| name | worldcup2026-parallel-universe |
| description | 2026世界杯赛后平行宇宙叙事引擎 - 将比赛事实转化为诗意的微小说创作。
当用户想要：创建世界杯/足球相关的微小说叙事、基于比赛事件创作文学内容、使用三元组(entity, event_type, emotion_intensity)生成体育故事、制作世界杯主题的多模态内容（图文结合）时，必须使用此skill。
触发场景：用户提到"世界杯微小说"、"足球叙事"、"平行宇宙故事"、"绝杀进球故事"、"点球大战叙事"、"球员故事创作"等；用户提供(entity, event_type, emotion_intensity)三元组格式；用户想要将体育赛事转化为创意文学内容。
|
⚠️ 前置检查
执行本 Skill 前必须检查环境变量 AISTUDIO_API_KEY 是否已配置。
检查流程
Step 1: 检查 AISTUDIO_API_KEY 环境变量
↓
未配置 → Step 2: 引导用户获取并告知 API Key
↓
Step 3: 自动为用户配置 AISTUDIO_API_KEY
↓
已配置 → Step 4: 开始执行创作任务
未配置时的处理
如果 AISTUDIO_API_KEY 未配置或为空，必须停止执行并引导用户：
❌ API Key 未配置
本 Skill 需要百度星河社区 API Key 才能运行。
请按以下步骤操作：
- 访问 百度星河社区 注册账号
- 在个人中心获取 API Key
- 告知我您的 API Key，我将为您自动配置
注意：您无需在终端手动设置环境变量，直接告诉我 API Key 即可。
用户告知 API Key 后的处理
用户告知 API Key 后，自动为其配置环境变量：
export AISTUDIO_API_KEY="用户提供的key"
配置完成后确认：
✅ API Key 已配置成功，开始执行创作任务...
WorldCup 2026 Parallel Universe Agent (WP26_PUA)
三元组意图驱动 × 实时联网检索 × 深度创意写作 × 多模态长图渲染
赛后一小时内完成从事实到诗意的全链路自动化创作
核心理念
本Agent将世界杯比赛事件转化为"平行宇宙"式的文学叙事——基于真实赛况事实，但以诗意、文学化的方式重新诠释，创造出既有事实根基又富有艺术想象力的微小说作品。
关键原则：
- 所有低置信度事实必须"模糊化"处理，确保叙事不会误导读者
- 产出明确标注为"AI创意叙事，不构成新闻报道"
- 尊重球员形象，禁止负面人身攻击
环境要求
API 配置
使用本 skill 需要百度星河社区 API Key。
获取 API Key：访问 百度星河社区 注册并获取 API Key
💡 提示：执行 Skill 时会自动检查 API Key，如未配置会引导您设置。
API 端点
| 配置项 | 值 |
|---|
| API Base URL | https://aistudio.baidu.com/llm/lmapi/v3 |
| 创作模型 | ernie-5.0-thinking-preview（原生全模态大模型） |
| 目标生图模型 | ernie-image-turbo（通过星河社区调用） |
| 最大输出Token | 65536 |
API 调用示例 (OpenAI SDK)
文本生成 API：
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://aistudio.baidu.com/llm/lmapi/v3",
)
chat_completion = client.chat.completions.create(
model="ernie-5.0-thinking-preview",
messages=[{"role": "user", "content": "你的问题"}],
stream=True,
extra_body={"web_search": {"enable": True}},
max_completion_tokens=65536
)
for chunk in chat_completion:
if not chunk.choices or len(chunk.choices) == 0:
continue
if hasattr(chunk.choices[0].delta, "reasoning_content") and chunk.choices[0].delta.reasoning_content:
print(chunk.choices[0].delta.reasoning_content, end="", flush=True)
else:
print(chunk.choices[0].delta.content, end="", flush=True)
关键参数说明：
| 参数 | 类型 | 说明 |
|---|
model | string | 模型名称：ernie-5.0-thinking-preview |
messages | array | 对话消息列表 |
stream | boolean | 是否流式输出，推荐 true |
extra_body.web_search.enable | boolean | 是否启用联网搜索 |
max_completion_tokens | integer | 最大输出Token数，默认 65536 |
依赖
pip install openai
依赖 Skills
| Skill | 用途 |
|---|
web-access | 执行联网检索，获取赛况事实和在地文化信息 |
三元组意图协议
所有请求必须包含三元组 (entity, event_type, emotion_intensity)，这是驱动整条流水线的唯一入口契约。
| 字段 | 类型 | 说明 | 示例 |
|---|
entity | string | 核心角色/球队/球员 | "梅西" / "巴西队" / "姆巴佩" |
event_type | string | 赛事事件类型 | "绝杀进球" / "点球大战失利" / "退场红牌" |
emotion_intensity | integer 0–10 | 情绪强度，驱动叙事视角路由 | 9 |
⚠️ 情绪方向判断（重要）
