701 lines
16 KiB
Markdown
701 lines
16 KiB
Markdown
# 给 Codex 的上下文：video-workbench 重构说明
|
||
|
||
## 0. 本说明的目的
|
||
|
||
你不需要再去比对旧版「强哥的徒弟」、旧版「强哥的策划导演」、新版「强哥的策划导演 V2」和旧知识库。
|
||
|
||
本说明就是本次重构后的上下文摘要。
|
||
|
||
核心变化一句话：
|
||
|
||
> ChatGPT 端的「强哥的策划导演 V2」不再负责图像 Prompt、不再负责 Codex JSON 执行包、不再负责执行层试错；它只负责阶段0—阶段5的策划、总纲、公共表达与视觉系统、页面/分镜/内容骨架。
|
||
> Codex / video-workbench 从阶段6开始接手，负责执行层工作，包括 Prompt Advisor、图像生成、参考图组合、试跑、迭代、失败归因、资产落盘和最终交付。
|
||
|
||
---
|
||
|
||
## 1. 项目背景
|
||
|
||
原来的「强哥的策划导演」是从更早的「强哥的徒弟」单智能体提示词演化来的。
|
||
|
||
早期流程里，GPT 同时承担了很多职责：
|
||
|
||
- 降维内容策划；
|
||
- 视频总纲；
|
||
- 分镜清单；
|
||
- 分镜深潜；
|
||
- 生图 / 图生图 Prompt；
|
||
- Codex JSON 执行包；
|
||
- video-workbench 路径和任务设计。
|
||
|
||
这在当时是合理的，因为执行链路还不成熟。
|
||
|
||
但这次试运行后发现：
|
||
|
||
1. Codex 的 Prompt 能力更强，尤其是有 `gpt-image-2 skill / Advisor` 后；
|
||
2. 人物形象、MV 分镜、PPT 背景模板、风格一致性，都不是靠 GPT 写一条长 Prompt 就能解决；
|
||
3. 图像生成需要试错、参考图组合、review、失败归因和迭代；
|
||
4. 这些都属于执行层，不应该由「策划导演」负责；
|
||
5. GPT 如果继续输出 Prompt 或 JSON 交接包，反而会干扰 Codex 的执行判断。
|
||
|
||
因此，本次重构的方向是：
|
||
|
||
> GPT 上移，Codex 下沉。
|
||
> GPT 做策划导演。
|
||
> Codex 做执行导演 + 图像 Prompt 工程师 + 资产生成与试错系统。
|
||
|
||
---
|
||
|
||
## 2. 新版「强哥的策划导演 V2」的工作边界
|
||
|
||
新版 GPT 只负责阶段0—阶段5。
|
||
|
||
### 阶段0：任务路由
|
||
|
||
判断任务属于哪种媒介：
|
||
|
||
- 科普 / 降维视频；
|
||
- 客户方案 PPT；
|
||
- 培训 / 科普 AI PPT；
|
||
- 科普口播；
|
||
- 科普文章；
|
||
- MV / 歌曲视觉分镜。
|
||
|
||
输出任务识别结果，不进入执行层。
|
||
|
||
---
|
||
|
||
### 阶段1：原始势能扫描
|
||
|
||
从材料中提取：
|
||
|
||
- 核心观点；
|
||
- 冲突；
|
||
- 反直觉点；
|
||
- 受众理解阻抗；
|
||
- 可传播隐喻；
|
||
- 关键概念；
|
||
- 情绪线；
|
||
- 标题势能；
|
||
- 风险点。
|
||
|
||
---
|
||
|
||
### 阶段2：降维方向提案
|
||
|
||
给出 2-3 个方向。
|
||
|
||
每个方向说明：
|
||
|
||
- 切入点；
|
||
- 核心隐喻；
|
||
- 适合媒介；
|
||
- 预计体量；
|
||
- 优势；
|
||
- 风险。
|
||
|
||
---
|
||
|
||
### 阶段3：媒介总纲设计
|
||
|
||
根据媒介输出：
|
||
|
||
- 视频总纲；
|
||
- PPT 总纲；
|
||
- 课程结构；
|
||
- 文章结构；
|
||
- 口播结构；
|
||
- MV 情绪结构。
|
||
|
||
---
|
||
|
||
### 阶段4：通用表达与视觉系统设计
|
||
|
||
这是本次新增的关键阶段，也是所有媒介的必经步骤。
|
||
|
||
它必须在分镜清单 / 页面清单 / 内容骨架之前完成。
|
||
|
||
原因：
|
||
