generate-script

name generate-script description 调用项目配置的文本模型生成 JSON 剧本（同时产出每个分镜的 image_prompt 与 video_prompt）。由 create-episode-script 子智能体调用。读取 script_plan 中间文件和 project.json，输出符合 Pydantic schema 的剧本。 user-invocable false generate-script 调用项目配置的文本生成模型（Gemini / Ark / OpenAI / 自定义供应商，由 project.json 决定）， 基于脚本规划中间文件产出最终的 JSON 剧本。剧本里的 image_prompt / video_prompt 是后续图像 / 视频生成的"种子"， Prompt 质量基本决定了画面质量 ——所以本 skill 是 ArcReel 整条 pipeline 中最值得重点优化的一环。 前置条件 项目目录下存在 project.json （含 style / overview / characters / scenes / props） 已完成脚本规划（按项目 generation_mode 选择一种中间文件）： narration（storyboard + 旁白/解说，含 grid_storyboard）： drafts/episode_N/script_plan_segments.json （结构化分镜：逐字 novel_text + 时长 + segment_break + 出场角色 / 场景 / 道具） drama（storyboard + 剧情演绎，含 grid_storyboard）： drafts/episode_N/script_plan_normalized_script.json （结构化内容；script_plan 已定稿口播 utterances / 原文锚 source_text / 视觉改编描述，prompt_authoring 透传 + 补视觉，见 ADR 0041） reference_video（参考生视频）： drafts/episode_N/script_plan_reference_units.json ad（广告/短片）例外 ：不需要任何 script_plan 中间文件——创作输入是 project.json 的 brief + products （含 selling_points）+ target_duration ，prompt 由后端按审定的 带货八段框架配比表构建（ products 为空自动分流通用短片 prompt） 有 script_plan 的骨架（drama / narration / reference_video）须先完成内容确认 ：script_plan 结构化中间态在 Web 端审阅、可手动 / Agent 编辑， 显式确认后 本工具才生成 prompt_authoring 视觉层。确认有两条等价路径：用户在 Web 端点击确认，或在对话中明确同意后由主 Agent调用 mcp__arcreel__confirm_script_review({"episode": N}) 。未确认（或确认后内容又被改）时本工具拒绝；存量项目（已生成过本集剧本）已 grandfather 放行。reference_video 同样需要内容确认（其 script_plan 是 script_plan_reference_units.json ），只有 ad（无 script_plan）不适用。三条路线的正式 script_plan 一律 Agent 不可用 Write/Edit 直改 （与 Web 端保存共享一把文件锁，Agent 的文件工具取不到）：用 mcp__arcreel__open_draft 取得完整 content 与 revision ，修改后把它们交给 mcp__arcreel__patch_draft ，最后用同一 doc_type 调 mcp__arcreel__promote_draft ，详见对应子智能体。 约束失败产出保留为待修复草稿，不丢弃重抽 ：script_plan 拆分或 prompt_authoring 提示词编写的产出违反内容约束时，正式文件不写，产出连同逐条违约报告落到同目录的 *.invalid.json 。用 open_draft 读取草稿及 revision，按 violations[] 修复完整 content ，再用 patch_draft 提交；随后以相同 episode / doc_type 调 promote_draft ，仍违约则继续 open → patch → promote，无轮次上限。 doc_type 为 drama_script_plan 、 narration_script_plan 、 reference_script_plan 或 reference_prompt_authoring 。 用法 通过 MCP 工具调用（项目名由 session 绑定，不需要传）： mcp__arcreel__generate_episode_script({"episode": N}) mcp__arcreel__generate_episode_script({"episode": N, "instructions": "<附加指令原文，可选，无则省略>"}) mcp__arcreel__generate_episode_script({"episode": N, "dry_run": true}) # 仅预览 prompt 输出路径由工具内部固定为 {project}/scripts/episode_{N}.json ，不支持自定义； 如需重命名或归档，请在 Web 端操作。 补充提示词（ author_prompts ） 内容确认后用户可能不经模型、把脚本规划 机械转为正式脚本 （Web 端「直接转换」或 mcp__arcreel__convert_script_plan({"episode": N}) ）：条目内容层已落盘，drama / narration 的 image_prompt / video_prompt 为 null （待生成）。此时工作流计划的 next_action.type 为 author_prompts ， requested_ids 列出提示词待生成的条目： mcp__arcreel__generate_episode_script({"episode": N, "entry_ids": [<requested_ids>]}) 只传 entry_ids ，让工具只给这些条目补视觉层； 不得传 scope: "all" ——整集重写会把用户 已手写的提示词一并覆盖。 