One-shot evolution of objects

Agent 灵活性原则
Agent 在流程的任何阶段，都可以根据当前上下文主动向用户提问，让用户参与创意决策。典型场景包括但不限于：

• 开场方式：根据主题推断出合适的蓄力形式后，主动向用户提议并询问偏好，而非默默自行决定。
• 是否有参考图片：在锁定主题阶段就主动询问用户是否有参考图片可上传，以便尽早确定走路径 A（TextToVideo）还是路径 B（MultiModalToVideo）。
• 演化链细节：路径 A 中与用户逐一确认每个物件演变形态时，可以主动给出建议方案让用户选择或调整，而非被动等待用户输入。
  所有提问均可通过卡片或自然语言形式呈现；用户也可随时自由补充要求，Agent 根据反馈调整后继续。
  流程阶段与依赖关系

1. 锁定全局参数 — 首先主动询问用户是否有参考图片可上传（决定走路径 A（TextToVideo）还是路径 B（MultiModalToVideo））；再通过卡片让用户选择画面比例（16:9 横屏 / 9:16 竖屏），确认演化主题（主体变化链、演化跨度）；演化方向不限于从古至今，可以是技术迭代、形态变异、环境变迁、幻想演化等任意有逻辑关联的变迁链；同时确认文化范围：若主题存在明显的地域或文明分支（如武器、服装、建筑等历史类主题），须让用户选择（A）单一文明纵向演化，或（B）跨文明通用演化——仅选取各时代中东西方共有或普遍认知的形态，不在同一链中混用仅属于某一文明的特有器物；将确认后的文化范围写入 Final_Video_Spec.md 的 cultural_scope 字段，后续 beat 设计须严格遵守；视觉风格固定为电影级写实风格，无需让用户选择——visual_style 字段直接写入“cinematic photorealistic”，后续所有生成环节严格遵守；主动询问用户偏好的开场蓄力方式：Agent 根据主题推断出最合适的蓄力形式（优先人物蓄力，退路为主体自身蓄势），以卡片形式向用户提议并让用户确认或调整；根据演化链的辨识度需求、复杂度与目标速度感建议 4–30 秒的整数时长。若用户将高速冲刺感作为核心体验，优先选择可完整承载关键节点的紧凑时长，不为逐一展示节点而拉长时长或均分段落；若确需超过 30 秒，必须在确认时长阶段明确告知用户：超出单次生成上限的部分将通过视频延长（续拍）分段生成后拼接完成，并在确认后写入 Final_Video_Spec.md（字段：title、theme、evolution_chain、aspect_ratio、target_duration、visual_style、language）→ text_editor。
2. 设计 Storyboard — 根据 Final_Video_Spec 设计一镜到底的演化时间轴：开篇为主题匹配的蓄力→释放动作（释放瞬间以短暂慢动作特写呈现，优先人物蓄力，主题无合理人物场景时改用主体自身蓄势——若用户已在步骤 1 中指定了开场方式则按用户选择执行），演化在主体飞行过程中发生，速度随演化推进持续加快，将演化节拍（beat）拆解为若干关键变换节点，写入单个 shot 的描述中，同时规划背景音乐音频层 → storyboard_designer。演化合理性审查：在设计每个 beat 前，必须确认该物件的演变方式是否合理——不违背历史发展规律或事物内在逻辑；相邻 beat 之间的主体尺寸变化须自然渐进，不得出现突然变大再突然变小的跳跃；背景变化须渐进过渡，不做大跳变以保持视觉连贯；若有不合理之处，先调整 beat 设计再继续。
3. 素材路径分支：
   • 路径 A（用户未上传图片）：以对话形式与用户逐一确认每个物件演变成什么形态（Agent 主动给出建议方案供用户选择或调整）；确认演化链合理后，将完整演化链按镜头形式详细整理——逐 beat 列出主体形态、过渡形变方式、背景变化、镜头景别与运动方向，以卡片形式呈现给用户确认；必须等用户确认后才能进入步骤 4，使用 TextToVideo 生成视频——跳过元素参考图生成。
   • 路径 B（用户上传了图片）：通过 resource_prepare_and_analyze 分析上传素材（运动规范审查等），必要时用 media_generator 制作运动规范参考图，注册 asset_id 并绑定到 Storyboard 对应锚点；生成完毕后暂停，让用户预览确认视觉方向后再继续。
4. 生成视频 — 前置条件：路径 B 中所有元素图必须已生成完毕、通过用户确认且已成功绑定到 Storyboard 对应的 key_element 锚点（可通过 query_assets_info 验证）；路径 A 须已完成步骤 3 中按镜头形式整理的演化链确认。确认就绪后：
   • 路径 A：使用 TextToVideo，模型 Seedance 2.5，分辨率 720p，以完整提示词描述演化链直接生成视频。
   • 路径 B：使用 MultiModalToVideo（全能参考），模型 Seedance 2.5，分辨率 720p，以已上传/生成的参考图作为 image_infos 输入。
   • 目标时长以 Final_Video_Spec 中 target_duration 为准，以完整呈现演化链为第一优先级 → media_generator。
   • 若生成结果时长不足目标时长，或演化内容在视频末尾尚未完整收尾，则续拍（extend_video_resource_id）：每次续拍 4–30 秒，续拍提示词从上一段末尾的演化状态继续描述。续拍后的确认流程按下方"暂停与确认节点"执行，循环续拍直至用户满意且总时长达标。
5. 生成背景音乐 — 根据演化主题和情绪弧线生成配乐，时长与成片视频匹配 → media_generator。
6. 合成输出 — 将视频段（如有续拍则拼接）与背景音乐合层，输出成片 → video_assembler。
   暂停与确认节点（所有确认均通过卡片推进，禁止让用户手动打字确认）

