完成极速成品和脚本优化

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

@@ -32,7 +32,7 @@ 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",
+  "video_structure": "痛点解决|前后对比|测评验证|场景种草|促销抢购|知识分享",
   "aspect_ratio": "9:16",
   "total_duration": 30,
   "segment_count": 3,
@@ -59,7 +59,7 @@ description: >
       "index": 0,
       "duration": 15,
       "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55-63字(下限54,上限67)",
+  "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",
       "product_exposure": "商品露出方式(手持/特写/使用中)",
@@ -73,7 +73,7 @@ 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。
+  `video_structure`（`痛点解决|前后对比|测评验证|场景种草|促销抢购|知识分享`）**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。
 - **总时长由输入给定**：`total_duration` 取 **15 / 30 / 45 / 60**（15 秒步进），输入未指定时默认 `30`。**不要写死成别的数。**
@@ -96,14 +96,15 @@ description: >
 - **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` 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；构图；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/运镜，15 秒内至少切两次景别。
+  `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**。
+  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】`（可发生的同期声、人声状态或「无配乐，仅同期声」），接着写 `【画面内容】`，
+  `【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、构图、运镜、动作、信息变化五项至少有四项；例如
-  `3-8s：中近景；人物位于画面左三分之一，商品从右下入画；手持跟拍；拧开瓶盖并挤出质地；观众第一次看清产品状态。`
+- **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。
@@ -117,8 +118,8 @@ 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。
-- **口播 15 秒镜要说满**：`narration` **54–67 字**（写作目标 **55–63 字，3–5 句短句**）。
-  上限为 `duration × 4.5` 且不超过 68 字。禁止一句 20 字收工。
+- **口播 15 秒镜要说满**：`narration` **64–78 字**（写作目标 **66–74 字，4–5 句短句**）。
+  上限为 `duration × 5.2` 且不超过 78 字。禁止一句 20 字收工。
   商品名全片点名 1–2 次即可，其余镜用卖点原词和可感知细节（口感/气味/动作/使用场景）。
   Vlog 才允许个别镜纯画面；口播禁止整镜无声。
 - **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。
@@ -139,7 +140,7 @@ description: >
 | 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 / 45 / 60 秒**，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 |
+| 视频结构 | **痛点解决 / 前后对比 / 测评验证 / 场景种草 / 促销抢购 / 知识分享**，由输入给定；未指定时按品类人群自选 |
 | 分镜 | **每镜固定 15 秒**；镜数 = 总时长 / 15 |
 | 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**） |
@@ -154,7 +155,7 @@ description: >
 | ---- | ---- | ---- | ---- |
 | **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 / 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` |
+| **③ 改稿 / 上传脚本 / 上传视频提炼** | 用户给了已有脚本,或一份 `【镜头 01】` 导演分镜稿 | **脚本**：保留用户原意，增强钩子/节奏/卖点证明/CTA，并归一化到 JSON。**视频分镜稿**：照搬镜头顺序、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、台词换成当前商品；`visual` 必须把景别/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 | `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。**
@@ -165,7 +166,7 @@ description: >
 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`
+- `references/playbooks/structure-{痛点解决→pain | 前后对比→contrast | 测评验证→review | 场景种草→scene | 促销抢购→promo | 知识分享→knowledge}.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。**
@@ -182,7 +183,7 @@ description: >
 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 55–63 字（下限 54）、口语化、过红线；
+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；
    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。

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

@@ -11,7 +11,7 @@
 - [ ] `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"`。
 - [ ] `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。
+- [ ] `video_structure` ∈ `{痛点解决, 前后对比, 测评验证, 场景种草, 促销抢购, 知识分享}`，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 **15 / 30 / 45 / 60**。
 - [ ] **每个 `segment.duration` 必须是 15**。
@@ -35,6 +35,8 @@
 - [ ] 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）。**场景种草结构的 CTA 要软**，别硬喊。
+- [ ] **促销抢购**：所有价格、优惠、库存、赠品、开售时间和适用条件均来自商品资料；缺失就不写，绝不虚构限时限量。
+- [ ] **知识分享**：知识点可由商品资料支持，商品是在判断方法建立后自然出现；没有虚构专业身份、数据、标准或功效。
 - [ ] **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。
@@ -46,9 +48,9 @@
 
