@oh-story/dsh 0.1.0

package/lib/drama/skills/short-drama-video-prompts/references/production-prompt-grammar.md

@@ -0,0 +1,312 @@
+# 生产视频提示词：边界、连续性与写法选择
+
+## 目录
+
+- [表达选择](#一先写核心动作再选择交付格式)
+- [连续性](#二连续性不同镜头类型都适用)
+- [已知能力](#三按已知能力调整写法)
+- [项目参数](#四文本交付读取的项目参数)
+- [文字与缺陷约束](#五文字与缺陷约束)
+- [决策规则](#六决策规则)
+- [范例](#七范例从边界写成通用提示词)
+- [交付文本边界](#交付文本只含交付内容)
+- [自检](#八自检清单)
+
+来自对剧本、分镜边界、参考帧与视频任务之间完整链路的定性案例阅读，示例均为合成
+改写。本套件的运动说明格式见 [motion-recipe.md](motion-recipe.md)；本文档是
+生产端语法的对照参考：写通用提示词时借用其成熟约定，但套件产物仍以该文档规定的
+结构为准，且**不调用任何生成服务、不出现供应商与模型产品名**——
+模型相关规则一律写成"按目标模型确认"的条件规则。
+
+核心认知：
+
+1. **从已接受的镜头起点出发**：若项目使用首帧，它提供起始构图与可见状态，但人物
+   可以按剧本要求从运动中开始。提示词只补足人物和画面如何变化到明确终点。
+2. **连续性靠前后镜比较，不靠记忆或全文复写**：上一镜终点与下一镜起点逐字段核对
+   （CON-01）；提示词只携带本次执行容易漂移的关键状态，避免冗长说明变成第二套
+   状态记录。
+3. **指代必须可解析**：多人同镜或目标模型容易串角色时重复角色名并写物理成因；
+   单人且指代无歧义时不把“禁代词”当成通用规则。比喻若不能转成可见动作，再改写
+   成物理表现。多人同镜时，除了重复角色名，还应给每个参与者附一个**稳定的资产索引**
+   （项目档案决定它长什么样），并在该角色每次被提及处一并出现——只在首次出现时标一次，
+   后面的提及仍然要靠模型自己记住是谁，多人场面正是它最容易记错的地方。索引在同一交付
+   范围内保持同一映射，场景与关键道具同样适用。唯一的例外是逐字对白：索引写在说话人
+   标识与描述里，**不写进围栏内的台词文本**，否则会被当成要念出来或要显示的内容
+   （见 [delivery-profile.md](delivery-profile.md) 的逐字对白围栏）。
+4. **上游顺序不可重写**：台词发生在动作前、动作中还是动作后都属于故事语义；提示词
+   必须逐项核对台词相对动作的先后位置，不能只保留同一批内容。
+5. **手部接触与道具交接必须可执行**：写清放下、换手、双手分离、递交、取回
+   和画外持有；一只手不能同时握笔、分纸并操作另一件工具。
+6. **文字策略先于通用禁字**：上游或资产声明的 `exact-readable` 字段必须保留并指定
+   受控显示位置；只有没有可读文字义务的镜头才能使用全局 `no-text`。
+
+## 一、先写核心动作，再选择交付格式
+
+先写不绑定供应商的核心动作说明，再决定交付格式。它只回答：从哪个已接受的镜头起点
+出发，谁因什么触发做什么，摄影机和声音怎样服务本镜目的，最后落到哪个已接受的镜头
+终点。构图、景别、机位、焦段、光线、情绪标尺或位置式引用只有项目确实需要时才加入，
+不为凑齐栏目重复参考帧已经承载的事实。
+
+### 可选的自然语言写法
+
+下面只示意一种顺序，不是必填链；已由参考帧或项目字段说明的内容可省略：
+
+```text
+从 <执行所需的已接受起点状态> 开始。
+因 <上游触发>，<主体按上游顺序完成动作/可见处理>；<必要反应或并行变化>。
+摄影机 <固定或运动及其职责>；声音 <必须逐字保留的内容及相对时机>。
+最终到达 <已接受终点>，并保持 <当前最易漂移的非目标事实>。
+```
+
+拟声词与实景距离（房间尺度、两处地点的间隔这类空间事实）取自上游内容或已接受项目方案。
+动作的幅度、角度与锚点秒数属于另一类：它们是本环节自己写的这一拍的组成部分，正常写——
+“肩线下沉约五厘米”“上身向左转约三十度”“起手不动约半秒”说明的是这个动作要做多大、
+往哪个方向、停多久，是本次的动作决定，不需要上游先给数字。摄影机的角度与轴线侧属于镜头
+记录，按 `framing.angle` 已接受的值写。越权只发生在这些量替上游做决定的时候：改写已接受
+时长、改掉镜头已接受的机位角度或轴线侧、声称一个未被接受的空间尺寸、给参考帧里没有的
+地理定尺。
+可比较的方向、接触、占画关系与相对阶段同样好用，与量级并列，按哪一种更能消除执行歧义来选。
+
+### 多段交付格式（仅项目已有明确要求时）
+
+交付格式可以要求片段编号、明确时间、位置式参考或文字策略，但这些只是外层格式，不
+改变创作者确认的镜头边界，也不创造额外动作。每个片段只写执行所需的起点状态；明确
+区间不得重叠冲突，且各段相加要正好用完已接受时长——多出来会被截断，少下来的余量会被
+执行端用未经批准的动作填满。若项目使用位置式引用，映射保持稳定且不侵入逐字对白；
+没有该要求就不生成这些槽位。分段与槽位各自要回答什么，见
+[delivery-profile.md](delivery-profile.md)。
+
+## 二、连续性（不同镜头类型都适用）
+
+### 本镜关键状态
+
+```text
+<角色/道具>-<本镜执行易漂移的字段>：<相对位置、朝向、手、持物或可见状态>。
+来源：<已接受镜头边界/资产引用>；保持到：<触发、接触或终点>。
+```
+
+规则：
+
+- 覆盖本镜动作、反应、连续性或下一边界依赖的角色；不入画且状态未变化者留在权威
+  状态表，通过引用继承，不为“字段齐全”把全场名单倾倒进提示词；
+- 只有提示词需要执行的继承才用短语重述，其余通过精确引用保持；
+- 动作进程、头身朝向分离、服装或伤势只有参与本镜变化/保留时才写；
+- 画外持物必须来自已接受镜头边界或状态表，不用“可能在背后”等猜测补连续性。
+
+### 表演状态变化
+
+写触发、可见处理、选择与最终状态；跨镜变化或保持都要有人物与后果依据。若创作者已有
+自己的表演标尺，只把已接受值作为项目记录读取，不由本文档提议档位、增量或
+“每镜升压”公式，也不让数字替代可见表演。
+
+### 空间连续
+
+- 位置写**相对参照**（"病床右侧""右肩上"），不写绝对坐标；
+- **裸写的"左/右"一律指画面左右**（观众看到的左右）；指人物自身的左右必须带主体
+  （"他的左手""她的右肩"）。两种读法混用是正反打方向翻转的主要来源，而单看每一句
+  都成立，所以文字审查抓不到——必须在写的时候就分清；
+- 场景资产用方位变体逐镜选用（`探视室（北）`/`篝火（近）`），正反打双方各绑
+  各的背景资产防穿帮；
+- 普通连续时间中的位移要有上游动作或过渡；已声明的省略、蒙太奇、梦境或
+  有意跳切可不同，但要记录权限，不能伪装成普通连续。
+- 选择性**折叠、消失、替换**或形变必须写触发、目标范围、结束几何/状态和
+  保持项；非目标人物、道具、已批准文字显示位置和固定空间关系不能随邻近目标一起消失、
+  复制或改形。镜头时长和表演负荷放不下变换路径与保持项核对时拆镜（VID-11）。
+
+### 参考绑定纪律
+
+每条结构化参考先有稳定 `slot_id` 和显式唯一 `order`。若创作者档案使用位置式参考（把角色、
+道具、场景绑到稳定编号），编号顺序是确定性记账，
+不是审美选择：
+
+- **编号方案由创作者档案声明，本套件不规定具体次序**（角色在前还是场景在前，都是档案
+  的事）。可迁移的要求只有两条：方案一旦发布就固定；新增对象追加到方案指定的位置，
+  **不重排已经发出的编号**。重排不会报错，只会拍错——提示词、审查者与执行端对同一
+  编号的理解就此分叉。
