cyl19970726

用 AI 做「可控的 IP 系列形象」的完整方法论与实战提示词 —— 把一个吉祥物/IP 角色扩展成一整套 风格统一、角色一致、可延展(换装/动作/入景/周边)的系列，而不是只出一张惊艳的单图。 当任务涉及:设计一套 IP/吉祥物/虚拟人系列、做 IP 家族(多角色同风格)、AI 出图"第一张惊艳但成不了系列/ 一致性崩"、角色三视图/转身/表情包/换装/动作设计/把角色融进场景、黏土风/羊毛毡/盲盒手办质感、 多图参考锁角色一致性、2D 形象转 3D 质感、给 IP 做周边延展、品牌吉祥物落地 —— 时使用本 skill。 出现 IP设计/IP系列/吉祥物/虚拟人/角色一致性/character consistency/IP family/换装设计/动作设计/ 黏土风/羊毛毡/即梦/Lovart/Nano Banana/Seedream/多图参考、找IP设计参考/对标成熟IP/世界级IP范例/moodboard/benchmark 等关键词也应触发，即使用户没说"skill"。 它管的是【二维形象设计层】:产出一套锁死的一致角色 + 转身/姿势/场景图。要把这些图真正做成可绑骨的 3D 角色/AR 资产,接 [[ar-3d-animation-pipeline]] / [[tripo-api]] / [[hunyuan-3d]];多版本横向择优用 [[parallel-concepts-tournament]];给一致性/美感立评审用 [[evaluator-design]]。 ⚠️ 活文档:每做一个新 IP,把新踩的坑/新验证的提示词追加进 §6、§7。

用 codex 生成/编辑高质量位图(照片、插画、产品图、UI mockup、概念图、贴图、IP 形象、透明抠图)的实战方法论 —— codex 自带一个 `image_gen` 内置工具(底层 gpt-image,无需 OPENAI_API_KEY、免联网配置),你用自然语言让 codex "生成一张图/改这张图",它会【自动触发】系统 imagegen skill 调用该工具。本 skill 教你怎么把它的质量拉满 + 在 harness 多 agent workflow 里批量驱动 codex 生图。 当任务涉及:用 codex/AI 生成图片、出概念图/海报/产品图/封面/hero、给图换背景/改光影/抠透明、做一批资产或变体、 IP 形象/吉祥物出图、给 [[ai-ip-series-design]] 真正"跑图"、文生图/图生图/图改图、gpt-image/透明背景/4K 出图、 在 .star workflow 里 fan-out 多个 codex 并行生图 —— 时使用本 skill。出现 codex 生图/image_gen/gpt-image-2/ gpt-image-1.5/imagegen/抠图/chroma key/批量生图/generate-batch 等关键词也应触发,即使没说"skill"。 ⚠️ codex 专属:claude/kimi 没有这个内置工具。真要做可绑骨的 3D/AR 见 [[ar-3d-animation-pipeline]]/[[tripo-api]]; 多 agent 编排见 [[author-workflow]]。⚠️ 活文档:新踩的坑/新验证的参数往 §7 追加。

拉片——把一条对标视频拆成可复刻 SOP。管线:下载→whisper逐字稿→抽帧(粗览+按需密抽)→判型→逐段填表→产出①逐段拉片报告(它怎么做的,工具链带置信度)+②复现SOP(你怎么抄)。用于"学习/复刻优秀博主的爆款视频"。触发词:"拉片"、"拉这条视频"、"拆解爆款视频"、"复刻对标博主"、"理解这条视频"、"这个视频在讲什么"、"学习博主视频"、"video understand"、"看懂小红书视频"。

Use when an agent needs to author a dynamic multi-agent workflow at runtime: write a Starlark program (loops, conditionals, data-driven fan-out) that calls agent()/parallel()/phase()/log() over the harness runtime, declare a mandatory workflow(name, design_intent) header, run it with `harness workflow run-script`, and read the resulting WorkflowRun/WorkflowStep records back from the dashboard snapshot or store.

