点上，作为「这个时刻我在用它」**，不单独开一段介绍。
+
+---
+
+## 四、镜头语言
+
+Vlog 的镜头必须有**手持感和生活质感**，这是它的可信度来源。
+
+- **手持跟拍**为主，允许轻微晃动
+- 大量**空镜和细节镜**：窗外的光、杯子上的水汽、桌面一角 —— 这些是 Vlog 的质感
+- 商品**不给硬广式特写**，给「使用中的手部特写」
+- 光线尽量自然光，时间感要对（早上是冷白光，傍晚是暖黄光）
+
+---
+
+## 五、节奏与单镜时长
+
+- **单镜 5–8 秒**（Vlog 是碎片拼贴，镜头短、数量多）
+- 允许有 4–5 秒的纯空镜，用来换时间段
+- 不需要每镜都说话，**画面自己会讲**
+
+**推荐总时长 30 秒。** Vlog 靠氛围，时长太短装不下时间感（低于 20 秒会像随机片段），
+太长又超出电商场景的耐心。
+
+---
+
+## 六、发声方式
+
+- 以**画外旁白**为主：`narration` 填，`speaker` 设为 `null`（是「我」在回想，不是对镜头说）
+- `dialogue` 基本不用；只有真实生活对话才填（如跟室友的一句闲聊）
+- **允许整镜无声**（`narration` 和 `dialogue` 都空），纯画面 + 环境音
+- 旁白语气是**自言自语**，不是介绍：
+  - ✅「这杯是今天唯一的清醒时刻。」
+  - ❌「这款咖啡采用精品阿拉比卡豆，风味层次丰富。」
+
+---
+
+## 七、Vlog 专属红线
+
+- ❌ **中途切换成口播** —— 突然对着镜头开始介绍商品，Vlog 的气就泄了
+- ❌ **给商品硬广特写** —— 商品只在「被使用」时出现
+- ❌ **旁白讲参数** —— 参数是口播和测评的活，Vlog 只讲感受
+- ❌ **时间线跳跃混乱** —— 时间必须单向推进，不许倒叙
+- ❌ **强行喊 CTA** —— Vlog 的 CTA 要软（「链接我放下面了」而不是「快点小黄车」）
+- ❌ **摆拍痕迹重** —— 完美构图反而失真，允许不完美

core/backend/skills/ecommerce-video-script/references/playbooks/structure-contrast.md

@@ -0,0 +1,95 @@
+# 视频结构 · 前后对比
+
+> 用「之前」和「之后」的差距直接说服。视觉冲击最强的一条结构，几乎不需要台词。
+> 核心风险：对比不可信 → 观众觉得是摆拍 → 反噬品牌。
+
+---
+
+## 一、结构骨架
+
+```
+[ 之前 · 惨状 ] → [ 使用过程 ] → [ 之后 · 反转 ] → [ 并排复现 + CTA ]
+       ↑ 两端必须同机位、同光线、同角度
+```
+
+| 段 | 功能 | role | 判断标准 |
+| ---- | ---- | ---- | ---- |
+| **1 · 之前** | 建立基准 | `钩子` | 直接展示，不铺垫。第一帧就是「之前」 |
+| **2 · 使用过程** | 建立因果 | `卖点` | 让观众看到**怎么做到的**，否则反转不可信 |
+| **3 · 之后** | 制造冲击 | `卖点` | 反转要在同一条件下呈现 |
+| **4 · 并排 + CTA** | 落定 + 转化 | `CTA` | 左右分屏或快切复现对比，然后收 CTA |
+
+**时长很短（≤20 秒）时可压成三段**：之前 → 之后 → CTA，省掉过程段。
+但过程段是可信度的来源，能留就留。
+
+---
+
+## 二、可信度铁律（本结构的生死线）
+
+前后对比最容易被观众判定为「假」。守住这四条：
+
+1. **同机位** —— 前后两镜的角度、距离、构图必须一致
+2. **同光线** —— 不许「之前」打冷光、「之后」打暖光，这是最常见的作弊
+3. **同条件** —— 不许「之前」素颜、「之后」化妆；变量只能有一个，就是商品