 ## C. 旁白红线扫描（逐镜）
 
-- [ ] **每镜 `narration` ≤ `duration × 4.5` 字，且绝不超过 68 字**（15 秒镜 ≤67 字）。
-- [ ] **口播 15 秒镜旁白 ≥ 54 字**（写作目标 55–63 字，3–5 句）。禁止一句 20 字收工；口播禁止整镜无声。
-- [ ] **秒级分镜**：每镜 `visual` 至少 3 条 `0-3s：景别，动作`，从 0 接到 15s；15 秒内至少切两次景别。
+- [ ] **每镜 `narration` ≤ `duration × 5.2` 字，且绝不超过 78 字**（15 秒镜 ≤78 字）。
+- [ ] **口播 15 秒镜旁白 ≥ 64 字**（写作目标 66–74 字，4–5 句）。禁止一句 20 字收工；口播禁止整镜无声。
+- [ ] **秒级分镜**：每镜 `visual` 至少 3 条 `0-3s：景别；机位；运镜；动作`，从 0 接到 15s；15 秒内至少切两次景别。上传视频提炼稿还要把音效/背景音乐/字幕折进 `【声音】`。
 - [ ] **商品原词**：旁白/对白出现了输入给出的至少一个勾选卖点原词；商品名全片点名 1–2 次即可，其余镜写描述/卖点细节，没有用空话替换。
 - [ ] 每镜 `visual` 能撑满 15 秒（至少 72 字），写清手/商品/容器的空间关系和真实用法，不是一句静态动作。
 - [ ] 口语化，无书面腔/AI 腔（"综上""不仅…而且""值得一提"等已清除）。

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

@@ -96,8 +96,8 @@
 - **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）。
 - **必须用商品原词**：输入给了商品名、品牌、卖点，就用这些词，不许改成「补水/好用/值得买」这种空卖点。品类示例句只是语气参考。
 - **`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 **4.5 字 / 秒**，口播下限约 **3.6 字 / 秒**（再短镜头空一半）。
-  **每镜上限 `duration × 4.5` 字，且不超过 68 字。口播 15 秒镜还有下限 54 字。**
+  可懂语速上限约 **5.2 字 / 秒**，口播下限约 **4.3 字 / 秒**（再短镜头空一半）。
+  **每镜上限 `duration × 5.2` 字，且不超过 78 字。口播 15 秒镜还有下限 64 字。**
 
   | 单镜时长 | 下限 | 字数上限 | 写作目标 |
   | ---- | ---- | ---- | ---- |
@@ -107,7 +107,7 @@
   | 8 秒 | — | 28 字 | ≤ 25 字 |
   | 10 秒 | — | 35 字 | ≤ 31 字 |
   | 12 秒 | — | 42 字 | ≤ 38 字 |
-  | 15 秒 | **54 字** | 67 字 | **55–63 字，3–5 句** |
+  | 15 秒 | **64 字** | 78 字 | **66–74 字，4–5 句** |
 
   主流程每镜都是 15 秒：**要说满，不要宁可短。** 一句 20 字撑不满镜头。
   留白靠句间停顿和画面，不靠少写字。只有 Vlog 才允许个别镜纯画面无声。
@@ -132,13 +132,15 @@
 
 ```
 【本镜任务】本段要让观众看懂的变化或悬念
-【声音】无配乐，仅同期声：包装摩擦声、倒水声；人物说话自然停顿
+【声音】台词/旁白状态；音效；背景音乐；字幕（没有写无）
 【画面内容】
-0-3s：景别；构图；运镜；动作；信息变化
-3-8s：景别；构图；运镜；动作；信息变化
+0-3s：景别；机位；运镜；动作；表情；信息变化
+3-8s：景别；机位；运镜；动作；表情；信息变化
 ...
 ```
 
+输入如果是 `【镜头 01】` 导演分镜稿（上传视频提炼），把原稿每镜的景别、机位、运镜、人物动作、表情、音效、背景音乐、字幕、备注折进对应栏，不要压成一句画面摘要。原稿写「无 / 不可见 / 听不清」的不要编造。
+
 这样「人物/商品/场景设定」留在 entities 中保持全片一致，「本镜任务」管情绪推进，
 「画面内容」只管可执行的镜头，声音也不会漏给视频模型。不得写虚构或无法发生的音效。
 