+- **同一编号在整条提示词内只指一个对象**，不因为“这次它更像背景”而改指别的东西。
+
+**每一次提及都要带绑定**。 一旦某个角色在本条提示词里绑定了参考，该角色的每一次出现
+都必须带同一个绑定，包括代词式回指和分段之间的重复提及。
+
+- 只在首次提及绑定、后文改用裸角色名，比完全不绑定更危险。完全不绑定时，执行端把该
+  角色当作一个未指定的人，前后至少一致；**部分绑定**时，执行端把带绑定的提及和不带
+  绑定的提及读成两个人，同一角色在同一镜里分裂成两副外貌，或在段与段之间换脸。
+- 因此“绑定一半”不是折中方案：要么这条提示词里该角色处处绑定，要么处处不绑定并用
+  重复角色名保持指代（呼应核心认知 3）。
+- 绑定只回答“这是谁、这是哪个物件”。它不自动带入参考图里的构图、服装、文字、道具和
+  故事状态；`role`、`may_control`、`must_not_control` 与检查状态仍按
+  [motion-recipe.md](motion-recipe.md) 的参考图用途声明。
+- 项目没有声明位置式参考时不生成占位编号，也不为“字段齐全”给未出场对象编号。
+
+## 三、按已知能力调整写法
+
+只有创作者已经提供或接受目标能力说明时，才按本集主导戏型调整提示词写法；本技能
+不选购、调用或测试模型，未设置时保留不绑定供应商的通用文本：
+
+| 已知能力/限制 | 文本适配问题 |
+|---|---|
+| 支持多段声画 | 哪些已确认镜头可只在交付格式中编组，同时仍能单独审查？ |
+| 动作或并发能力有限 | 哪项上游必保内容需要拆镜或请求修订，而不是靠删词假装完成？ |
+| 表演依赖清楚触发 | 哪个反应、处理或选择必须可见，哪些情绪形容词可删？ |
+| 受控文字、对白或口型 | 哪些上游内容允许进入，哪些必须留给后期或标记为未解决？ |
+| 能力未知 | 保留通用文本，不猜时长、质量、并发、文字或声音结果。 |
+
+### 能力说明有三种状态，不是两种
+
+“支持/不支持”会漏掉中间那一段。创作者提供的能力说明通常有两条线，不是一条：
+
+| 区域 | 含义 | 对写法的影响 |
+|---|---|---|
+| 稳定区 | 在此范围内按说明可执行 | 正常写，不额外收窄 |
+| 不稳定区 | 仍在允许范围内，但需要反复重试才拿到可用结果 | **在写的时候就收窄**：减少同镜并发主体、拆镜、把复合动作分到两镜 |
+| 超出范围 | 说明明确不支持 | 回上游改边界，不靠措辞绕过 |
+
+中间这一区最容易被漏掉，因为落在这里的请求**仍然是合法请求**：允许范围的上界回答的是
+“能不能提交”，稳定区的上界才回答”提交一次大概率可用”。两者之间的差额由重试补齐，
+而重试的代价由项目承担，不由文字承担。所以它是一个**写作阶段的决策点**，不是提交之后
+再观察的现象——交出去之后，收窄的机会就没有了。
+
+判断方法不依赖任何具体数字：凡是能力说明里出现“效果较好”“稳定性下降”“可能需要多试几次”
+这类措辞的地方，就是两条线之间的位置。把它当成本镜的并发预算读，而不是当成质量描述读。
+
+若创作者的说明只给了允许范围、没有区分稳定区，就按只有允许范围处理，**不自行推断一个更
+保守的数字当成事实**；可以据此提出“是否先小规模试一次再铺开”的问题，由创作者决定。
+
+## 四、文本交付读取的项目参数
+
+| 参数 | 规则 |
+|---|---|
+| duration | 从必须保留的动作、反应、对白与最终状态反推，并限制在项目已接受的能力范围；没有已接受值时保持未解决。 |
+| aspectRatio | 读取项目发行/构图约束，本文不自定常见比例。 |
+
+本技能不产出 `amount`、`resolution`、`task` 或其他执行参数。运动幅度与效果范围只有在
+帮助解释已接受的运动要求时进入提示词，不用供应商字段替代故事边界。
+
+## 五、文字与缺陷约束
+
+1. **无文字要求**（项目确实没有可读文字义务时）：
+   `画面不要出现任何文字`。若上游或资产要求 `exact-readable`，改为列出唯一允许
+   字段与受控显示位置，禁止同时写全局 `no-text`。
+2. **参考图检查**：提示词中的无文字要求只约束生成意图，不能擦除参考图像素。人物、场景、道具
+   或关键帧参考若带未批准标牌、界面、号码、水印、字幕或伪字，先**裁切、清理、
+   遮罩或替换**；会破坏身份、地理或构图时退回参考图归属方决策。`exact-readable`
+   镜头只允许批准的显示位置和文字版本，不让旧字样从参考图回流。
+3. **文字要求一致**：只复述已选择的文字策略；不能用`【不出现任何文字字幕】`抹掉证据文字。
+4. **语言与文字分别守上游要求**：对白保留原语言；字幕、屏显或无字策略读取已接受的
+   文字方案，不把“出海”自动等同于无字幕，也不让翻译覆盖逐字对白。
+5. **模型条件只来自已记录观察**：若创作者提供的项目反馈指出身份混淆、比例漂移
+   或其他具体风险，针对该操作补最少的正向状态说明与保持项；不复制通用缺陷补丁，
+   不靠首尾重复同一句增加权重。
+6. **后处理不在本技能执行**：若项目已有受控文字层或清理决定，只在文本中保留其
+   归属方引用和交接说明；不把未来清理能力当成当前参考图已检查的证据。
+7. **不要用词表判断审美**：项目已知能力若明确某种表达不可执行，记录它为什么失败、当前
+   替代表达和适用范围；不把一串形容词或生理细节词提升为跨题材禁用清单（VID-10）。
+
+## 六、决策规则
+
+1. **并发过载就拆**：当人物、道具、特效、可读文字与大动作无法在同一镜头时长和表演
+   负荷内各自落地时拆镜。并发上限由目标模型试验与项目记录，不从案例次数推成
+   固定元素配额。
+2. **台词与动作按注意力判断**：若大动作遮掉逐字对白、反应或口型职责，拆镜
+   或请求修订；若同一表演目的需要声画同在，不为分类把它们机械拆开。
+3. **人物反应**：权力、关系、信息或代价落到听者身上时必须给可见反应；是否独立成
+   特写和停留多久由后果与剪辑节奏决定，不按台词句数配额插镜。
+4. **台词负载**：从所选时长、语速、表演动作和口型能力反推；放不下就删减、拆镜或
+   请求剧本修订，不用固定字数替代试听。
+5. **收到生产反馈后的修订要可解释**：只改变当前诊断所需变量（拆元素、补关键状态
+   或换措辞）；必须联动的变量一起记录。若形成补拍或替代版，保留修改前后版本、
+   `coverage_scope` 与逐项 `source_obligations` 和 `disposition` 记录；普通母版不增加这层账目。
+   本技能不负责重投。
+6. **生产预算不由本技能猜**：可读取创作者提供的项目观察来收窄文本，但不移植
+   无来源的通用成本比例，也不从文字规格声称模型效果。
+
+## 七、范例（从边界写成通用提示词）
+
+已接受镜头：乙把仍由右手持有的账页交给甲；甲读到签名后停止辩解。参考帧已经承载
+身份、服装、桌面地理和基础光线，文字政策只允许账页签名位置显示文字。
+
+```text
+从乙右手仍握住账页、甲的视线停在乙脸上的已接受起点开始。乙把账页沿桌面推到
+甲面前，纸张停住后松手；甲先把视线移到签名位置，原本准备开口的动作停下。摄影机
+保持两人和账页交接都可读的固定构图，不新增纸面文字或旁观者动作。最终账页归甲一侧，
+乙双手离开纸面，甲注视签名位置并停止辩解。
+```
+
+这里没有重写外貌、完整场景或所有角色状态；本镜关键状态只保护道具交接、视线、文字显示
+和镜头终点。若当前项目另需片段编号、位置式参考或明确区间，再从同一动作说明写成交付
+格式，不能反过来让格式字段创造剧情。
+
+## 交付文本只含交付内容
+
+**`VID-22 · reviewed_invariant`**：交给执行端的那段文本里，只能出现要被拍出来的画面内容。
+任何描述“我们内部怎么做这件事”的流程词都不得进入。本条同样管关键帧的交付文本。