|
||
过去科普视频通常有前置 IP 设计、文字风格、运营指标、视觉风格等公共内容；但现在「强哥的策划导演」扩展到 MV、PPT、客户方案、培训课件等场景，用户不一定提供这些公共内容。
|
||
|
||
因此无论用户是否提供公共内容，GPT 都要在阶段4建立项目级公共系统。
|
||
|
||
阶段4包括：
|
||
|
||
- 语言风格；
|
||
- 叙事姿态；
|
||
- 统摄性隐喻；
|
||
- 视觉母题；
|
||
- 色彩基调；
|
||
- 场景系统；
|
||
- 背景系统；
|
||
- 人物造型系统；
|
||
- 服装 / 道具系统；
|
||
- PPT 页面模板系统；
|
||
- 图示 / 信息图风格；
|
||
- 公式 / 图表 / 页面文字承载策略；
|
||
- 参考图需求；
|
||
- 后续分镜或页面生成规则。
|
||
|
||
对于 MV / 剧情类内容，阶段4相当于建立人物、场景、服装、道具、情绪色彩和镜头规则。
|
||
|
||
对于 PPT，阶段4相当于建立页面模板、背景风格、图示系统、信息密度和文字/图表承载策略。
|
||
|
||
---
|
||
|
||
### 阶段5：分镜 / 页面 / 内容骨架
|
||
|
||
在阶段4的公共系统约束下，GPT 生成：
|
||
|
||
- 科普视频：分镜清单骨架；
|
||
- MV：镜头清单骨架；
|
||
- 客户方案 PPT：页面清单骨架；
|
||
- 培训 / 科普 AI PPT：页面 / 教学单元骨架；
|
||
- 科普口播：分段口播骨架；
|
||
- 科普文章：章节骨架。
|
||
|
||
阶段5是 GPT 默认工作的终点。
|
||
|
||
---
|
||
|
||
## 3. GPT 明确不再做的事
|
||
|
||
新版「强哥的策划导演 V2」不做以下事情：
|
||
|
||
### 1. 不输出最终图像 Prompt
|
||
|
||
不输出：
|
||
|
||
- text-to-image Prompt；
|
||
- image-to-image Prompt；
|
||
- Negative Prompt；
|
||
- 可直接给图像模型执行的最终 Prompt；
|
||
- 图像模型参数；
|
||
- 出图任务单。
|
||
|
||
GPT 只输出视觉目标、画面功能、页面功能、镜头功能、人物/场景/风格设定。
|
||
|
||
---
|
||
|
||
### 2. 不输出 Codex JSON 执行包
|
||
|
||
不再输出：
|
||
|
||
- Codex JSON；
|
||
- video-workbench task list；
|
||
- output_path；
|
||
- dependencies；
|
||
- asset task schema；
|
||
- 执行顺序 JSON；
|
||
- 落盘路径任务单。
|
||
|
||
原因：
|
||
|
||
这类交接包会把 GPT 的旧判断带入 Codex，反而可能干扰 Codex 的执行规划。
|
||
|
||
Codex 应该直接读取 GPT 产出的阶段0—阶段5 Markdown 策划结果，然后自己做执行层拆解。
|
||
|
||
---
|
||
|
||
### 3. 不负责执行层试错和失败归因
|
||
|
||
GPT 不负责：
|
||
|
||
- 图像试跑；
|
||
- 人物一致性失败归因；
|
||
- 风格失败归因；
|
||
- 构图失败归因；
|
||
- 参考图组合；
|
||
- 重跑策略；
|
||
- 批量出图；
|
||
- 资产命名和落盘；
|
||
- PPT 文件生成；
|
||
- 音频生成；
|
||
- 剪辑合成。
|
||
|
||
这些都由 Codex / video-workbench 承担。
|
||
|
||
---
|
||
|
||
### 4. 不再全局禁止图片中文字
|
||
|
||
旧案例里曾经有“no readable text”规则，但这只是当时某些图像任务的局部策略，不再作为全局规则。
|
||
|
||
新版原则：
|
||
|
||
> 是否让视觉资产承载文字、公式、图表、标签、流程节点，由内容目标和媒介需求决定。
|
||
|
||
对于培训 PPT、科普 PPT、公式讲解、原理图、流程图、框架图，文字、公式、图表往往是核心表达，不应被禁止。
|
||
|
||
GPT 只说明页面或画面需要承载什么信息。
|
||
