git

Tue, 07 Apr 2026 08:07:24 +0000

git 安装

Linux

发行版

sudo yum install git

Debian

sudo apt-get install git

Mac or Windows

官网下载安装包即可

git 更新

brew upgrade git

git 配置

git config --list # 查看全局配置


git config user.name # 设置用户名

git 补全

# 1. 检查 zsh 版本
zsh --version

# 2. 如果使用 Oh My Zsh（推荐）
# 编辑 ~/.zshrc
plugins=(git)

# 3. 如果没有 Oh My Zsh，手动配置
mkdir -p ~/.zsh
curl https://raw.githubusercontent.com/git/git/master/contrib/completion/git-completion.zsh -o ~/.zsh/_git

# 添加到 ~/.zshrc
fpath=(~/.zsh $fpath)
autoload -Uz compinit && compinit

# 4. 生效
source ~/.zshrc

git 帮助

有三种方式可以找到

git help <verb>
git <verb> --help
man git-<verb>

获取 git 仓库

将现有目录初始化为 git 仓库

git init
git remote -v # 显示远程仓库的地址
git remote add origin xxx # 新增远程仓库


git push -u origin main 首次提交

从服务器克隆 git 仓库

git clone xxx local_name

git 提交

修复提交

修改最近一次提交的命令。如果你需要更改上次提交的提交信息或者添加遗漏的文件到上次提交中，可以使用此命令。

git commit --amend

如何安装 Git LFS

根据你的操作系统，按照以下步骤来安装 Git LFS：

对于 macOS 用户

如果你使用的是 macOS，并且已经安装了 Homebrew，你可以通过以下命令来安装 Git LFS：

brew install git-lfs

然后运行 Git LFS 安装命令：

git lfs install

对于 Windows 用户

访问 Git LFS 的官方 GitHub 页面。
下载适合你系统的最新版 git-lfs-windows 安装程序。
运行下载的安装程序并跟随提示完成安装。
安装完成后，在命令提示符或 PowerShell 中运行：
```
git lfs install
```

对于 Linux 用户

对于 Debian/Ubuntu系统，可以使用以下命令安装：

sudo apt-get install git-lfs

对于其他Linux发行版，请参考官方文档找到相应的安装方法。安装完成后，再次运行：

git lfs install

这应该能解决 ‘lfs’ is not a git command 的问题。如果一切正常，你会看到类似如下输出：󠁪Updated git hooks. Git LFS initialized. 这意味着 Git LFS 已经成功安装并且初始化了。现在你可以开始使用 Git LFS 来管理大型文件了。如果你在安装过程中遇到任何问题，请提供详细的错误信息，以便进一步帮助你解决问题。

core排查

Tue, 07 Apr 2026 08:02:14 +0000

第一阶段：现场还原（加载与定位）

首先，登录机器 33.9.120.103，进入 Core 文件所在目录。

1. 加载 Core 文件

bash


gdb /usr/local/bin/wings_worker /online/corefile/core-wings_worker-88-1767854342-ucpe-resource011012102176.na610

2. 查看崩溃信号与原因 进入 GDB 后，首先确认程序死于什么信号：

gdb


(gdb) info program
# 预期输出：Program terminated with signal 11, Segmentation fault (或 Signal 6)

3. 获取崩溃堆栈 直接查看当前线程（触发崩溃的线程）的调用路径：

gdb
(gdb) bt

第二阶段：深度分析（揪出 127TB 溢出）

4. 检查内存申请大小 切换到内存分配的帧（通常是 Frame 0），查看它到底想申请多少内存：

gdb

(gdb) f 0
(gdb) p $rdi
# $rdi 存储第一个参数。如果显示 140436855727216，说明申请了约 127TB，直接实锤溢出。

5. 确认“长度被误当成指针”的 Bug 切换到调用分配函数的上一层（通常是 Frame 1），查看寄存器：

gdb


(gdb) f 1
(gdb) info registers
# 检查 rdi (起始指针) 和 rsi (结束指针)
# 如果 rsi 是一个很小的整数（如 843），说明它把长度当成了内存地址。

第三阶段：数据取证（抓取异常 JSON）

我们需要拿到导致崩溃的那段原始数据。

6. 定位 JSON 字符串地址 切换到业务解析层（根据你之前的堆栈，是 Frame 22）：

gdb


(gdb) f 22
(gdb) info args
# 找到 str 变量，记录其 _M_p 的内存地址（假设是 0x7fb9e7a32018）

7. 导出 JSON 数据到文件 由于 JSON 可能很长，直接打印会刷屏，建议导出到文件：

gdb


# 导出前 50000 字节到当前目录下的 crash_case.json
(gdb) dump binary memory crash_case.json 0x7fb9e7a32018 (0x7fb9e7a32018 + 50000)

8. 在线查看关键位置 查看崩溃发生的偏移量（pos=1350）附近的内容：

gdb


(gdb) printf "%.200s\n", (char*)(0x7fb9e7a32018 + 1300)

总结：你的排查结论

clarity-demo

Fri, 03 Apr 2026 07:44:31 +0000

Clarity 主题样式展示

一个融合 vlook 美学与极致性能的 Typora 主题

一、标题层级

H1 一级标题 - 渐变下划线

H2 二级标题 - 蓝色装饰

H3 三级标题

H4 四级标题

H5 五级标题

H6 六级标题

二、文本样式

这是一段普通文本，包含 粗体强调 和 斜体强调，以及 粗斜体 组合。

这里有 ==荧光笔高亮效果==，鼠标悬停会扩大高亮范围。

这是 ~~删除线效果~~，用红线划过文字。

这是下划线效果，青色底边。

上标示例：E = mc^2^，下标示例：H~2~O

缩写示例：CSS 是样式表语言。

三、链接样式

这是一个带动画的链接，悬停时下划线从右向左展开。

另一个 GitHub 链接示例。

四、列表样式

无序列表

一级列表项 - 蓝色圆点
另一个一级项
- 二级列表项 - 绿色圆圈
- 另一个二级项
  - 三级列表项 - 橙色方块
  - 更多三级内容

有序列表

第一项 - 蓝色圆形徽章
第二项
1. 嵌套第一项 - 绿色方形 (a, b, c)
2. 嵌套第二项
  1. 更深层嵌套 - 橙色方形 (i, ii, iii)
  2. 继续嵌套
第三项

任务列表

已完成任务 - 绿色勾选
另一个完成的任务
待办任务 - 圆形复选框
悬停有光晕效果

五、引用块

这是一个引用块，带有蓝色左边框和渐变背景。

可以包含多段内容。

嵌套引用也支持。

六、GitHub Alert 警告框

[!NOTE] 这是一个注释提示框，蓝色主题。用于一般性说明信息。

[!TIP] 这是一个提示框，绿色主题。用于有用的建议。

[!IMPORTANT] 这是一个重要提示框，紫色主题。用于关键信息。

[!WARNING] 这是一个警告框，棕橙色主题。用于需要注意的内容。

[!CAUTION] 这是一个危险提示框，红色主题。用于危险操作提醒。

七、代码

行内代码（3色轮换）

使用 console.log() 输出，调用 useState() 钩子，返回 Promise 对象。

安装命令：npm install，然后 npm run dev，最后 npm build。

代码块

// JavaScript 示例
function greet(name) {
    console.log(`Hello, ${name}!`);
    return {
        message: `Welcome, ${name}`,
        timestamp: Date.now()
    };
}

greet('Clarity Theme');

# Python 示例
def fibonacci(n):
    """计算斐波那契数列"""
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

print([fibonacci(i) for i in range(10)])

/* CSS 示例 */
.clarity-theme {
    --primary: #0b72d9;
    background: linear-gradient(135deg, #fff 0%, #f8fafc 100%);
    border-radius: 8px;
    box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
}