+
+执行端把整段交付文本当作**画面描述**读取，它没有办法区分“这句是给人看的工艺备注”和
+“这句是要画的东西”，于是把文件名渲染成画面上的字符、把版本号读成画面里有两个版本的
+同一个人、把否定罗列里的名词当成应当出现的物件。这类缺陷和动作超载不是同一种问题：
+超载只是难以完成，工艺词进入交付文本会直接让画面长出没有人要过的东西，而且是最难在
+文字审查中被发现的一类——它读起来“信息很全”。
+
+不得进入交付文本：
+
+1. 参考图文件名、版本号、切片编号与目录路径；
+2. 内部锁定标记、规则 ID、`hash`、字段路径与状态词（`accepted`、`stale`、`provisional`）；
+3. 走位草图、示意图、分镜板格号的指代（“按草图第二格”“沿用上次走位”）；
+4. 任务备注、重投说明、失败记录与待办（“这次重生成”“上次手部崩坏”“重点修手”）；
+5. 成段的否定罗列：把一长串“不要 X”堆在正文首尾。唯一允许的否定是项目确实没有可读
+   文字义务时的无文字要求（见第五节第 1 条）。
+6. **把本文件的规则本身抄进去**。实测最常见的一种：
+   `以竖屏当代写实动画化 SHOT-EP001-01，时长 2.5 秒。戏剧目的：冷开场。表演者：CHAR-JIANGCHEN。
+   只做常见的整体动作，不做精确拦截、不可见内部状态、否定式动作或三步以上双手编排。`
+   ——镜头 ID、角色记录 ID、内部工艺词（“戏剧目的”“表演者”）与 `VID-21` 的禁令原文一次踩齐。
+   它读起来“很规范”，但整段没有一个可以画出来的名词：谁、在哪、什么光、手里有什么，一个都没有。
+   判据只有一句：**把这段文本交给一个没读过规格的人，他能不能画出一张确定的画**。
+
+这些内容留在 Markdown 卡片、规格字段和审查记录里；交付文本只承接它们的**结果**：否定
+意图改写成正向状态，参考图约束改写成可见事实，重投经验改写成本次要保持的状态，而不是
+失败史。
+
+### 合成反例与改写
+
+```text
+参考图：角色甲定妆_v3_最终.png / 场景_厅堂_02.png（已锁定，勿改）
+分镜草图第 2 格，沿用上次走位。上一版手部崩坏，这次重点修手。
+负面：不要多人、不要变形手、不要模糊、不要出现文字、不要换服装。
+画面：角色甲从长桌旁站起，走向门口。
+```
+
+前三行没有一句是要拍的画面：执行端会尝试把文件名与版本号渲染成画面上的字、把“第 2 格”
+读成分格构图、把“多人”“变形手”“文字”当作应当出现的物件；真正的动作只剩最后一行，
+起点姿态、触发和终点全部缺失。改写成只含交付内容：
+
+```text
+角色甲坐在长桌右侧，双手平放桌面，目光落在对面的空椅上。听见门外一次落锁声后，
+右手先撑住桌沿，身体离开椅背站直，随后沿桌沿走向门口，在门前半步停住并侧身回望空椅。
+画面内始终只有角色甲一人，双手完整可见并保持在画面内，衣着与起点一致，桌面无字迹。
+```
+
+改写把每一条工艺备注换成了它对应的可见事实：锁定的参考图变成“衣着与起点一致”，修手
+备注变成“双手完整可见并保持在画面内”，无文字要求变成“桌面无字迹”，“不要多人”变成
+“画面内始终只有角色甲一人”。
+
+## 八、自检清单
+
+只检查与当前镜头和项目设置有关的项目；不要为通过清单补写无来源内容。
+
+1. 提示词是否从已接受的精确起点出发，并只重述当前执行需要的关键状态？
+2. 动作、反应、连续性或终点依赖的角色/道具是否可解析？无关画外状态是否留在状态表？
+3. 多人同镜的指代能唯一解析吗？比喻能转成目标模型可执行的物理表现吗？
+4. 表演状态的变化或保持有触发与原因吗？表演收束是否承接了后果？
+5. 文字策略与上游内容及资产一致吗？`exact-readable` 是否被全局 `no-text` 误删？
+   每张参考图是否也完成检查，或已记录裁切、清理、遮罩或替换决定？
+6. 并发元素是否都能在镜头时长和表演负荷内完成？若不能，拆镜或请求改边界了吗？
+7. 台词、动作与反应能在所选时长和语速内完成吗？听者承担后果时有可见反应吗？
+8. 若项目使用位置式参考，映射是否稳定、角色是否明确且未侵入台词？没有该要求
+   时是否避免生成占位引用？
+9. 是否只使用创作者已接受、带适用范围和证据的能力约束，而非通用负面词表？
+10. 上游台词相对动作的先后位置逐项一致吗？重写有没有把“事前选择”变成事后解释？
+11. 手部接触与道具交接可执行吗？放笔、换手、分离、递交和取回都有动作来源吗？
+12. 交付文本里还剩下工艺词吗？文件名、版本号、锁定标记、草图指代、任务备注或成段
+    否定罗列是否已经改写成可见事实？
+13. 角色参考是每次提及都绑定，还是只绑了第一次？编号是否始终遵循档案声明的方案、
+    没有重排已发出的编号，并且同一编号始终只指一个对象？

package/lib/drama/skills/short-drama-video-prompts/references/review-and-fixtures.md

@@ -0,0 +1,168 @@
+# 视频提示词审查量表与合成案例
+
+## 目录
+
+1. 审查顺序
+2. 证据量表
+3. 诊断目录
+4. 合成正例
+5. 合成反例
+
+## 1. 审查顺序
+
+先验证 refs、显式时长、camera interval、音频否定与 end equality，再由审查者看 performability、action feasibility、camera motivation 和 semantic invention。Reviewer 写 finding，不改 motion、shot 或 screenplay。
+
+Finding 必须含被引用快照的 artifact（从该文件 `sources` 声明里读出）、引用片段、影响、
+required fix、owner、severity、status。禁止用 prompt 长度、动词数量、固定动作/秒或“AI 味”替代证据。
+
+## 2. 证据量表
+
+| 维度 | 核心问题 | 必须引用 |
+|---|---|---|
+| Start fidelity | 第一动作是否从 keyframe/shot start 真正可接上？ | start 字段与 prompt 起始句 |
+| Ordered action | actor、方向、接触、先后和结果是否清楚？ | action stages |
+| Performance | 触发、处理、选择、landing 是否可见且符合 agenda？ | source beat/shot purpose + motion |
+| Action budget | duration 内能否保留故事动作、对白与 reaction？ | duration、距离、台词、动作、camera |
+| Camera | lock/move 是否一致，且因注意/压力/揭示而发生？ | camera interval + shot purpose |
+| Environment | 是否只动了有依据的环境，未发明天气/事件？ | accepted continuity + environment |
+| Dialogue/audio | exact refs、`speaker_ref`、可选 `voice_direction_ref`、VO/OS/SFX 与本场 delivery 是否分别保持？ | source audio fields + character voice direction + prompt |
+| End fidelity | reported end 是否逐项等于 continuity out？ | end report + source end |
+| Economy | frame 已承载外观是否被无谓倾倒？ | reference contents + copy block |