+4. **过程可见** —— 中间必须有真实的使用过程，不能直接跳切
+
+**在 `visual` 里明确写出「与第 X 镜同机位同光线」**，让下游生图时保持一致。
+
+---
+
+## 三、对比什么
+
+按品类选一个维度，**只对比一个维度**：
+
+| 品类 | 对比维度 | 呈现方式 |
+| ---- | ---- | ---- |
+| 清洁 / 护理 | 状态变化 | 同一块区域的特写前后 |
+| 收纳 / 家居 | 空间变化 | 同一角度的全景前后 |
+| 服饰 | 版型 / 搭配 | 同一姿势的全身前后 |
+| 食品 / 厨具 | 成品效果 | 同一容器同一角度 |
+| 工具 / 3C | 效率变化 | 同一任务的耗时对比（可上计时器） |
+
+**禁止同时对比两个维度**，观众的注意力只够看一个变化。
+
+---
+
+## 四、时间标注
+
+前后对比几乎都需要交代**时间跨度**，否则观众不知道要等多久。
+
+- 在画面上或旁白里给出明确时间：「7 天」「一次」「30 秒」
+- 时间必须真实，**不许模糊化**（「短时间内」这种写法会降低可信度）
+- 短时间见效的商品把时间往前放（是卖点）；需要长期的就诚实说（是预期管理）
+
+---
+
+## 五、钩子写法（第一镜）
+
+前后对比的钩子就是**「之后」的画面先闪一下**，或者直接从「之前」开始。
+
+1. **结果前置** — 先给 1 秒「之后」，再回到「之前」（最抓人）
+2. **惨状直击** — 直接展示「之前」，不加任何解释
+3. **数字冲击** —「7 天，同一个角度。」
+
+---
+
+## 六、台词分寸
+
+**这是台词最少的一条结构。** 画面已经在说话了，台词只做三件事：
+
+- 交代条件（同机位、时间跨度）
+- 交代过程（用了什么、怎么用）
+- 收 CTA
+
+**别用台词描述画面已经展示的东西。** 「你看，明显干净多了」是废话，观众看得见。
+
+---
+
+## 七、本结构红线
+
+- ❌ **前后条件不一致** —— 换光、换角度、换妆容，一律判假
+- ❌ **跳过使用过程** —— 直接从「之前」切「之后」，观众不信
+- ❌ **对比两个以上维度** —— 注意力分散，一个都记不住
+- ❌ **时间含糊** —— 必须给明确时长
+- ❌ **夸大反转幅度** —— 效果超出商品实际能力就是虚假宣传
+- ❌ **用台词代替画面** —— 这条结构的说服力在画面，不在嘴

core/backend/skills/ecommerce-video-script/references/playbooks/structure-pain.md

@@ -0,0 +1,94 @@
+# 视频结构 · 痛点解决
+
+> 先把观众的痛戳到，再把商品端上来。电商转化率最稳的一条结构，适用面最广。
+> 核心风险：痛点不够具体 → 观众不对号入座 → 整条视频白做。
+
+---
+
+## 一、结构骨架
+
+```
+[ 痛点场景 ] → [ 痛点放大 ] → [ 商品介入 ] → [ 结果 + CTA ]
+     ↑ 必须具体到可复现的一幕
+```
+
+| 段 | 功能 | role | 判断标准 |
+| ---- | ---- | ---- | ---- |
+| **1 · 痛点场景** | 让观众「这就是我」 | `钩子` | 一个具体的、有画面的、发生在昨天的场景 |
+| **2 · 痛点放大** | 让观众意识到代价 | `痛点` | 说出这个麻烦带来的**后果**，不只是麻烦本身 |
+| **3 · 商品介入** | 给出解法 | `卖点` | 卖点必须**正面对准**前面的痛点，一一对应 |
+| **4 · 结果 + CTA** | 转化 | `CTA` | 结果要可见，CTA 要有动作 |
+
+时长短时按此顺序压缩，段可以合并但**顺序不能变**。
+
+---
+
+## 二、痛点怎么写才算合格