同一事件，不同视角的情绪方向完全相反。例如：
- "姆巴佩帽子戏法" → 法国球迷（正向/喜悦）vs 对手球迷（负向/绝望）
- "绝杀进球" → 进球方球迷（正向/狂喜）vs 被进球方球迷（负向/心碎）
判断流程：
- 用户明确说明视角 → 直接采用
- 用户未明确视角 → 必须询问用户站在哪一方视角
- 拆解三元组后 → 必须让用户确认情绪方向
情绪方向定义：
| 方向 | 说明 | 适用场景 |
|---|
positive | 正向情绪 | 喜悦、胜利、庆祝、骄傲、感动 |
negative | 负向情绪 | 悲伤、失落、遗憾、愤怒、绝望 |
常见事件的情绪方向参考：
| 事件类型 | 正向视角（entity方） | 负向视角（对手方） |
|---|
| 绝杀进球 | 胜利狂欢 | 心碎绝望 |
| 帽子戏法 | 英雄礼赞 | 无力回天 |
| 夺冠时刻 | 巅峰荣耀 | 遗憾落败 |
| 点球大战获胜 | 惊险晋级 | 梦碎十二码 |
| 红牌退场 | -（通常为负向） | 获得优势 |
| 小组赛出局 | -（负向） | 竞争对手淘汰 |
情绪强度路由规则：
| emotion_intensity | 叙事视角 | 文风 |
|---|
| ≥ 8 | 第一人称热血 | 内心独白，高密度感官意象 |
| 5–7 | 伪纪实 | 第三人称限知，新闻笔法夹叙事 |
| < 5 | 纯第三人称冷峻 | 疏离感，白描，克制 |
10步执行工作流
模型调用总览
| 步骤 | 模型 | 说明 |
|---|
| Step 1-9 | ernie-5.0-thinking-preview | 创作模型（原生全模态大模型） |
| Step 10 | ernie-image-turbo | 目标生图模型 |
┌──────────────────────────────────────────────────────────────┐
│ Phase 1 · 意图解构与契约锁定 │
│ Step 1 │ Intent_Parser │ 解析三元组 → conflict_archetype │
│ Step 2 │ Config_Manager │ 锁定体裁契约 (300-500字微小说) │
│ │ 📍 模型: ernie-5.0-thinking-preview │
└────────────────────────────┬─────────────────────────────────┘
▼
┌──────────────────────────────────────────────────────────────┐
│ Phase 2 · 逻辑规划与实时搜索 │
│ Step 3 │ Logic_Planner │ 路由叙事视角，配置 pacing_target │
│ │ 📍 模型: ernie-5.0-thinking-preview │
│ Step 4 │ Web_Search │ 双路检索：赛况事实 + 在地文化 │
│ │ 📍 使用 web-access skill │
└────────────────────────────┬─────────────────────────────────┘
▼
┌──────────────────────────────────────────────────────────────┐
│ Phase 3 · 创意生产与多重审计 │
│ Step 5 │ Creative_Writer │ 高质微小说创作 (300-500字) │
│ Step 6 │ Safety_Guard │ 合规审查 + 事实置信度核查 │
│ Step 7 │ Reflexion_Critic │ 自评闭环 (σ>0.3 触发局部重写) │
│ │ │ 上限3次 → 失败则熔断降级 │
│ │ 📍 模型: ernie-5.0-thinking-preview │
└────────────────────────────┬─────────────────────────────────┘
▼
┌──────────────────────────────────────────────────────────────┐
│ Phase 4 · 审美映射与多模态交付 │
│ Step 8 │ Aesthetic_Mapper │ 色彩/字体/间距映射 + CLIP校准 │
│ Step 9 │ LongImage_Renderer│ 生成图片提示词 (1:1 & 9:16) │
│ │ 📍 模型: ernie-5.0-thinking-preview │
│ Step 10│ MultiModal_Publisher│ 调用生图API生成最终图片 │
│ │ 📍 模型: ernie-image-turbo (目标生图模型) │
└──────────────────────────────────────────────────────────────┘
Phase 1: 意图解构与契约锁定
Step 1 — 意图深度解析 (Intent_Parser)
解析三元组，提取 conflict_archetype（叙事冲突原型）、psyche_mode（心理模式）与 emotion_direction（情绪方向）。
1.1 情绪方向判断
⚠️ 必须首先判断情绪方向
根据用户输入判断用户站在哪一方视角：
| 判断依据 | 示例 | 情绪方向 |
|---|
| 用户明确表达支持方 | "我们赢了！"、"法国队帽子戏法太牛了" | 正向 |
| 用户明确表达对立面 | "被绝杀了，心碎"、"我们的点球输了" | 负向 |
| 用户使用第一人称关联 entity | "梅西的绝杀"（用户是梅西球迷） | 正向 |
| 用户未明确视角 | "姆巴佩帽子戏法写个故事" | 需询问 |
询问用户示例：
您提到「姆巴佩帽子戏法」，请问您是站在哪一方视角来创作？
- 法国队/姆巴佩球迷视角 → 正向情绪（英雄礼赞、胜利狂欢）
- 对手球队球迷视角 → 负向情绪（无力回天、绝望心碎）
请告诉我您的视角，我将为您创作相应的叙事。
1.2 冲突原型与心理模式提取
模型调用：ernie-5.0-thinking-preview
冲突原型类型（需结合情绪方向）：
| 情绪方向 | 正向冲突原型 | 负向冲突原型 |
|---|
| positive | hero_rises（英雄崛起） | - |