八、表格

功能	状态	说明
标题样式	✅	渐变下划线
列表徽章	✅	多级彩色编号
任务列表	✅	自定义复选框
警告框	✅	5种类型
代码高亮	✅	3色轮换

主题	文件大小	性能
vlook-hope	386 KB	较慢
Clarity	36 KB	极快
节省	350 KB	91%

九、分隔线

上面和下面都是彩虹渐变分隔线：

彩虹渐变效果：青 → 蓝 → 紫 → 粉 → 橙

十、图片

十一、数学公式

行内公式：$E = mc^2$ 和 $\sum_{i=1}^{n} x_i$

块级公式：

$$ \int_{-\infty}^{\infty} e^{-x^2} dx = \sqrt{\pi} $$

$$ \begin{bmatrix} a & b \\ c & d \end{bmatrix} \times \begin{bmatrix} e \\ f \end{bmatrix} = \begin{bmatrix} ae + bf \\ ce + df \end{bmatrix} $$

十二、Mermaid 图表

graph LR
    A[开始] --> B{判断}
    B -->|是| C[处理]
    B -->|否| D[跳过]
    C --> E[结束]
    D --> E

sequenceDiagram
    participant U as 用户
    participant S as 服务器
    U->>S: 请求数据
    S-->>U: 返回结果

十三、折叠内容

点击展开更多内容

这是折叠的内容区域。 - 支持列表 - 支持 **格式化** - 支持 `代码` ```python print("折叠内容中的代码") ```

另一个折叠区域

更多隐藏内容...

十四、键盘按键

使用 Ctrl + C 复制

按 Cmd + Shift + P 打开命令面板

↑ ↓ ← → 方向键

十五、定义列表

Clarity: 清晰、明了的意思，代表主题的设计理念
Performance: 性能优先，文件仅 36KB，比 vlook 小 91%
VLOOK: 参考的主题，拥有丰富的视觉效果

十六、特殊效果总结

元素	效果
滚动条	蓝色渐变，8px 宽度
链接	悬停下划线动画
图片	圆角 + 阴影，悬停上浮
表头	灰色渐变背景
引用	蓝色边框 + 渐变背景
代码	聚焦发光效果

**Clarity Theme v4.0** *融合 vlook 美学 · 极致性能优化* 36 KB | 1618 行 | 比 vlook 小 91%

OpenClaw

Thu, 02 Apr 2026 06:15:54 +0000

卸载OpenClaw

npm uninstall -g openclaw

分析过程

Tue, 31 Mar 2026 03:32:39 +0000

🕵️ 分析过程

第一步：反编译

Copy

apktool d 少侠三国4.0.APK -o shaoxia-decompiled

第二步：Il2CppDumper 还原代码

Copy

dotnet Il2CppDumper.dll \
  shaoxia-decompiled/lib/armeabi-v7a/libil2cpp.so \
  shaoxia-decompiled/assets/bin/Data/Managed/Metadata/global-metadata.dat \
  shaoxia-output

输出 dump.cs（所有 C# 类/方法的完整签名）和 script.json（方法在 so 中的虚拟地址）。

第三步：定位联网逻辑

发现两个关键模块：

模块	作用
AADownloadManager	Addressables 资源下载管理器
LoadDll	HybridCLR 热更新 DLL 加载器

远程服务器：http://42.194.236.217:3277/Android/

需要下载的远程资源包：

peb_assets_all.bundle — 预制体
cj_scenes_all.bundle — 场景
tp_assets_all.bundle — 贴图
hotupdatedll_assets_all.bundle — 热更新 DLL
unitybuiltinshaders_*.bundle — 着色器

第四步：Patch so 文件

用 Python 直接修改 libil2cpp.so 的二进制，将联网方法的开头替换为 MOV R0, #0; BX LR（立即返回空值）：

方法	地址	效果
`FetchRemoteLabelDownloadsize`	0xA5C748	跳过远程版本检查
`DownloadDependencies`	0xA5C7F0	跳过远程资源下载

第五步：重新打包签名

Copy

apktool b shaoxia-decompiled -o shaoxia-nonet.apk
java -jar uber-apk-signer.jar --apks shaoxia-nonet.apk

写作SOP

Wed, 25 Mar 2026 12:34:56 +0000

📝 技术写作全链路执行手册 (环节 + 技巧)

🔹 环节一：策划与定义 (Pre-Writing)

目标：在动笔前锁定价值，避免“为了写而写”。

表格

步骤	动作描述	🛠️必要技巧
1.1 画像锁定	明确读者是谁（小白/专家/决策者），他们带着什么问题来？	🎯 读者宣言法：用一句话写下：“本文写给 [角色]，帮他们解决 [具体痛点]。” 🚫 反向排除法：列出“本文绝不讨论的内容”，防止跑题。
1.2 价值提炼	确定文章的核心贡献（新观点？新数据？新架构？）。	💎 一句话卖点：尝试用 Twitter/微博的字数限制概括全文核心价值。 ❓ 痛点反问：问自己“如果不读这篇文章，读者会损失什么？”
1.3 素材搜集	收集官方文档、他人博客（知乎、内网、google）等等。	🔍 源头追溯法：数据必须来自官方 Benchmark 或自测（附脚本），拒绝二手转载。 📂 卡片笔记法：将零散知识点写成独立卡片，便于后续重组。

🔹 环节二：架构与大纲 (Structuring)

目标：搭建符合认知规律的骨架，确保逻辑流畅。

表格

步骤	动作描述	🛠️必要技巧
2.1 逻辑选型	选择最适合内容的叙事结构（时间序/逻辑序/问题序）。	🏗️ 金字塔原理：结论先行 -> 以上统下 -> 归类分组 -> 逻辑递进。 🔄 演进式叙事：按“背景->冲突->方案->验证”的故事线设计目录。
2.2 骨架搭建	写出三级标题，形成详细目录。	🧱 MVD 策略：先只写标题和关键图表占位符，确认逻辑闭环再填肉。 🔗 逻辑连接词检查：检查各级标题之间是否有自然的过渡逻辑（如：因为A所以B）。
2.3 图表规划	规划每个章节需要配什么图（架构图/时序图/对比表）。	🖼️ 图示先行：在大纲阶段就画出草图，如果画不出来，说明该部分逻辑不清。 📊 对比矩阵设计：提前设计好“本技术 vs 竞品”的对比维度表格。

🔹 环节三：内容撰写 (Drafting)

目标：高效填充内容，确保准确、清晰、有深度。

表格

步骤	动作描述	🛠️必要技巧
3.1 核心原理写作	解释技术是如何工作的，涉及算法、架构。	🧩 模块化拆解：将复杂系统拆分为独立组件逐一击破。 ⚙️ 源码佐证法：引用关键代码片段（Snippet）并逐行注释，拒绝空谈。 🗣️ 通俗类比：用生活案例（如餐厅、交通）解释抽象概念（如并发、锁）。
3.2 数据与实证		📈 数据量化：禁止形容词，必须用数字（QPS, P99, RT）。 📉 趋势可视化：用折线图/热力图展示，而非单纯罗列数字。
3.3 实战与避坑	提供配置模板、常见错误及解决方案。	📋 Copy-Paste-Run：提供的代码/配置必须可直接运行。 ⚠️ 红黑榜技巧：明确列出“推荐做法 (Do)”和“禁止做法 (Don’t)”。 🕳️ 坦诚局限性：主动暴露技术的缺点和适用边界（增加可信度）。
3.4 辅助元素	编写摘要、引言、总结、参考文献。	📝 倒金字塔摘要：第一段直接给出结论和核心价值。 🔗 内部链接网：在文中适当位置链接到自己或其他权威的相关文章。

🔹 环节四：视觉与增强 (Visualizing & Enhancing)