• 步骤 1 完成后：以卡片展示演化主题摘要、建议时长与推荐的开场蓄力方式，选项包括"确认，继续设计分镜"和"调整主题/时长/开场方式"。
• 步骤 2 完成后：以卡片展示演化节拍列表，选项包括"确认节拍，继续下一步"和"调整节拍设计"。
• 步骤 3（路径 A）完成后：以卡片展示按镜头形式整理的完整演化链（逐 beat 的主体形态、过渡形变方式、背景变化、镜头景别与运动方向），选项包括"确认演化链，开始生成视频"和"调整某个 beat 后继续"。
• 步骤 3（路径 B）完成后：以卡片展示所有元素参考图预览，选项包括"确认视觉方向，开始生成视频"和"重新生成某张元素图"。
• 步骤 4 初次生成结果产出后：以卡片让用户选择，选项包括"满意，继续生成背景音乐"、"续拍补足演化内容"和"重新生成视频"。
• 步骤 4 每次续拍完成后：以卡片展示续拍结果与当前累计总时长，告知演化内容是否已完整收尾，选项包括"满意，继续生成背景音乐"、"继续续拍补足"和"重新生成续拍段"；循环此确认点直至用户满意且总时长达标，再进入背景音乐生成。
• 全部媒体就绪后：以卡片告知即将合成，选项包括"确认，开始合成输出"和"调整某段媒体后再合成"。

用户上传参考素材的处理原则

• 若用户上传风格参考图（特定时代画面、艺术风格），提取：色调、光影风格、材质质感、画面构图特征，作为后续视频生成的视觉风格锚点。
• 若用户上传主体参考图（特定物体、角色造型），提取：外形轮廓、颜色、纹理、辨识度特征，确保生成时主体在变换起点与终点的视觉一致性。
• 分析结果输出为结构化文本描述，供 storyboard_designer 设计演化节拍和 media_generator 在生成时作为参考依据。
  主体参考图的运动规范适配性审查
  收到用户上传的主体参考图后，必须逐一检查以下维度，并在分析结果中明确标注每一项是否合格：

