Tapcanvas Prompt Specialists

TapCanvas Prompt Specialists

何时使用

• 主代理需要把图片/视频提示词生产委托给 specialist
• 任务已经具备足够证据，适合进入专门提示词产出阶段

输入证据

• 只传本轮已证实事实
• 推荐包含：目标、关键视觉事实、必须保留、禁止项、对白、时长/节奏上限
• 不要把未确认剧情、角色设定或猜测状态交给 specialist

执行原则

• 是否调用 specialist，由主代理决定
• 不维持固定的后端调用顺序；但当目标是 chapter-grounded 的最终图片/分镜提示词时，应优先使用 image_prompt_specialist，当目标是最终视频提示词时，应组合 video_prompt_specialist 与 pacing_reviewer
• handoff 要小而硬，只传最有价值的已证实事实
• specialist 结果必须能回溯到证据，不得成为新事实来源
• 当目标是“优化当前图片节点提示词”时，主代理可以把当前节点的 prompt/systemPrompt/negativePrompt、结果图、参考图和用户本轮明确要求交给 image_prompt_specialist，再把 specialist 结果回写原节点
• specialist 负责产出更可执行的视觉提示词，不负责决定是否新建节点；若用户没有要求分叉，主代理应优先更新当前节点而不是复制一份新节点
• 若当前选中输入只是角色卡、三视图或角色参考，而不是已确认场景关键帧，handoff 中必须如实标注为“角色锚点/参考输入”，不得伪装成已确认场景

输出契约

• image_prompt_specialist
  • 最小结果：{"imagePrompt": string}
  • 对普通图片优化任务，可只返回 imagePrompt
  • 对 chapter-grounded / storyboard / keyframe 图片生产，若要额外返回结构化 JSON 编辑视图，最小结果升级为 {"imagePrompt": string, "structuredPrompt": {...}}
  • structuredPrompt 是与 imagePrompt 等价的结构化提示词视图；imagePrompt / 节点 prompt 仍是最终执行字段。两者必须可由同一份内容对齐，不要只给其中一个然后假设下游会脑补另一半
  • structuredPrompt 至少必须包含：
    • version: "v2"
    • shotIntent
    • spatialLayout
    • cameraPlan
    • lightingPlan
    • continuityConstraints
    • negativeConstraints
  • imagePrompt 必须是可直接给图片模型执行的最终长提示词，不得退化成一句摘要、标题或营销式短句
  • 对 chapter-grounded / storyboard / keyframe 场景，imagePrompt 默认应是高信息密度长提示词：优先覆盖并按自然顺序折叠进正文
    • 时间/天气/光线
    • 场景拓扑与空间层次
    • 前景 / 中景 / 背景分别有什么
    • 画面里有几类主体、谁在左/右/前/后、谁与谁发生什么关系
    • 关键道具、机械、建筑、地面、烟尘、纸屑等物理细节
    • 机位、焦段感、景别、构图重心、镜头高度、透视关系
    • 表情与动作边界
    • 风格落点与明确禁止项
  • 若证据复杂，优先写得更具体，而不是更短；不要因为“简洁”主动丢失人物数量、位置关系、动作结果、遮挡关系、景深层次或画面主次
  • 当参考图只是角色卡/三视图/角色锚点时，必须明确写成“人物外观严格参考图X”，但不能把角色锚点误写成完整场景依据
  • 若存在多张参考图，必须在 imagePrompt 正文里显式写明图位职责，例如“人物外观严格参考图1，场景构图与冷灰天光延续图2”
  • structuredPrompt 推荐增强字段：subjectRelations、environmentObjects、styleConstraints
  • 推荐长度：通常 300-1200 汉字；场景复杂时可以更长，只要信息仍然可执行、无空话、无重复
• video_prompt_specialist
  • 最小结果：{"prompt": string}
  • 若仍需保留拍点拆解，可额外给 storyBeatPlan，但它不是执行字段
  • 当目标是“最终可执行的视频提示词”或 composeVideo/video 节点配置时，所有会影响生成的内容都必须直接折叠进 prompt：
    • 导演意图
    • 经典镜头语法借鉴
    • 显式动作与结果
    • 物理/空间约束
    • 禁止漂移项
• pacing_reviewer
  • 最小结果：{"compressionRisk": string, "splitRecommendation": string}
  • 推荐增强字段：explicitnessReview、physicsSanityReview

若结果缺少最小字段，主代理必须显式失败，不得自行补写成另一套平行版本。视频节点的唯一执行字段是 prompt，不要再额外产出平行的 videoPrompt 字段。

视频提示词治理

• 视频模型不是“忠实执行复杂剧本”的导演，更像“受约束的运动补完器”
• 复杂信息优先拆到上游：
  • 角色身份一致性：角色卡 / 角色锚点
  • 空间拓扑与道具位置：关键帧 / 场景参考
  • 机械接触、坍塌、复杂对打：桥接关键帧 / 预生产 blocking
• 若你无法回答下面这些问题，就不该直接给最终 prompt：
  • 谁先动？
  • 动作作用到谁？
  • 画面里可见结果是什么？
  • 镜头如何移动？
  • 哪些内容禁止模型脑补？
  • 是否存在可借鉴的经典镜头语法？若有，它已经怎样被写进最终 prompt？
  • 现有资产是否足以支撑这条视频，不足时缺什么？