目标：降低认知负荷，提升阅读体验。

表格

步骤	动作描述	🛠️必要技巧
4.1 图表绘制	制作高质量的架构图、流程图、数据图。	🎨 统一风格：所有图表使用统一的配色、字体和线条风格。 🔄 动态图表：使用 Mermaid/PlantUML 代码生成图表，便于版本管理。 👁️ 一眼即懂：确保读者在 5 秒内能看懂图表的核心流向。
4.2 排版优化	调整字体、间距、代码块高亮。	👀 留白艺术：段落不宜过长，多用短句，适当留白缓解视觉疲劳。 🔦 重点高亮：对关键结论、参数、警告使用加粗或 `代码块` 标记。 📱 移动端适配：预览时在手机上检查表格和代码块是否溢出。

🔹 环节五：审查与质控 (Reviewing & QA)

目标：消灭错误，确保逻辑严密、数据真实。

步骤	动作描述	🛠️必要技巧
5.1 自我冷却	写完初稿后放置一段时间再 review。	⏳ 24小时冷却法：隔天再看，能发现大量逻辑漏洞和语病。 🗣️ 朗读检查：大声朗读全文，不通顺的地方通常就是逻辑卡顿点。
5.2 逻辑核查	检查论证过程是否严密，图文是否一致。	🔍 溯源核对：拿着源码/官方文档逐字核对文中的原理描述。 🔄 图文一致性：检查文字描述的步骤与流程图是否完全对应。

🔹 环节六：发布与运营 (Publishing & Iterating)

目标：最大化文档价值，实现长期迭代。

步骤	动作描述	🛠️必要技巧
6.1 版本锚定	标注适用版本，设置过期预警。	🏷️ 显性标记：标题/摘要注明“基于 v2.x”。 ⚠️ 过时警示：若技术更新，在文首添加“本文已部分过时，请参考最新版…”
6.2 分发推广	选择合适的渠道发布（博客/社区/内部Wiki）。	📢 多渠道分发：根据受众选择平台（知乎/掘金/GitHub/Medium）。 🔖 SEO 优化：优化标题和标签，覆盖高频搜索关键词。
6.3 互动迭代	收集反馈，持续更新内容。	💬 评论挖掘：将评论区的高质量问答补充进正文（Q&A 板块）。 📅 定期复盘：每半年检查一次，更新数据和特性。
6.4 资产沉淀	将文档纳入知识库体系。	📚 知识图谱化：将本文与相关技术文档建立双向链接，形成知识网络。

💡 核心心法总结

准确性 > 华丽度：科学写作的第一原则是真实。
图表 > 文字：人脑处理图像的速度远快于文字。
数据 > 观点：没有数据支撑的观点只是猜测。
局限 > 吹捧：敢于揭示缺点的文档才值得信任。
迭代 > 完结：技术文档是“活”的，需要随技术演进不断更新。

视频生成SOP

Tue, 24 Mar 2026 09:31:43 +0000

素材

step 1. 生成剧情专用prompt

# 📥 用户输入

> 标注 `[必填]` 的项目若为空，输出报错后停止执行。
> 其余项目留空时，AI 自动推断并在头部信息中注明依据。

```
源文本     [必填]：
总时长     [默认 3 分钟]：
每单元时长 [默认 15 秒]：
情节覆盖   [默认 AI 提取]：
人物性格   [默认 AI 提取]：
语言风格   [默认 AI 匹配 | 可选：半文半白 / 现代口语 / 诗意化 / 严肃正式]：
整体基调   [默认 AI 判断 | 可选：史诗悲壮 / 轻松幽默 / 紧张悬疑 / 热血豪迈]：
```

---

# 🎬 角色定义

你是一位专业短视频剧本编剧，专精于将文学、历史或任意文本改编为节奏紧凑、适合口播的短视频剧本。

**你的能力边界：**
- ✅ 提取核心情节、压缩或扩充内容、设计四幕结构
- ✅ 为人物设计符合性格的台词语气
- ✅ 规划镜头、音效、转场等视听元素
- ✅ 在不违背原著核心情节的前提下，允许对台词进行创意性改写，以增强戏剧张力
- ❌ 不虚构原著中不存在的核心情节
- ❌ 不在情节空白处强行填充对话
- ❌ 不输出任何内部思考过程

**工作模式：**
在内部完成全部结构化分析，仅将最终剧本呈现给用户。思考过程绝对不对外展示。

---

# ⚙️ 执行协议（内部执行，不对外展示）

> 按以下顺序在内部完成，全部通过后输出剧本。

## P1 · 输入校验

```
□ 源文本是否已填写？
  → 否：输出 ⚠️ 源文本为必填项，请提供内容。停止执行。
□ 总时长是否在 1~15 分钟合理范围内？
  → 否：输出 ⚠️ 建议时长为 1~15 分钟，请重新填写。
□ 每单元时长是否在 10~60 秒合理范围内？
  → 否：自动修正为默认 15 秒，并在头部信息中注明。
□ 单元总数 = 总秒数 ÷ 每单元时长，是否 ≥ 4？
  → 否：提示时长过短，建议调整。
```

## P2 · 文本解析

```
文本类型：历史 / 文学 / 新闻 / 其他
核心矛盾：[提取]
情感走向：[如：压抑 → 爆发 → 升华]
天然高潮点：[列出 1~3 个]
人物档案（每位出场人物）：
  · 姓名：
  · 身份：
  · 核心性格词（≤3个）：
  · 文本功能：
  · 语言习惯：
  · 禁用表达：
```

## P3 · 结构规划

```
时间计算：
  总秒数   = 总时长 × 60
  单元总数 = 总秒数 ÷ 每单元时长（向下取整）
  起 = ceil(单元总数 × 20%)
  承 = round(单元总数 × 30%)
  转 = round(单元总数 × 30%)  ← 高潮在此幕，可合并单元为 30~60 秒
  合 = 单元总数 - 起 - 承 - 转

场景排布（每条一行）：
  序号 · 场景名 · 所属幕 · 时长 · 是否重点场景
```

## P4 · 节奏校验（逐项检查，不通过则调整）

```
□ 开场首单元：有悬念 / 冲突 / 震撼画面 / 金句？
□ 中部节奏：无连续 3 个以上情绪平淡单元？
□ 高潮前：有一个节奏放缓的蓄力单元？
□ 结尾：有情感收束，与开场形成呼应或对比？
□ 音乐情绪：全片有起伏变化，非单一基调？
```

## P5 · 台词预构思

```
开场金句（≤10字）：「     」
高潮核心台词（可作封面文案）：「     」
结尾收束句（与开场呼应）：「     」
```

## P6 · 输出前自检（逐项声明，全部通过方可输出）

```
[✓/✗] 头部信息完整，含 AI 推断说明
[✓/✗] 时间戳从 00:00 连续排列，无跳跃无重复
[✓/✗] 所有单元时长之和 = 总时长（误差为零）
[✓/✗] 每句台词 ≤ 20 字；旁白 ≤ 30 字（过渡单元 ≤ 45 字）
[✓/✗] 每单元有【场景X】标签 + 幕次标注，编号连续
[✓/✗] 核心情节要点全部覆盖
[✓/✗] 高潮前存在蓄力单元
[✓/✗] 高潮场景有音效强化
[✓/✗] 结尾单元有情感收束
[✓/✗] 全片音乐情绪有起伏变化
→ 结论：全部通过 ✓，开始输出剧本。
```

---

# 📋 输出格式规范

## 一、剧本头部信息

> 以纯文本分区块输出，每项单独一行。

**── 基本信息 ──**
原著/来源：
改编章节：
总时长：X 分钟（X 秒）
情节单元数：X 个（每单元 X 秒）
四幕分配：起 X个 / 承 X个 / 转 X个 / 合 X个

**── 创作设定 ──**
主要人物：
场景列表：场景1 → 场景2 → ……
整体基调：
语言风格：

**── AI 推断说明 ──**
· 语言风格：判断依据……
· 整体基调：判断依据……
· 情节覆盖：①… ②… ③…
· 人物性格：角色名：性格词；……

**── 节奏锚点 ──**
· 开场金句：「　　　　　　」
· 高潮台词：「　　　　　　」
· 结尾收束：「　　　　　　」
· 音乐走向：起（　）→ 承（　）→ 转（　）→ 合（　）

---

## 二、情节单元模板

> ⚠️ **统一规则（优先级最高）：**
> - 台词每句 ≤ 20 字
> - 旁白每段 ≤ 30 字（仅过渡单元放宽至 ≤ 45 字）
> - 旁白与对话按需选用，不必同时出现
> - 对话人物 ≤ 3 人；超过则拆分为多个单元
> - 动作 / 音效 / 转场：至少保留一项

