mkt-plan-short-video-edit-16-9
16:9 幻灯片视频的两层规划器：
- 结构层（15种视觉思维类型） — 幻灯片布局：Before-After（前后对比）、Mind Map（思维导图）、Flowchart（流程图）、Matrix 2×2（2×2矩阵）、Venn（韦恩图）、Timeline（时间线）、Pyramid（金字塔）、Comparison Table（对比表）、Iceberg（冰山图）、Cycle（循环图）、Funnel（漏斗图）、Concept Map（概念图）、Icon Grid（图标网格）、Number Infographic（数字信息图）、3-Pillar（三支柱）。由场景原型驱动（hook → before-after, problem → icon-grid, solution → 3-pillar, …）。
- 插图层（25个隐喻库） — 手绘奶油纸风格图像嵌入结构内部：沙漏、断链、机器人球、碎存钱罐、蜗牛↔火箭、拼装乐高、阶梯、钥匙配对锁、山顶…
输出 JSON 由编辑器 mkt-hyperframe-talking-head-video-16-9 消费 — 替代 scenes-outline 检查点处的手动填充，提供可复现的计划。
输出
| 文件 | 内容 |
|---|---|
visual-plan.json | Schema 验证。每个场景包含：visual_type（15种之一）+ metaphor + tier_letter + items[] + badges[] + pip_events[]。 |
prompts.md | 编号（1.png, 2.png, …）的奶油纸提示。每个提示包含结构指令（Before-After / Pyramid / Funnel / …）+ 隐喻 + 越南语标题/副标题。可直接粘贴到 AI33 / Nano Banana Pro。 |
scenes.json（通过 apply_plan_to_scenes.py 生成） | 编辑器格式适配层。 |
Schema（一页摘要）：
{ workspace_slug, total_duration, brand,
scenes: [{
id, num, kind, variant, start, end,
kicker, heading, accent_words[], voiceover_anchor,
tier_letter, // ≤5字符："8h" / "0h" / "∞" / "100tr" / "AI"
items[], badges[],
broll: [{
kind: "infographic-cream-paper",
visual_type, // 15种之一 — 参见 references/visual-thinking-types.md
metaphor, // 25种之一 — 参见 references/visual-thinking-library.md（或 "none"）
title_vi, subtitle_vi,
palette_accents[], layout_description,
placeholder_filename, aspect
}],
pip_events: [{t_in, t_out, trigger}]
}]
}
硬性要求
- 每个
infographic-cream-paperB-roll 必须同时携带visual_type（15种之一）和metaphor（25种之一，纯结构图可用"none"）。纯文字幻灯片拒绝。 - 层级字母（Tier-letter）≤ 5字符（数字/符号/品牌关键词优先 — 参见
references/tier-letter-selection-rules.md）。 - PIP 窗口不重叠，间隔 ≥ 0.3秒。
- 越南语标题使用完整声调符号。品牌名称 + 数学符号保留英文。
流程
1. 检测场景
读取 script.txt + transcript.json（或 transcript-cleaned.json）。重用编辑器的 detect_scenes.py（若存在），否则回退到5场景启发式（hook → problem → solution → recap → cta）。
列表式支持： 具有列表结构的脚本（1个hook + N个tip + 1个CTA）→ 生成 N+2 个场景。正文场景使用 kind: "tip-1"、"tip-2"、…、"tip-N" — 下游编辑器的 generate_root_index.py 会将其挂载为 compositions/scene-{num}.html，无论N是多少（不会发生 fs-lesson-1/recap-card 冲突）。推荐 N = 3..7（最大10）。
1b. 下游 LLM 子代理扇出（消费者合约）
此规划器写入 visual-plan.json 后，编排器（mkt-full-video-with-11-hyperframe-heygen-16-9）不再调用 generate_compositions.py（已弃用的 Python Jinja2 生成器）。而是并行生成 N 个 general-purpose 代理，每个场景一个子代理 — 每个子代理根据此技能的 visual-plan.json 编写 compositions/scene-{num}.html。
这意味着：
visual-plan.json中的每个场景块必须足够自包含，以便独立的子代理无需协调即可编写其合成 — 包含完整的 kicker、heading、accent_words、tier_letter、items、badges、带有layout_description的 broll 隐喻、带有相对/绝对时间的pip_events。- 默认隐喻 "robot-orb-with-tasks" 应在扇出前由编排器 LLM 手工编辑替换为场景特定的隐喻（
scroll-tape-wasted、edit-regenerate-loop、projects-vault-shared-knowledge、right-tool-for-job-vehicles、pacific-vs-vietnam-timezone、…）— 通用隐喻 → 无聊的合成。 metaphor和layout_description字段直接读入子代理提示；描述越丰富 → 合成效果越好。- 图像仅位于 ROOT 层（
<img id="broll-N">在 index.html 中）。合成 HTML 不得嵌入image-slot。子代理提示应明确禁止嵌入式图像槽。
2. 为每个场景选择 visual_type（新步骤）