具体由 PPT 层、设计层、图像模型、后期编辑还是其他工具实现，由 Codex / 执行层决定。
|
||
|
||
---
|
||
|
||
## 4. Codex / video-workbench 的新职责
|
||
|
||
Codex 从阶段6开始接手。
|
||
|
||
### 阶段6：执行层启动
|
||
|
||
输入不再是 GPT 生成的 Codex JSON，而是 GPT 输出的阶段0—阶段5 Markdown。
|
||
|
||
Codex 需要自行解析：
|
||
|
||
- 项目类型；
|
||
- 媒介类型；
|
||
- 阶段3总纲；
|
||
- 阶段4通用表达与视觉系统；
|
||
- 阶段5分镜 / 页面 / 内容骨架；
|
||
- 用户提供的原始素材；
|
||
- 用户提供的参考图、定妆照、模板、歌词、PPT素材等。
|
||
|
||
---
|
||
|
||
## 5. Codex 应新增或强化的能力
|
||
|
||
### 1. 读取策划 Markdown，而不是依赖 GPT JSON
|
||
|
||
video-workbench 应该支持从 Markdown 策划稿中识别：
|
||
|
||
```text
|
||
project_type
|
||
medium
|
||
stage_3_outline
|
||
stage_4_expression_visual_system
|
||
stage_5_skeleton
|
||
asset_requirements
|
||
reference_requirements
|
||
visual_system_rules
|
||
page_specs
|
||
shot_specs
|
||
````
|
||
|
||
不要再假设 GPT 会给 JSON task list。
|
||
|
||
---
|
||
|
||
### 2. Codex 自己生成执行计划
|
||
|
||
Codex 应该根据阶段0—阶段5内容，自动生成自己的执行计划，包括：
|
||
|
||
* 项目目录；
|
||
* 资产目录；
|
||
* 中间文件；
|
||
* 参考图目录；
|
||
* prompt 文件；
|
||
* review 文件；
|
||
* 迭代记录；
|
||
* 最终交付目录。
|
||
|
||
这些属于 video-workbench 内部执行逻辑，不再由 GPT 指定。
|
||
|
||
---
|
||
|
||
### 3. Codex 成为图像 Prompt Owner
|
||
|
||
所有最终图像 Prompt 由 Codex 负责。
|
||
|
||
尤其是使用 `gpt-image-2 skill / Advisor` 时，Codex 应根据 GPT 的策划结果，自己拆解：
|
||
|
||
```text
|
||
type
|
||
goal
|
||
layout
|
||
subject
|
||
scene
|
||
style
|
||
constraints
|
||
reference_images
|
||
must_preserve
|
||
must_avoid
|
||
text_policy
|
||
acceptance_criteria
|
||
```
|
||
|
||
GPT 不再提前写 Prompt。
|
||
|
||
---
|
||
|
||
### 4. Codex 负责通用视觉系统试跑
|
||
|
||
阶段4输出的是“通用表达与视觉系统”，但它只是策划层设计。
|
||
|
||
Codex 要做的是把它执行出来并固定下来。
|
||
|
||
对 MV / 剧情类项目，Codex 需要先试跑：
|
||
|
||
* 人物身份锚点；
|
||
* 服装 / 身体锚点；
|
||
* 姿态锚点；
|
||
* 场景锚点；
|
||
* 风格锚点；
|
||
* 道具锚点。
|
||
|
||
对 PPT 项目，Codex 需要先试跑：
|
||
|
||
* 封面模板；
|
||
* 章节页模板；
|
||
* 概念页模板；
|
||
* 案例页模板；
|
||
* 图表页模板；
|
||
* 练习页模板；
|
||
* 背景风格；
|
||
* 图示风格。
|
||
|
||
对科普视频，Codex 需要先试跑：
|
||
|
||
* 公共画面基调；
|
||
* 核心隐喻母题；
|
||
* 固定角色或象征物；
|
||
* 关键图示风格；
|
||
* 页面文字 / 图表承载方式。
|
||
|
||
---
|
