docs(video-from-script): 重构技能文档并优化图片生成脚本

- 简化并重组 SKILL.md 文档，清晰划分两类成片流程（幻灯片视频/AI视频）
- 移除冗余的 ASCII 图表和重复内容，使文档更具可读性
- 更新路由规则和示例，与新的分类标准保持一致
- 重构质量卡点部分，使其更简洁并明确检查标准
- 优化 phase-images.js 中的 MJ 图片生成函数，传递完整的 manifest 对象以供参考

accounts/_template/prompts/通用分镜.md

@@ -82,9 +82,11 @@ source outside the frame begins its slow rotation
 
 ## 四、切割规则
 
-### 4.1 切割优先级
+切割分两层：第一层按语义场景做宏观切分（两种模式通用），第二层按气口做微观切分（视频成片专用）。
 
-以「语义场景单元」为第一切割依据，不按句号机械切割。
+### 4.1 第一层：语义场景切割（两种模式通用）
+
+以语义场景转折为切割依据，不按句号机械切割。
 
 | 切割信号 | 判断标准 |
 |----------|---------|
@@ -92,10 +94,57 @@ source outside the frame begins its slow rotation
 | 场景转换 | 叙述空间或时间发生变化 |
 | 主体变化 | 叙述对象或视角切换 |
 | 节奏重音 | 强调句、停顿感强、关键意象出现 |
-| 语义完整 | 该段表达一个完整观点或例子 |
-| 字数上限 | 视频成片每段 22 字左右；图文成片每段 50 字左右 |
+| 语义完整（仅图文） | 该段表达一个完整观点或例子 |
 
-### 4.2 时长控制
+### 4.2 第二层：气口切割（视频成片专用）
+
+**视频成片在完成语义场景切割后，必须在每个语义场景内部进行第二轮气口切割。**
+
+核心法则：以朗读时的自然换气停顿（气口）为切割点，将长句拆为多个连续 Shot。每个 Shot 的 `script` 是原文在该气口的**逐字截取片段**——不是摘要、不是改写、不是提炼。连续 Shot 的 `script` 拼接后必须完整还原原句，一字不落。
+
+**气口即切割点：**
+- 逗号（，）— 第一优先切割点
+- 自然停顿 — 朗读时逻辑换气处
+- 从句边界 — "当……的时候""不是……而是""因为……所以"的分界处
+- 禁止在词语中间切割
+
+**字数约束：**
+- 单段 8–22 字。目标 15–18 字（最舒适的朗读气口）
+- 超过 22 字的从句，继续在下一个逗号处切开
+- 不足 8 字的碎片合并到相邻段
+
+**连续关系处理：**
+- 同属一个原句的连续 Shot，`directorRef` 保持同一位导演，画面构图持续递进
+- 连续从句 Shot 的 `keyword` 可选填，只在完整句的最后一个 Shot 必填，避免花字过密
+- 相邻帧允许同景别（视频运动本身提供变化）
+
+**示例——原文 52 字长句：**
+
+> 原文：「当你开始把别人的评价体系当作自己的坐标系，你已经把人生方向盘交给了后排乘客。」
+
+正确切割：
+
+| Shot | script | 字数 |
+|------|--------|------|
+| N | 当你开始把别人的评价体系， | 12 |
+| N+1 | 当作自己的坐标系， | 9 |
+| N+2 | 你已经把人生方向盘交给了后排乘客。 | 16 |
+
+→ 三个 script 拼接 = 完整原文，连标点都不少。
+
+**禁止行为：**
+- ❌ 把 52 字原句摘要成一句 22 字的改写
+- ❌ 丢弃原文的论证、例子、细节来"节省字数"
+- ❌ 跨语义场景合并——气口切割只在同一个语义场景内部进行
+
+### 4.3 字数上限速查
+
+| 模式 | 每段字数 | 说明 |
+|------|---------|------|
+| 图文成片 | 50 字左右 | 一帧讲透一个观点 |
+| 视频成片 | 8–22 字 | 气口自然长度，长句必须拆为连续 Shot |
+
+### 4.4 时长控制
 