| positive | last_stand（最后一战·胜利） | - |
| positive | underdog_rises（黑马崛起） | - |
| negative | - | hero_falls（英雄迟暮） |
| negative | - | bitter_betrayal（苦涩背叛） |
| negative | - | silent_defeat（无声落败） |
| 双向 | silent_redemption（无声救赎） | silent_redemption（无声救赎） |
心理模式类型（需结合情绪方向）：
| 情绪方向 | 正向心理模式 | 负向心理模式 |
|---|
| positive | volcanic（火山爆发式） | - |
| positive | triumphant（凯旋式） | - |
| positive | transcendent（超然升华式） | - |
| negative | - | melancholic（忧郁沉思式） |
| negative | - | numb（麻木疏离式） |
| negative | - | defiant（抗争不屈式） |
1.3 用户确认
⚠️ 拆解三元组后，必须让用户确认
确认内容展示：
三元组拆解结果确认
| 字段 | 值 |
|---|
| 核心角色 | 姆巴佩 |
| 事件类型 | 帽子戏法 |
| 情绪强度 | 8 |
| 情绪方向 | 正向（法国队球迷视角） |
| 冲突原型 | hero_rises（英雄崛起） |
| 心理模式 | volcanic（火山爆发式） |
请确认以上拆解是否正确？
- 确认 → 继续执行
- 需要调整 → 请告诉我需要修改的内容
1.4 输出格式
{
"entity": "球员/球队名",
"event_type": "事件类型",
"emotion_intensity": 0-10,
"emotion_direction": "positive/negative",
"conflict_archetype": "冲突原型",
"psyche_mode": "心理模式",
"user_perspective": "用户视角说明"
}
Step 2 — 体裁契约锁定 (Config_Manager)
确认输出契约：体裁为社媒微小说，篇幅300-500字，锁定叙事约束参数。
模型调用：ernie-5.0-thinking-preview
输出格式：
{
"genre": "社媒微小说",
"length_limit": {"min": 300, "max": 500},
"pov_mode": "视角模式",
"forbidden_patterns": ["禁止模式列表"],
"tone_anchor": "英文基调描述短语"
}
禁止模式：
- 政治敏感表述、可能引起争议的政治或宗教相关意象
- 真实球员负面人身攻击
- 未经证实的伤情细节
- 低俗、违法或不符合公序良俗的内容
- 近现代名人肖像（已确认出现在微小说正文中的球员除外）
Phase 2: 逻辑规划与实时搜索
Step 3 — 叙事逻辑规划 (Logic_Planner)
根据 pov_mode 配置叙事节奏目标 pacing_target，确定三幕结构分配。
模型调用：ernie-5.0-thinking-preview
节奏类型：
staccato - 断奏式（短促有力）wave - 波浪式（起伏有致）avalanche - 雪崩式（递进爆发）
输出格式：
{
"act_1_words": 开篇字数,
"act_2_words": 冲突字数,
"act_3_words": 结局字数,
"pacing_target": "节奏类型",
"sensory_anchors": ["感官锚点1", "感官锚点2", "感官锚点3"],
"emotion_score_series": [0.3, 0.5, 0.8, 1.0, 0.9]
}
Step 4 — 双路联网检索 (Web_Search)
重要：两路检索必须独立执行，保持事实溯源可追踪。
使用 web-access skill 执行检索
Query-A：赛况事实检索
搜索关键词：{年份}世界杯 {entity} {event_type} 赛况比分 场馆
需要获取：
match_score - 比分minute_of_event - 事件发生分钟数venue - 场馆名称attendance - 观众人数key_facts - 关键事实（最多5条）confidence_scores - 每条事实的置信度（0.0-1.0）
Query-B：在地文化细节检索
搜索关键词：{年份}世界杯 举办城市 本地文化 球迷氛围 地标
需要获取：
city_name - 城市名local_atmosphere - 本地氛围描述cultural_symbols - 文化符号（3个）crowd_chant_fragment - 球迷口号片段
Phase 3: 创意生产与多重审计
Step 5 — 微小说高质创作 (Creative_Writer)
将 Steps 1–4 所有输出作为上下文，生成 ≤300 字微小说正文。
模型调用：ernie-5.0-thinking-preview
创作规则：
- 严格控制在300-500字
- 精确遵循 pov_mode 视角
- 必须体现
emotion_direction（正向/负向情绪）
- 至少嵌入2个 sensory_anchors
- confidence_score < 0.6 的事实必须模糊化处理
- 遵守三幕字数分配
- 绝不使用 forbidden_patterns
- 严禁使用以下内容：
- 可能引起争议的政治、宗教相关意象
- 低俗、违法或不符合公序良俗的内容
- 近现代名人肖像（三元组中确认的球员除外）
微小说高质方法论
创作时必须遵循以下8项高质标准，确保微小说品质：
1. 叙事创新性
- 在经典叙事模式下有新颖变量或独特视角
- 避免套路化表达，如"他是传奇"等空洞描述
- 正向示例："这不是一个进球——这是一个时代的加冕"（将进球升华为时代符号）
- 负向示例："他踢进了一个漂亮的球，大家都为他欢呼"（平淡无奇）
2. 剧情紧凑度
- 无冗余铺垫，每句话都推动叙事
- 起承转合完整：开篇抛出钩子 → 冲突直接爆发 → 无断层推进 → 结尾留余韵