查阅 references/visual-thinking-types.md 的原型映射。每个原型的默认值：
| 原型 | 默认 visual_type | 回退 |
|---|---|---|
| hook（钩子） | before-after | number-infographic |
| problem / fail（问题/失败） | icon-grid | iceberg |
| pivot（转折） | before-after | flowchart |
| solution（解决方案） | three-pillar | flowchart |
| differentiator（差异化） | comparison-table | venn |
| proof / result（证据/结果） | number-infographic | comparison-table |
| recap（总结） | number-infographic | mind-map |
| cta（行动号召） | icon-grid | three-pillar |
3. 从库中选择 metaphor
references/visual-thinking-library.md — 25个手绘条目。选择其图像能够自然融入所选 visual_type 的隐喻（例如 before-after + dong-ho-cat，three-pillar + robot-orb-with-tasks，number-infographic + heo-dat-vo-ket-sat）。仅当纯结构图更清晰时（例如功能检查的 comparison-table）才设置 "none"。
4. 推导层级字母、items、badges
参见 references/tier-letter-selection-rules.md。数字 + 单位优先（8h、100tr、15h）。符号也可（∞、→、×）。硬性上限 ≤ 5字符。
5. 计算 PIP 事件
默认每个场景1个窗口：t_in = scene_start + 1.4s，t_out = t_in + 3.5s（上限在场景结束前0.3s）。长解决方案场景（≥ 12s）可获得2个窗口。Hook 场景无 PIP。
6. 渲染 prompts.md
render_infographic_prompts.py 遍历 visual-plan.json，在每个提示顶部注入 visual_type 指令，然后叠加隐喻 + 装饰元素 + 调色板。结果是一个可直接粘贴的奶油纸编辑提示。
用户检查点
plan_visuals.py 运行后，呈现一个 Markdown 摘要（不是原始 JSON）— 参见 references/plan-checkpoint-protocol.md。格式：
### 场景1 · HOOK（0.07–13.73s）
- 视觉类型：**before-after** → HyperFrame `tier-row`
- 层级字母：**8h → 0h**（玫瑰 ↔ 青柠）
- 隐喻：**沙漏满↔空**（1.png）
- PIP：无（钩子场景）
### 场景3 · SOLUTION（27.37–47.75s）
- 视觉类型：**three-pillar** → HyperFrame `hero-orb`
- 规格：∞ 记住聊天 · 100tr 阅读文档 · 8h 自行拍摄
- 隐喻：**robot-orb-with-tasks**（3.png）
- PIP：28.77→32.77s + 34.37→38.87s
用户回复模式：
OK→ 最终确定 + 移交给编辑器đổi scene N visual sang funnel→ 修改visual_typeđổi scene N metaphor sang ốc sên→ 修改metaphor+ 重新渲染prompts.mdđổi tier-letter scene N thành 25→ 修改tier_lettergộp scene N+M→ 重新规划
文件
mkt-plan-short-video-edit-16-9/
├── SKILL.md
├── scripts/
│ ├── plan_visuals.py ← 主脚本。--workspace <dir>
│ ├── render_infographic_prompts.py ← visual-plan.json → prompts.md
│ └── apply_plan_to_scenes.py ← visual-plan.json → scenes.json（编辑器适配层）
├── assets/templates/
│ ├── visual-plan.schema.json ← JSON Schema（visual_type + metaphor 必填）
│ └── infographic-prompt.j2 ← Jinja：结构指令 + 隐喻 + 调色板
└── references/
├── visual-thinking-types.md ← 15种结构类型（主要镜头）
├── visual-thinking-library.md ← 25个隐喻条目（插图层）
├── tier-letter-selection-rules.md ← 字形选择器
├── scene-archetype-pattern-mapping.md ← 原型 → 变体 + 隐喻决策树
└── plan-checkpoint-protocol.md ← 摘要模板 + 修订处理程序
工作示例
生产项目 loi-ich-claude-ai：
| 场景 | 类别 | visual_type | 隐喻 | 层级字母 | HyperFrame 变体 |
|---|---|---|---|---|---|
| 1 | hook | before-after | dong-ho-cat | 8h / 0h | tier-row |
| 2 | problem | icon-grid | broken-chain | 3× | chats-stack |
| 3 | solution | three-pillar | robot-orb-with-tasks | ∞ / 100tr / 8h | hero-orb |
| 4 | recap | number-infographic | heo-dat-vo-ket-sat | 15h | counter-row |
| 5 | cta | icon-grid | gift-box-open | AI | terminal-row |
这是黄金标准 — 给定该项目的 script.txt + transcript.json，plan_visuals.py --workspace . 应能重新推导出此表。