用户已在 Web 端手写过提示词的条目不在 requested_ids 里，不要主动把它们加进 entry_ids 。 脚本规划再次变更后，失效条目由 generate_script （默认 scope: "stale" ）或用户在 Web 端 「采用新内容」处理； convert_script_plan 从不改写失效条目的内容与提示词。 重要：生成剧本必须调用上述 MCP 工具。此 skill 不提供任何 Python/Shell 脚本，不得用 BASH 调 python .../scripts/*.py 。 生成流程 MCP 工具内部通过 ScriptGenerator 完成以下步骤： 加载 project.json — 读取 content_mode、characters、scenes、props、overview、style 加载脚本规划中间文件 — 根据项目 generation_mode 选择对应文件 构建 Prompt — 由 lib.prompt_builders_script 或 lib.prompt_builders_reference 生成 调用 TextBackend — 由 TextGenerator 按项目配置选择文本模型，传入 Pydantic schema 作为 response_schema 强约束 JSON 结构 Pydantic 验证 — 按 content_mode / generation_mode 选 schema： ad → AdEpisodeScript （平铺 shots[] ，骨架不随生成路径更换；storyboard 路径 duration 按 supported_durations 枚举硬约束，reference_video 路径为 1-15 秒自由整数） reference_video（narration/drama 下）→ ReferenceVideoScript （含 video_units[] ） narration → prompt_authoring 走两段式：LLM 的 response_schema 是 NarrationVisualEpisodeScript （仅 segment_id + image_prompt + video_prompt），后端按 segment_id 把视觉层合并回 script_plan 的结构化分镜（novel_text / 时长 / segment_break / 出场角色 / 场景 / 道具透传），得到完整 NarrationEpisodeScript 。novel_text 不进 LLM 输出 → 不发生扩写漂移 drama（storyboard，含 grid_storyboard）→ 两段式 ：LLM 输出 DramaVisualScript （仅 scene_id + image_prompt + video_prompt），后端按 scene_id 把视觉层合并回 script_plan 已定稿内容（ script_plan_normalized_script.json 的 utterances / source_text / 出场资产 / 时长 / 边界透传不变），合并结果即 DramaEpisodeScript 。非视觉字段不进 LLM 输出，从工程上杜绝其经 Structured Outputs 漂移（见 ADR 0041） 补充元数据 — episode 、 content_mode 、 novel （项目 title + 第N集 ）、时间戳。这些字段对 LLM 隐藏（SkipJsonSchema），由后端从 project.json 注入，避免 LLM 幻觉污染下游消费方（compose-video 的 mp4 文件名、剪映草稿等）。 注： 任何骨架的剧本都不写入顶层 generation_mode 。生成模式是项目级事实（ project.json 的 generation_mode ，创建时锁定），剧本骨架种类本身即生成模式的体现；消费方一律读 project.json 分派，不得从剧本上找该字段。 输出格式 生成的 JSON 文件保存至 scripts/episode_N.json ，核心结构： title ：LLM 写入的剧集标题 episode / content_mode / novel （含 title、chapter）：由后端 _add_metadata 注入，不依赖 LLM 输出 旁白/解说： segments[] （每个分镜含 novel_text、duration_seconds、segment_break、出场角色 / 场景 / 道具 —— 由 script_plan 透传；image_prompt、video_prompt —— 由 prompt_authoring 生成） 剧情演绎： scenes[] （每个分镜含 image_prompt、video_prompt、duration_seconds，以及 script_plan 透传的 utterances、source_text、characters_in_scene 等） 广告/短片： shots[] （每个分镜含 section、voiceover_text、products_in_shot、image_prompt、video_prompt、duration_seconds 等）；总时长偏离 target_duration 超阈值仅日志提醒，不阻塞保存 参考生视频： video_units[] （每个视频单元含 text 、 duration_seconds 等） metadata ：created_at、updated_at、generator 条目数与全集总时长不落盘：它们逐读剧本即得，由项目摘要读时计算，落一份只会与正文漂移。 --dry-run 输出 打印将发送给文本模型的完整 prompt 文本，不调用 API、不写文件。用于检查 prompt 质量和长度。 两种生成模式（storyboard / reference_video）在 narration / drama 下的数据路径、脚本规划子智能体、schema 选择详见 .claude/references/generation-modes.md ；ad 的路径见 CLAUDE.ad.md 。