- 正向示例：开篇即入高潮情境，结尾留有回味的金句
- 负向示例：大段背景介绍，结尾仓促收场
3. 核心主题明确
- 主题清晰（如：英雄迟暮、绝地反击、悲情救赎、荣耀加冕等）
- 情感内核有共鸣点，传递普世价值
- 正向示例：39岁最后一战 → 主题"传奇的完整句号"
- 负向示例：只有事件描述，没有情感内核
4. 情感浓度
- 有精心设计的情感爆发点
- 情绪张弛有度，非单一情绪曲线
- 正向示例：从紧张 → 爆发 → 释放 → 余韵，情绪有层次
- 负向示例：全篇同一种情绪，无起伏
5. 悬念与张力
- 开篇设置悬念钩子或结尾留有反转
- 冲突合乎逻辑，真实自然
- 正向示例："我听见自己的心跳"（制造紧张感）→ 结尾"这是活着的味道"（反转升华）
- 负向示例：平铺直叙，无悬念设计
6. 人物辨识度
- 核心人物性格鲜明，无模糊感
- 人物行为符合人设和现实常理
- 正向示例：通过细节动作展现人物（"跪倒在草地上"展现疲惫与释然）
- 负向示例：人物行为突兀，为推进剧情而降智
7. 语言精炼度
- 台词/叙述直白精炼，冲击力强
- 无冗余长句、无过度形容词
- 有"金句"潜质的句子，利于传播
- 正向示例："十二码的距离，却隔着整整一个时代"（精炼有张力）
- 负向示例："这是一个非常非常重要的时刻，他的心情非常复杂..."（冗余无力）
8. 真实感与共情
- 对话/叙述真实自然，符合人物身份
- 能触发读者共通情绪，产生"他/她就是我"的代入感
- 正向示例："眼泪流进嘴里。咸的。"（感官细节触发共情）
- 负向示例：生硬说教、脱离现实的台词
情绪方向创作指南：
| 情绪方向 | 叙事基调 | 感官锚点示例 | 关键词 |
|---|
| positive（正向） | 胜利、喜悦、荣耀、骄傲 | 金色光芒、欢呼声、香槟味道 | 狂喜、巅峰、永恒、传奇 |
| negative（负向） | 失落、遗憾、悲壮、心碎 | 雨滴、沉默、灰色天空 | 沉默、离别、最后一眼、遗憾 |
正向情绪示例：
"金色雨从天而降，我听见九万人的咆哮化成一首歌。这不是一个进球——这是一个时代的加冕..."
负向情绪示例：
"雨还在下。我听见自己的心跳，和看台上那片沉默融为一体。十二码的距离，却隔着整整一个时代..."
事实模糊化规则：
| confidence_score | 处理方式 | 示例转换 |
|---|
| ≥ 0.80 | 直接使用 | "第89分钟" |
| 0.60–0.79 | 轻度模糊 | "比赛尾声" |
| < 0.60 | 强制虚化 | "某个注定的瞬间" |
输出格式：
{
"novel_text": "微小说正文",
"word_count": 字数,
"sensory_anchors_used": ["使用的感官锚点"],
"fuzzified_facts": ["模糊化处理的事实"],
"quality_checklist": {
"narrative_innovation": true/false,
"plot_compactness": true/false,
"theme_clarity": true/false,
"emotional_intensity": true/false,
"suspension_tension": true/false,
"character_distinctiveness" /
/
/
Step 6 — 安全与置信度审计 (Safety_Guard)
并行执行内容合规审查与事实置信度核查。
模型调用：ernie-5.0-thinking-preview
审计维度：
compliance_pass - 合规是否通过forbidden_content_check - 禁止内容检查（政治/宗教争议意象、低俗违法内容、近现代名人肖像）fact_confidence_pass - 事实置信度是否通过overall_pass - 整体是否通过
输出格式：
{
"compliance_pass": true/false,
"compliance_issues": ["问题列表"],
"forbidden_content_check": true/false,
"forbidden_content_found": ["发现的禁止内容"],
"fact_confidence_pass": true/false,
"unfuzzified_risks": ["未模糊化风险"],
"overall_pass": true/false,
"audit_note": "审计摘要"
}
Step 7 — Reflexion 闭环自评 (Reflexion_Critic)
对小说进行多维自评，任一核心维度不通过则回流 Step 5。
模型调用：ernie-5.0-thinking-preview
硬性门槛（必须通过，不纳入评分）：
高质方法论校验维度（按重要性权重）：
| 维度 | 权重 | 评分标准 | 不通过处理 |
|---|
| 叙事创新性 | 15% | 是否有新颖变量或独特视角，避免套路化 | 提示创新方向后回流 |
| 剧情紧凑度 | 20% | 是否无冗余铺垫，起承转合完整 | 删减冗余后回流 |
| 核心主题明确 | 15% | 主题是否清晰，情感内核是否有共鸣 | 明确主题后回流 |
| 情感层次 | 15% | 情绪弧线是否完整，情感浓度是否足够，有无层次起伏 | 调整情绪曲线后回流 |
| 悬念与张力 | 10% | 开篇/结尾是否有悬念设计，冲突是否合乎逻辑 | 增加悬念钩子后回流 |
| 人物一致性 | 15% | 人物性格是否鲜明，行为是否符合人设，无突兀反转 | 调整人物细节后回流 |
| 语言精炼度 | 5% | 是否有金句，是否无冗余长句 | 精简语言后回流 |
| 真实感与共情 | 5% | 是否真实自然，能否触发共情 | 增加感官细节后回流 |
高质评分计算：
quality_score = Σ (维度评分 × 权重)
quality_score ≥ 0.75 → 通过0.60 ≤ quality_score < 0.75 → 需改进后回流quality_score < 0.60 → 熔断，标记 quality_status: "degraded"
熔断规则：最多重试3次，超限则标记 quality_status: "degraded" 直通 Step 8。
输出格式：
{
"word_count_ok": true/false,