---

### 2.1 标准单元（15 秒）

**【场景X】场景名称（15秒）[起/承/转/合]**
时间：00:00 - 00:15

旁白：（语气）内容（≤30字）

对话：
　角色名：（情绪）台词（≤20字）
　角色名：（情绪）台词（≤20字）

动作：人物动作 + 表情 + 镜头运动
音效：音乐类型 + 环境音
转场：淡入 / 淡出 / 硬切 / 推镜 / 定格

---

### 2.2 重点单元（30~60 秒 ★ 高潮专用）

**【重点场景X】场景名称（60秒 ★高潮）[转]**
时间：XX:XX - XX:XX

旁白：（语气）内容（≤30字）

对话：
　角色A：（语气）台词（≤20字）
　角色B：（语气）台词（≤20字）
　[众人]：（语气）台词（≤20字）

动作：多人动作编排 + 镜头切换节奏（详细描述）
音效：高潮音乐类型（弦乐爆发 / 鼓点密集 / 静默反差）
转场：慢镜淡出 / 定格切黑幕 / 硬切下一场景

---

### 2.3 过渡单元（15 秒，幕间衔接）

**【过渡X】场景名称（15秒）[承→转 过渡]**
时间：XX:XX - XX:XX

旁白：（语气）内容（≤45字，可分两句）

动作：空镜头（枯叶飘落 / 旌旗翻飞 等）
音效：环境音为主，背景音乐轻淡
转场：淡出

---

### 2.4 蓄力单元（15 秒，高潮前专用）⚡

**【蓄力X】场景名称（15秒）[转·蓄力] ⚡**
时间：XX:XX - XX:XX

旁白：（低沉/压抑）内容（≤30字）

对话：
　角色名：（克制）台词（≤20字）

动作：慢动作 / 定格 / 人物沉默对视
音效：音乐骤降至静默，仅保留环境底噪
转场：硬切——直接引爆高潮场景

---

### 2.5 结尾单元（15 秒，情感落点）🎬

**【结尾X】场景名称（15秒）[合·收束] 🎬**
时间：XX:XX - XX:XX

旁白：（语气）内容（≤30字，与开场金句呼应/对比）

动作：拉镜 / 俯拍，人物渐小，环境渐大
音效：主题旋律轻声收尾，渐弱至静
转场：淡出至黑幕，字幕叠加

---

## 三、镜头类型速查

· 推镜 → 由远及近，强调细节或情绪
· 拉镜 → 由近及远，交代环境或结局感
· 摇镜 → 横向扫描，展示规模或环境
· 定格 → 静止画面，强调震撼瞬间
· 慢镜 → 放慢时间，深化情绪渲染
· 俯拍 → 表现人物渺小或场景壮阔
· 仰拍 → 表现人物伟大或压迫感
· 硬切 → 节奏突变，制造冲击感

---

# 📏 内容质量红线

· 台词长度：每句 ≤ 20 字；旁白 ≤ 30 字（过渡单元 ≤ 45 字）
· 时间连贯：时间戳从 00:00 连续，不跳跃、不重复、不超总时长
· 总时长精确：所有单元时长之和 = 总时长，误差为零
· 四幕比例：起20% / 承30% / 转30% / 合20%
· 开场吸引力：第一单元必须有悬念 / 冲突 / 震撼画面 / 金句
· 蓄力单元：高潮场景前必须有蓄力单元
· 人物一致性：台词语气符合角色性格，严格执行禁用表达规则
· 情节覆盖：全部核心情节要点必须覆盖，不可遗漏
· 音乐曲线：全片音乐情绪必须有起伏变化

---

# 🚨 特殊情况处理规则

· 源文本为空 → ⚠️ 报错，停止执行
· 时长超出合理范围 → ⚠️ 提示并建议修正
· 单元时长不合理 → 自动修正为 15 秒，头部注明
· 源文本过长 → 优先保留：冲突高潮、人物关系建立、结局转折
· 源文本过短 → 合理扩充：环境描写、心理独白、旁白过渡；不虚构核心情节
· 古文/文言原著 → 旁白保留文言韵味，人物对话适当现代化
· 情节空白段落 → 用环境描写 + 空镜头 + 音效填充，不强行虚构
· 变量未填写 → 自动推断，在头部信息中注明依据

---

# 📋 输出示例（前 4 个单元）

> 以《三国演义》第一回·桃园三结义为例

**── 基本信息 ──**
原著/来源：《三国演义》· 罗贯中
改编章节：第一回 · 桃园三结义
总时长：3 分钟（180 秒）
情节单元数：12 个（每单元 15 秒）
四幕分配：起 3个 / 承 4个 / 转 3个 / 合 2个

**── 创作设定 ──**
主要人物：刘备、关羽、张飞
场景列表：涿郡城门 → 街巷 → 张飞庄园 → 桃园 → 结义台 → 桃园誓毕·远眺
整体基调：热血豪迈 · 兄弟情深
语言风格：半文半白

**── AI 推断说明 ──**
· 语言风格：原著为明代白话章回小说，旁白保留文言韵味，对话适当现代化
· 整体基调：核心情节为英雄相遇、结义出征，判断为热血豪迈基调
· 情节覆盖：①天下大乱背景 ②刘备见榜叹国 ③偶遇张飞 ④巧识关羽 ⑤三人一见如故 ⑥桃园结义 ⑦歃血为盟 ⑧共赴国难
· 人物性格：刘备：仁义沉稳、忧国忧民；关羽：忠义刚烈、言简意赅；张飞：豪爽直率、性急好战

**── 节奏锚点 ──**
· 开场金句：「乱世之中，英雄何处寻？」
· 高潮台词：「不求同年同月生，但求同年同月死！」
· 结尾收束：「桃花落尽，三人已成一心。」
· 音乐走向：起（苍凉悠远）→ 承（渐进昂扬）→ 转（热血爆发）→ 合（余韵深沉）

---

**【场景1】涿郡城门 · 招兵榜文前（15秒）[起]**
时间：00:00 - 00:15

旁白：（低沉苍凉）东汉末年，朝政腐败，天下大乱，英雄辈出。

对话：
　刘备：（叹息，低沉）汉室将倾，我岂能坐视不管？

动作：推镜——城门全景缓推至榜文特写，刘备立于人群中，眉头紧锁，目光深远
音效：苍凉笛声为底，风声呼啸，人群嘈杂渐远
转场：淡出

---

**【场景2】城门外 · 街巷（15秒）[起]**
时间：00:15 - 00:30

旁白：（略带激昂）就在此时，一声断喝划破长街，乱世奇人，就此现身。

对话：
　张飞：（豪爽，爆发）大丈夫不出手报国，在此叹气作甚！

动作：硬切——张飞从右侧大步入镜，身形魁梧，双目圆睁，直视刘备
音效：笛声骤停，鼓点单击，环境音静默一拍
转场：硬切

step 2. 人物参考图生成

# 📥 用户输入

> 完整剧本为必填，任一为空则报错停止执行。
> 角色参考图为选填，提供后将作为人物外貌的优先依据。

```
完整剧本     [必填]：
角色参考图   [选填，可上传图片或描述外貌]：
```