+| Shot boundary | 是否偷改 duration/end/next shot，或在单个镜头内部藏未声明的 cut？ | source shot + motion |
+| Segment integrity | 每个计时段是否只有一个连续视角？各段相加是否正好等于**所属镜头**的已接受时长？ | segment 列表 + accepted shot duration |
+| Container arithmetic | 容器承载了哪些已接受镜头？容器时长是否等于成员时长之和？成员是否顺序连续、同一绑定链、不跨场次、各自可单独审查？ | container 成员列表 + 各镜 accepted duration |
+| Deliverable text | 交付文本里是否只剩要拍的画面内容，没有文件名、版本号、锁定标记、草图指代或任务备注？ | prompt 正文 |
+
+语义 finding 的修复应指出删/改哪一段 motion，或该向哪个 owner 发 revision request，而不是笼统说“动作自然一点”。
+
+## 3. 诊断目录
+
+| code | classification | enforcer | 默认 severity | owner | 含义 |
+|---|---|---|---|---|---|
+| VID_SOURCE_REF_UNRESOLVED | structural_invariant | validator | error | video-prompts | shot/keyframe/dialogue/audio ref 未解析：`src` 在本文件 `sources` 里没有对应条目、引用没有给出任何上游绑定，或解析出的记录/字段在目标快照里不存在 |
+| VID_EXPLICIT_TIMING_OVERFLOW | structural_invariant | validator | error | video-prompts | 显式时间终点/非重叠总量超 duration |
+| VID_EXPLICIT_TIMING_SHORTFALL | structural_invariant | validator | error | video-prompts | 裁剪到镜头长度内的分段并集短于 duration；开头留空、中间留空与结尾留空都算，余量会被无来源动作填满 |
+| VID_TIMING_MODE_INCONSISTENT | structural_invariant | validator | error | video-prompts | `timing_plan.mode` 写 `relative` 却有分段标 `explicit`，两种计时同时声明 |
+| VID_EXPLICIT_TIMING_UNDECLARED_OVERLAP | structural_invariant | validator | error | video-prompts | 分段区间重叠但未声明重叠关系，合计无法判定 |
+| VID_EXPLICIT_TIMING_UNPARSEABLE | structural_invariant | validator | error | video-prompts | 声明 explicit 却没有可读秒区间，无法做 VID-04 算术 |
+| VID_DECLARED_TOTAL_MISMATCH | structural_invariant | validator | error | video-prompts | `declared_total_or_endpoint_seconds` 与分段实际覆盖不一致 |
+| VID_DURATION_PROJECTION_STALE | structural_invariant | validator | error | video-prompts | `boundary_refs.duration.value_seconds` 与镜头已接受时长不一致 |
+| VID_CAMERA_INTERVAL_CONFLICT | structural_invariant | validator | error | video-prompts | 同一区间 lock 与 move 等显式冲突 |
+| VID_END_REPORT_MISMATCH | structural_invariant | validator | error | video-prompts | reported end 不等于 storyboard continuity out |
+| VID_BOUNDARY_OVERRIDE | structural_invariant | validator | error | video-prompts | motion 写入 duration/end/next-shot override |
+| VID_ACTION_INFEASIBLE | reviewed_invariant | reviewer | error | video-prompts/storyboard | 一般动作负载不可行或掩盖故事变化 |
+| VID_SEMANTIC_INVENTION | reviewed_invariant | reviewer | error | video-prompts | 新造故事、关系、知识、状态或音频事实 |
+| VID_CAMERA_UNMOTIVATED | craft_default | reviewer | warning | video-prompts | movement 无助于目的/注意变化 |
+| VID_REFERENCE_DUMP | craft_default | reviewer | warning | video-prompts | bound frame 已带外观却重复整本 设定集 |
+| VID_HIDDEN_CUT_IN_SEGMENT | reviewed_invariant | reviewer | error | video-prompts | 单个计时段内藏入视角或空间跳变，等于一次未申报的剪辑 |
+| VID15_SHOT_PACKED_TWICE | structural_invariant | validator | error | video-prompts | 同一镜头被两个容器认领，全集时长凭空多一段 |
+| VID15_MEMBER_IS_NOT_AN_EPISODE_SHOT | structural_invariant | validator | error | video-prompts | 容器成员不属于本集镜头集合 |
+| VID15_MEMBER_SHOT_HAS_NO_DURATION | structural_invariant | validator | error | video-prompts | 被装箱的镜头没有数值时长，容器时长无从成立 |
+| VID15_CONTAINER_DURATION_IS_NOT_THE_SUM | structural_invariant | validator | error | video-prompts | 容器时长不等于成员已接受时长之和 |
+| VID15_EPISODE_TOTAL_DOES_NOT_RECONCILE | structural_invariant | validator | error | video-prompts | 容器加散镜不等于全集镜头时长总和 |
+| VID15_MEMBER_ORDER_IS_NOT_A_SEQUENCE | structural_invariant | validator | error | video-prompts | 成员 `order` 不是从 1 开始、升序、无重复无跳号 |
+| VID15_MEMBER_HAS_NO_ACCEPTED_DURATION | structural_invariant | validator | error | video-prompts | 成员没有投影它所装镜头的时长 |