1. 主体完整性：主体是否完整入镜，有无被边框裁切或被其他物体遮挡关键部位。
2. 前端/头部朝向：主体的前端（头部、尖端、车头、枪口等运动方向端）是否朝右（即适配从左向右的飞行轨迹）；若朝左或朝向正面/背面，标记为方向不合格。对于没有明确"前端/头部"的主体（如衣物、布料、有机体），跳过此项方向检查，改为审查其展示姿态是否自然、能否合理支撑从左向右的飞行轨迹。
3. 拍摄角度：是否为严格侧视角（side view）；若为正面、背面、斜俯视或透视角度过大，标记为角度不合格。
4. 背景复杂度：背景是否为纯白或中性背景；若含复杂场景、纹理或其他物体，标记为背景不合格。
5. 同组一致性：若用户上传多张参考图，检查各图的构图方式、主体比例、拍摄距离是否基本一致；若差异明显，标记为构图不一致。
   审查结论与处理建议：将以上五项的检查结论汇总后输出，并给出明确的后续处理建议：

• 若所有项均合格：可直接用于 media_generator 的生成参考，无需额外处理。
• 若存在任何不合格项：建议通过 media_generator 使用 ImageToImage 制作"运动规范参考图"（见 Media Generator 对应规则），并在说明中列出需要修正的具体问题。
• 若图中存在无法从图像准确推断的品牌细节、角色服装或独特结构（如特定型号的徽标、角色的背面配件等），在建议中注明，并询问用户是否允许 AI 合理补全，或请用户提供更完整的图片，再继续生成规范图。

核心设计原则：一镜到底，连续演化，方向统一
本 Skill 的全部内容都在单个 shot 内完成——不做硬切，镜头始终向前运动，主体与背景在同一时空流中持续蜕变。
运动方向约定（贯穿全片）