从 0 到 1 制作浏览器 WebAR 的 3D 动画角色/场景的完整流程、技术原理与已验证工具链。 当任务涉及"把一个 IP 形象/吉祥物做成「扫描识别卡或冰箱贴 → 3D 角色临现并做动作(倒茶/挥手/提灯等)」的 AR 体验", 或需要:概念图(art direction)定调、AI 图生3D(Tripo/TRELLIS)、给 Q版角色自动绑骨(Mixamo)、 移动端模型优化(gltf-transform meshopt)、react-three-fiber 场景装配、手作骨骼动画、 给程序化动画做客观精度评估(几何 + 视觉 agent 双评估)、MindAR 图像追踪接入、AR 资产部署真机 —— 时, 务必使用本 skill。涉及 codex/FLUX 生成对版参照图、Tripo API 自动建模绑骨、TRELLIS、rembg 抠图、 GLB 减面压缩、骨骼蒙皮、扫贴/识别卡 AR、3D 吉祥物动起来、AR 冰箱贴 等关键词时也应触发, 即使用户没明说"流程"或"skill"。

把"3D角色一段连续表演"(如 揭小贤走到茶桌坐下冲茶讲解)拆成 Beat(与配音cue逐句对齐的最小动作单元), 每个 Beat 走 设计→实现→多维evaluator(workflow)→loop 的生产管线。核心物料=【坐标契约 scene-layout.json】 (角色/道具/落座点/抓取点共用一份坐标,authoring与runtime一致=手到壶到)。当任务涉及:分镜化角色表演、 与配音同步的动作序列、道具拿放(re-parent)、走路/坐下/倒茶类动作、茶汤/重力类物理合理性检查、 逐beat评审 —— 时使用本 skill。配套 workflow:项目 workflows/beat-eval-loop.star。 ⚠️ 活文档:揭小贤茶艺表演的每个 beat 实作经验都往本文件追加。

用 Blender MCP(blender-mcp 插件 + socket)程序化驱动 Blender 做 3D 动画管线的实战方法论 + evaluator + 踩坑。 当任务涉及:用 Blender 给角色做/改动画、重定向 Mixamo 动作、IK 摆姿势、NLA 合成多 clip、导出 glTF/GLB、 在 Blender 里渲染验证、清理/重绑骨、把 Tripo/FBX 模型加工成带多动作的 AR 模型 —— 时使用本 skill。 出现 blender、blender-mcp、execute_code、bpy、armature、retarget、IK、glTF导出、骨骼动画、动画评估 等关键词也应触发。 配套:动画来源/管线的全局地图见 `ar-3d-animation-pipeline`;Tripo 建模绑骨见 `tripo-api`。 ⚠️ 活文档:每次实践有新经验就往"踩坑/经验"追加。

决策闭包方法论:面对"没做过的复杂任务",在执行前重建任务的决策闭包(必须被做出的全部决策),用决策覆盖表暴露"被意外决定/无人决定"的决策类,把延期机制(闭包债逐次碰撞偿还)换成纸面成本。当出现:复杂任务反复返工/重复延期、同一交付物验收多次不过、用户反复纠偏、"看起来有设计但仍然混乱"、需要复盘"为什么一直失败"、或要给反思/复盘本身立验收标准(回溯测试)——时使用本 skill。配套 workflow:closure-retro.star(三路闭包源重建覆盖表+盲集回溯验证)。⚠️ 活文档:每次覆盖表被新失败证伪,把漏掉的决策类追加进 §6。

揭阳古城 AR 内容产线在 Blender 里做动画生产的作业环境(harness)本体。当任务涉及:用 Blender 预渲染磁贴/印章卡(卡面合同)或景点效果层(景点合同)、给模型/绑骨/动画/pass 做多视图板验收、跑评审闸放行下一阶段、check-gate-status / gate-status.json 判定、金反例(golden negative)回归、候选(candidate)验收目录契约、写或改判定器 checker、参数化渲染动词、感知/行动/反馈三层、内环 quicklook 外环 board —— 时使用本 skill。出现 harness / gate-status / 多视图板 / 评审闸 / golden negative / 候选验收 / Blender 生产 / .artifacts / 熔断 等关键词也应触发。它给的是"怎么用这套作业环境+不变量+硬拒清单",不是 Blender bpy 教程(bpy/retarget/导出见 blender-mcp;3D 角色总管线见 ar-3d-pipeline;景点合同落地见 scenic-spot-ar;磁贴创意见 ar-fridge-magnet)。

