完成极速成品和脚本优化

core/backend/apps/ai/script_agent.py

@@ -52,6 +52,8 @@ VIDEO_STRUCTURES: dict[str, str] = {
     "contrast": "前后对比",
     "review": "测评验证",
     "scene": "场景种草",
+    "promo": "促销抢购",
+    "knowledge": "知识分享",
 }
 DEFAULT_PRESENTATION_FORMAT = "oral"
 DEFAULT_VIDEO_STRUCTURE = "pain"
@@ -62,7 +64,9 @@ FORBIDDEN_COMBOS: set[tuple[str, str]] = {("drama", "review")}
 # 表现形式推荐的默认总时长:口播短平快,短剧要装下三幕,Vlog 要铺氛围。
 FORMAT_DEFAULT_DURATION: dict[str, int] = {"oral": 30, "drama": 45, "vlog": 30}
 # 各结构能压到的最短总时长(须落在 15 秒步进上),见 playbooks/combo-matrix.md。
-STRUCTURE_MIN_DURATION: dict[str, int] = {"pain": 15, "contrast": 15, "review": 30, "scene": 30}
+STRUCTURE_MIN_DURATION: dict[str, int] = {
+    "pain": 15, "contrast": 15, "review": 30, "scene": 30, "promo": 15, "knowledge": 30,
+}
 
 # 设定卡人物 key → 中文(与前端 WIZ_PERSONA_LABEL / 模板 coerce_persona 对齐)。
 PERSONA_LABELS: dict[str, str] = {
@@ -83,11 +87,11 @@ PERSONA_BRIEFS: dict[str, str] = {
 }
 _PERSONA_KEY_BY_LABEL = {label: key for key, label in PERSONA_LABELS.items()}
 
-# 成片有同期画面与自然停顿，3.5 字/秒会让 15 秒口播在约 10 秒时说完。
-# 电商真人口播以 3.6–4.5 字/秒为可用区间：既留出换气，也不会让画面空转。
-NARRATION_CHARS_PER_SECOND = 4.5
-NARRATION_CHARS_PER_SECOND_MIN = 3.6
-NARRATION_CHARS_HARD_CAP = 68
+# 电商口播需要同时承载观点、证据和转折；15 秒以 4.3–5.2 字/秒为可用区间。
+# 这比日常闲聊快，但仍给句间停顿和镜头切换留出空间。
+NARRATION_CHARS_PER_SECOND = 5.2
+NARRATION_CHARS_PER_SECOND_MIN = 4.3
+NARRATION_CHARS_HARD_CAP = 78
 VISUAL_CHARS_MIN = 72
 SHOT_BEATS_MIN = 3
 BEAT_SPAN_RE = re.compile(
@@ -161,7 +165,7 @@ def coerce_combo(fmt: str | None, structure: str | None) -> tuple[str, str]:
 
 
 def narration_limit(duration: int) -> int:
-    """这一镜旁白的字数上限:秒数 × 4.5,且不超过硬上限 68。"""
+    """这一镜旁白的字数上限:秒数 × 5.2,且不超过硬上限 78。"""
     return max(1, min(NARRATION_CHARS_HARD_CAP, int(duration * NARRATION_CHARS_PER_SECOND)))
 
 
@@ -342,14 +346,15 @@ _CREATIVE_DIRECTION = """
 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」。
+【声音】台词/旁白状态；音效；背景音乐；字幕。没有就写「无」；没有配乐写「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。
+0-3s：景别；机位；运镜；人物/商品动作；情绪或信息变化。
+3-8s：景别；机位；运镜；手与商品的空间关系；可见细节。
+8-12s：景别；机位；运镜；动作结果或卖点证据。
+12-15s：景别；机位；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。
+每条秒级分镜都要明确写出 **景别、机位、运镜、动作、信息变化** 五项中的至少四项。
+输入如果是 `【镜头 01】` 导演分镜稿，把原稿的景别、机位、运镜、动作、表情、音效、背景音乐、字幕、备注折进对应栏，不要压成一句画面摘要。
 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。
 """
 
