video-agent

# video-agent — 视频生成总入口 把商品（商品ID 或商品图）变成成品短视频的 Agent 能力包。架构是**通用底盘 + 行业包**：通用底盘负责调度、视听语法（创作角色）、叙事结构（内容形式）、横向词典（镜头/节奏/花字/字幕）与全局硬纪律；行业包只声明该类目的生产管线、业务形式与资产逻辑，并按需对底盘做少量 override。 ## 两层能力模型 - **创作角色（creator_role）**：UGC / PGC / OGC，由 orchestrator **后台路由**判定（不向用户明示），管**视听语法**（器材/镜头/光线/真实感/变焦禁用等允许范围）。定义在 `skills/universal/creator-roles/`。 - **内容形式（content_format）**：展示 / 讲解 / 开箱 / 教程 / 生活 / 氛围 / 品牌 7 类核心形式，管**叙事结构**（镜头骨架与叙事目的）。定义在 `skills/universal/content-formats/`。 行业的业务形式（FitCheck / 穿搭分享 / 开箱 / 美妆试色 …）是"核心内容形式 × 创作角色"在该类目的具体实例，由行业包声明，不新增核心形式（除非有独立镜头骨架 + 独立叙事目的）。 ## 调用流程 1. 加载本 SKILL.md → 进入 `skills/universal/video-orchestrator/video-orchestrator.md` 作为入口。 2. orchestrator 解析商品输入并识别类目 → **后台路由 creator_role 与 content_format**（写入 state，不明示用户）→ 加载 `skills/categories/{category}/pipeline.md`；未命中类目走**通用兜底**（非报错）。 3. pipeline 按声明顺序逐步加载领域 Skill（穿搭/三视图/分镜/配乐）与引擎 Skill（视频生成）。 4. 每步 Skill 按需加载 references / 横向词典 / asset-matching。横向 8 维（花字/字幕/节奏/镜头语言/开场/结尾/配乐/音色）与 asset-matching（人物/场景）均按「universal 基线 + 行业 `_local/` 或 `asset-matching/` override」两段式加载。 ## 目录组织 - `skills/universal/` 通用底盘（类目无关，所有行业共用） - `video-orchestrator/` 引擎：调度入口（pipeline 驱动 + 角色/形式路由） - `video-gen/` 引擎：视频模型调用与切段拼接（参数事实源 `references/model-params.md`） - `creator-roles/` 第一层能力规范：创作角色（视听语法） - `content-formats/` 第二层能力规范：内容形式（叙事结构）+ 开场结尾原型池 + 各 format 中段分镜原子库（`*-atoms.md`，跨行业复用的招牌机制镜头，当前已建 lifestyle） - `person-triview/` 人物三视图通用底盘：凡画面出现人物即先生成三视图锁定跨段一致性（global-disciplines #14），行业有专用版走专用版 - `camera-grammar/` 横向词典：镜头语言（景别/运镜/景深/焦段/转场） - `rhythm-templates/` 横向词典：8 个抽象节奏模板 - `text-rules/` 横向词典：花字 + 字幕视觉规范 - `music-style/` 横向词典：配乐执行基线（描述→匹配，禁模型生成 BGM） - `voice-style/` 横向词典：音色执行基线 + 活人感红线 - `asset-matching/` 资产匹配基线：portrait/scene 按 UGC/PGC/OGC 的人物气质与场景基调总领标准 - `global-disciplines.md` 全局硬纪律（跨角色/形式/行业无条件成立） - `skills/categories/{industry}/` 行业包（只写差异） - `pipeline.md` 该行业的生产步骤声明 - 领域 Skill 目录：每个目录下有一个与目录同名的 `.md` 作为 Skill 内容文件 - `references/` 风格规则书（style-*.md）/ 业务形式规范（format-*.md）/ 拍摄分层 / 开场结尾池 / 道具库 - `asset-matching/` portrait/scene 行业细化 override（叠加 universal/asset-matching 基线） - `_local/` 横向 8 维 override patch 钩子（花字/字幕/节奏/镜头语言/开场/结尾/配乐/音色，先读 universal 基线再叠加）：当前 `music-style`、`voice-style` 已有行业映射覆盖，其余维度仅存 hook 说明暂无覆盖 - `asset-library/` 实体资产层（全行业共享，不按行业切分）：通用负面提示词 + 音乐共享池 `music/index.json` + 音色共享池 `voice-samples/index.json`（行业 `_local/{music,voice}-style` 映射后来此筛选） ## 设计原则 - **定义归词典，选择归使用方**：概念只定义一次（唯一事实源），"谁能用/怎么选"写在使用方，杜绝双写漂移。 - **引擎极简，底盘统一，行业包轻量**：新增行业不动引擎与底盘定义。 - **pipeline.md 声明步骤**，orchestrator 不硬编码任何行业流程。 - **横向定制走 `_local/` override patch**，不复制基线。 - Skill 按需加载；Gotchas 持续积累，是价值最高的部分。 ## 当前已实现的行业 - `fashion` 时尚服饰：按 **female / male 性别分支**组织（性别规则层 `gender-rules/gender-rules.md`，当前 female 分支完整落地、male 为扩展槽位）。**商品类型 → 镜头映射**抽为独立路由层 `product-type-routing/product-type-routing.md`（上衣/下装/鞋/帽/套装/裙装类）。female 分支：6 种视觉风格（纯欲/潮酷/法式/机能/户外/甜美）+ 12 个业务形式（UGC：FitCheck / 生活Vlog / 穿搭分享；PGC：氛围街拍 / 潮流街拍 / 情绪街拍 / 自然系 / 杂志棚拍 / 态度棚拍 / 商品讲解；OGC：品牌大片 / 品牌叙事）。资产：淘天影像人物库/场景库双库检索 + GPT image 2 兜底 + 音乐库（>15s 触发）；音色冻结待建库。视频引擎 DSD 2.0（单次 ≤15s，>15s 切段拼接 + 色彩校正）。 - `snack` 零食（业务域：**天猫超市**）：编写/风格调整指南见 `docs/industry-authoring-sop.md`（全行业统一）。1 个业务形式——开箱（kaixiang，路由到 **UGC 创作角色**，含结构模板 + 节奏模板 + 10 子品类差异化镜头规则）。业务红线（真实评价 / 必含一句不完美 / 禁品牌口吻 / 禁强 CTA）由行业包声明并打入 state。管线无穿搭步骤，但凡画面出现人物即必走人物三视图步骤（global-disciplines #14，走 `references/portrait-triview.md` 居家便装 T1-T4 模板，锁定 >15s 拼接的跨段一致性）。引擎与横向词典直接共享 universal，`_local/` 中 `music-style` 已有 L2 归类映射覆盖，其余维度仅存 override 钩子暂无覆盖。 ## 扩展指引 - **改 universal 底盘**（创作角色 / 内容形式 / 横向词典 / 全局纪律）→ 见 `docs/platform-authoring-sop.md`。 - **写或改行业包**（新类目 / 新业务形式 / 8 维 override）→ 见 `docs/industry-authoring-sop.md`。 - 文档命名与格式约定、术语表 → 见 `docs/doc-conventions.md`，项目说明见 `README.md`。