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 |