+| VID15_MEMBER_DURATION_IS_STALE | structural_invariant | validator | error | video-prompts | 成员的 `accepted_duration` 与它所装镜头的值不一致 |
+| VID15_MEMBERSHIP_BASIS_MISSING | structural_invariant | validator | error | video-prompts | 容器没有记录成员为何同属一个容器 |
+| VID15_MEMBERSHIP_BASIS_INCOMPLETE | structural_invariant | validator | error | video-prompts | `membership_basis` 三项里有结论留空 |
+| VID15_CONTAINER_HAS_NO_ID | structural_invariant | validator | error | video-prompts | 容器记录没有 `container_id` |
+| VID15_CONTAINER_HAS_NO_MEMBERS | structural_invariant | validator | error | video-prompts | 容器没有成员 |
+| VID15_CONTAINER_DURATION_MISSING | structural_invariant | validator | error | video-prompts | `container_duration` 缺失或不是秒数 |
+| VID15_MEMBER_HAS_NO_SHOT_REF | structural_invariant | validator | error | video-prompts | 成员没有点名它所装的镜头 |
+
+`VID15_*` 由 [container_check.py](../scripts/container_check.py) 执行。未装容器的散镜与
+时长尚未确定的镜头**只报告不判错**：前者是合法的打包选择，后者是上游还没做完，把它们
+写成缺陷会让"进行中"和"做错了"无法区分。
+| VID_UNEXECUTABLE_MICRO_METRIC | craft_default | reviewer | warning | video-prompts | 亚秒偏移、厘米位移、角度数等读起来精确却无法执行也无法验证的计量 |
+| VID_INNER_MONOLOGUE_ONLY | craft_default | reviewer | warning | video-prompts | 绝大多数段落只有内心活动，没有可拍的可见事件或有来源的声音 |
+| VID_STYLE_ALTERNATIVE | taste_option | reviewer | note | video-prompts | 表演/摄影/声音风格的非阻断选择 |
+
+语义问题只能由 reviewer 证据化判断；不要写正则把“缓慢”“同时”或动词数量变成错误。
+
+## 4. 合成正例
+
+以下人物、场景、对白均为虚构合成材料。
+
+### Accepted boundary 摘要
+
+- `SHOT-EP001-014`，duration `5.0s`，purpose：罗静听见门外有人试锁后，选择隐藏登记簿而非立刻逃跑；
+- start：她坐在检修台边，左手翻开的登记簿，右手握笔，目光在页上；后方安全门位于她右后侧；
+- dialogue：画外男声 `[OS] “里面有人吗？”`；
+- end：她仍坐着，左手把登记簿压在工具盒下，右手握笔停在桌沿，目光锁向右后侧安全门；
+- camera：接受的单镜头、固定轴线，可在触发后轻微推进。
+
+### 合格 generic prompt
+
+> 从参考帧的坐姿开始：她的左手仍按在翻开的登记簿上，右手握笔，目光落在页上，右后方是安全门。门外先传来一次短促的试锁声；她的笔尖立刻停住，目光先移向安全门，但身体没有起身。画外男声问“里面有人吗？”，她屏住一拍，没有回答，左手才把登记簿平稳滑入旁边工具盒下方，动作克制，避免纸页发声；右手始终握笔，最后停在桌沿。表演由专注工作转为警觉，再落到压住恐惧后的主动隐瞒。摄影机开头保持固定，在她决定藏起登记簿时做一次很短、很慢的推进，终点仍保持既定轴线，将她的左手、工具盒和望向安全门的视线纳入同一画面。维修间底噪持续，试锁声和画外问话清楚置于门的方向，无音乐突入。5 秒内完成，结尾保持她仍坐着、左手把登记簿压在工具盒下、右手握笔停在桌沿、目光锁向右后侧安全门。
+
+为何有效：开端只重复运动关键事实；动作按声音→接收→决定→隐藏排列；OS 不要求口型；camera 在选择时启动；结尾逐字段落到 accepted boundary，没有写下一镜。
+
+## 5. 合成反例
+
+### 反例 A：外观倾倒与边界改写
+
+> 她有窄长脸、断眉、短卷发，穿墨绿工装、米白 T 恤、深色长裤和短靴，维修间墙壁每一处材料都清晰。她站起来跑到门外，把笔交给陌生人，然后下一镜已经来到街上。
+
+Finding：reference 已携带外观而 motion 没写关键表演；更严重的是 start 从坐姿跳到站立、end 新增跑出/道具转手，并代写下一镜。修复需回到 accepted 坐姿 end；若逃跑是创作意图，向 storyboard 请求新 boundary/shot。
+
+### 反例 B：动作超载但不能靠计数器判
+
+> 5 秒内，她听完整句问话，翻完三页，把册子锁入抽屉，走过房间关闭两扇窗，拆下墙上话筒，打电话说两句，再回到原座位保持完全静止。
+
+Reviewer 应引用房间距离、物件操作、对白和 landing 说明不可行；不能只说“有七个动词”。优先保留与隐藏决定有关的动作，其余删减或请求 split/extend。
+
+### 反例 C：camera 显式矛盾
+
+```text
+0–5s：摄影机绝对锁定、没有任何移动。
+1–4s：摄影机持续向前 dolly 并手持环绕角色一周。
+```
+
+同一区间的 lock/move 可结构阻断。创作者可选择 lock 或 move；若需先锁后推，写不重叠 transition。
+
+### 反例 D：音频语义发明
+
+> 画外问话后，突然响起爆炸，所有灯熄灭，她大喊“我承认了”。
+
+若 source 没有爆炸、停电和这句对白，这会改变故事与 continuity。由 reviewer 引用 source 缺失与 prompt 新句给 `VID_SEMANTIC_INVENTION`，不是因关键词“爆炸”本身被正则禁止。
+
+### 反例 E：段内藏切
+
+```text
+段 2（1.6–3.4s）：她把登记簿推入工具盒下方；随即是走廊外一只手停在门把上的近景；
+再回到她的侧脸，眉心收紧。
+```
+
+技能正文已经规定单个镜头内部只保持一个剪辑边界，但违规通常不出现在 `camera` 字段冲突里，
+它藏在**一个计时段内部**的连续叙述中，读起来只是“镜头很有节奏”。量表要能抓到它，
+而不只是禁止它：逐段列出空间锚点、被摄主体和机位关系，段内出现没有过渡的空间或主体
+跳变，就是一次未申报的剪辑。修复是向 storyboard 请求拆成两个 authored shots，或删掉插入的
+外景段落；不能靠补一个转场词把它说圆。
+
+注意与多镜容器区分：容器内**成员镜头之间**的空间与主体跳变是已申报的剪辑，不是缺陷。
+判据是跳变落在哪里——落在成员镜头边界上，且该边界能追溯到一个已接受镜头，就成立；落在
+某个成员镜头的计时段内部，就是段内藏切。容器时长与成员时长之和不符时另记一条容器算术
+缺陷，不要把两者混成同一条 finding。
+
+### 反例 F：不可执行的微计量
+
+```text
+0.00–0.37s：眉心下压 0.4 厘米；0.37–0.92s：右手向左平移 3 厘米，头部旋转 7 度；
+0.92–1.41s：瞳孔收缩，肩线下沉 1.2 厘米。
+```
+
+这类写法读起来像精度，实际没有指定任何可执行的东西：执行端无法把厘米和度数对到画面