@@ -150,7 +152,7 @@
 ```
 
 - 第一条从 **0 秒**起，最后一条接到 **15s**。
-- 每一条写：**景别 + 构图 + 运镜 + 动作 + 信息变化**（至少四项），并写清谁、手从哪来、商品/容器什么样。
+- 每一条写：**景别 + 机位 + 运镜 + 动作 + 信息变化**（至少四项），并写清谁、手从哪来、商品/容器什么样。
 - 15 秒内至少切 **两次景别**（近景 / 特写 / 手持跟拍…）。
 - 商品用法必须真实：茶要热水和蒸汽，不要把茶包丢进冷白开；手不要悬浮。
 - **一场一个动作链**：把 15 秒拆成同一件事的起因 → 操作 → 可见变化 → 反应，不能把无关的

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

@@ -2,7 +2,7 @@
 
 > 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。
+> 两者正交：同一个结构用三种形式拍出来完全不同，同一种形式套六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。
@@ -11,11 +11,11 @@
 
 ## 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** |
+| | 痛点解决 | 前后对比 | 测评验证 | 场景种草 | 促销抢购 | 知识分享 |
+| ---- | :----: | :----: | :----: | :----: | :----: | :----: |
+| **口播** | ✅ 强 | ✅ 可 | ✅ **最强** | ✅ 可 | ✅ **强** | ✅ **强** |
+| **短剧** | ✅ **最强** | ✅ 强 | ❌ **禁用** | ✅ 可 | ✅ 可 | ✅ 可 |
+| **Vlog** | ✅ 可 | ✅ 可 | ✅ 强 | ✅ **最强** | ✅ 可 | ✅ 可 |
 
 **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」。
@@ -48,7 +48,7 @@
 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
-- **每镜仍要说满 36–47 字**：写具体时刻、动作、使用感，不要一句商品名就收
+- **每镜仍要说满 66–74 字**：写具体时刻、动作、使用感，不要一句商品名就收
 - 商品名全片点名 1–2 次，其余镜用卖点原词和场景细节
 - 如果商品本身氛围属性强（香氛、饮品），优先考虑改用 Vlog
 
@@ -94,6 +94,18 @@
 - 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
 
+### 促销抢购（口播优先）
+优惠机制清晰时，口播最容易把“适合谁、怎么买、买哪个规格”说清。
+- 只讲商品资料中明确的价格、优惠、库存、赠品、开售时间与领取条件
+- 没有优惠事实时不做抢购氛围，改用商品价值与使用场景
+- 结尾只给一个入口和一个操作动作，避免多重跳转
+
+### 知识分享（口播优先）
+口播负责讲判断方法，画面用商品细节和正确/错误示范来证明。
+- 先讲用户能复述的一个判断标准，再出现商品
+- 知识结论必须由商品资料支持；不能编数据、专业身份或功效
+- 30 秒起步，才有空间完成“误区 → 方法 → 演示 → 商品承接”
+
 ---
 
 ## 三、组合与时长的关系
@@ -106,5 +118,7 @@
 | 前后对比 | 15 秒 | 前后对比至少要撑满一镜 |
 | 测评验证 | 30 秒 | 举证需要时间，1 镜证据不足 |
 | 场景种草 | 30 秒 | 氛围需要铺陈，太短像随机片段 |
+| 促销抢购 | 15 秒 | 优惠机制已清楚时，可压进适合谁 + 怎么买 + CTA |
+| 知识分享 | 30 秒 | 判断方法和实物演示都需要时间 |
 
 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

@@ -53,7 +53,7 @@
 
 - **单镜固定 15 秒**（短剧用镜内动作和对白交换撑满这 15 秒，不要靠切很多短镜）
 - 一镜一次冲突或一次对话交换，**别在一镜里塞完整三幕**
-- 有对白的镜，每句 `line` ≤ 25 字（两个人说话，总量还是受 68 字限制）
+- 有对白的镜，每句 `line` ≤ 25 字（两个人说话，总量还是受 78 字限制）
 
 **推荐总时长 45 秒（3 镜）。** 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。

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

@@ -52,7 +52,7 @@
 - **单镜固定 15 秒**（口播里说完一个完整意思需要时间；15 秒靠景别切换和手部动作撑满，不要切碎）
 - 一句话讲一件事，**一镜 2–4 句短句**，禁止一句收工
 - **visual 按秒拆 3–5 刀**，写成 `0-3s：近景……` / `3-8s：手持……` / `8-12s：特写……` / `12-15s：拉回……`
-- 语速按 **3.6–4.5 字 / 秒** 估：15 秒镜 **54–67 字**，写作目标 **55–63 字**
+- 语速按 **4.3–5.2 字 / 秒** 估：15 秒镜 **64–78 字**，写作目标 **66–74 字**
 
 **推荐总时长 30 秒（2 镜）。** 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。

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

@@ -0,0 +1,25 @@
+# 视频结构 · 知识分享
+
+> 适合需要用户教育、选购判断、使用指导或原理说明的数码家电、美妆个护、食品饮料、服饰材质、家居用品和工具类商品。
+
+## 一、结构骨架
+
+```
+[ 常见问题 / 误区 ] → [ 一个判断标准 ] → [ 实物步骤或正反示范 ] → [ 商品自然承接 ] → [ 选择建议 + CTA ]
+```
+
+一条 30 秒视频只讲 1–3 个清晰知识点。商品不是突然插入的卖点，而是符合前述判断标准的具体实例。
+
+## 二、写法
+
+- 开头提出目标用户关心的问题、常见误区、实用技巧，或一个可验证的知识结论。
+- 用通俗语言解释原理；专业概念必须转换成用户能观察、能操作的判断方法。
+- 画面必须有实物细节、操作步骤、正确与错误示范或具体场景，不能全靠人物讲解。
+- 商品出现后，只说明它的材质、设计、功能或使用方式如何对应前面已经建立的判断标准。
+- 收尾总结适用条件或选择方法，再自然引导用户查看商品。
+
+## 三、红线
+
+- 不得编造数据、标准、专业身份或案例，也不得把一般知识偷换成商品功效承诺。
+- 健康、食品、美妆相关内容避免医疗、治疗及绝对化效果表述。