• 主体在整个视频中始终沿同一方向飞行，默认为从画面左侧向右侧运动（left-to-right）；除非用户明确指定，不得出现主体折返、反向运动或方向模糊的描述。
• 开场施力者的抛出动作必须向右发力（身体朝右、出手方向朝右），主体离手后随即向右飞出并进入飞行轨迹。
• 所有演化节拍（beat）中，主体的前端（头部、尖端、车头、枪口等）始终朝右，尾部朝左；形变过渡期间，新形态出现时前端方向不得改变。
• 镜头运动须与主体方向一致：跟随镜头整体向右移动；不使用反向推拉、横摇折返或令主体在画面内"掉头"的运镜。
• 收尾冲向终点的方向同样为向右（落点、爆炸、击中目标均在画面右侧或右前方）。
  整体视觉风格
• 全片为影视级写实风格——真实光影、真实材质、摄影机感强，像真实摄影机拍到的画面而非 CG 或 AI 合成感；人物皮肤、毛发、衣物质感须自然真实，禁止蜡像感、塑料感或磨皮。非用户明确要求，不得使用卡通、插画、概念艺术或过度风格化。
  固定开场结构
• 视频必须以"蓄力→释放"结构开场：开场分为两个阶段——**蓄力段（近景特写，主体运动较慢）**积累势能或张力，释放段主体进入向右飞行轨迹，随后渐进加速。蓄力的形式按主题优先级选择：
  • 首选 · 人物蓄力：从演化链最原始端出发，找到最合乎情境的"施力者/操控者"，人物与主体发生完整、符合物理逻辑的交互动作（准备→蓄力→释放），不得跳过任何物理步骤——如弓箭须先有人物张弓搭箭、拉满弓弦，再释放飞出；投石须有人物握持、挥臂、出手全程；火箭须先有点火倒计时或引擎点火喷焰，再加速升空。每个主题的开场人物和动作应独特而有叙事说服力，而非模糊的"一个人"；施力者的外貌、动作、表情须具体生动。
  • 备选 · 主体自身蓄势：仅当主题确实不存在合理的人物场景时（如微生物、细胞、自然现象等从微观或非人为起点开始的演化链），改为主体自身蓄势——主体在极近特写中通过自身形变积累张力（如细胞膜鼓胀到极限、生物体蜷缩后绷紧），到达临界点后释放进入飞行轨迹。此为退路而非默认，须先确认人物蓄力确实不适用后再启用。
  • 无论哪种蓄力形式，释放方式均须选择最贴近真实生活的自然方式（射出、投出、弹射、启动、点火、冲出、滑出、展开、吹起、弹开等），而非生硬套用"抛出"。
• 释放后进入渐进加速飞行：蓄力→释放的临界瞬间以短暂慢动作特写呈现（仅此一瞬间放慢，如弓弦松开、手臂挥出、膜壁弹开的瞬间），主体释放后立即以高速切入飞行轨迹，随后随演化推进持续加速，越到后期越快——速度递增是单调的，不存在"先慢后快再慢再快"的反复；全程不得出现悬浮、漂移或停顿，除开场释放瞬间外不得使用慢动作，任何 beat 过渡期间不得减速或为展示形态而放慢。
• 主体释放后进入飞行轨迹，所有演化变换发生在飞行过程中——主体在空中持续形变，背景随之渐进蜕变（不做大跳变，保持视觉连贯）。
• 终点形态选择与终态动作（Agent 自主设计时）：当用户未指定最终形态时，Agent 必须主动选择演化链中最具力量感、最具标志性的终态——即该演化方向在当前认知中最强、最具代表性的终点（如武器→现代电磁炮/导弹，交通→航天飞船，厨具→分子料理喷枪）。最终形态完成形变后，必须设计一个与主题高度契合的终态动作：终态动作应体现该物件的核心功能或最强爆发状态（如导弹弹体在飞行中引擎短暂点火喷焰，飞船侧面展开太阳能板，步枪完成拉栓上膛动作），动作时长约 1–2 秒；终态动作期间主体方向不变，速度持续加快，不设撞击、爆炸或停止。
• 收尾节奏（终态动作 → 快速推近特写 → 急剧加速出帧）：最终形态完成最后一次形变后，进入三拍收尾，不做掉头或突然停止，整体处于全片最快阶段：
  • 终态动作（爽感触发）：如上所述，短暂的特征性功能动作，给观众"这就是最强形态"的确认感；摄影机保持侧面跟拍，可在此时短暂拉宽景别（如从中景切向宽画幅大全景），给予仪式感镜头语言，强化"这是结尾了"的信号；
  • 快速推近特写：摄影机在主体持续高速向右飞行的过程中快速推近，画面逼近主体最具质感的局部细节（金属纹理、光泽、棱角、材质颗粒），让观众在极近视角中感受最终形态的质地——此时主体速度不减，特写是在高速运动中完成的；
  • 急剧加速出帧（爆）：特写停留片刻后，主体沿同一水平中轴急剧加速向右，伴随强烈运动模糊和光迹拖影，以极速飞出画面右缘——给观众"它奔向了更远的未来"的开放结局感；三拍整体处于加速态势，终态动作段用"喷射/点火/展开"等功能动词，特写段用"快速/逼近/掠过"，加速段用"瞬间/急剧/极速/飞出"，形成由快到最快的递进。
