AI 视频分镜生产管线产品系统Vibe Coding

短视频、动画、漫剧等前期要从剧本拆到镜头：角色/场景要一致、提示词要能喂给多家生图生视频模型、多镜头还要能批量重跑。纯手工调参成本高、不可复现；直接让大模型「写分镜」又容易格式漂移、状态对不上。
立项目标是把影视前期「可交付」的分镜流程做成工程管线：输入整本剧本或分场结构，输出结构化分镜文件与多渲染器提示词，支持多模型对比与校验门禁，让内容团队从「试镜头」变成「跑管线、可验收」，而不是每次都从零 prompt。

1）剧本结构化：解析场次、人物、动作与状态，形成可机读的场景/镜头骨架。
2）分镜资产生成：按镜输出镜头定义、连续性描述与语义状态（不只是一段文案）。
3）多渲染器提示词：针对不同图像/视频模型生成可切换的提示词与参数建议，避免一套 prompt 绑死一家模型。
4）批量任务：整本剧本批量出分镜、批量重跑失败镜头，支持断点与清单。
5）校验门禁：JSON/结构化字段校验、角色与状态一致性检查、格式不合法不进下一环。
6）人工可介入：中间结果可改、可锁定，改动可回写管线。
7）产物可交付：导出分镜表、提示词包与说明，便于对接出片与协作方。

本人独立完成架构与核心实现（Python 为主，约 5 万行级工程量）。整体为分层管线：编排层只调度，业务规则进校验与生成模块；数据契约固定各阶段输入输出，防止「上一步灵光一现、下一步全崩」。
技术栈：Python、YAML 配置驱动、REST/本地任务队列、前端工作台；多模型出图/出视频路线（如 Wan2.2 / Seedance 等）按 Router 切换，不对业务层写死。
亮点：Prompt Compiler 思路——结构化状态「翻译」成提示词，禁止编造额外叙事；场景状态（Scene State）驱动一致性；删除测试式裁剪（模块若不贡献质量就砍掉）。
难点：AI 输出格式不稳定（action 等字段类型漂移）→ 校验与修复层；多模型混用破坏角色一致 → 以状态与参考锚点约束，而不是追单张质量；管线与 UI「两张皮」（Step 不消费 Scene State）曾返工，改为状态驱动后收敛。
结果：从手工调参演进到可重复的「剧本→分镜→提示词」工业化链路，多轮生产验证后进入治理期（契约冻结、门禁、可复盘）。