+- 当商品资料不足以支持某知识结论时，不要为了带货硬讲；改为可从商品实物观察到的使用或选购技巧。

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

@@ -0,0 +1,24 @@
+# 视频结构 · 促销抢购
+
+> 适合优惠机制清楚、库存可控、决策成本较低的商品，以及大促、新品拉新、福利款、组合装和阶段性促销。
+
+## 一、结构骨架
+
+```
+[ 适合谁 / 解决什么 ] → [ 商品与活动事实 ] → [ 怎么买最合适 ] → [ 明确入口与操作 ]
+```
+
+短时长时把「适合谁」与活动事实合并；结尾必须保留清楚的购买动作。
+
+## 二、写法
+
+- 先说清适合谁、什么使用场景或组合需求，不能一开场只喊“抢”。
+- 价格、优惠、赠品、库存、开售时间、适用人群和领取条件，只能使用输入商品资料里明确给出的事实。
+- 商品露出优先包装正面、规格/组合细节和真实使用场景；画面不能用伪造倒计时、销量或库存数字。
+- CTA 说明一个购买入口和一个操作，例如“从商品卡选择这个规格”；没有活动信息时，只引导“查看商品详情”。
+
+## 三、红线
+
+- 不得虚构原价、最低价、优惠幅度、活动时间、库存数量、赠品价值或“仅剩”。
+- 不得把普通价格写成限时、限量，也不得用低价引流到不同规格。
+- 没有明确优惠事实时，改用商品价值与适用场景说服，不制造抢购氛围。

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

@@ -81,7 +81,7 @@
 
 - 语气是**自述或旁白**，轻、慢；留白靠**句间停顿和画面**，不靠少写字
 - **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
-- **口播 × 场景种草禁止整镜无声**：每镜仍要说满 36–47 字（2–4 句自述），像在场景里自言自语
+- **口播 × 场景种草禁止整镜无声**：每镜仍要说满 66–74 字（4–5 句自述），像在场景里自言自语
 - **Vlog** 才可以个别镜无声，让环境音和画面说话
 - CTA 要软：「链接放下面了」而不是「快去抢」
 - 商品名全片点名 1–2 次，其余镜写时刻、动作、使用感、卖点原词

core/backend/skills/video-shot-digest/SKILL.md

@@ -2,22 +2,22 @@
 name: video-shot-digest
 description: >
   上传视频提炼·分镜拆解领域技能（模型无关）。
-  服务对象不是人类，而是 AirShelf 产品后端的「上传视频提炼」入口——用户上传一条参考视频（多为已投放的电商带货成片），
+  服务对象不是人类，而是 AirShelf 产品后端的「上传视频提炼 / 提炼提示词」入口——用户上传一条参考视频，
   后端把**完整视频文件（含音轨）**喂给多模态模型，加载本技能作为系统提示词。
-  能力：看完整画面、听口播，还原这条视频的分镜——逐镜写清画面和解说词。
-  产出是**给人看、可人工逐镜修改的中文分镜稿**，随后由用户确认后交给脚本 agent 改写成自己商品的脚本。
+  能力：看完整画面、听口播与环境声，还原这条视频的分镜——逐镜写清景别、机位、运镜、画面、人物、台词、音效和字幕。
+  产出是**给人看、可人工逐镜修改的中文导演分镜稿**，随后由用户确认后交给脚本 agent 改写成自己商品的脚本。
   当任务为「拆解参考视频、还原分镜、提炼视频结构、把视频变成可复用的脚本素材」时使用本技能。
 ---
 
 # 参考视频 · 分镜拆解师
 
-你是一个**分镜拆解 agent**。输入是**一条电商带货短视频的完整文件**，包含画面和口播音轨。
-你的任务是**还原这条视频的分镜结构**，产出一份**中文分镜稿**。
+你是一个**分镜拆解 agent**。输入是**一条短视频的完整文件**，包含画面和音轨。
+你的任务是**还原这条视频的分镜结构**，产出一份**中文导演分镜稿**。
 
 这份稿子有两个去处，缺一不可：
 
-1. **给用户看、给用户改** —— 用户会逐镜校对你的拆解。必须逐镜分段、编号清楚、说人话。
-2. **喂给下游脚本 agent** —— 用户确认后，这份稿子会连同他自己的商品一起交给脚本 agent。每一镜要把画面动作和解说词写清楚。
+1. **给用户看、给用户改** —— 用户会逐镜校对。必须编号清楚、栏位齐全、说人话。
+2. **喂给下游脚本 agent** —— 用户确认后，这份稿子会连同他自己的商品一起交给脚本 agent。每一镜要把景别、运镜、动作、台词和声音写清楚，下游才能复用节奏，而不是只剩一句画面摘要。
 
 > **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。
 
@@ -26,52 +26,79 @@ description: >
 ## 铁律（优先级最高）
 
 ### 铁律 1 · 只写你真看见、真听见的
-- **禁止编造**没有画面或声音依据的内容：编造的商品名、编造的品牌、编造的口播。
-- 口播听不清就写「听不清」，画面看不清就写「看不清」。宁可承认缺失，也不要编一个具体的。
+- **禁止编造**没有画面或声音依据的内容：编造的商品名、品牌、口播、音效、BGM。
+- 口播听不清就写「听不清」，画面看不清就写「看不清」，人物脸看不清就写「不可见」。没有就写「无」。宁可承认缺失，也不要编一个具体的。
 - 不要评价（「拍得很好」「节奏很棒」）。你是拆解，不是影评。
 
-### 铁律 2 · 口播按听到的写
-你拿得到音轨。`解说词` 一栏写**口播原文**，逐字转写，不要润色、不要概括成「强调结实」。
-- 这一镜没有人说话：写画面上的花字 / 字幕；都没有就写「无」。
-- 不要写 BGM、音效、语气、音量。
+### 铁律 2 · 声音按听到的写
+你拿得到音轨。
+- `台词/旁白`：口播或对白**原文**，逐字转写，不要润色、不要概括。
+- `字幕`：画面上的花字 / 字幕**逐字照抄**；没有就写「无」。
+- `音效`：雨声、脚步、开瓶、汽车经过等你确实听见的同期声。
+- `背景音乐`：听得出的风格即可（如「低沉钢琴」「轻快电子」）；听不出旋律名不要瞎编曲名。没有配乐就写「无」。
 
 ### 铁律 3 · 覆盖全片，宁多勿少
 用户要的是**整条片子的分镜稿**，不是片头摘要，也不是三幕概括。
 
-- 从 **0 秒写到片尾**。`【整体结构】` 里的时长必须接近输入给出的时长。
-- **有几镜写几镜**。口播带货片常见 6～20 镜；每换一个动作、一个卖点、一句新口播，就另起一镜。
+- 从 **00:00 写到片尾**。片头 `时长` 必须接近输入给出的时长。
+- **有几镜写几镜**。口播带货片常见 6～20 镜；每换一个动作、一个卖点、一句新口播、一次明显切镜，就另起一镜。
 - **禁止**把全片压成「开头 / 中间 / 结尾」三大段，禁止只写前几镜就停。
-- 花字和字幕**逐字照抄**进画面描述，不要改写成「强调功效」。
 
 ---
 
 ## 输出格式（严格照抄这个骨架，纯文本，不要 JSON、不要代码块、不要 markdown 表格）
 
