100x-prompt-compose 是做什麼的？

一句話定位

輸入一個提示詞模板 id（或需求描述）+ 變數，輸出逐字渲染、按目標模型（Veo/Seedance/ 即創）包裝好的最終生成提示詞。屬於 100x 體系「提示詞+模型」這一步，銜接上游人物/場景/ 搜尋關鍵詞類 skill 與下游 AI 生成模型。

何時觸發

使用者說：

「幫我組裝提示詞」/ 「填個模板出提示詞」/ 「這條影片用什麼模型」/ 「生成影片提示詞」/ 「選個模板配變數」
「compose a video prompt」/ 「fill in this template」/ 「which model should I use for this」/ 「generate an AI video prompt」
或直接給一段產品/人設/場景描述，要求出一條能直接餵給圖片/影片生成模型的提示詞

輸入

最小輸入（類別 A，硬性必填）：template_id（14 個模板之一，見 templates.json）或一段足以唯一匹配到某個模板的需求描述（品類+use_when場景，見 workflow.md Phase 1 步驟 1）；該模板 variables[] 裡 label 不含「(可選)」的變數必須全部給出（不代猜、不編造具體外觀/台詞內容）。

軟性補充（類別 B，缺失走降級，見 workflow.md Phase 1 步驟 2/4）：label 含「(可選)」的變數；影片模板的 model 選擇（缺失時問一次，仍未答覆則預設 model_hint[0]）。

上游可選產出（類別 C，缺失靜默跳過，不阻塞，也絕不要求使用者先跑別的 skill）： existing_refs_input（此前呼叫已建立的產品/人物鎖編號，見公理 2）。

輸出

結構見 schema.json：ComposedPromptBundle = template_id/category + variables_used + rendered_body（逐字插值後的中文正文，已含 realism_suffix）+ reference_locks（產品/人物鎖的建立或引用記錄）+（影片模板）model + video_unit （按模型包裝後的最終提示詞 + 時長）+ meta。可選再渲染一段人類可讀摘要（模板名/ 變數表/最終提示詞）。

核心約束（4 條公理，詳見 `axioms.md`）

最終提示詞須逐字取代模板正文，不得意譯刪減——rendered_body 必須是 templates.json 對應模板 body 的逐字插值結果（含方括號佔位展開），不是「意思對就行」的自由改寫
參考圖編號引用須指向已宣告的鎖，不可虛指——產品/人物首次出現鎖外觀，後續必須寫「參考圖N產品/人物」，N 必須真實存在於已建立的編號集合（已知局限：這裡能驗證的只是「格式對不對」和「編號是否真實存在」，驗證不了「首次鎖定描述本身是否真的具體（產品外觀要素齊全 / 人物年齡+種族+性別+穿著+外貌五要素齊全）」——persona: "a person"、product_lock: "a thing" 這類空洞佔位文字目前能通過校驗，因為 schema.json/scripts/validate.js 都只查字串非空+格式+編號存在性，不做語義內容判斷；評估過用最短長度等啟發式去堵，但會同時誤殺模板自身的合法短範例，故未實現，如實記錄在 axioms.md 公理 2「已知邊界」段，仍完全依賴呼叫者按 workflow.md Phase 1 步驟 2「缺失時追問、不腦補」的紀律執行）
場景變數禁止寫光線詞，光線由後綴統一控制——scene/scenes/place/rooms 類變數命中閉集光線詞表即拒絕，天氣詞允許
影片按所選模型執行時長上限與禁詞表，零容忍——veo 8.0s/seedance 10.0s + 各自禁詞表 + 結尾固定句；即創無專用來源材料，只校驗敘事鏡頭分類，不做時長/禁詞硬校驗（已知局限：當前暫未包含即創模型的專用公理材料，詳見 sources.md）；已知局限（真實語料實測確認，非紙面假設）：veo/seedance 禁詞表是純詞法的詞邊界匹配，分不清「作為 AI 套路形容詞使用的 professional」（禁詞表本意攔的對象，如「professional lighting」）和「作為說話人真實職業身份如實描述的 professional」（比如把說話人真實職業如實翻譯成英文後含這個詞）——如實描述真實身份也會被判 FAIL，只能換一個不撞詞的同義詞改寫，詳見 axioms.md 公理 4「已知邊界」段

三階段流程

詳見 workflow.md：Phase 1 接收+校驗（選模板 → 變數到位 → 場景無光線詞 → [影片]選模型 → 引用編號上下文） → Phase 2（逐字渲染 → 方括號展開 → 引用鎖記帳 → [影片]模型包裝 → 逐項自檢） → Phase 3 使用者觸發的返工（L1 單變數 / L2 換模型 / L3 整體；沒有「非英文台詞」分支——模板庫硬規要求台詞面向美區 TikTok 用美式英文，無例外，見 workflow.md Phase 3 表格最後一行）。

獨立呼叫保證

類別 A 缺失（模板選不出 + 硬性變數缺失）→ 固定拒絕話術追問，不代猜、不編造具體外觀/台詞內容。類別 B 缺失走降級（可選變數按模板自身語義處理；model 缺失問一次後預設）。類別 C（existing_refs_input）缺失靜默跳過——本 skill 不要求使用者「先跑一次 IMG-01 建產品鎖」才能開始，首次出現直接允許用文字描述取代參考圖。

禁用詞

讓我 / 希望 / 或許 / 大概 / 可能 / 也許 / 讓我們；AI 客服味（as an AI / I'd be happy to / feel free to）；不編造腳本/文案裡沒有的功效認證/使用者見證；不編造使用者沒給過的產品外觀/人物細節去湊變數；veo/seedance 影片包裝禁用詞見 profiles/veo.md/ profiles/seedance.md（AI 套路詞 cinematic/stunning/flawless 等 + 雙引號 + markdown 圍欄，具體清單見對應檔案，不在此重複列出以免和腳本常數表脫節）。

路由（推薦，非強依賴）

還沒有產品/人設/場景素材，只有一份文案 → 人物/場景類 skill（若已建）
想先找視覺參考圖再決定怎麼填模板 → 搜尋關鍵詞類 skill（若已建）
提示詞已經出好，想批次做多個變體 → 提示詞裂變類 skill（若已建）
想回入口重新分診 → 100x 體系總入口（若已建）

以上均為「產出後按需推薦」，不是前置依賴；對應 skill 尚未建好時不影響本 skill 獨立工作。

出廠自檢

執行 node scripts/validate.js --selftest 驗證。公理 1（模板重建）、公理 2（引用鎖完整性）、公理 4（模型專屬時長/禁詞/結尾句）是跨檔案/跨條目/大詞表判據， schema.json（vanilla JSON Schema）表達不出來，真正執行判定的是 scripts/validate.js：

npm install                                                    # 首次使用先裝 ajv
node scripts/validate.js <bundle.json> [bundle2.json ...]    # 校驗產出
node scripts/validate.js --selftest                           # 跑內建回歸用例

來源

本 skill 結合提示詞模板庫與各主流模型（Veo / Seedance）的適配規則建構： templates.json 提供 14 組標準化提示詞模板；profiles/veo.md 與 profiles/seedance.md 提供目標模型的包裝規範。判據體系包含引用完整性、閉集詞表檢測與模型時長及禁詞校驗。詳細設計決策與來源說明見 sources.md。

100x-prompt-compose