    演化节拍设计（Beat Design）
• 紧凑时长优先：当用户将高速冲刺感列为核心体验时，先用能完整承载关键演化链的最紧凑时长，而不是为了给每个节点留出展示时间而拉长成片。节拍只定义演化顺序与视觉重点，不按相等时长均分，也不在分镜或提示词中标注固定秒数切片。
• 浓缩且可读的形变：每次形变保留一至两个最具辨识度、能说明因果的结构动作，例如伸长、收缩、展开、折叠、滑动、编织或材质迁移；将旧形态、关键过渡特征和新形态压缩为高速飞行中的连续爆发。避免逐片、逐根、逐个零件的装配式描述，以免形变被理解为需要放慢展示的独立段落。
• 正向速度基线：主体离手后始终全速向右飞驰，速度随演化推进持续攀升；每个形变都是冲刺中的短促爆发，下一形态成型时直接承接更高速度。前端朝右、轨迹连续，背景与主体在同一时空流中同步演进。
• 背景渐进与尺寸连续：背景从主体启动形变时同步开始转化，以可追溯的视觉因果衔接相邻时代；主体画面占比自然渐进，尺寸差异通过飞行中的视角与结构变化消化，维持一镜到底的连贯性。
• 后段冲刺升级：越接近终态，近景掠过、横向视差、背景拖影和光迹越强；镜头以横向速度的可见性为优先，保持主体轮廓可辨的同时，营造由高速到极速的递进。
  镜头语言
• 侧向跟随 + 景别变化：镜头以与主体前进速度同步的侧跟运动持续向右移动，主体始终居于画面中央或视觉重心；背景、近景元素和光影从画面右侧向左方向掠过，形成横向视差（lateral parallax），配合运动模糊（motion blur）——随主体加速，视差和运动模糊逐渐增强。
• 景别需有变化（zoom in / zoom out）：镜头在侧跟的基础上，应有拉近（zoom in）和拉远（zoom out）的景别变化——开场慢动作特写时为近景/特写，主体加速后镜头可拉远至中景或全景以展现场景宏度，关键形变节点处可再推近展现细节；景别变化须平滑过渡，不产生跳切感，始终维持同一镜头内的连续运动。
• 禁止任何镜头"追不上"主体或"脱离主体"的停顿感——镜头与主体速度严格绑定，随主体加速镜头跟进速度也同步加快。
• 避免在同一 shot 描述中出现任何"切镜"或"新镜头"字样；所有变化都是同一镜头内的形变和景别推移。
  演化链文化一致性
• 设计演化节拍前，必须先确认 Final_Video_Spec 中的 cultural_scope 字段，并在全链范围内严格遵守：
  • 单一文明线：所有 beat 的形态须属于同一文明体系（如纯西方武器史、纯中国冷兵器史），不得在链中间插入仅属于另一文明的特有器物（如西方火器演化链中不插入武士刀）；
  • 跨文明通用线：每个 beat 只选用该时代中东西方共有、或具有高度普遍认知度的形态（如石器、弓箭、枪械、火箭等全球共现形态），不选取仅代表某一特定文明的器物；
• 若演化链在某一时代存在东西方分叉，必须选一条轴，不得两者混搭——在规划节暂停时明确告知用户当前选择的文化轴，并询问是否需要调整。
• Beat 描述中的背景环境（建筑风格、服饰、战场地貌等）须与当前文化轴一致，不得出现与主体文明体系不符的场景元素。
  灵活性与创意空间
• 演化链不局限于人类文明发展或历史时序；可以是：工具演化、交通工具演化、建筑演化、音乐载体演化、服装演化、生物形态演化、幻想世界变迁等任何有内在逻辑的主题——演化方向可以是历史纵向、技术迭代、形态变异或纯创意设定，只要变迁链有视觉逻辑即可；开场蓄力→释放的设计原则见上方"固定开场结构"。
• 演化合理性是前提：每个 beat 的形态演变须合乎历史发展规律或事物内在逻辑——主题要合理，物件要合理，演变路径也要合理；不得出现违背常识的跳跃（如冷兵器直接跳到激光武器而无中间火器阶段）。若用户未上传图片，Agent 须在对话中与用户逐一确认每个物件演变成什么，确保演化链经得起推敲后再进入生成。
• 多变与创意：在合理性的基础上鼓励多样化——不同主题应有截然不同的视觉气质和演化节奏，避免所有视频看起来雷同；主动设计具体且视觉冲击力强的演化节拍，而非套用通用描述。
• 鼓励在节拍过渡处加入戏剧性细节（如物体因速度产生的残影、时代符号的短暂叠影）。
  跨镜头音频层（Cross-shot Audio）
• 规划一条全程背景音乐轨（music 类型），情绪弧线与演化节奏匹配：开篇厚重原始、中段紧张递进、末尾宏大震撼。
• 如果演化链本身有强烈的音效逻辑（如石头破空声→枪声→导弹轰鸣→火箭点火），可在 shot 描述中标注对应音效节拍，由视频生成阶段的音轨同步呈现。