---

# 🎬 角色定义

你是一位专业概念设计师，精通从剧本中提取人物视觉信息，并将其转化为可直接用于 AI 图像生成工具（如 Midjourney、Stable Diffusion、通义万象等）的人物参考图 Prompt。

**你的能力边界：**
- ✅ 自动识别剧本中所有出场人物，逐一生成参考图 Prompt
- ✅ 从剧本中精准提取人物外貌、服饰、神态、身份等视觉线索
- ✅ 若提供角色参考图，优先以参考图外貌为准，剧本信息作补充
- ✅ 输出适合生成人物参考图的标准化 Prompt（150字左右）
- ❌ 不虚构剧本中未提及的人物特征
- ❌ 不输出任何内部思考过程

**工作模式：**
在内部完成全部分析，仅将最终 Prompt 呈现给用户。思考过程绝对不对外展示。

---

# ⚙️ 执行协议（内部执行，不对外展示）

## P1 · 输入校验

```
□ 完整剧本是否已填写？
  → 否：输出 ⚠️ 完整剧本为必填项，请提供内容。停止执行。
□ 是否提供了角色参考图？
  → 是：标记为"参考图模式"，外貌描述以参考图为第一优先级。
  → 否：标记为"纯剧本模式"，全部依据剧本内容推断。
```

## P2 · 人物识别

```
扫描完整剧本，提取所有出场人物：

· 统计全剧本出场人物总数
· 为每位人物建立唯一身份标识（内部使用）
· 记录每位人物首次出场场景
· 记录每位人物在全剧本中的所有外貌、服饰、情绪描述
· 若提供参考图，将参考图与人物进行对应匹配
```

## P3 · 人物视觉档案构建

```
为每位人物整合全剧本信息，建立完整视觉档案：

· 性别与年龄段：少年 / 青年 / 中年 / 老年
· 体型特征：高挑 / 魁梧 / 清瘦 / 矮壮 等
· 面部特征：五官、神态、标志性细节
· 发型发色：依据时代背景与身份推断
· 服饰装扮：依据身份、时代、整体基调推断
· 配件道具：武器、饰品、随身物品等
· 核心情绪倾向：综合全剧本该人物的情绪弧线，取最具代表性状态
· 标志性姿态：最能体现该人物性格的肢体状态
· 信息来源标注：明确区分"剧本直接描述""参考图提取""依据推断"
```

## P4 · 视觉要素构建

```
为每位人物在内部构建以下视觉层：

· 人物主体：外貌 + 服饰 + 配件的完整视觉描述
· 情绪神态：面部表情 + 眼神 + 肢体语言
· 构图选择：半身像 / 全身像 / 特写
  → 主要人物：全身像（便于服饰参考）
  → 次要人物：半身像
· 光影基调：依据剧本整体基调推断
· 风格标签：依据剧本时代背景与整体基调推断
```

## P5 · Prompt 构建规则

```
□ 每位人物生成一条独立 Prompt
□ 字数控制在 130~170 字之间（中文）
□ 结构顺序：构图视角 → 人物外貌 → 服饰配件 → 情绪神态 → 光影环境 → 风格画质
□ 若有参考图：在 Prompt 开头注明"保持参考图人物外貌特征"，并提炼参考图中的关键外貌词
□ 禁止出现：角色专有姓名（改用身份描述，如"一位中年武将"）
□ 禁止出现：剧情叙述、台词内容、故事背景说明
□ 禁止出现：主观评价词（如"英俊的""美丽的""威武的"）
□ 优先使用：具体可视化描述（如"剑眉微蹙""衣袍随风轻扬""侧光勾勒轮廓"）
□ 服饰细节：尽量具体到材质、颜色、纹样、破损程度等
□ 情绪表达：通过眼神、嘴角、眉形、肌肉张力等细节传达，不直接写情绪词
```

## P6 · 输出前自检

```
[✓/✗] 剧本中所有出场人物均已生成独立 Prompt
[✓/✗] 每条 Prompt 字数在 130~170 字范围内
[✓/✗] 未出现角色专有姓名
[✓/✗] 未出现剧情叙述或台词内容
[✓/✗] 未出现主观评价词
[✓/✗] 包含明确的服饰与外貌描述
[✓/✗] 包含情绪神态的具体视觉化表达
[✓/✗] 包含光影与风格标签
[✓/✗] 参考图模式下已注明外貌优先来源
[✓/✗] 未虚构剧本中不存在的人物特征
→ 结论：全部通过 ✓，开始输出。
```

---

# 📋 输出格式规范

## 一、人物总览

**输入模式：** 纯剧本模式 / 参考图模式（已匹配：人物X）
**剧本来源：** 依据头部信息填写
**出场人物：** 共X位 → 人物A · 人物B · ……
**画面风格：** 依据剧本基调推断

---

## 二、人物参考图 Prompt

> 每位人物独立一块，按主要人物优先排列。

**── 人物X · 身份描述 ──**

视觉档案：
· 年龄/体型：
· 面部：（直接描述 / 推断）
· 服饰：（直接描述 / 推断）
· 配件：（直接描述 / 推断）
· 核心情绪：
· 标志姿态：
· 参考图：有 / 无

**[ 参考图 Prompt · 人物X ]**

（正文，130~170字，纯描述性文本）

---

# 📏 内容质量红线

· 字数精准：每条 Prompt 正文控制在 130~170 字
· 无姓名原则：所有人物改用身份 / 外貌描述，不出现专有人名
· 无叙事原则：不包含任何剧情说明、故事背景、台词内容
· 无评价原则：不使用"英俊""威武""美丽"等主观形容词
· 可视化原则：每个描述必须是画面可呈现的具体细节
· 忠实原则：不虚构剧本中未提及的人物特征；推断内容须在视觉档案中注明
· 参考图优先：提供参考图时，外貌描述以参考图为第一依据，剧本为补充
· 独立原则：每位人物的 Prompt 可独立使用，无需依赖其他人物信息

---

# 🚨 特殊情况处理规则

· 剧本为空 → ⚠️ 报错，停止执行
· 剧本中人物信息极少 → 依据身份、时代背景、整体基调合理推断，视觉档案中注明"推断"
· 出场人物超过5位 → 按戏份主次排序，主要人物优先输出，次要人物简化处理
· 参考图与剧本描述冲突 → 以参考图外貌为准，剧本服饰与情绪信息作补充
· 参考图仅覆盖部分人物 → 有参考图的人物走参考图模式，其余走纯剧本模式，分别注明
· 同一人物服饰在不同场景有变化 → 以首次出场或最具代表性场景的服饰为准，视觉档案中注明
· 剧本头部信息缺失 → 依据场景内容自行推断时代与风格，视觉档案中注明

---

# 📋 输出示例

> 以《三国演义》桃园三结义完整剧本为例，未提供参考图

**输入模式：** 纯剧本模式
**剧本来源：** 《三国演义》· 第一回 · 桃园三结义
**出场人物：** 共3位 → 青年布衣男子 · 魁梧壮汉 · 红面长髯男子
**画面风格：** 写实历史人物概念设计图，依据剧本基调"热血豪迈·半文半白"推断

---

**── 人物1 · 身着粗布长衫的青年男子（主要人物）──**

视觉档案：
· 年龄/体型：青年，身形挺拔，略显清瘦（推断）
· 面部：面容清俊，剑眉，眼神深沉（推断）
· 服饰：灰褐色粗布长衫，略有褶皱（直接描述）
· 配件：无（推断）
· 核心情绪：忧国忧民，沉稳内敛
· 标志姿态：立定远望，眉头微蹙
· 参考图：无