腾讯混元生3D(产品1804,ai3d.tencentcloudapi.com)的完整 API 能力 + "图生3D→绑骨→文生动作"实跑管线。 当任务涉及:用腾讯混元做图生3D/文生3D、混元自动绑骨(AutoRigging)、**混元文生动作(text-to-motion, 一句话生成角色动画=混元独门)**、把吉祥物/IP角色做成可动3D、混元积分/计费/签名/面数控制、 或要在 Tripo/混元 两个3D后端间选型融合 —— 时使用。出现 混元生3D/HunyuanTo3D/ai3d/SubmitAutoRiggingJob/ SubmitHunyuanTo3DMotionJob/HY-Motion/文生动作/混元绑骨/混元图生3D 等关键词也应触发,即使没说"skill"。 ⚠️注:纯混元一站式出"可动角色"**不成立**(文生动作 RetargetFile 实证不出带 mesh 的角色)——必须配 Blender retarget,见 §5-B。 本 skill 只聚焦混元 API 本身;完整 AR 角色管线的总地图与"Tripo vs 混元怎么选/融合"见 [[ar-3d-pipeline]]; Tripo 后端见 [[ar-3d-pipeline]];最后一公里 retarget/清理/验证见 [[blender-mcp]]。

Use for organizing, classifying, moving, packaging, or publishing Jieyang Gucheng AR assets across the repo, mini program package, CDN, or CloudBase Storage.

Use for project-specific AR reference breakdowns, frame analysis, and storing lapian cards for Jieyang Gucheng mini program XR decisions.

揭阳古城 AR 磁贴/景点里的东方长身龙资产产线。当任务涉及龙、长身龙、Loong、龙绕楼、盘龙、扑镜、龙的三视图、Hunyuan 生成完整龙或龙部件、组件拆分、UV/拓扑/纹理、Blender 龙绑骨、Spline IK/B-Bones、curve rig、动画参考、或判断龙资产能否进入 rig/animation/P9 时使用。它要求先做参考和原创设计,再用 Hunyuan 做 source/candidate,最后由 Blender harness 决定能否进入生产。

揭阳古城冰箱贴/磁贴动画（L3 卡面合同）的生产判断与不变量。当任务涉及冰箱贴动画、磁贴动画、印章卡活过来、微缩世界、天坛式扑镜、卡面合同、Gate D、龙绕楼、扫磁贴看动画、磁贴 SKU 定帧赛马、每景磁贴创意，或要判断某个磁贴动画候选能不能过闸/过 Gate D 时使用。它是"怎么判"的层：Phase×闸/边缘合同/覆盖前置闸/绑骨/proxy 生命周期/A-V 合同/定帧赛马/来源诚实。具体资产去处见 docs/architecture/ASSET_LAYOUT.md，作业环境（感知/行动/反馈三层）见 issue

实景景点 AR 动画生产（L2 景点合同）——把揭阳古城八景的"扫真楼→触发 Blender 效果层动画→收束浮出印章=打卡完成"这条产线从创意到落地的判断与不变量。当任务涉及：景点AR/扫楼/打卡动画/效果层/effect plate/加法光/黑底加法/SBS alpha/触发图/夜景触发图/配准/fSpy/photo-match/代理白模/长出点/固定机位/无运镜/进贤门/城隍庙/八景/景点合同/多创意赛马/tournament 时使用。它管"景点合同该怎么想、怎么配准、怎么赛马、每景红线是什么"；卡面合同（磁贴/印章卡）见 jygc-magnet-animation，harness 三层（感知/行动/反馈）见 blender-harness skill，资产落点见 docs/architecture/ASSET_LAYOUT.md。

Use when an agent needs to author a dynamic multi-agent workflow at runtime, including workflow-mode GoalPhases: write a Starlark program (loops, conditionals, data-driven fan-out) that calls agent()/parallel()/phase()/log() over the harness runtime, declare a mandatory workflow(name, design_intent) header, run it with `harness workflow run-script`, and read the resulting WorkflowRun/WorkflowStep records back from the dashboard snapshot or store. For task_graph GoalPhases, use star-planner instead.

Use when creating or advancing a Goal in this harness: write the markdown sections (description / design / real acceptance), accumulate a knowledge ledger, run multi-agent exploration, and move the goal through its lifecycle. Covers BOTH the manual gated lifecycle (draft → exploring → explored → working → done → verifying → verified) and the knowledge-driven PHASED model (append-only knowledge[] + agent-planned sequential phases[], each either a per-phase task graph or an authored workflow, executed by `goal run-phases`). To decompose an explored goal into phases + a task DAG, hand off to [[star-planner]].

Use when decomposing an explored Goal into an executable plan in this harness: turn a written design_md (+acceptance_md) into an ordered list of sequential phases, where each phase is either a task_graph (tasks with disjoint owned_paths and no deps run in parallel) or an authored workflow (workflow_ref, no tasks). Covers `harness goal plan` (the agent-driven planner), the phase/task shape it produces, and how that plan feeds the phase→Starlark compiler and `goal run-phases` orchestrator.