"quality_score": 0.0-1.0,
"quality_breakdown": {
"narrative_innovation": 0.0-1.0,
"plot_compactness": 0.0-1.0,
"theme_clarity": 0.0-1.0,
"emotional_depth": 0.0-1.0,
"suspension_tension": 0.0-1.0,
"character_consistency": 0.0-1.0,
"language_precision": 0.0-1.0,
"empathy_realism": 0.0-1.0
},
"overall_pass": /
当前迭代次数
Phase 4: 审美映射与多模态交付
Step 8 — 视觉参数计算 (Aesthetic_Mapper)
将情绪评分序列映射为色彩、字体、间距参数。
模型调用：ernie-5.0-thinking-preview
输出格式：
{
"dominant_color_hex": "#主色调",
"secondary_color_hex": "#辅助色",
"font_weight": "light/regular/bold/heavy",
"line_spacing_multiplier": 1.0-2.0,
"landscape_base": "英文视觉背景描述",
"clip_cosine_score": 0.0-1.0,
"recalibration_note": "校准说明或null"
}
CLIP校准：cos θ < 0.72 时必须输出 recalibration_note 并重新映射。
Step 9 — 长图渲染 (LongImage_Renderer)
生成双版面图片提示词，用于后续调用生图API。
模型调用：ernie-5.0-thinking-preview（生成图片提示词）
重要提示：
ernie-image-turbo 对中文理解能力更强，所有图片提示词必须使用中文撰写- 图片必须能体现出核心事件（如"绝杀进球"、"点球大战失利"、"帽子戏法"等），通过视觉元素传达事件性质
- ⚠️ 文生图模型无法精确渲染文字，微小说原文文字将在 Step 10 通过代码叠加到图片上
参考文档：撰写提示词时请参考 image_prompt_guide.md，确保提示词清晰、优质、符合文生图最佳实践。
图片高质方法论
生成图片提示词时必须遵循以下6项高质标准：
1. 场景辨识度
- 每个核心场景具备独特的视觉基调，能让观众在3秒内识别场景功能
- 场景布局打破陈规，在常规场景中加入具有设计感的视觉锚点
- 正向示例：深紫色渐变背景+金色光芒洒落（独特视觉基调）
- 负向示例：普通体育场照片（缺乏辨识度）
2. 场景叙事功能
- 场景设计不仅是背景，需具备推动叙事的功能或暗示人物处境
- 通过空间结构传达情绪氛围
- 正向示例：空旷球门+孤独背影暗示失利与孤独
- 负向示例：场景与事件/情绪无关联
3. 视觉构图简洁
- 画面构图简洁有力，剔除干扰剧情表达的冗余元素
- 核心信息始终处于视觉焦点
- 正向示例：画面中央呈现球员剪影，背景虚化
- 负向示例：画面元素过多，视觉焦点分散
4. 情绪色彩统一
- 全图色调风格保持高度统一，通过色相传达情感倾向
- 主色调与情绪方向匹配（正向→暖色/金色，负向→冷色/灰暗）
- 正向示例：正向情绪用深红/金色，负向情绪用灰蓝/银白
- 负向示例：色彩与情绪方向冲突
5. 视觉钩子设计
- 图片具有冲击力的视觉元素，形成强烈的视觉留存
- 包含利于传播的"高光时刻"或名场面
- 正向示例：金色光芒喷涌、球员剪影双臂张开
- 负向示例：平淡无奇，无记忆点
6. 光影层次丰富
- 利用明暗对比塑造氛围或烘托情绪
- 关键区域光影设计合理，增强画面张力
- 正向示例：聚光灯效果突出主体，背景渐暗
- 负向示例：画面平面化，无光影层次
核心事件与情绪方向视觉化
图片必须体现三元组中的 event_type 和 emotion_direction，通过视觉元素传达事件性质和情绪方向：
正向情绪（positive）视觉元素：
| 核心事件 | 视觉元素 | 色彩基调 |
|---|
| 绝杀进球（进球方） | 球员剪影、金色光芒、胜利姿态、欢腾人群 | 深红/金色 |
| 帽子戏法（进球方） | 三颗足球、庆祝动作、聚光灯、金色数字"3" | 深紫/金色 |
| 夺冠时刻 | 举起奖杯、金色雨、国旗飘扬、烟火 | 金色/翠绿 |
| 点球大战获胜 | 拥抱庆祝、晋级横幅、惊险逃生后的狂喜 | 蓝色/金色 |
负向情绪（negative）视觉元素：
| 核心事件 | 视觉元素 | 色彩基调 |
|---|
| 绝杀进球（被进球方） | 孤独背影、沉默的球场、黯淡灯光 | 灰蓝/暗色 |
| 帽子戏法（对手方） | 无力回天、空旷球门、绝望眼神 | 灰色/暗紫 |
| 点球大战失利 | 孤独背影、空旷球门、雨滴、点球点 | 灰蓝/银白 |
| 红牌退场 | 红色卡片、离场背影、孤独通道 | 灰色/暗红 |
| 小组赛出局 | 低头沉默、更衣室背影、空荡球场 | 灰蓝/暗色 |
⚠️ 重要：同一事件根据 emotion_direction 选择完全不同的视觉元素和色彩基调。
1:1 方图 (1024×1024)
- 社媒方图，朋友圈/Instagram
- 必须体现核心事件（通过主体意象、视觉元素）
- 背景纹理与核心事件呼应，传达情绪氛围
- 纯视觉呈现，无文字
9:16 竖版长图 (1024×1820)
- 微博/小红书/Story
- 生成纯背景图片，为后续文字叠加预留空间
- 背景需体现核心事件（通过视觉元素暗示事件性质）
- 背景设计要求：
- 顶部留有适当空间（便于叠加标题）
- 中央区域相对简洁（便于叠加正文）
- 底部保留空间标注元数据
- 整体色调与文字形成对比（确保叠加后文字清晰可读）
图片生成提示词结构（中文）：
方图提示词：
一张方形海报，
[主色调]渐变背景，[辅助色]光晕点缀，
画面中央呈现[核心事件的视觉表现]，
[背景描述]，
[风格关键词]，[情绪关键词]，[核心事件关键词]，
高清，编辑品质，2026年世界杯主题
长图提示词（纯背景，不含文字）：
一张竖版长图海报，
[主色调]背景，[辅助色]点缀，
画面呈现[核心事件的视觉表现]作为背景，
顶部和中央区域留有简洁空间，
[背景描述]作为微妙的纹理，