+
+**唯一标准：具体到能拍出来。**
+
+| ❌ 不合格 | ✅ 合格 |
+| ---- | ---- |
+| 头发很油 | 早上洗的头，下午三点开会刘海已经一绺一绺 |
+| 收纳很乱 | 每次找充电线要翻三个抽屉，最后在沙发缝里 |
+| 皮肤状态不好 | 昨晚两点睡，今早粉底卡在法令纹里 |
+| 做饭很麻烦 | 下班到家七点半，等米饭熟就八点十分 |
+
+**方法：给痛点加时间、加地点、加一个具体后果。** 抽象的痛点没有人会认领。
+
+---
+
+## 三、痛点放大的分寸
+
+放大是为了让观众意识到「这事得解决」，不是为了制造焦虑。
+
+- ✅ 放大**代价**：耽误的时间、多花的钱、错过的场合、别人的眼光
+- ❌ 不许贩卖容貌焦虑、身材焦虑、年龄焦虑
+- ❌ 不许暗示不用这个商品会有健康后果（这条越线就是违规）
+
+**一句话就够。** 放大段是全片最短的，超过一句就变成说教。
+
+---
+
+## 四、卖点必须一一对应
+
+这是「痛点解决」结构最容易翻车的地方。
+
+**规则：前面戳了几个痛点，后面就只讲几个卖点，且必须一一对上。**
+
+```
+痛点：下午三点头发就油
+  ↓ 必须对上
+卖点：它的控油是靠 XX 成分吸附，我实测撑到晚上八点
+```
+
+**禁止**在这里罗列商品的全部卖点。跟痛点无关的卖点一个都不要提 —— 它们只会
+稀释说服力。一条视频解决一个痛点就够了。
+
+---
+
+## 五、结果与 CTA
+
+- **结果必须可见**：同一个场景、同一个时间点，状态变了
+- CTA 给**一个**明确动作，不要给两个（「点小黄车」和「关注我」二选一）
+- 紧迫感可以有，但不许用绝对化用语（「最后一天」可以，「全网最低」不行）
+
+---
+
+## 六、钩子写法（第一镜）
+
+痛点解决结构的钩子优先用这三种：
+
+1. **痛点提问** —「你有没有过这种情况：___？」
+2. **场景直击** — 直接演那一幕，不解释（画面自己说话）
+3. **共犯身份** —「我们这种___的人，都懂。」
+
+---
+
+## 七、本结构红线
+
+- ❌ **痛点抽象** —— 最致命，写不具体就重写
+- ❌ **卖点跟痛点对不上** —— 观众会觉得答非所问
+- ❌ **一条视频戳三个痛点** —— 一个就够，多了就散
+- ❌ **贩卖焦虑** —— 放大代价可以，制造恐慌不行
+- ❌ **痛点段太长** —— 痛点占比不超过全片一半，否则观众会难受到划走

core/backend/skills/ecommerce-video-script/references/playbooks/structure-review.md

@@ -0,0 +1,98 @@
+# 视频结构 · 测评验证
+
+> 用举证的方式说服。观众要的不是「你说它好」，而是「你怎么证明它好」。
+> 客单价越高，这条结构越有效。核心风险：只有结论没有证据 → 变成软广。
+
+---
+
+## 一、结构骨架
+
+```
+[ 提出质疑 ] → [ 设定验证方法 ] → [ 当场验证 ] → [ 给出结论 + CTA ]
+      ↑ 站在观众那一边，而不是商品那一边
+```
+
+| 段 | 功能 | role | 判断标准 |
+| ---- | ---- | ---- | ---- |
+| **1 · 提出质疑** | 建立中立立场 | `钩子` | 用观众的口吻问出怀疑，不许一开始就夸 |
+| **2 · 验证方法** | 建立方法可信 | `痛点` | 说清「我要怎么测」，方法要看起来公平 |
+| **3 · 当场验证** | 举证 | `卖点` | 必须有**可见的过程和读数**，不能只给结论 |
+| **4 · 结论 + CTA** | 转化 | `CTA` | 结论要有保留（说清适合谁不适合谁） |
+
+---
+
+## 二、立场问题（本结构的灵魂）
+
+测评验证跟其他结构最大的区别：**你不站在商品这边，你站在观众这边。**