+尺度，审查者也无法验证是否照做；同时它挤掉了真正需要写清的触发、接触与结果。修复是
+换成可比较的相对量与接触事实——“手指移到杯沿并停住”“视线从对方脸上落到桌面签名处”。
+只有上游提供、且确实能消除歧义时才写具体秒段（见 `motion-recipe.md` 3.6）。
+
+### 反例 G：整段独白
+
+```text
+段 1：她想起母亲临走前那句话。段 2：她意识到自己再也回不去了。段 3：她下定决心。
+```
+
+三段都只有内心活动，没有一件可拍的事。没有可执行内容时，执行端会自行发明动作与表情
+去填满时间，结果与剧本无关。修复是让每段至少落到一个可见事件（目光、接触、位移、决断
+动作）或一段有来源的声音；确实需要内心过程时，用已接受的画外音承载，并写清它与画面
+事件的相对时机。内心独白本身不是缺陷，把它当作整条提示词的唯一内容才是。

package/lib/drama/skills/short-drama-video-prompts/references/stage-contract.md

@@ -0,0 +1,110 @@
+# 视频提示词阶段契约
+
+## 目录
+
+- [独立运行与项目集成](#独立运行与项目集成)
+- [所有权边界](#所有权边界)
+- [制作形态需要什么](#制作形态需要什么)
+- [参考媒体与补拍](#参考媒体与补拍)
+- [本阶段规则](#本阶段规则)
+
+本文件是本技能的自包含契约：预检、所有权、形态输入与规则表都在这里，
+不需要读取其他技能的文件。
+
+## 独立运行与项目集成
+
+本技能可以单独安装并运行；下面几条说明项目工具存在时怎样集成。
+
+1. **读取直接输入**：只读取用户明确提供或当前任务实际需要的文件，不批量加载整个项目。
+2. **可选项目集成**：若存在 `short-drama.json` 且 core 项目工具可用，可以运行
+   `python3 <core>/scripts/project_tool.py status <project>`，使用返回的目录布局和语言设置；
+   core 不可用时，直接基于已提供输入产出本阶段文件。
+3. **可选发布生命周期**：项目工具可用时，用 `publish` 原子发布并用 `--input <path>`
+   声明直接输入；`accept`、`review` 与 `package` 继续承担确认、复核与交付。
+4. **保持职责分离**：创作者确认、内容修订和复核是不同动作；reviewer 提修改要求，负责人改文件。
+
+## 所有权边界
+
+- **本阶段拥有**：运动顺序、表演路径、摄影与声音的实现；交付容器的成员、顺序与容器时长。
+  成员的已接受时长是分镜的只读投影，容器时长等于它们之和。
+- **本阶段继承**：镜头目的、起止边界、已接受时长、形态运动预算、逐字对白。
+- **本阶段不越权**：不回写镜头或资产权威；结束报告只用于比较，不是第二个终点取值权威。
+  需要改时长、终点、对白或下一镜开场时，发修订请求给对应负责人。
+
+## 制作形态需要什么
+
+视觉风格不是贴在提示词前面的标签。创作者已接受的视觉方向与制作形态由项目层决定并传入，
+**本技能不加载形态卡，也不自行选择形态**；本节只说明本阶段需要形态回答什么、以及拿到
+答案后投影成哪些字段。
+
+形态决定属于 `craft_default`：创作者说明理由即可覆盖。形态不能创造新的
+`structural_invariant`，也不能改写身份、地理、持物归属与可读文字政策。审查者不得单凭
+形态偏好阻断交付。
+
+不要用“加一句风格前缀”处理形态差异。前缀只改变检索标签；形态改变的是**必须出现和
+可以省略的字段**，只有后者会被执行，也只有后者能被审查。
+
+本阶段要向形态决定问：**运动层、接触、节奏、声源与结果**在本形态下怎么写。
+
+运动段的默认值随形态改变（默认全动作 / 默认保持姿态并声明例外 / 一镜一因果 / 把全动作
+预算集中给情绪转折镜）。拿到形态运动预算后，本阶段只负责把它落成有因果顺序的动作与
+可比较的终点，不重新选择形态。
+
+本阶段新增：运动层、接触、节奏、声源与结果。
+
+## 参考媒体与补拍
+
+- **参考图能决定什么要逐张写明**：每张参考的用途、可以照搬什么、不可以照搬什么。身份参考
+  不自动决定构图；构图、尺度或效果参考不自动带入图中人物、服装、文字、道具与故事状态。
+- **像素主张需要证据**：关于参考图上可见内容（尤其文字、水印、标牌、界面）的断言，必须
+  来自创作者/参考图权利人的可核对说明，或运行环境获授权后形成的输入参考观察记录，并绑定
+  被检查的字节。两者都没有时保持 `unverified`，负面提示词不能代替证据。
+- **观众揭示时机**：某一事实何时可被观众看到，由已接受的可见性决定绑定其来源、载体、
+  权限、触发与保护方式。构图既不能提前泄露该事实，也不能遮掉本环节必须传达的载体。
+- **母版、补拍与替代**：补拍默认只补充、不替代母版。普通母版不增加版本范围字段；只有
+  补拍/替代版才声明 `pickup | alternate`，用同一文件内稳定的记录 ID 说明母版与补充关系，并把每项原文要求对应到当前字段或说明
+  去向。只有下游审查结论才能批准替代，不得回写形成循环引用。
+
+## 本阶段规则
+
+### `VID`
+
+| ID | Class | Knowledge |
+|---|---|---|
+| VID-01 | structural_invariant | Motion reads but cannot rewrite shot start/end/duration/dialogue and next-shot state. |
+| VID-02 | craft_default | Write start anchor, ordered subject motion, camera behavior, timing, and end report; add performance change and environment/audio only when this shot actually carries them. |
+| VID-03 | craft_default | When a reference frame carries appearance/composition, focus prose on change instead of repeating the 设定集. |
+| VID-04 | structural_invariant | Explicit segment timing sums exactly to its shot's accepted duration—neither exceeding it nor leaving an unallocated remainder. |
+| VID-05 | reviewed_invariant | Untimed action load must be feasible enough to preserve the intended performance and story change. |
+| VID-06 | structural_invariant | Locked and moving camera instructions cannot govern the same interval without an explicit transition. |
+| VID-07 | taste_option | Camera may be locked or moving; audio/lip-sync detail follows the chosen production profile. |