[风格关键词]，[情绪关键词]，[核心事件关键词]，
高清，编辑品质，2026年世界杯主题
提示词撰写要点：
- 核心事件视觉化：必须包含能体现事件性质的视觉元素
- 明确描述画面主体和背景
- 指定色彩基调（主色、辅助色）
- 情绪关键词（如"热血"、"诗意"、"疏离"）
- 风格关键词（如"极简"、"editorial"、"电影感"）
- 长图不要求嵌入文字，文字将在 Step 10 通过代码叠加
- 严禁使用以下内容：
- 可能引起争议的政治、宗教相关意象
- 低俗、违法或不符合公序良俗的内容
- 近现代名人肖像（三元组中确认的球员除外）
Step 10 — 最终多模态交付 (MultiModal_Publisher)
聚合所有步骤输出，调用生图API生成图片，叠加微小说文字和免责声明，组装结构化交付包。
⚠️ 执行流程（必须按顺序完成）：
Step 10.1: 生成方图 (1:1) 和长图 (9:16) ─────────→ 获取 image_1x1_url 和 image_9x16_url
│
▼
Step 10.1.1: ⚠️ 用户确认与反馈循环 ─────────────────→ 用户满意后继续
│
▼
Step 10.2.1: 为方图叠加免责声明 ──────────────────→ 获取 image_1x1_final_path
│
▼
Step 10.2.2: 为长图叠加微小说文字 + 免责声明 ──────→ 获取 image_9x16_final_path
│
▼
Step 10.3: 组装最终输出 ─────────────────────────→ 返回完整 JSON
⚠️ 关键提醒：
- Step 10.1.1 不可跳过：图片生成后必须让用户确认满意度，不满意则重新生成
- Step 10.2 不可跳过：所有图片必须叠加免责声明，长图还需叠加微小说文字
- 免责声明：所有图片底部居中必须注明"AI创意叙事，不构成新闻报道"
- 文字颜色必须正确：根据 Step 8 的
dominant_color_hex 自动判断使用白色或黑色文字
- 验证输出：确认最终图片文件存在且文字清晰可读
10.1 图片生成
模型调用：ernie-image-turbo（目标生图模型）
API 调用方式 (OpenAI SDK)：
import base64
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://aistudio.baidu.com/llm/lmapi/v3",
)
response = client.images.generate(
model="ernie-image-turbo",
prompt="图片描述提示词",
n=1,
response_format="url",
size="1024x1024",
extra_body={
"seed": 42,
"use_pe": True,
"num_inference_steps": 8,
"guidance_scale": 1.0
}
)
image_url = response.data[0].url
10.1.1 用户确认与反馈循环 ⚠️ 必须执行
⚠️ 此步骤不可跳过！图片生成后必须让用户确认满意度。
图片生成完成后，必须向用户展示生成的图片并收集反馈。
执行流程：
Step 1: 展示生成的图片给用户
↓
Step 2: 询问用户满意度
↓
Step 3a: 用户满意 → 继续执行 Step 10.2
↓
Step 3b: 用户不满意 → 收集反馈意见 → 重新生成图片
↓
重试（最多3次，超限提示用户）
用户确认询问模板：
图片已生成完成！
请查看上方图片，您对生成的效果满意吗？
- 满意 → 我将继续完成后续步骤（叠加文字、组装最终输出）
- 不满意 → 请告诉我您希望调整的地方（如：色彩、构图、氛围、风格等），我将重新生成
请回复您的选择或反馈意见。
反馈处理流程：
| 用户反馈类型 | 处理方式 |
|---|
| 用户回复"满意"/"可以"/"继续"等肯定词 | 继续执行 Step 10.2 |
| 用户回复具体修改意见 | 收集反馈，调整 Step 9 的图片提示词，重新调用 Step 10.1 |
| 用户回复"不满意"但无具体意见 | 询问具体调整方向（色彩/构图/氛围/风格） |
重试规则：
- 最多重试3次图片生成
- 每次重试需根据用户反馈调整提示词
- 超过3次仍不满意 → 提示用户："已达到最大重试次数(3次)，建议您接受当前效果或稍后重新开始创作。"
⚠️ 禁止行为：
- 禁止在用户未确认满意的情况下直接跳到 Step 10.2
- 禁止假设用户满意而不询问
10.2 图片后处理：叠加免责声明 + 长图文字叠加 ⚠️ 必须执行
⚠️ 此步骤不可遗漏！所有图片必须叠加免责声明，长图还需叠加微小说文字。
文生图模型无法精确渲染文字，需通过代码在生成的图片上叠加内容。
执行顺序：
Step 10.2.1: 为方图 (1:1) 叠加免责声明
↓
Step 10.2.2: 为长图 (9:16) 叠加微小说文字 + 免责声明
↓
Step 10.3: 组装最终输出
免责声明要求：
- 内容："AI创意叙事，不构成新闻报道"
- 位置：底部居中
- 样式：小字号（12px），半透明灰色，不干扰主视觉
- 适用范围：所有生成的图片（方图和长图）
执行检查清单（执行前必须确认）：
文字颜色选择规则（根据背景色调自动判断）：
| 背景主色调 | 文字颜色 | RGB 值 | 判断逻辑 |
|---|
| 深色（深红、深紫、深蓝、灰蓝等） | 白色 | (255, 255, 255) | 背景亮度 < 128 |
| 浅色（白、淡黄、淡蓝等） | 黑色 | (0, 0, 0) | 背景亮度 ≥ 128 |
| 不确定时 | 白色带描边 | 白色文字 + 黑色描边 | 确保可读性 |
完整代码示例（直接执行）：
from PIL import Image, ImageDraw, ImageFont
import requests
from io import BytesIO
import textwrap
DISCLAIMER_TEXT = "AI创意叙事，不构成新闻报道"
def calculate_brightness(hex_color: str) -> float:
"""计算颜色亮度（0-255）"""