+
+- 开场是**质疑**，不是推荐：
+  - ✅「这瓶卖 299，说能扛住一整天。我不太信，今天实测。」
+  - ❌「今天给大家推荐一款超好用的产品。」
+- 全片语气是**验证**，不是介绍
+- 结论必须**有保留**，全是好话反而没人信
+
+**如果整条视频没有一句对商品不利的话，观众会判定这是广告。**
+
+---
+
+## 三、证据类型（至少给两种）
+
+| 证据类型 | 呈现方式 | 可信度 |
+| ---- | ---- | ---- |
+| **实测读数** | 计时器 / 温度计 / 秤 / 尺 —— 画面上要看得见数字 | 最高 |
+| **对照组** | 同时测另一个东西作参照 | 高 |
+| **过程可见** | 完整拍出使用过程，不剪断 | 高 |
+| **时间跨度** | 「连续用了 7 天」+ 每天记录 | 中高 |
+| **第三方背书** | 检测报告 / 成分表 / 销量 | 中（不能单独用） |
+| **主观感受** | 「我觉得挺好用」 | 最低（不能单独用） |
+
+**铁律：至少要有一种是可见的客观证据（读数或对照组）。** 全靠主观感受的
+「测评」就是伪装成测评的口播。
+
+---
+
+## 四、诚实分寸
+
+- **必须说一个缺点。** 缺点要真实但不致命（价格偏高、颜色少、需要适应期）
+- 说清**适合谁、不适合谁** —— 这既是诚实，也是精准筛选目标客户
+- 不许伪造读数、不许剪掉不利结果
+- 不许用绝对化用语和医疗功效词（这条结构最容易踩，因为在「讲效果」）
+
+---
+
+## 五、钩子写法（第一镜）
+
+1. **数字质疑** —「标称 8 小时，我测测到底几小时。」
+2. **价格质疑** —「299 一瓶，凭什么？」
+3. **打脸预告** —「我本来想吐槽它的，结果……」（反转型，很抓人）
+4. **对照开场** — 直接把两个东西并排放在画面里
+
+---
+
+## 六、镜头语言
+
+- **验证过程必须是长镜或连续镜**，频繁跳剪会让人怀疑剪掉了什么
+- 读数、仪表、计时器要给**特写**，让观众自己看清
+- 人可以出画外只留手，重点在被测的东西上
+- 对照组要**同框**，不要分别拍
+
+---
+
+## 七、时长注意
+
+测评验证是**唯一适合做长的结构**。举证需要时间，压得太短就没有证据密度。
+
+- 低于 20 秒时，只能给一种证据 —— 优先给实测读数
+- 推荐 45–60 秒，能完整走完「质疑 → 方法 → 验证 → 结论」
+
+---
+
+## 八、本结构红线
+
+- ❌ **开场就夸** —— 立场立刻崩塌，后面说什么都没用
+- ❌ **只有结论没有过程** —— 那不是测评，是广告
+- ❌ **全是优点没有缺点** —— 观众判定为软广
+- ❌ **证据全是主观感受** —— 至少要有一个客观读数
+- ❌ **伪造或含糊读数** —— 涉嫌虚假宣传
+- ❌ **做成短剧演出来** —— 演绎的测评没有可信度，这个组合是禁用的
+- ❌ **医疗功效词 / 绝对化用语** —— 本结构最高发区，输出前重点扫描

core/backend/skills/ecommerce-video-script/references/playbooks/structure-scene.md

@@ -0,0 +1,105 @@
+# 视频结构 · 场景种草
+
+> 不讲痛点、不做对比、不举证，只把商品放进一个让人向往的场景里。
+> 观众买的是那个场景，商品是入场券。核心风险：光有氛围没有商品记忆点。
+
+---
+
+## 一、结构骨架
+
+```
+[ 场景建立 ] → [ 商品自然入场 ] → [ 场景因它更好 ] → [ 软 CTA ]
+      ↑ 场景本身要有吸引力，不靠商品撑
+```
+
+| 段 | 功能 | role | 判断标准 |
+| ---- | ---- | ---- | ---- |