关键元素图片生成（仅路径 B：用户已上传图片时）

• 路径 A（用户未上传图片）跳过此步骤，直接使用 TextToVideo 生成视频，不生成元素参考图。
• 路径 B（用户已上传图片）：为演化链中的核心主体形态（起点、中间关键变换节点、终点，通常 3–5 张）各生成一张独立参考图，使用 TextToImage，模型：GPT Image 2，分辨率：2K。
• 所有元素图必须满足运动规范：纯白背景（pure white background），写实摄影风格（photorealistic），主体完整入镜、居于画面中央，四周留有安全边距；主体前端（头部/尖端/车头等）朝右，尾部朝左，严格侧视角（side view），水平放置，不得使用正面视角或透视角度过大的构图；对于没有明确"前端/头部"的主体（如衣物、布料、有机体），以最贴近真实生活的自然展示状态呈现——选择该物体在日常中最合理的视角与朝向，只要能支撑从左向右的飞行轨迹即可，不强求严格的"头部朝右"。
• 按演化顺序编号（elem_01、elem_02……），注册 asset_id 并绑定到 Storyboard 对应锚点；绑定验证通过后暂停，等待用户确认视觉方向。
• 跨图色彩一致性：同一演化链的所有元素图必须保持统一的照明色温、背景白度和整体色调基准；若不同节点主体本身颜色相差较大（如铜色→银色→黑色），需在提示词中统一光照参数（色温、光源方向、环境色），避免图与图之间因白平衡或环境光差异导致整体色调跳变——颜色渐变应由主体材质自然决定，而非由拍摄条件差异引入。
  用户上传主体图的运动规范处理（ImageToImage）
  当 resource_prepare_and_analyze 的审查结论中存在任何不合格项（主体被裁切、方向朝左、非侧视角、背景复杂、多图构图不一致）时，不得直接将原图传入 Seedance 2.5，必须先制作"运动规范参考图"：
• 使用 ImageToImage，以原图为参考，生成满足上方"关键元素图片生成"中全部运动规范要求的规范图（纯白背景、严格侧视角、前端朝右、水平居中、安全边距），并保留原图核心识别特征：造型、颜色、材质、品牌细节等尽可能与原图一致。
• 若原图存在无法准确推断的品牌结构、角色服装或独特细节（如徽标、背面配件等），生成前先询问用户是否允许 AI 合理补全，或请用户补充更完整的图片，获得许可后再继续。
• 规范图生成后暂停，让用户确认规范图的主体识别度与方向是否符合预期，确认后再将其用于后续视频生成。
• 规范图确认后注册 asset_id，绑定到对应演化节点锚点，替代原始上传图作为视频生成的参考输入。
  视频生成策略
• 路径 A（无图片，TextToVideo）：使用 TextToVideo，模型：Seedance 2.5，分辨率：720p，以完整提示词描述演化链直接生成视频。
• 路径 B（有图片，MultiModalToVideo）：使用 MultiModalToVideo，模型：Seedance 2.5，分辨率：720p，以已上传/生成的参考图作为 image_infos 输入。
• 目标时长：以 Final_Video_Spec 中 target_duration 为准，以完整呈现演化链为第一优先级——时长由演化链复杂度决定，应为 4–30 秒之间的整数（Seedance 2.5 单次生成上限为 30 秒）。根据演化链实际需要的节奏选择具体数值，而非默认取 30 秒上限；短链可用 15–25 秒，中等链可用 20–30 秒。若演化链较长、单次 30 秒无法完整覆盖，使用续拍补足。
• 元素图作为有序参考（路径 B）：将已生成的元素参考图按演化顺序传入 image_infos，并在提示词中通过 <<<image_1>>> … <<<image_N>>> 占位符对应每张图，明确说明其代表的演化节点（如"起点形态 <<<image_1>>>，中间变换形态 <<<image_2>>>，终点形态 <<<image_N>>>"）。
• 续拍策略：若首次生成结果未完整收尾，使用 extend_video_resource_id 续拍（每次 4–30 秒，续拍提示词从上一段末尾演化状态继续描述，分辨率与源视频一致）。触发条件与用户确认流程见 <planner> 步骤 4。
• 若用户上传了风格参考图或主体参考图，将其与元素图序列一并放入 image_infos，并在提示词中说明各自参考用途；Seedance 2.5 最多支持 30 张图片参考。
• 色彩与风格一致性（两条路径通用）：无论使用 TextToVideo 还是 MultiModalToVideo，全片须保持统一的色彩基调、光照风格和写实摄影质感——主体颜色的渐变应由材质本身决定（铜色→铁色→钢色），而非由光照或白平衡差异引入色调跳变；在提示词中写入统一的光照参数（色温、光源方向）以锚定全片视觉一致性。
  背景音乐生成
• 使用 text_to_instrumental，模型：Mureka 8（备选：Suno 5，注意避免使用知名音乐人名称）。
• 提示词描述情绪弧线与风格：厚重原始开篇 → 紧张递进中段 → 震撼宏大收尾；时长与成片视频匹配。
  Asset Binding Contract
• 遵循当前 manage_item_assets 合约，使用 Storyboard 中的实际目标 ID，不在 Skill 中另设 ID 模板。
• 绑定位置规则（防止绑错锚点）：
  • 演化节点元素图（TextToImage 或 ImageToImage 生成的主体参考图）必须绑定到 Storyboard 中对应的 key_element 锚点，不得绑定到 shot 锚点；
  • shot 级别的视频资产才绑定到对应的 shot 锚点；
  • 背景音乐绑定到对应的 audio_layer 锚点；
  • 绑定前先通过 query_assets_info 确认目标锚点类型，确保类型与绑定目标一致，不以资产媒体类型或文件名推断绑定位置，以 Storyboard 实际结构和计划用途为准。
• 若用户上传了参考素材，生成开始前先调用 query_assets_info 确认绑定状态；如绑定缺失，调用 manage_item_assets 补全完整绑定数组，再重新查询验证。
• 一个资产如有多种用途，保留 asset_bindings 数组中的所有适用条目。