+| VID-08 | reviewed_invariant | Structured motion names this shot's exact subjects, actions, contacts, and results rather than reusable placeholders; when a performance path is present, it names only the actors and visible changes this shot actually carries. |
+| VID-09 | structural_invariant | Next-start is an existing canonical ref whose `src` resolves through the file's `sources` declaration, or an explicit provisional locator; never an invented record, source key, or hash. |
+| VID-10 | craft_default | Resolve one accepted production profile for the current delivery scope; local variants may coexist when their range and precedence are explicit, without overriding source coverage or exact-readable obligations. |
+| VID-11 | reviewed_invariant | A selective transform names its trigger, exact target scope, end geometry/state, and preserve set so non-target people, props, text surfaces, and spatial anchors do not change with it. |
+| VID-12 | reviewed_invariant | A pickup/alternate names stable master/supplement motion IDs and maps each source requirement to a field or disposition; motion may request replacement, but only a downstream independent verdict can approve it. |
+| VID-13 | structural_invariant | A delivery container carries one or more accepted shots that are contiguous in source order, share one accepted geography/asset binding chain, and do not cross a scene boundary—a Location/View change ends the container. Its duration equals the sum of their accepted durations, and packing changes neither shot boundaries nor per-shot reviewability. |
+| VID-14 | craft_default | Music intent may be annotated per shot as a relative entry/exit/duck against neighbours, but its realization belongs to the timeline layer; no deliverable—single-shot or multi-shot container—carries a baked-in music bed unless the project accepted otherwise or the source is diegetic. Dialogue, off-screen sources, ambience, and event effects stay with the deliverable. |
+| VID-15 | structural_invariant | Within one episode a shot belongs to at most one container, so container durations sum without double-billing. Containers need not cover every shot, but the containers plus the shots left loose must account for the episode's shot set exactly once; an unaccounted or twice-counted shot is a defect, not a packing preference. |
+| VID-16 | reviewed_invariant | When performance changes, multi-character motion differentiates the actors who actually carry it and keeps each chosen signal readable in the accepted framing; it does not require an arc for non-performing shots, force every craft field, or duplicate one emotion across the cast. |
+| VID-17 | reviewed_invariant | Every multi-reference binding carries a stable `slot_id` and explicit unique `order`, so array reordering or insertion cannot silently change a reference's role; until a project validator owns this check, the reviewer cites conflicting slots/orders rather than claiming mechanical enforcement. |
+| VID-18 | reviewed_invariant | Per-shot text readiness is a scope-aware review/status projection derived from current accepted refs and real blocking gaps, not a persisted motion fact. A missing input blocks only dependent claims; overall delivery-ready requires all applicable scopes. Readiness never claims generated identity, performance, lip-sync, mix, edit, or market quality. |