 - **图文成片：** 每条 Shot 4-10 秒，跟随旁白节奏，完整表达一个观点
 - **视频成片：** 每条 Shot 3-7 秒，目标 5 秒，匹配视频片段长度
@@ -325,7 +374,7 @@ undone
 ```
 
 **字段说明**：
-- `script`：该段的**完整原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词
+- `script`：该段的**原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词。**视频模式：长句必须拆为 N 个连续 Shot，每个 Shot 的 script 是该句在该气口的逐字片段——所有连续 Shot 的 script 按顺序拼接后，必须等于原始口播文案的完整句，连标点符号都不能少一个。**
 - `keyword`：该段的**氛围关键词**（可选），2-6 个字，以花字效果叠加在画面中央增强冲击力。提炼该段最核心的意象/概念，偏向名词或动名词，有画面感。无合适关键词时省略该字段
 
 ## 九、启动指令与自检
@@ -347,8 +396,13 @@ undone
 > 如果这帧图片喂给视频模型，它知道往哪个方向动吗？
 > 答案是「不知道」→ **重写**
 
+**视频成片文本完整性自检（输出完整 JSON 后必做）：**
+
+> 把所有 shot 的 `script` 按 id 顺序拼接，等于原始口播文案吗？
+> 答案是「不等于」→ **重做气口切割，禁止摘要**
+
 **其他规则：**
 
 - `directorRef` 必须填写，不得为空，下游依赖此字段执行风格
-- 按语义单元切割，每段表达一个完整观点或例子
+- **视频成片：每个 shot 不要求表达完整观点，气口片段即可；连续 shot 拼接后才构成完整语义**
 - 若用户未提供完整口播文案，提示补充，不得凭空生成

accounts/军事账号/prompts/分镜.md

@@ -186,9 +186,11 @@ the geometry did.
 
 ## 七、切割规则
 
-### 6.1 切割优先级
+切割分两层：第一层按语义场景做宏观切分（两种模式通用），第二层按气口做微观切分（视频成片专用）。
 
-以「语义场景单元」为第一切割依据，不按句号机械切割。
+### 7.1 第一层：语义场景切割（两种模式通用）
+
+以语义场景转折为切割依据，不按句号机械切割。
 
 | 切割信号 | 判断标准 |
 |---------|---------|
@@ -196,10 +198,57 @@ the geometry did.
 | 场景转换 | 叙述空间或时间发生变化 |
 | 主体变化 | 叙述对象或视角切换 |
 | 节奏重音 | 强调句、停顿感强、关键意象出现 |
-| 语义完整 | 该段表达一个完整观点或例子 |
-| 字数上限 | 视频成片每段 22 字左右；图文成片每段 50 字左右 |
+| 语义完整（仅图文） | 该段表达一个完整观点或例子 |
 
-### 6.2 时长控制
+### 7.2 第二层：气口切割（视频成片专用）
+
+**视频成片在完成语义场景切割后，必须在每个语义场景内部进行第二轮气口切割。**
+
+核心法则：以朗读时的自然换气停顿（气口）为切割点，将长句拆为多个连续 Shot。每个 Shot 的 `script` 是原文在该气口的**逐字截取片段**——不是摘要、不是改写、不是提炼。连续 Shot 的 `script` 拼接后必须完整还原原句，一字不落。
+
+**气口即切割点：**
+- 逗号（，）— 第一优先切割点
+- 自然停顿 — 朗读时逻辑换气处
+- 从句边界 — "当……的时候""不是……而是""因为……所以"的分界处
+- 禁止在词语中间切割
+
+**字数约束：**
+- 单段 8–22 字。目标 15–18 字（最舒适的朗读气口）
+- 超过 22 字的从句，继续在下一个逗号处切开
+- 不足 8 字的碎片合并到相邻段
+
+**连续关系处理：**
+- 同属一个原句的连续 Shot，`directorRef` 保持同一位导演，画面构图持续递进
+- 连续从句 Shot 的 `keyword` 可选填，只在完整句的最后一个 Shot 必填，避免花字过密
+- 相邻帧允许同景别（视频运动本身提供变化）
+
+**示例——原文 52 字长句：**
+
+> 原文：「当你开始把别人的评价体系当作自己的坐标系，你已经把人生方向盘交给了后排乘客。」
+
+不对。正确切割：
+
+| Shot | script | 字数 |
+|------|--------|------|
+| N | 当你开始把别人的评价体系， | 12 |
+| N+1 | 当作自己的坐标系， | 9 |
+| N+2 | 你已经把人生方向盘交给了后排乘客。 | 16 |
+
+→ 三个 script 拼接 = 完整原文，连标点都不少。
+
+**禁止行为：**
+- ❌ 把 52 字原句摘要成一句 22 字的改写
+- ❌ 丢弃原文的论证、例子、细节来"节省字数"
+- ❌ 跨语义场景合并——气口切割只在同一个语义场景内部进行
+
+### 7.3 字数上限速查
+
+| 模式 | 每段字数 | 说明 |
+|------|---------|------|
+| 图文成片 | 50 字左右 | 一帧讲透一个观点 |
+| 视频成片 | 8–22 字 | 气口自然长度，长句必须拆为连续 Shot |
+
+### 7.4 时长控制
 
 - **图文成片：** 每条 Shot 4-10 秒，跟随旁白节奏，完整表达一个观点
 - **视频成片：** 每条 Shot 3-7 秒，目标 5 秒，匹配视频片段长度
@@ -352,7 +401,7 @@ something that cannot be undone
 ```
 
 **字段说明**：
-- `script`：该段的**完整原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词。包含论证、例子、细节，不是金句
+- `script`：该段的**原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词。包含论证、例子、细节，不是金句。**视频模式：长句必须拆为 N 个连续 Shot，每个 Shot 的 script 是该句在该气口的逐字片段——所有连续 Shot 的 script 按顺序拼接后，必须等于原始口播文案的完整句，连标点符号都不能少一个。**
 - `keyword`：该段的**氛围关键词**，2-6 个字，以花字效果叠加在画面中央增强冲击力。规则：
   - 提炼该段最核心的意象/概念，不是复述文案
   - 偏向名词或动名词，有画面感："权力""沉默""位置""逐帧拆""审视"
@@ -476,5 +525,10 @@ something that cannot be undone
 > 如果这帧图片喂给视频模型，它知道往哪个方向动吗？
 > 答案是「不知道」→ **重写**
 
+**视频成片文本完整性自检（输出完整 JSON 后必做）：**
+
+> 把所有 shot 的 `script` 按 id 顺序拼接，等于原始口播文案吗？
+> 答案是「不等于」→ **重做气口切割，禁止摘要**
+
 directorRef 必须填写，不得为空，下游依赖此字段执行风格
-按语义单元切割，每段表达一个完整观点或例子
+**视频成片：每个 shot 不要求表达完整观点，气口片段即可；连续 shot 拼接后才构成完整语义**