多媒体生成

要解决的问题

在多模态需求里，用户的一句话经常混合图片、音频、视频、PPT 甚至音乐诉求。如果让一个大模型直接生成，很容易先产出再返工，也会把音乐、音效、旁白混进同一条流水线，导致职责不清、确认门缺失、产物与任务要点不一致。tri-mm 把自己定位为下游执行器和路由编排器：它不亲自决定媒体细节，而是先识别媒体大类，再把任务拍发给专业子技能，监督设计方案确认，最后汇总核对产物。

核心能力与关键步骤

1. 版本门前置：任何核心执行前先执行版本检查。API 主机从 ~/.skillhub/metadata.json 读取，通过 scripts/check_update.py 获取 JSON state；A、B、C、D 态按口径放行，BLOCK 才阻断。
2. 上游依赖检测：被 tri-intent 路由时，读取快照 §三，校验 intent.L2_核心意图 = I15。独立使用时进入 A / A0 / B 模式；有 tri-intent 但没有可用快照时，必须提示尚未经过意图识别，不能按空上下文静默执行。
3. 媒体类型识别：依据 D4_输出期望、任务要点和原始请求关键词识别图片、非音乐音频、视频、PPT 或音乐。歌曲、作词、AI 音乐等语义委派 tri-music；纯配音、音效、配乐走 tri-audio。
4. 拍发即转交：确认目标子技能目录存在后，把快照 §三 与媒体类型标注转交 children/tri-*/SKILL.md。tri-mm 不自行构造生成参数，也不直接调用生成工具。
5. 确认门编排：子技能先产出多维 design.md 给用户确认；确认后生成，修改则回到设计，取消则终止。tri-mm 负责监督确认记录，并在作答前输出自检句。
6. 汇总与核对：收集子技能产物路径和 result.md，逐项核对任务要点、输出期望和跨子技能协同项，再把编排结果落盘到 .tribro/multimedia/<type>/<session>/result.md。

适用边界与注意点

• tri-mm 只处理 I15 多媒体生成，不是意图识别器。上游快照缺失、过期、损坏或澄清门仍为待澄清时，不应继续生成。
• 它不负责纯文本成果和编码开发；相关内容应由 tri-content、tri-coding 等上游职责处理。
• tri-mm 本身不产出图片、音频、视频或 PPT 文件。若 children/ 子包缺失，应提示补全目录，而不是代替子技能生成。
• 音乐是独立委派分支，歌词、AI 音乐工具指令、音色定位和发布矩阵归 tri-music；本 skill 与 tri-audio 不生成歌曲内容。
• 版本校验必须走 API 主机，不能用官网 HTML 兜底页判断状态码。离线、通道异常或升级失败时，应按对应降级口径标注，不能伪装成校验通过。