最高优先级：提示词语言跟随交互语言

• 所有面向模型的提示词正文、固定质量语块、镜头与速度约束、音效标注及示例语句，必须完整使用用户当前的交互语言，不得默认混入另一种自然语言。用户以中文交互时，提示词必须全中文；用户改用其他语言时，提示词同步切换为对应语言。
• 仅保留必要的模型占位符（如 <<<image_1>>>）和系统约定标记。可见文字或台词的内容语言仍遵循 Final_Video_Spec 中的 language 字段。
  关键元素图片提示词
• 用交互语言明确写出纯白背景、写实摄影风格、主体形态、物理材质、光影与清晰对焦；避免插画、卡通、概念艺术等风格词。
• 需要方向锁定时，用交互语言明确主体为严格侧视、前端向右、从左向右；排除正面、背面、朝左和大透视。对衣物、布料等无明确前端的柔软主体，使用最自然的真实展示姿态，不强加方向。
• 聚焦主体的静止展示状态，不描述场景或过渡过程；主体水平居中，四周保留安全边距。运动规范图沿用同一原则，并明确保留 <<<image_1>>> 中主体的形状、颜色、纹理与关键识别细节。
• 各元素图使用同一照明色温和方向的中文描述，避免节点之间因光源差异出现色调跳变；主体自身颜色变化只由材质描述决定。
  视频提示词结构（MultiModalToVideo / Seedance 2.5）
  一镜到底演化视频的提示词按演化时间轴线性展开，全片运动方向固定为从左向右，并依次包含：

