1. 阅读 docs/STYLE_BIBLE.md。每段视频使用一个主色调 + 一个强调色。
2. 为每个节拍编写提示词：主体、镜头、灯光、情绪，格式为 "9:16 vertical, photoreal, no text, no logos"。保持主体在画面上方 60%（下方 500 像素会被 YouTube UI 覆盖）。
3. 使用 Higgsfield gpt_image_2_5 生成图像（每次 0.25 积分，批量生成；遇到 429 错误时重新提交）或 Cloudflare FLUX。先生成前检查 balance 余额。
4. 审阅每张图片。拒绝条件：伪影、文字/乱码、剪贴画风格、主体在画面中位置过低。每个镜头最多重生成 2 次。
5. 编写 shotlist.json（参见 examples/shotlist.example.json）：包含图片路径、起始时间（基于单词时间轴）、焦点位置、缩放比例 1.25–1.5 倍、闪光强度 0.12（冲击切镜头为 0.55）、可选的爆发帧参数。