Use when operating or extending a generic multi-agent harness: agent members, message-first task/report flow, claims, blockers, permissions, provider sessions, tool descriptors, and Agent Dashboard evidence.

Design or review the Multi-Agent Harness Agent Workbench UI/UX from the product Vision, Goal collection, TaskGraph, persistent AgentTeam, AgentMember runtime, evidence, review, and decision workflow. Use before changing Workbench layout, routes, visual system, graph/Kanban views, AgentMember realtime surfaces, frontend acceptance gates, or multi-round Designer/Reviewer layout decisions.

Use when Codex needs to bootstrap, audit, or redesign a project's vision-driven docs, architecture, ADRs, CI/CD, task workflow, agent workflow, skills, tool adapters, responsibility boundaries, or evidence-backed acceptance process. Applies to new projects, new requirements, migrations, governance audits, and self-hosting workflow work.

Use when designing, auditing, or productizing a multi-agent system: persistent agent members, SendMessage/mailbox protocols, task assignment delivery, busy/idle queues, runtime lifecycle, permission messages, hooks/plugins boundaries, dashboard visibility, and acceptance tests.

metal-coder 的北极星定义 —— 8 个元思考组成的演化序列，构成项目本质。 从"我们解决什么问题"开始，到"系统怎么自己进化"结束， 每个元思考都 derives_from 前一个，本身就是一条 derivation chain。 **所有其他 skill / cli 命令 / docs 都是这 8 个元思考的具体化或优化。** 读完本 skill 才算真正理解 metal-coder。 必须加载场景： (1) 第一次接触 metal-coder（在 docs/ 之前先读本 skill） (2) 设计任何新功能 / 新命令前 — 先确认它服务哪个元思考 (3) 评估"这个改动是不是核心"— 用 8 元思考序列对照 (4) 想理解 metal-coder 与 v5 / docs/ / lead-daily-practice 的关系 (5) 跨 work chain 反思时 — 检查 8 元思考是否真的在被实施

metal-coder 项目内 Lead 的日常操作 SOP —— 把元思考定义 + meta-cli 11 命令 + Tower 蒸馏组合成可执行的 7 步流程。 必须加载场景： (1) 在 metal-coder 项目（/home/hhh0x/metal-coder/）内推进任何工作 (2) 不知道某个场景该调哪个 meta-cli 命令 (3) 写完一个 meta 文件，需要自检是否合格元思考 (4) chain 累积 ≥5 metas，考虑是否 Tower distill (5) 决定是否 fork 一个工作为多个 sub-chain 本 skill 是元思考定义（docs/meta-thinking/）和 meta-cli 命令实现的 bridge 层。 没有它，Lead 会 default 手写 metas 而不调 cli，工具不被使用价值流失。

v5 入口 — Lead + Sub-agent + Agent-Team-Member + Meta-meta + Skill-manager + Advisor 协作系统宪法（7 角色）。 v4 在 SKILL.md 单文件中累积过满（1638 行），v5 拆分为 13 个聚焦文件 + 1 入口索引， 提升 cold-start navigability，并新增 7 角色 (含 skill-manager + advisor) / mermaid 数据流图 / enforcement layer / dashboard 规范。

元思考（MetaThink）方法论：从第一性原理推导系统行为，而非机械查文档。 核心是理解"为什么这样设计"而非"它是什么"，从设计约束推导出不可消除的行为边界， 用这些边界作为代码正确性的 eval 标准，并区分"我们的 bug"与"系统的固有限制"。 有以下意图时必须加载此 skill： (1) 不知道某个行为是 bug 还是系统正常行为 → 用元思考做 fault attribution (2) 面对新的技术系统，需要快速建立正确的心智模型 → 用元思考推导约束 (3) 对一段代码有多种实现方式，不知道哪种正确 → 用元思考找 eval 标准 (4) reconcile 发现异常，不确定根因 → 用元思考的约束链追溯 (5) 需要理解为什么 guide-polymarket-fundamentals 这样设计 → 读本 skill

Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, update or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy. Also use for Earning Engine PM v2 skill creation — task-* skills (development tasks), strategy-* skills (trading strategy lifecycle), observe-* skills (analysis reports), guide-*/map-* skills (knowledge docs). When users say "create a task", "plan a new feature", "analyze architecture", "write a guide", or "develop a new strategy", use this skill to route to the appropriate PM v2 template.

Polymarket CLOB API knowledge base for order management, WebSocket events, and trading operations. Use when working with order lifecycle (place, fill, cancel), debugging WebSocket USER_TRADE/USER_ORDER events, understanding API field mappings, or implementing trading logic.