hex_color = hex_color.lstrip('#')
r, g, b = tuple(int(hex_color[i:i+2], 16) for i in (0, 2, 4))
return (r * 299 + g * 587 + b * 114) / 1000
def get_font(font_size: int) -> ImageFont:
"""获取可用的中文字体"""
font_paths = [
"/System/Library/Fonts/PingFang.ttc",
"/System/Library/Fonts/STHeiti Light.ttc",
"/usr/share/fonts/truetype/noto/NotoSansCJK-Regular.ttc",
"/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc",
"/Windows/Fonts/msyh.ttc",
"NotoSansSC-Regular.otf",
]
for font_path in font_paths:
try:
ImageFont.truetype(font_path, font_size)
:
ImageFont.load_default()
() -> Image.Image:
draw = ImageDraw.Draw(img)
width, height = img.size
disclaimer_font_size =
disclaimer_font = get_font(disclaimer_font_size)
brightness < :
disclaimer_color = (, , , )
:
disclaimer_color = (, , , )
bbox = draw.textbbox((, ), DISCLAIMER_TEXT, font=disclaimer_font)
text_width = bbox[] - bbox[]
x = (width - text_width) //
y = height -
draw.text((x, y), DISCLAIMER_TEXT, font=disclaimer_font, fill=disclaimer_color[:])
img
() -> :
response = requests.get(image_url)
img = Image.(BytesIO(response.content))
brightness = calculate_brightness(dominant_color_hex)
img = add_disclaimer(img, brightness)
img.save(output_path)
()
output_path
() -> :
response = requests.get(image_url)
img = Image.(BytesIO(response.content))
draw = ImageDraw.Draw(img)
brightness = calculate_brightness(dominant_color_hex)
text_color = (, , ) brightness < (, , )
font_size =
line_height = (font_size * )
margin =
font = get_font(font_size)
chars_per_line =
lines = textwrap.wrap(novel_text, width=chars_per_line)
y_position = margin
line lines:
draw.text((margin, y_position), line, font=font, fill=text_color)
y_position += line_height
img = add_disclaimer(img, brightness)
img.save(output_path)
()
()
()
()
()
output_path
执行后验证：
常见问题修复：
| 问题 | 原因 | 解决方案 |
|---|
| 文字不可见 | 颜色与背景相近 | 切换文字颜色（白↔黑）或添加描边 |
| 文字溢出 | 字号过大或行数过多 | 减小字号至 20px 或增加每行字符数 |
| 字体缺失 | 系统无指定字体 | 使用上述代码中的字体路径列表 |
| 排版混乱 | 未正确换行 | 使用 textwrap.wrap() 确保自动换行 |
| 免责声明不清晰 | 颜色对比不足 | 调整免责声明颜色为更明显的灰色 |
文字叠加参数标准值：
| 参数 | 标准值 | 说明 |
|---|
| 微小说字体 | 思源黑体 / PingFang SC | 清晰易读的中文字体 |
| 微小说字号 | 24px | 300-500字篇幅最佳 |
| 行间距 | 1.8倍字号 | 阅读舒适 |
| 微小说文字颜色 | 自动判断 | 根据背景亮度选择白/黑 |
| 边距 | 50px | 四周留白 |
| 每行字符 | 25个中文字 | 确保排版整齐 |
| 免责声明字号 | 12px | 小字号，不干扰主视觉 |
| 免责声明颜色 | 半透明灰色 | 根据背景亮度调整深浅 |
| 免责声明位置 | 底部居中 | 距底部35px |
10.3 最终输出
⚠️ 输出前必须确认：
最终输出格式：
{
"novel_text": "微小说正文",
"word_count": 字数,
"image_1x1_url": "方图原始URL",
"image_1x1_final_path": "方图最终路径（已叠加免责声明，如 /tmp/final_1x1.png）",
"image_9x16_url": "长图背景URL（生成原始图）",
"image_9x16_final_path": "长图最终路径（已叠加文字+免责声明，如 /tmp/final_9x16.png）",
"text_overlay_completed": true,
"disclaimer_added": true,
"text_color_used": "white/black",
"provenance_metadata": {
"match_source": "事实来源",