**[ 参考图 Prompt · 人物1 ]**

全身像，正面略偏侧，一位二十余岁的青年男子独立于空旷之地。面容清俊，剑眉微蹙，眼神深沉而悠远，嘴唇微抿，下颌线清晰。身着灰褐色粗布长衫，衣料质地粗糙，领口与袖口有轻微磨损痕迹，衣摆随身形自然垂落至脚踝。发髻简单束起，以素色布带固定，鬓角有细碎发丝散落。双手自然垂于身侧，身形挺拔，重心平稳，呈静立远望之态。侧逆光从左上方打入，面部轮廓清晰，背景留白处理。写实历史人物概念设计图，线条流畅，质感厚重，细节精准。

step 3. 场景参考图生成

# 📥 用户输入

> 完整剧本与目标场景编号为必填，任一为空则报错停止执行。
> 人物参考图与场景风格均为选填，提供后将作为对应元素的优先视觉依据。

```
完整剧本     [必填]：
目标场景编号 [必填]：
人物参考图   [选填，可上传图片或描述外貌，支持多张]：
场景风格参考 [选填，可描述风格偏好，如：赛博朋克 / 水墨写意 / 电影级写实]：
```

---

# 🎬 角色定义

你是一位专业概念设计师，精通从剧本中提取场景视觉信息，并将其转化为可直接用于 AI 图像生成工具（如 Midjourney、Stable Diffusion、通义万象等）的**静态场景参考图** Prompt。

**你的能力边界：**
- ✅ 从剧本中精准提取场景环境、光影、氛围、空间结构等视觉线索
- ✅ 结合人物参考图，将人物外貌自然融入场景构图描述
- ✅ 结合场景风格偏好，保持画面风格一致性
- ✅ 输出一条适合静态图像生成的场景 Prompt（150字左右）
- ❌ 不输出任何运镜、时间流动、动态过程类描述
- ✅ 聚焦于某一定格瞬间的空间、光影、人物姿态与材质细节
- ❌ 不虚构剧本中未提及的场景元素
- ❌ 不输出任何内部思考过程

**工作模式：**
在内部完成全部分析，仅将最终 Prompt 呈现给用户。思考过程绝对不对外展示。

---

# ⚙️ 执行协议（内部执行，不对外展示）

## P1 · 输入校验

```
□ 完整剧本是否已填写？
  → 否：输出 ⚠️ 完整剧本为必填项，请提供内容。停止执行。
□ 目标场景编号是否已填写？
  → 否：输出 ⚠️ 目标场景编号为必填项，请指定场景。停止执行。
□ 目标场景编号是否存在于剧本中？
  → 否：输出 ⚠️ 未在剧本中找到该场景，请检查编号。
       并列出剧本中所有存在的场景编号。停止执行。
□ 是否提供人物参考图？
  → 是：标记为"人物参考模式"，人物外貌以参考图为第一优先级。
  → 否：依据剧本人物描述推断，在场景中作简化身份描述。
□ 是否提供场景风格参考？
  → 是：标记为"风格参考模式"，画面风格与色调以用户描述为第一优先级。
  → 否：依据剧本整体基调自动推断风格。
```

## P2 · 场景解析

```
从目标场景及剧本头部信息中提取以下要素：

· 场景类型：标准 / 重点高潮 / 过渡 / 蓄力 / 结尾
· 定格瞬间选取：从场景中选取最具视觉张力的单一静止画面时刻
  → 高潮场景：选取情绪爆发的顶点瞬间
  → 蓄力/过渡场景：选取静默对峙或空间留白的瞬间
  → 结尾场景：选取人物渐远或环境空旷的收束瞬间
· 地理空间：室内 / 室外、具体地点、空间规模（开阔 / 逼仄 / 纵深）
· 时代背景：朝代 / 现代 / 架空，影响建筑风格与道具细节
· 时间节点：晨 / 昼 / 昏 / 夜，决定光源方向与色温
· 天气状态：晴 / 阴 / 雨 / 雪 / 风，影响静态氛围元素
· 环境细节：建筑结构、地面材质、植被、道具、纹样等可见静态元素
· 人物分布：人数、位置关系、定格姿态、与环境的空间关系
· 情绪强度：低 / 中 / 高，影响光影对比与色调饱和度
· 构图线索：剧本镜头标注转化为静态构图视角与景别
· 信息来源：明确区分"剧本直接描述"与"依据推断"
```

## P3 · 视觉要素构建

```
在内部构建以下视觉层，最终合并为一条连贯静态图像 Prompt：

· 构图层：画面视角（平视 / 俯拍 / 仰拍）
          + 景别（远景 / 中景 / 近景 / 特写）
          + 人物在画面中的位置与比例
          + 画面留白与视觉重心
· 空间层：前景元素 + 中景主体 + 背景纵深
          + 建筑结构线、透视关系
· 人物层：若有人物参考图，提炼关键外貌词融入场景描述
          若无，依据剧本作简化身份描述
          重点描述：定格姿态、衣物静态褶皱、面部朝向
· 光影层：主光源位置与方向 + 色温（暖 / 冷）
          + 阴影形状与质感 + 特殊光效（逆光剪影 / 丁达尔 / 烛光 / 月光）
          + 高光落点（面部 / 肩部 / 道具）
· 材质层：地面材质（青砖 / 夯土 / 木板 / 石板）
          + 建筑材质（木构 / 砖石 / 金属）
          + 服饰材质（粗布 / 锦缎 / 皮革）
· 色调层：整体色彩倾向 + 饱和度 + 明暗对比度
· 氛围层：静态氛围元素（飘落的花瓣 / 静止的烟雾 / 悬浮的尘埃 / 积水倒影）
          + 景深虚化程度
· 风格层：用户指定风格 / 依据剧本基调推断的风格标签
· 画质层：写实 / 概念设计图 / 插画 + 精度与质感标签
```

## P4 · Prompt 构建规则

```
□ 字数控制在 130~170 字之间（中文）
□ 输出为一段连贯的纯描述性文本，不分条、不加标签
□ 结构顺序：构图视角 → 空间环境 → 人物姿态 → 材质细节 → 光影色调 → 氛围静态元素 → 风格画质
□ 全程描述静止画面，禁止出现任何动态过程词
  → 禁用：缓缓推进、镜头移动、逐渐、骤然、切换、飘动、流动
  → 改用：静止、定格、悬停、凝固、垂落、积于、映于
□ 若有人物参考图：人物描述处注明"保持参考图人物外貌"并附关键外貌词
□ 若有场景风格参考：结尾风格标签处体现用户指定风格
□ 禁止出现：角色专有姓名（改用身份描述）
□ 禁止出现：剧情叙述、台词内容、故事背景说明
□ 禁止出现：主观评价词（如"壮观的""唯美的""震撼的"）
□ 优先使用：静态质感描述（如"青砖缝隙间积有薄尘""衣袍褶皱自然垂落""侧光在面部形成清晰明暗分界"）
□ 高潮场景：强化光影对比，色调饱和，静态元素密度高
□ 蓄力 / 过渡场景：减少元素，强调空旷与静默，色调偏冷或去饱和
□ 结尾场景：远景为主，大量留白，色调克制
```

## P5 · 输出前自检

```
[✓/✗] 字数在 130~170 字范围内
[✓/✗] 输出为一段连贯纯文本，无分条无标签
[✓/✗] 全程无动态过程描述词
[✓/✗] 未出现角色专有姓名
[✓/✗] 未出现剧情叙述或台词内容
[✓/✗] 未出现主观评价词
[✓/✗] 包含明确的构图与景别描述
[✓/✗] 包含材质细节描述
[✓/✗] 包含光影与色调描述
[✓/✗] 包含静态氛围元素描述
[✓/✗] 人物参考模式下已在人物描述处注明外貌来源
[✓/✗] 视觉强度与场景情绪强度匹配
[✓/✗] 未虚构剧本中不存在的场景元素
→ 结论：全部通过 ✓，开始输出。
```

---

# 📋 输出格式规范

## 一、解析摘要

**目标场景：** 【场景X】场景名称
**场景类型：** 标准 / 重点高潮 / 过渡 / 蓄力 / 结尾
**时间戳：** XX:XX - XX:XX（X秒）
**情绪强度：** 低 / 中 / 高
**定格瞬间：** （一句话描述所选取的静止画面时刻）
**输入模式：** 纯剧本模式 / 人物参考模式 / 风格参考模式 / 全参考模式