@@ -492,7 +497,7 @@ def build_agent_messages(
     beats_line = (
         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。"
+        f"每条格式`0-3s：景别；机位；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"
@@ -519,6 +524,18 @@ def build_agent_messages(
             "【场景种草骨架】按镜走完:场景建立(商品先不出现)→商品被使用着入场→场景因它更好/软CTA。"
             "每镜写出具体时刻+地点+光/声音/物件。口播时每镜仍要说满字数,留白靠停顿不是靠少写字。\n"
         )
+    elif structure == "promo":
+        structure_line = (
+            "【促销抢购合规】只可使用商品资料中明确给出的价格、优惠、库存、赠品和活动时间；"
+            "没有明确数据时，绝不写原价、最低价、限时、限量、领券或赠品。"
+            "结尾只给一个清楚的购买入口和操作动作，不制造虚假的紧迫感。\n"
+        )
+    elif structure == "knowledge":
+        structure_line = (
+            "【知识分享骨架】先提出一个与商品相关的选购/使用误区或判断方法，再用实物与步骤证明，"
+            "最后把商品作为符合该判断的具体实例。只能讲商品资料可支持的事实，"
+            "禁止编造专业身份、数据、标准或功效承诺。\n"
+        )
     combo_line = (
         f"严格按已加载的「{PRESENTATION_FORMATS[fmt]} × {VIDEO_STRUCTURES[structure]}」套路写,"
         f"不要串成别的结构的套话。\n"
@@ -562,15 +579,30 @@ def build_agent_messages(
         )
     else:
         extra_block = f"\n\n【补充要求】{extra}\n" if extra else "\n"
-        user = (
-            "【任务】全自动(模式①):仅凭上面的商品事实与前置条件,按指定的表现形式与视频结构套路"
-            "自动定镜/选 tone/造 entity/填结构骨架。"
-            "不要另起一个空主题;钩子、痛点、卖点必须能对上这份商品,而不是品类套话。"
-            "每镜旁白要能撑满 15 秒;画面必须按秒拆分镜,够导演在 15 秒里切 3–5 刀。\n"
-            f"{head}"
-            f"{extra_block}\n"
-            "请按技能流程一次性产出 ScriptDraft。"
-        )
+        if extra and _looks_like_shot_digest(extra):
+            user = (
+                "【任务】参考视频改写:用户给了一份逐镜拆解稿。"
+                "照搬它的镜头顺序、每镜时长比例、景别、机位、运镜、人物动作和声音层次,"
+                "把人物、商品、品牌、台词全部换成当前商品。"
+                "写 visual 时把拆解稿里的景别/机位/运镜/人物动作/表情/音效/背景音乐/字幕/备注"
+                "折进【声音】和【画面内容】的秒级分镜,不要压成一句画面摘要。"
+                "原稿写「无 / 不可见 / 听不清」的栏不要编造。"
+                "钩子、痛点、卖点必须能对上这份商品。"
+                "每镜旁白要能撑满指定时长;画面必须按秒拆分镜,够导演在 15 秒里切 3–5 刀。\n"
+                f"{head}"
+                f"{extra_block}\n"
+                "请按技能流程一次性产出 ScriptDraft。"
+            )
+        else:
+            user = (
+                "【任务】全自动(模式①):仅凭上面的商品事实与前置条件,按指定的表现形式与视频结构套路"
+                "自动定镜/选 tone/造 entity/填结构骨架。"
+                "不要另起一个空主题;钩子、痛点、卖点必须能对上这份商品,而不是品类套话。"
+                "每镜旁白要能撑满 15 秒;画面必须按秒拆分镜,够导演在 15 秒里切 3–5 刀。\n"
+                f"{head}"
+                f"{extra_block}\n"
+                "请按技能流程一次性产出 ScriptDraft。"
+            )
     return [{"role": "system", "content": system}, {"role": "user", "content": user}]
 
 
@@ -607,6 +639,14 @@ def _balanced_object(text: str) -> str | None:
     return None
 
 
+def _looks_like_shot_digest(text: str) -> bool:
+    """用户贴进来的是视频提炼分镜稿,不是一句补充要求。"""
+    blob = text or ""
+    has_shot = "【镜头" in blob or ("【第" in blob and "镜】" in blob)
+    has_picture = "画面：" in blob or "画面:" in blob
+    return has_shot and has_picture
+
+
 def _looks_like_draft(blob: str) -> bool:
     try:
         d = json.loads(blob)