视频分镜脚本构建器

视频创作中常被跳过的那一层

把「我想做一个产品宣传片」变成可执行的分镜表，中间隔着一整套没被说清的决策：每个镜头的信息载荷是什么，节奏基准怎么定，素材够不够用，旁白和画面的音画关系如何。大多数创作者靠脑补补齐这些缺口，结果要么在渲染阶段返工，要么脚本写得像散文——形容词满天飞，真正落地的只有一句「高大上」。

video-spec-builder-yr8b 要解决的就是这层断裂。它不直接生成视频，而是强迫你把需求逼到镜头粒度，产出一份机器和人都能执行的 video-spec.md。

两种工作模式与核心能力

0-1 模式：启动时扫描项目目录查找已有的 video-spec.md、*分镜*.md 等文档，没找到就进入从零开始的访谈流程。它会对照能力对照表主动告知「渲染层能做什么」——例如你提「加段旁白」，它会说「要不要我帮你生成 AI 配音？30 秒搞定，不过会有点课件感」，而不是沉默地记下一句需求。

迭代模式：当你带着已有 spec 提出修改时，它会追问变更细节、检测新需求与现有分镜的冲突，然后更新 video-spec.md，而不是无脑覆盖。

核心技能包括：追问深挖（不接受「大概十几秒」）、素材盘点（逐字稿/音频/视频/图形/3D/数据逐项盘问）、场景拆解（拆到单镜头粒度并锚定组件 ID）、节奏与转场、冲突检测、方案引导（卡住时给 2-3 个方案加参考视频）、结构化输出（按模板输出含分镜表）。

渐进式追问与信息密度约束

追问按 Phase 1-5 分阶段进行，但不会把内部标签暴露给你。Phase 1 是必答的 gate：视频目的、目标受众、平台与时长、核心信息、信息密度、品牌 Tone of Voice、观众熟悉度——这七个维度没有答案就不进下一阶段。Phase 2-5 则覆盖素材盘点、场景类型组合、文字呈现、动效语言、节奏基准、情绪曲线、音画关系，以及 8 个 HyperFrames 预设（Swiss Pulse / Velvet Standard / Deconstructed / Maximalist Type / Data Drift / Soft Signal / Folk Frequency / Shadow Cut）或自定义 design.md 的主题选择。

信息密度是硬约束：每个镜头必须有明确信息载荷，不允许空帧。镜头 ≥4 秒必须说清这 4 秒在表达什么，≤1 秒必须有强视觉刺激。

适用边界与注意点

• 它不负责渲染视频。Spec 生成完毕后，你需要自己决定是否启动 HyperFrames 生成。
• 联网优先：你提到参考视频或品牌，它会直接去搜；涉及行业惯例先搜，不凭印象答。
• 它不会假装渲染层能做做不到的事，也不会替你决定关键内容。推断的内容会标 [待用户确认]。
• 迭代模式依赖已有 spec 文档，首次使用请走 0-1 模式。