+| **1 · 场景建立** | 制造向往 | `钩子` | 光、空间、氛围先立住，**商品先不出现** |
+| **2 · 商品入场** | 自然带出 | `卖点` | 商品是被**使用**的，不是被展示的 |
+| **3 · 场景升级** | 建立关联 | `卖点` | 让观众看到「有了它，这个场景更完整」 |
+| **4 · 软 CTA** | 转化 | `CTA` | 语气要轻，不能破坏氛围 |
+
+---
+
+## 二、场景怎么选
+
+**规则：选一个观众想进入、但门槛不高的场景。**
+
+| ✅ 好场景 | ❌ 坏场景 |
+| ---- | ---- |
+| 周末早晨的厨房，光从窗户斜进来 | 豪华别墅（太远，无法代入） |
+| 加班后回到家的第一件事 | 泛泛的「日常生活」（无记忆点） |
+| 露营地的傍晚，炉子上在烧水 | 摄影棚白底（没有场景） |
+| 出差酒店，把随身的小东西摆开 | 商品堆在桌上的平铺展示 |
+
+**判断标准：观众看完能说出「这是什么时候、什么地方」，才算场景立住了。**
+
+---
+
+## 三、氛围要素（至少给三样）
+
+场景种草的说服力来自细节密度。每条脚本至少铺三样：
+
+- **光**：晨光 / 夕照 / 台灯 / 烛光 —— 光决定情绪，必须明确写进 `visual`
+- **声音**：水沸 / 键盘 / 雨 / 风 —— 写进 `visual` 提示环境音
+- **触感**：蒸汽、毛毯的绒、杯壁的温度 —— 让画面有温度
+- **时间**：具体到时刻（清晨六点 / 下午三点 / 睡前）
+- **陪衬物**：书、猫、外卖盒、耳机 —— 让场景像真的有人生活
+
+---
+
+## 四、商品怎么出场
+
+**铁律：商品必须在「被使用」的状态下出现，不许摆拍展示。**
+
+| ✅ | ❌ |
+| ---- | ---- |
+| 手拿起杯子喝了一口，杯子在画面里 | 杯子放在桌上转一圈的产品镜 |
+| 把它挂在帐篷上，光亮起来 | 手举着它对镜头展示 |
+| 穿着它走过街角 | 平铺在床上拍细节 |
+
+**但商品必须被看清。** 至少要有一个镜头能让观众认出商品的外形和品牌。
+这是场景种草最容易丢的东西 —— 氛围拉满，观众记住了氛围，没记住商品。
+
+---
+
+## 五、钩子写法（第一镜）
+
+场景种草的钩子是**画面**，不是话。
+
+1. **氛围直给** — 第一帧就是最好看的那一帧，不解释
+2. **时刻宣告** —「周六早上八点，我唯一不设闹钟的一天。」
+3. **动作开场** — 从一个具体动作切入（拉开窗帘、按下开关）
+
+**不要用提问式钩子**，那是痛点解决的写法，会破坏场景的沉浸感。
+
+---
+
+## 六、台词分寸
+
+- 语气是**自述或旁白**，轻、慢、留白
+- **不讲参数、不讲价格、不讲功效** —— 这些会立刻把观众从场景里踢出来
+- 可以整镜无声，让环境音和画面说话
+- CTA 要软：「链接放下面了」而不是「快去抢」
+
+---
+
+## 七、跟其他结构的边界
+
+场景种草**不承担说服功能**，它承担的是「想要」功能。
+
+- 观众看完不会觉得「我需要」，而是「我想要」
+- 所以它**不适合客单价高的商品**（高客单需要理由，要用测评验证）
+- 适合：食品饮料、家居小物、香氛、服饰配件、露营户外
+
+---
+
+## 八、本结构红线
+
+- ❌ **商品没被看清** —— 最常见的失败，氛围盖过商品
+- ❌ **讲参数或价格** —— 立刻破坏沉浸感
+- ❌ **摆拍式产品展示镜** —— 商品只在被使用时出现
+- ❌ **场景太远太贵** —— 观众代入不了就没有种草效果
+- ❌ **用提问式钩子** —— 那是痛点结构的写法
+- ❌ **硬 CTA** —— 「三、二、一上链接」会毁掉整条视频的调性
+- ❌ **场景描述抽象** —— 「温馨的家」不算场景，要有光、有时间、有物件