剧本视觉资产提取编排器

短剧资产提取的真实痛点

在 AI 短剧制作中，把剧本转成可用的视觉资产常面临几个具体问题：角色在不同镜头里五官、服装不统一；道具和场景的物理属性与时代设定脱节；资产清单靠人工梳理，容易漏掉高频出现的次要元素。这些不一致会直接污染后续生成的提示词，导致成片出现穿帮。

这个编排器如何工作

该 Skill 本质是一个多阶段工作流编排器，不直接生成图像，而是从剧本文本中提取结构化资产并输出提示词。

• 阶段 1 资产清单提取：读取 references/stage1-extract.md，按频次阈值扫描剧本，输出 Markdown 资产清单。自检覆盖预处理完整性、字段解析、频次计数、阈值过滤和变体检测。
• 阶段 2-4 并行生成提示词：分别读取 references/stage2-character.md、references/stage3-prop.md、references/stage4-scene.md，结合原始剧本产出角色、道具、场景提示词。自检项包括面部锚点一致性、服装时代匹配、尺寸比例、材质可行性、光色锚点等。
• 阶段 5 汇总校验：读取 references/stage5-finalize.md，合并前序输出，执行跨资产校验和负向提示词检查，最终输出 md 或 json。

所有阶段通过 Markdown 文本传递数据，执行前必须先读取对应参考文件，每个步骤完成后立即自检，未通过则自动修正并记录。

适用边界与注意点

• 输入必须是完整剧本：script 为必填参数，碎片化文本会降低资产提取准确性。
• 执行顺序严格：阶段 1 必须先完成，阶段 2/3/4 可并行，阶段 5 最后执行。
• 输出是提示词而非图像：默认 Markdown，仅当明确要求时阶段 5 输出 JSON。
• 平台适配需另行处理：参数支持 midjourney、sd、domestic，但生成时仍需按目标平台语法调整提示词格式。
• 依赖参考文件：references/ 下的模板和 System Prompt 是执行依据，缺失会导致流程中断。