||
|
||
### 5. Codex 负责执行层迭代
|
||
|
||
Codex 应该把试跑、review、失败归因、迭代固化为 video-workbench 的标准能力。
|
||
|
||
失败归因可以包括：
|
||
|
||
* 身份失败；
|
||
* 服装失败；
|
||
* 姿态失败；
|
||
* 构图失败；
|
||
* 场景失败；
|
||
* 风格失败；
|
||
* 情绪失败；
|
||
* 画幅失败；
|
||
* 页面密度失败；
|
||
* 文字 / 公式 / 图表可读性失败；
|
||
* 与 PPT / 视频 / MV 用途不匹配。
|
||
|
||
这些归因不要求 GPT 预先定义成固定模板，但 video-workbench 应该支持记录和复用。
|
||
|
||
---
|
||
|
||
## 6. video-workbench 推荐的新工作流
|
||
|
||
建议 video-workbench 从以下流程重构：
|
||
|
||
```text
|
||
用户素材 / GPT 策划稿
|
||
→ ingest_project_context
|
||
→ parse_stage_outputs
|
||
→ build_execution_plan
|
||
→ create_project_structure
|
||
→ materialize_visual_system
|
||
→ generate_reference_assets
|
||
→ review_and_iterate_visual_system
|
||
→ generate_page_or_shot_assets
|
||
→ review_and_iterate_assets
|
||
→ export_final_assets
|
||
→ write_project_handoff
|
||
```
|
||
|
||
---
|
||
|
||
## 7. Codex 接收的输入形态
|
||
|
||
以后 Codex 不应期待 GPT 给 JSON，而应支持以下 Markdown 输入。
|
||
|
||
### 输入1：阶段3媒介总纲
|
||
|
||
例如：
|
||
|
||
```md
|
||
## 视频总纲
|
||
- 标题候选
|
||
- 核心议题
|
||
- 目标受众
|
||
- 统摄性隐喻
|
||
- 叙事结构
|
||
- 时长与字数预算
|
||
- 风险点
|
||
```
|
||
|
||
或：
|
||
|
||
```md
|
||
## MV 总纲
|
||
- 歌曲核心情绪
|
||
- 歌词情绪线
|
||
- 视觉母题
|
||
- 人物设定摘要
|
||
- 场景系统摘要
|
||
- 镜头结构
|
||
- 风险点
|
||
```
|
||
|
||
---
|
||
|
||
### 输入2：阶段4通用表达与视觉系统
|
||
|
||
例如：
|
||
|
||
```md
|
||
## 阶段4：通用表达与视觉系统设计
|
||
|
||
### 1. 本项目的表达任务
|
||
### 2. 语言风格
|
||
### 3. 统摄性隐喻 / 视觉母题
|
||
### 4. 内容承载策略
|
||
### 5. 视觉基调
|
||
### 6. 固定元素
|
||
### 7. 变化规则
|
||
### 8. 后续骨架生成规则
|
||
```
|
||
|
||
这是 Codex 最重要的输入之一。
|
||
|
||
它决定项目的公共风格、模板和参考资产。
|
||
|
||
---
|
||
|
||
### 输入3：阶段5分镜 / 页面 / 内容骨架
|
||
|
||
例如视频 / MV：
|
||
|
||
```md
|
||
| 镜头 | 对应歌词 / 段落 | 情绪功能 | 核心画面 | 人物可见度 | 景别 / 镜头类型 | 场景 | 视觉母题 | 与前后镜关系 |
|
||
```
|
||
|
||
例如 PPT：
|
||
|
||
```md
|
||
| 页码 | 页面标题 | 页面功能 | 核心结论 | 页面结构 | 视觉资产设计 |
|
||
```
|
||
|
||
Codex 应把这些骨架转化为执行层任务。
|
||
|
||
---
|
||
|
||
## 8. video-workbench 内部建议的数据结构
|
||
|
||
Codex 可以在内部生成自己的结构化数据，但这不应要求 GPT 提供。
|
||
|
||