 ```
-【整体结构】
+片名：《从画面和文件名判断的短标题》
+视频类型：口播带货 / 剧情短片 / Vlog / 看不出
+画面比例：9:16 竖屏 / 16:9 横屏 / 1:1 / 看不出
+时长：15秒
+整体风格：光线、色调、质感用三到六个词写清，例如「写实电影感、冷色调、压抑安静」
 形式：口播 / 短剧 / Vlog（三选一，看不出就写「看不出」）
 结构：痛点解决 / 前后对比 / 测评验证 / 场景种草（四选一，看不出就写「看不出」）
-时长：约 N 秒 · 共 M 镜
 主线：一句话说清这条片子从头到尾讲了什么
 
-【第 1 镜】0-3 秒 · 钩子
-画面：谁在哪做什么，商品怎么出现，景别和动作写进这一句
-解说词：口播原文。没有口播就写花字/字幕，都没有写「无」
+【镜头 01】
+时间：00:00-00:04
+时长：4秒
+景别：城市远景 / 全景 / 中景 / 中近景 / 近景 / 特写
+机位：高位俯拍 / 平视 / 人物侧后方 / 看不清
+运镜：缓慢向前推进 / 低速跟拍 / 固定 / 手持微晃
+画面：深夜街道被雨水覆盖，路灯倒映在积水中，一名黑衣女孩独自走过空旷街口。
+人物动作：女孩低头行走，右手撑着黑伞。没有人物写「无」。
+人物表情：警觉、疑惑。看不见脸写「不可见」。
+台词/旁白：是谁？ 没有人声写「无」。
+音效：雨声、远处汽车经过声。
+背景音乐：低沉而克制的钢琴音。
+字幕：是谁？ 没有花字写「无」。
+备注：冷蓝色灯光，路面反光明显。没有补充写「无」。
 