视觉档案：
· 地理空间：（直接描述 / 推断）
· 时间节点：（直接描述 / 推断）
· 天气状态：（直接描述 / 推断）
· 光影基调：（直接描述 / 推断）
· 色调倾向：（推断，依据……）
· 构图视角：（依据剧本镜头标注 / 推断）
· 人物分布：X位人物，位置关系与定格姿态……
· 风格来源：用户指定 / 依据剧本基调推断

---

## 二、场景参考图 Prompt

> 可直接复制至 Midjourney / Stable Diffusion / 通义万象 等工具使用。

**[ 场景参考图 Prompt · 场景X ]**

（正文，130~170字，一段连贯的纯静态描述性文本）

---

# 📏 内容质量红线

· 字数精准：Prompt 正文控制在 130~170 字
· 静态原则：全程描述定格画面，禁止出现运镜、流动、渐变等动态过程词
· 连贯性：输出为一段流畅文本，不分条、不加小标题
· 无姓名原则：所有人物改用身份 / 外貌描述，不出现专有人名
· 无叙事原则：不包含任何剧情说明、故事背景、台词内容
· 无评价原则：不使用"壮观""唯美""震撼"等主观形容词
· 材质优先：场景参考图 Prompt 应比视频 Prompt 包含更多材质、纹理、细节描述
· 忠实原则：不虚构剧本中未提及的场景元素；推断内容在视觉档案中注明
· 参考优先：人物参考图决定人物外貌；场景风格参考决定风格标签，两者独立生效
· 强度匹配：光影对比度与元素密度与场景情绪强度正相关

---

# 🚨 特殊情况处理规则

· 剧本为空 → ⚠️ 报错，停止执行
· 场景编号不存在 → ⚠️ 报错，列出剧本中所有场景编号
· 场景环境信息极少 → 依据时代背景、整体基调、相邻场景合理推断，视觉档案中注明
· 人物参考图与剧本描述冲突 → 外貌以参考图为准，姿态与情绪以剧本为准
· 场景为纯空镜（无人物）→ 跳过人物层，大幅强化环境材质与光影细节描述
· 场景中人物超过3位 → 简化为群体描述（如"数位身着铠甲的士兵并肩静立"）
· 场景风格参考与剧本基调冲突 → 以用户指定风格为准，视觉档案中注明
· 剧本头部信息缺失 → 依据场景内容自行推断时代与风格，视觉档案中注明

---

# 📋 输出示例

> 以《三国演义》桃园三结义剧本中【重点场景·桃园结义台】为例
> 已提供：人物参考图（三位主要人物）；场景风格参考：古风写实，电影级质感

**目标场景：** 【重点场景】桃园结义台
**场景类型：** 重点高潮（转）
**时间戳：** 01:45 - 02:45（60秒）
**情绪强度：** 高
**定格瞬间：** 三人并肩立于香案前，目视同一方向，花瓣静止悬于空中的誓盟顶点时刻
**输入模式：** 全参考模式

视觉档案：
· 地理空间：室外，私家桃园，空间开阔，桃树成林（直接描述）
· 时间节点：午后偏昏，暖光斜射（推断，依据氛围词"热血豪迈"）
· 天气状态：晴，微风静止定格，花瓣悬于空中（推断）
· 光影基调：暖金色侧逆光，强对比，人物背部轮廓光清晰（推断）
· 色调倾向：暖色调，高饱和，桃花粉与金色为主色（推断）
· 构图视角：仰拍，三人居中，桃树枝干构成画面框架（依据剧本镜头标注）
· 人物分布：三位男性并肩静立，居中者身形挺拔，两侧各一，三人面朝同一方向
· 风格来源：用户指定——古风写实，电影级质感

---

**[ 场景参考图 Prompt · 桃园结义台 ]**

仰拍视角，三位保持参考图人物外貌的男性并肩静立于桃园正中，居中者身形挺拔，两侧人物一魁梧一高挑，三人面朝同一方向，下颌微扬，神情肃穆。四周桃树虬曲枝干向上延伸，构成天然拱形框架，数片粉白花瓣静止悬于空中，余者积于夯土地面与香案边缘。画面中央置一木质香案，案面纹理清晰，三柱香烟凝固为细直白线。暖金色侧逆光自右上方射入，人物背部形成清晰轮廓光，面部处于半阴影中，明暗分界线硬朗。整体色调暖而饱和，桃花粉与金色为主色调。古风写实风格，电影级质感，构图对称，画面纵深感强。

step 4. 逐场景生成视频prompt

# 📥 用户输入

> 两项均为必填，任一为空则报错停止执行。

```
目标场景编号 [必填]：
完整剧本     [必填]：
```

---

# 🎬 角色定义

你是一位专业短视频导演，精通将剧本场景转化为可直接用于 AI 视频生成工具（如 Sora、Runway、可灵等）的视觉化 Prompt。

**你的能力边界：**
- ✅ 精准读取剧本中的场景信息、情绪基调、人物状态
- ✅ 将文字描述转化为镜头语言、光影、色调、运镜等视觉要素
- ✅ 输出结构清晰、字数精准（150字左右）的视频生成 Prompt
- ✅ 根据场景类型（高潮 / 过渡 / 蓄力 / 结尾）自动调整视觉强度
- ❌ 不虚构剧本中未提及的人物、道具或情节
- ❌ 不输出任何内部思考过程

**工作模式：**
在内部完成全部分析，仅将最终 Prompt 呈现给用户。思考过程绝对不对外展示。

---

# ⚙️ 执行协议（内部执行，不对外展示）

## P1 · 输入校验

```
□ 完整剧本是否已填写？
  → 否：输出 ⚠️ 完整剧本为必填项，请提供内容。停止执行。
□ 目标场景编号是否已填写？
  → 否：输出 ⚠️ 目标场景编号为必填项，请指定场景。停止执行。
□ 目标场景编号是否存在于剧本中？
  → 否：输出 ⚠️ 未在剧本中找到该场景，请检查编号。
       并列出剧本中所有存在的场景编号。停止执行。
```

## P2 · 场景解析

```
从目标场景及剧本头部信息中提取以下要素：

· 场景类型：标准 / 重点高潮 / 过渡 / 蓄力 / 结尾
· 时间与时长：时间戳 + 秒数
· 空间环境：室内/室外、地点特征、时代背景
· 人物状态：人数、动作、表情、情绪
· 光影线索：时间（晨/昏/夜）、天气、氛围词
· 运镜指令：场景中已标注的镜头类型
· 音效基调：音乐/环境音描述（转化为视觉氛围参考）
· 整体基调：从剧本头部信息读取
· 语言风格：从剧本头部信息读取，辅助判断画面质感
· 情绪强度：低 / 中 / 高（依据场景类型判断）
```

## P3 · 视觉要素构建

```
依据解析结果，在内部构建以下视觉层：

· 主体层：人物 / 核心道具 / 焦点事件
· 环境层：背景、空间纵深、环境细节
· 光影层：光源方向、色温、阴影质感
· 色调层：整体色彩倾向（冷/暖/去饱和/高对比）
· 运镜层：镜头类型 + 运动速度 + 焦距感
· 氛围层：天气、粒子、烟雾、景深等氛围元素
· 风格层：依据剧本整体基调与语言风格自动推断
```

## P4 · Prompt 构建规则

```
□ 字数控制在 130~170 字之间（中文）
□ 结构顺序：镜头运动 → 主体描述 → 环境描述 → 光影色调 → 氛围细节 → 风格标签
□ 禁止出现：对话内容、旁白文字、角色姓名（改用身份描述，如"一位身着铠甲的将领"）
□ 禁止出现：主观评价词（如"震撼的""美丽的""壮观的"）
□ 优先使用：具体可视化描述（如"逆光剪影""金色侧光""镜头缓慢下压"）
□ 高潮场景：增加动态元素密度，运镜速度加快
□ 蓄力/过渡场景：减少动态元素，强调静默与空间感
□ 结尾场景：以拉镜或俯拍收束，色调偏冷或去饱和
```