建议内部 schema 大致分层：
|
||
|
||
```yaml
|
||
project:
|
||
id:
|
||
name:
|
||
medium:
|
||
source_files:
|
||
goal:
|
||
|
||
planning_inputs:
|
||
stage_3_outline_md:
|
||
stage_4_visual_system_md:
|
||
stage_5_skeleton_md:
|
||
|
||
visual_system:
|
||
language_style:
|
||
visual_motifs:
|
||
color_palette:
|
||
layout_rules:
|
||
character_system:
|
||
scene_system:
|
||
template_system:
|
||
text_and_diagram_policy:
|
||
reference_requirements:
|
||
|
||
assets_to_materialize:
|
||
common_assets:
|
||
- id:
|
||
type:
|
||
purpose:
|
||
source_spec:
|
||
output_path:
|
||
status:
|
||
page_or_shot_assets:
|
||
- id:
|
||
page_or_shot_id:
|
||
type:
|
||
purpose:
|
||
source_spec:
|
||
prompt_owner: codex
|
||
output_path:
|
||
status:
|
||
|
||
reviews:
|
||
- asset_id:
|
||
version:
|
||
issues:
|
||
failure_causes:
|
||
decision:
|
||
next_action:
|
||
|
||
final_outputs:
|
||
assets:
|
||
index:
|
||
handoff_note:
|
||
```
|
||
|
||
重点：
|
||
|
||
* `prompt_owner` 应该默认是 `codex`；
|
||
* `source_spec` 来自 GPT 的阶段4/阶段5，而不是 GPT Prompt；
|
||
* `reviews` 是 Codex 执行层自己的记录；
|
||
* GPT 不再生成这个 YAML，Codex 内部自行生成。
|
||
|
||
---
|
||
|
||
## 9. 旧文件 / 旧案例的处理原则
|
||
|
||
### 旧版「强哥的策划导演」
|
||
|
||
旧版曾经包含：
|
||
|
||
* 图像 Prompt；
|
||
* Codex 执行包；
|
||
* video-workbench JSON；
|
||
* 分镜深潜里的 Prompt 字段。
|
||
|
||
这些都已经废弃。
|
||
|
||
不要以旧版为准。
|
||
|
||
---
|
||
|
||
### 旧版附录 B/C/D/E
|
||
|
||
旧版附录中出现的以下内容不再继承：
|
||
|
||
* “镜头 Prompt”；
|
||
* “生图 / 图生图 Prompt”；
|
||
* “图片任务必须有 prompt”；
|
||
* “Codex JSON 执行包”；
|
||
* “输出路径由 GPT 指定”；
|
||
* “图片默认 no readable text”。
|
||
|
||
这些属于旧职责边界。
|
||
|
||
---
|
||
|
||
### 30_CASE / 31_CASE
|
||
|
||
30_CASE 和 31_CASE 只作为旧案例颗粒度参考。
|
||
|
||
可以参考：
|
||
|
||
* 分镜清单的完成度；
|
||
* 页面设计的颗粒度；
|
||
* 讲师备注与页面文案分层；
|
||
* 科普视频的叙事节奏；
|
||
* 培训 PPT 的教学单元意识。
|
||
|
||
不要继承：
|
||
|
||
* GPT 输出生图 Prompt；
|
||
* GPT 输出 Codex 字段；
|
||
* “图片不生成文字”的全局化理解；
|
||
* 旧路径或旧执行包结构。
|
||
|
||
---
|
||
|
||
## 10. Codex 以后应怎样理解 GPT 输出
|
||
|
||
GPT 输出的是“导演意图”和“策划骨架”，不是执行命令。
|