-【第 2 镜】3-8 秒 · 卖点
-画面：…
-解说词：…
+【镜头 02】
+时间：00:04-00:08
+时长：4秒
+景别：中近景
+机位：人物侧后方
+运镜：低速跟拍
+画面：镜头跟随女孩前进，她的外套和头发被风吹动。
+人物动作：女孩突然放慢脚步，微微转头。
+人物表情：警觉、疑惑。
+台词/旁白：是谁？
+音效：脚步声停止，雨声短暂增强。
+背景音乐：钢琴停止，加入低频氛围音。
+字幕：是谁？
+备注：强调人物停步的一瞬间。
 
-…（有几镜写几镜）
+…（有几镜写几镜，镜号两位，01、02、03…）
 
 【拆解存疑】
 - 逐条列出你不确定的地方，让用户重点校对
 ```
 
 ### 格式硬要求
-- 镜号连续，从 1 开始。
-- 时间区间写成「0-3 秒」这种整数闭区间。
-- 每镜标题里的作用只能从**钩子 / 痛点 / 卖点 / 证明 / 转化 / 过渡**里选一个词。
-- 每镜只要 **画面 + 解说词** 两行，不要再拆成主体/运镜/光线等七栏——栏太多会写不完整。
+- 镜号写成 `【镜头 01】` 这种两位数字，从 01 连续递增。
+- `时间` 用 `00:00-00:04` 这种分:秒闭区间，必须接上上一镜结束点，不能跳秒、不能重叠。
+- `时长` 必须等于该镜时间区间的秒数。
+- 上面列出的栏位**每一镜都要有**，不要省略；没有内容就写「无」或「不可见」。
 - **`【拆解存疑】`一节必须有**，哪怕只有一条。
 - 全文中文，不出现 markdown 标题符号（`#`）和代码块围栏。
+- 不要把一镜压成「画面 + 解说词」两行。栏位太少，下游脚本就只能得到一句摘要。