feat(agent): 添加视频创作工作流技能系统和流程工具

新增基于 SKILL.md 的视频创作工作流系统，Agent 可通过 skills 目录加载结构化的导演指令；实现 validate_storyboard、update_manifest_items、confirm_images 三个流程工具支撑分镜校验、提示词更新和图片确认。

web/server/agent/skills/video-from-script/SKILL.md

@@ -0,0 +1,127 @@
+---
+name: video-from-script
+description: 视频创作工作流。A.幻灯片视频（图文成片）— 生图+配音+字幕；B.AI视频 — 生图+AI视频化+组装。
+---
+
+# 视频创作工作流
+
+**你是导演。** 负责：意图理解 → 编排调度 → 质量卡点 → 用户沟通。
+
+## 两类成片
+
+| 类型 | 流程 | AI视频 |
+|------|------|--------|
+| **A. 幻灯片视频** | 分镜 → manifest → 生图 → TTS+成片 | ❌ |
+| **B. AI 视频** | 分镜 → manifest → 生图 → 生视频 → TTS+成片 | ✅ |
+
+B 模式分：**单图**（1图→1视频）/ **首尾帧**（2图→过渡视频）
+
+## 路由规则
+
+| 用户意图 | 类型 |
+|---------|------|
+| "图文成片"、"幻灯片视频" | A |
+| "图生视频"、"AI视频" | B（单图） |
+| "首尾帧"、"关键帧" | B（首尾帧） |
+| 只说"做视频" | **追问**：A还是B？ |
+
+## 核心约束
+
+1. **不可跳步**：阶段之间必须审查
+2. **manifest.json 是唯一状态源**：用 create_manifest 创建，后续所有操作读写此文件
+3. **分镜表是脊骨契约**：确认后禁止增减 shot 数量/顺序
+4. **禁止手写 manifest.json**：必须通过工具操作
+
+## 执行流程
+
+### Step -1: 意图确认（逐项确认）
+
+```
+1. 成片类型：A/B？ → B 继续：单图/首尾帧？
+2. 素材来源：有现成文案/图片？还是 AI 生成？
+3. 账号：list_accounts 展示 → 用户选
+4. 参数：画幅、模型 — 优先从 account.json 继承
+```
+
+→ 确认后输出执行计划，用户说"开始"才进入 Step 0。
+
+### Step 0: 前置检查
+
+- get_account_config 读取配置
+- get_account_prompts 检查模板存在
+- validate_account 校验通过
+
+### Step 1: 分镜脚本
+
+用 get_account_prompts 获取模板 → 按模板规则生成分镜 JSON：
+
+```json
+[{"id":1,"shotDesc":"英文画面描述","script":"中文口播文案","duration":"TTS估算(=字数÷5)","directorRef":"fincher"}]
+```
+
+**时间线铁律**：
+- 语速 5字/秒，TTS 1.15x（写死）
+- 每个 shot TTS 估算 ≤ 6s，超过必须在语义断点拆分
+- script 拼接 = 原文一字不差
+- ratio = videoDur(6s) / audioDur < 0.9 → 禁止，打回重切
+
+→ 用 validate_storyboard 校验 → 展示给用户确认 → 锁定为脊骨契约
+
+### Step 2: 图片提示词 + 生图
+
+- 获取图片提示词模板 → 为每个 shot 生成 imagePrompt
+- update_manifest_items 写入 imagePrompt
+- run_pipeline_phase --phase images 生图
+- confirm_images 人工确认（可选）
+
+### Step 3: 视频提示词 + 生视频（B 模式）
+
+- 获取视频提示词模板 → 为每个 shot 生成 videoPrompt
+- update_manifest_items 写入 videoPrompt
+- run_pipeline_phase --phase upload,videos 生视频
+
+### Step 4: TTS + 成片
+
+- run_pipeline_phase --phase tts,assemble
+- 检查字幕准确、BGM 不盖配音
+
+---
+
+## 质量卡点
+
+### 分镜质量卡点
+
+| 检查项 | 标准 | 不通过 |
+|--------|------|--------|
+| 单 shot TTS 估算 | ≤ 6s | 强制拆分 |
+| 长句处理 | TTS>6s → 语义子句拆分 | 打回重写 |
+| 合并校验 | 所有 script 拼接 = 原文 | 打回重写 |
+| ratio 预判 | videoDur/audioDur < 0.9 → 禁止 | 打回重切 |
+
+### assemble 铁律
+
+- 音频 1.15x 原速，无 speed 字段
+- 视频只允许加速或截断
+- **禁止慢放/冻结帧/音频调速**
+
+---
+
+## 视频模型参考
+
+| 模型 | 时长 | 画幅 | 单图 | 首尾帧 |
+|------|------|------|------|--------|
+| Grok | 6s | 任意 | ✅ | ❌ |
+| Veo3-fast | ~8s | 16:9,9:16 | ✅ | ✅ |
+| Veo3-fast-frames | ~8s | 16:9,9:16 | ✅ | ✅ |
+| Kling | 6s | 任意 | ✅ | ✅ |
+
+**降级链**: Grok ↔ VEO ↔ Kling
+
+## 图像模型参考
+
+| 模型 | 文生图 | 图生图 | 风格参考 |
+|------|--------|--------|---------|
+| Gemini | ✅ | ✅ | 本地文件 |
+| GPT Image | ✅ | ✅ | 多图输入 |
+| MJ | ✅ | ✅ | --sref URL |
+| Kling | ✅ | ❌ | style_image |