||
|
||
Codex 不要机械执行 GPT 的字面文本，而要把它转成适合执行层的资产计划。
|
||
|
||
比如 GPT 写：
|
||
|
||
```md
|
||
人物需要一个50岁东亚男性，黑色矩形眼镜，胡茬，凌乱头发，深色长外套，旧背包，泥靴，疲惫但继续前行。
|
||
```
|
||
|
||
Codex 应理解为：
|
||
|
||
```text
|
||
这不是最终 Prompt。
|
||
这是人物系统规格。
|
||
需要先生成 / 固定 identity、wardrobe、pose、style 等参考资产，再进入镜头生成。
|
||
```
|
||
|
||
比如 GPT 写：
|
||
|
||
```md
|
||
培训 PPT 需要一个“AI 教育智核”的中心图示，页面要承载公式、矩阵和讲师解释。
|
||
```
|
||
|
||
Codex 应理解为：
|
||
|
||
```text
|
||
这不是限制文字生成。
|
||
这是页面信息承载需求。
|
||
需要判断哪些内容由 PPT 层渲染，哪些由图像资产承担，哪些由图标/图示/背景承担。
|
||
```
|
||
|
||
---
|
||
|
||
## 11. 本次重构后，Codex 的核心定位
|
||
|
||
Codex / video-workbench 的新定位是：
|
||
|
||
> 执行导演 + Prompt Advisor + 资产生成器 + 试错迭代系统 + 项目落盘系统。
|
||
|
||
具体职责：
|
||
|
||
1. 读取 GPT 的阶段0—阶段5 Markdown；
|
||
2. 解析媒介类型和项目需求；
|
||
3. 建立项目目录和内部结构；
|
||
4. 根据阶段4试跑公共视觉系统；
|
||
5. 生成通用造型、场景、背景、PPT模板或风格参考；
|
||
6. 根据阶段5生成每页 / 每镜资产；
|
||
7. 使用 gpt-image-2 Advisor 或其他图像 Skill 生成最终 Prompt；
|
||
8. 执行出图 / 图生图 / PPT / 音频等资产生成；
|
||
9. 记录 review notes；
|
||
10. 进行失败归因和迭代；
|
||
11. 输出最终资产和交接说明。
|
||
|
||
---
|
||
|
||
## 12. video-workbench 重构的关键要求
|
||
|
||
### 必须改
|
||
|
||
1. 不再要求 GPT 提供 `prompt` 字段。
|
||
2. 不再要求 GPT 提供 Codex JSON。
|
||
3. 不再把 GPT 的 Prompt 当作图像任务输入。
|
||
4. 不再把 `no readable text` 当作全局图片规则。
|
||
5. 不再把旧案例中的 Codex 字段当作真实执行 schema。
|
||
6. 增加对阶段4“通用表达与视觉系统”的解析和物化。
|
||
7. 增加“公共视觉系统先试跑，再批量生产页面/镜头”的流程。
|
||
8. 增加 review / iteration / failure attribution 的执行层记录。
|
||
9. 增加 PPT 模板、背景、图示系统的试跑能力。
|
||
10. 增加 MV / 剧情人物的多锚点参考图能力。
|
||
|
||
---
|
||
|
||
## 13. Codex 不应该做的误判
|
||
|
||
不要认为 GPT 不输出 Prompt 是信息缺失。
|
||
|
||
这是新版职责边界。
|
||
|
||
不要再向 GPT 索要：
|
||
|
||
* final image prompt；
|
||
* negative prompt；
|
||
* Codex JSON；
|
||
* task list；
|
||
* output_path；
|
||
* image generation params。
|
||
|
||
Codex 应从策划稿中自行生成这些执行层内容。
|
||
|
||
---
|
||
|
||
## 14. 最重要的重构原则
|
||
|
||
最终原则：
|
||
|
||
> GPT 负责“要表达什么、为什么这样表达、用什么公共系统统一表达”。
|
||
> Codex 负责“怎么把它做出来、怎么试、怎么改、怎么落盘”。
|
||
> video-workbench 应围绕 Codex 的执行层职责重构，而不是继续等待 GPT 提供可执行 Prompt 或 JSON。
|
||
|
||
|