"retrieval_timestamp": "检索时间戳",
"confidence_summary": "置信度摘要"
},
"quality_status":
或保存 base64 图片
if hasattr(response.data[0], 'b64_json') and response.data[0].b64_json:
image_bytes = base64.b64decode(response.data[0].b64_json)
with open("output.png", "wb") as f:
f.write(image_bytes)
**图片生成参数说明**：
| 参数 | 类型 | 说明 | 推荐值 |
|------|------|------|--------|
| `model` | string | 模型名称 | `ernie-image-turbo` |
| `prompt` | string | 图片描述提示词 | 来自 Step 9 的提示词 |
| `n` | integer | 生成图片数量 (1-4) | `1` |
| `response_format` | string | 返回格式 | `url` 或 `b64_json` |
| `size` | string | 图片尺寸 | 见下方支持列表 |
| `seed` | integer | 随机种子 | `42` |
| `use_pe` | boolean | 使用 Prompt Enhancement | `true` |
| `num_inference_steps` | integer | 推理步数 | `8` |
| `guidance_scale` | float | 引导系数 | `1.0` |
**支持的图片尺寸**：
- `1024x1024` - 方图 (1:1)
- `1376x768` - 横版 (16:9)
- `1264x848` - 横版 (3:2)
- `1200x896` - 横版 (4:3)
- `896x1200` - 竖版 (3:4)
- `848x1264` - 竖版 (2:3)
- `768x1376` - 竖版 (9:16)
- `1024x1820` - 长图 (9:16)
**最终输出格式**：
```json
{
"novel_text": "微小说正文",
"word_count": 字数,
"image_1x1_url_or_base64": "方图URL或Base64",
"image_9x16_url_or_base64": "长图URL或Base64",
"provenance_metadata": {
"match_source": "事实来源",
"retrieval_timestamp": "检索时间戳",
"confidence_summary": "置信度摘要"
},
"quality_status": "passed/degraded",
"pipeline_summary": {
"persona_drift_sigma": 值,
"emotion_arc_fit": 值,
"audit_pass": true/false,
"total_iterations": 迭代次数
}
}
质量控制机制
Reflexion 闭环
| 评估维度 | 阈值 | 不通过处理 |
|---|
| 人设漂移 σ | ≤ 0.30 | 变异 tone_anchor 参数后回流 Step 5 |
| 情绪弧线拟合度 | ≥ 0.70 | 调整三幕字数分配后回流 Step 5 |
| 字数达标 | 300-500字 | 调整字数后回流 Step 5 |
| 最大重试次数 | 3次 | 超限触发熔断，quality_status: "degraded" |
错误处理
| HTTP状态码 | 含义 | 处理策略 |
|---|
401 | API Key 无效 | 中止，提示检查密钥 |
429 | 限流 | 指数退避重试：1s → 4s → 16s，最多3次 |
5xx | 服务端错误 | 指数退避重试3次，失败后降级 |
输出规范
| 产物 | 规格 | 用途 |
|---|
| 微小说正文 | 300-500字中文 | 社媒文案 |
| 1:1 方图 | 1024×1024 | 朋友圈 / Instagram |
| 9:16 竖版长图 | 1024×1820 | 微博 / 小红书 / Story |
| 溯源元数据 | JSON | 内容审核 / 存档 |
| 质量状态标记 | passed / degraded | 发布决策参考 |
使用示例
用户输入：
为梅西在2026世界杯的绝杀进球写一个平行宇宙故事，情绪强度9
三元组解析：
{
"entity": "梅西",
"event_type": "绝杀进球",
"emotion_intensity": 9
}
执行流程：
- 解析三元组 → conflict_archetype:
silent_redemption, psyche_mode: transcendent
- 锁定契约 → pov_mode:
第一人称热血, tone_anchor: breathless, luminous, time-suspended
- 规划叙事 → pacing_target:
avalanche, 三幕结构 80/140/80 字
- 联网检索 → 获取赛况事实 + 达拉斯在地文化
- 创作微小说 → 嵌入感官锚点，模糊低置信事实
- 安全审计 → 合规检查 + 事实置信度核查
- Reflexion自评 → σ=0.18, arc_fit=0.91, 通过
- 视觉映射 → 深紫主色调 + 金色点缀
- 长图渲染 → 生成方图 + 竖版长图
- 交付成品 → 文本 + 图片 + 元数据
注意事项
- 事实模糊化：所有 confidence < 0.6 的事实必须虚化处理，确保输出为"有据可依的平行宇宙叙事"
- 合规底线：禁止政治敏感、人身攻击内容
- 免责声明：所有生成内容需标注"AI创意叙事，不构成新闻报道"
- API依赖：需要配置
AISTUDIO_API_KEY 环境变量
- 联网检索：使用 web-access skill 执行网络搜索操作
本工具仅供创意写作与体育人文传播用途。
所有生成内容均为 AI 创意叙事，不构成新闻报道，请勿作为事实依据传播。