1. 电影级写实质量语块：开头先用交互语言写明电影级写实摄影、自然体积光、符合物理的明暗关系、柔和景深、轻微镜头像差与胶片颗粒、自然色彩、真实皮肤与物理材质渲染。每个节拍都点明光源方向、强度和主体的具体物理材质，避免笼统的“高级感”或“金属质感”。
2. 固定开场：优先让符合主题的施力者完整执行准备、蓄力、释放；人物外貌、衣着、动作与朝右的施力方向都要具体。只有主题不存在合理人物场景时，才写主体自身蓄势至临界点后释放。释放临界瞬间可使用极短慢动作特写；主体脱离施力者后必须立刻以高速进入右向飞行，后续持续加速。
3. 镜头总定调：明确侧向跟拍、主体从左向右、连续单调加速、景别拉近拉远、背景与近景从右向左掠过形成并逐渐强化的横向视差和运动模糊，以及背景随时代渐进演化。
4. 演化节拍序列：按 Storyboard 顺序写出主体形态、前端朝右、光源和背景变化；如使用元素参考图，用 <<<image_X>>> 关联。节拍只表达先后顺序和视觉重点，不写固定秒数或平均分段。每次形变只保留一至两个最具辨识度的结构动作，并写为全速飞行中的连续爆发：新形态在更高速度中直接承接前一形态。
5. 音效标注：关键变换节点用 <音效描述> 标记；台词或旁白用 {台词文本} 标记。背景音乐由独立音频层承载，不写入视频提示词。
6. 收尾三拍：终态先完成一个符合主题的功能动作，同时持续加速并短暂拉宽景别；随后摄影机在主体高速右飞中快速推近最有质感的局部；最后沿同一水平中轴急剧加速，以强运动模糊和光迹飞出右侧画面。不得写撞击或爆炸。
   核心写法原则

• 自然真实优先：所有提示词都用交互语言明确自然、真实、电影摄影、真实皮肤纹理和物理材质渲染；除非用户要求风格化，不加入卡通、插画、贴纸或扁平化表达。
• 材质必须物理化：描述可感知的表面属性，例如微粒磨砂、金属拉丝、玻璃反射，而不是空泛的材质标签。
• 紧凑时长服务于冲刺感：当高速是核心体验，优先用能完整表达关键演化链的紧凑时长；不要为了让每个阶段被完整观看而延长成片、均分时长或写入固定时间切片。
• 正向的运动基线：开场释放后，直接确立“主体始终全速飞驰、速度持续攀升、形变在冲刺中瞬间爆发、后段速度更快”的总体运动体验。用背景横向掠过、近景视差、连续拖影与光迹逐步升级来使速度可见。
• 浓缩形变而非装配展示：相邻形态之间只挑选一至两个可识别的结构或材质转化，写成旧形态在高速运动中自然延展、收束、展开或重构为新形态；用“成型后直接带着更高速度飞出”连接每次演化。
• 保持清晰的连续因果：背景在主体形变触发时同步渐变，前一时代的空间与材质痕迹平滑迁移到下一时代；主体尺寸、画面占比和镜头运动连续递进，让速度和演化共同构成单一时空流。
• 精炼且不遗漏核心：在 Seedance 2.5 的提示词字符限制内，优先保留最具辨识度的形变机制、速度递进、光源与时代环境；标准约束语也必须随当前交互语言本地化。
• 标准约束语也必须本地化：如字幕后期处理、无音乐、单一连续镜头、开场释放瞬间短慢动作及全片正常速度播放等约束，均使用当前交互语言写入，不能以英文固定短语替代。

合成策略

• 若视频由主段 + 续拍段组成，按时间顺序拼接，接缝处不加转场效果（续拍本身保证画面连贯）；整体播放速度保持原速。
• 背景音乐音轨与视频全程对齐，末尾淡出（fade-out 最后 2–3 秒）。
• 如视频内嵌了同步音效（Seedance 2.5 生成时附带），保留原始音效轨，与背景音乐叠加时音效轨音量适当高于背景音乐（音效清晰可辨）。
• 导出时保持生成分辨率（720p），纵横比与 Final_Video_Spec 一致。