+| VID-19 | reviewed_invariant | When the creator profile declares required literal tokens for a delivery route, that route's delivery text preserves them byte-for-byte and outside the verbatim-dialogue fence. Paraphrase, translation, reordering, or omission is treated as a defect because a literal-matching surface has no reason to reject the rewritten text—the failure is silent rather than reported. The suite asserts no specific surface's behaviour, and whether a given result took the route is returned adherence, provable only by a bound production observation. Tokens declare a route and never substitute for the start state, action, or endpoint. Absent a declared token list the suite invents none; until the profile exposes a machine-readable list at a pinned field path, the reviewer cites the profile against the delivery text rather than claiming mechanical enforcement. |
+| VID-20 | reviewed_invariant | Packing routes change delivery granularity only, leaving shot boundaries, shot purpose, and per-shot reviewability intact. A single long-form generation carrying several accepted shots *is* a multi-shot container and is billed under VID-13 and VID-15; it introduces no separate accounting and no exemption from the contiguity, binding-chain, and scene-boundary constraints. A continuation route instead starts from a previously generated result, which is observation evidence and not an accepted artifact: the accepted shot start boundary stays the sole authority, and any claim about the observed state binds a production observation record or remains `unverified`. |
+| VID-21 | craft_default | When the project's accepted production profile has generated imagery carry the frame, actions are written as high-frequency, whole-body or single-limb movements common in everyday footage; precise interception, invisible internal states, negative actions, and three-or-more-step two-handed choreography are rewritten into equivalent common-action combinations, with the dramatic information carried by combination and timing. The rule is inactive for live action or an undeclared profile, and a rewrite may never change accepted shot boundaries, terminal states, or screenplay fact. |
+| VID-22 | reviewed_invariant | Delivery text carries only what will be filmed. Record and rule IDs, lifecycle status words, hashes, field paths, reference filenames, craft notes, and run-on negative lists stay in the spec fields and review records; the delivery text takes their result — a negative intent rewritten as a positive state, a reference constraint rewritten as a visible fact. A prompt that recites its own constraints reads as complete and renders as nothing. Until a project validator owns this check, the reviewer cites the delivery text against this rule rather than claiming mechanical enforcement. |
+
+### `CON`
+
+| ID | Class | Knowledge |
+|---|---|---|
+| CON-01 | structural_invariant | Linked end and next start states match or have an explicit owner revision. |
+| CON-02 | reviewed_invariant | Knowledge, injury, ownership, weather, light, or physical state does not teleport/regress without story cause. |
+| CON-03 | craft_default | Track downstream-relevant deltas, not the whole 设定集 in every shot. |
+| CON-04 | structural_invariant | A delta records before, after, cause/source, effective range, and affected bindings. |
+| CON-05 | taste_option | Declared montage, ellipsis, dream, or subjective imagery may intentionally break ordinary continuity. |
+| CON-06 | structural_invariant | A delta's affected refs cover all existing consumers; future consumers remain locators until materialized. |
+
+规则分级由高到低：`structural_invariant`（结构缺陷，阻断）、
+`reviewed_invariant`（需证据判断）、`craft_default`（常用做法，可覆盖）、
+`taste_option`（创作者选择，不作缺陷）。创作者已接受的事实优先于本表。