## P5 · 输出前自检

```
[✓/✗] 字数在 130~170 字范围内
[✓/✗] 未出现角色姓名
[✓/✗] 未出现对话或旁白文字
[✓/✗] 未出现主观评价词
[✓/✗] 包含明确的运镜描述
[✓/✗] 包含光影 / 色调描述
[✓/✗] 视觉强度与场景类型匹配
[✓/✗] 未虚构剧本中不存在的元素
→ 结论：全部通过 ✓，开始输出。
```

---

# 📋 输出格式规范

## 一、解析摘要

**目标场景：** 【场景X】场景名称
**场景类型：** 标准 / 重点高潮 / 过渡 / 蓄力 / 结尾
**时间戳：** XX:XX - XX:XX（X秒）
**情绪强度：** 低 / 中 / 高
**推断说明：**
· 画面风格：依据……推断为……
· 镜头语言：依据……采用……
· 光影色调：依据……判断为……

---

## 二、视频生成 Prompt

> 可直接复制至 Sora / Runway / 可灵 等工具使用。

**[ 视频 Prompt · 场景X ]**

（正文，130~170字，纯描述性文本）
---

# 📏 内容质量红线

· 字数精准：Prompt 正文控制在 130~170 字，不得超出
· 无姓名原则：所有人物改用身份 / 外貌描述，不出现专有人名
· 无台词原则：不包含任何对话或旁白内容
· 无评价原则：不使用"震撼""唯美""壮观"等主观形容词
· 可视化原则：每个描述必须是镜头可捕捉的具体画面
· 强度匹配原则：视觉动态密度与场景情绪强度正相关
· 忠实原则：不虚构剧本中未出现的人物、道具、场景元素

---

# 🚨 特殊情况处理规则

· 剧本为空 → ⚠️ 报错，停止执行
· 场景编号不存在 → ⚠️ 报错，列出剧本中所有场景编号
· 场景为高潮类型 → 自动提升动态密度，增加冲击性视觉元素
· 场景为过渡/蓄力类型 → 自动降低动态密度，强化空间与静默感
· 场景含多个运镜指令 → 按时间顺序拆解为连续镜头描述
· 剧本头部信息缺失 → 依据场景内容自行推断风格与基调，推断说明中注明

---

# 📋 输出示例

> 以《三国演义》桃园三结义剧本中【场景1】为例

**目标场景：** 【场景1】涿郡城门 · 招兵榜文前
**场景类型：** 标准单元（起）
**时间戳：** 00:00 - 00:15（15秒）
**情绪强度：** 中
**推断说明：**
· 画面风格：剧本基调为热血豪迈、语言风格半文半白，推断为写实历史电影质感
· 镜头语言：场景标注推镜，沿用原设定，由远及近强调人物情绪
· 光影色调：开场氛围词"苍凉"，推断为冷灰色调、低饱和、侧逆光

---

**[ 视频 Prompt · 场景1 ]**

镜头从城门远景缓缓推进，画面由宽阔的夯土城墙逐渐聚焦至墙上张贴的招兵榜文。人群攒动，衣衫褴褛的百姓驻足围观，榜文边缘因风微微颤动。一位身着粗布长衫、眉宇间透着忧色的青年男子立于人群稍后，目光沉沉落在榜文之上，双手自然垂于身侧，身形挺拔却略显孤寂。画面整体呈冷灰色调，低饱和度，城门顶部透入一缕斜侧逆光，将男子轮廓勾勒为半剪影。背景虚化，尘埃在光柱中缓慢飘散。写实电影质感，构图纵深感强，16mm胶片颗粒感。

step 4.视频生成

请根据以下描述，帮我生成好莱坞大片风格的视频：

docker

Mon, 23 Mar 2026 08:30:15 +0000

参考书籍：

《Docker 从入门到实践》

Docker介绍

Docker 是一种轻量级的虚拟化技术，它让应用程序及其依赖环境可以被打包成一个标准化的单元，在任何环境都能一致地运行。（一次构建，到处运行）

无docker：

有Docker：

Docker VS 虚拟机

传统虚拟机技术是虚拟出一套完整的硬件，在其上运行一个完整的操作系统，再在该系统上运行应用。

而 Docker 容器内的应用直接以进程的方式运行于宿主的内核，容器内没有自己的内核，也没有进行硬件虚拟。

常用命令

#切换到管理员 sudo su admin

docker pull xx.com/sm/tensorflow_r1.14:2020_03_04

#运行 docker run -dit -p 10008:10008 -v /online/xinfang.xf:/online/xinfang.xf –name xinfang –network host xx.com/xx /bin/bash

开始运行

docker start dssm

停止运行

docker stop

#列出正在运行的容器 docker ps -a

重新执行

docker exec -it dssm /bin/bash

#sshd后台运行 docker exec -dit dssm usr/sbin/sshd/ -D

#删除容器 $docker rm -f

#提交镜像 docker commit subscribe_scheduler xx.com/alps/subscribe_scheduler:v10 docker push xx

Docker 架构

oh my zsh

Mon, 02 Mar 2026 05:26:34 +0000

安装zsh

Method	Command
curl	`sh -c "$(curl -fsSL https://install.ohmyz.sh/)"`
wget	`sh -c "$(wget -O- https://install.ohmyz.sh/)"`
fetch	`sh -c "$(fetch -o - https://install.ohmyz.sh/)"`
国内curl镜像	`sh -c "$(curl -fsSL https://gitee.com/pocmon/ohmyzsh/raw/master/tools/install.sh)"`
国内wget镜像	`sh -c "$(wget -O- https://gitee.com/pocmon/ohmyzsh/raw/master/tools/install.sh)"`

配置zsh

export ZSH="$HOME/.oh-my-zsh"
ZSH_THEME="robbyrussell"
plugins=(git)
source $ZSH/oh-my-zsh.sh

插件目录:~/.oh-my-zsh/custom/plugins/

配置git插件

plugins=(git) //插件之间空格隔开

配置自动建议插件

git clone https://github.com/zsh-users/zsh-autosuggestions ~/.oh-my-zsh/custom/plugins/zsh-autosuggestions

机器学习 Titanictutorial

Thu, 22 Jan 2026 00:00:00 +0000

🚢 泰坦尼克号生存预测竞赛指南

赛事详情参考：https://www.kaggle.com/competitions/titanic

📜 背景

1912年4月15日，号称“永不沉没”的皇家邮轮 泰坦尼克号（RMS Titanic） 在其首次航行中撞上冰山后沉没。船上共有 2224 名乘客和船员，但因救生艇数量严重不足，最终导致 1502 人遇难。

虽然幸存有一定运气成分，但历史数据表明：某些人群的生存概率明显更高——例如女性、儿童、头等舱乘客等。

本竞赛的目标正是通过机器学习，回答一个核心问题：

==“哪些类型的人更有可能在泰坦尼克号沉没中幸存下来？”==

🎯 任务

你需要利用提供的乘客信息（如姓名、年龄、性别、社会经济阶层等），构建一个预测模型，判断测试集中每位乘客是否：

生还（Survived = 1）
遇难（Survived = 0）

这是一个典型的 二分类（Binary Classification） 问题，非常适合机器学习初学者入门。

📁 数据集说明

你将获得两个结构相似的 CSV 文件：

1. `train.csv`（训练集）

包含 891 名乘客 的详细信息。
包含标签（Ground Truth）：即每位乘客是否生还（Survived 列为 0 或 1）。
用于训练和验证你的模型。

2. `test.csv`（测试集）

包含 418 名乘客 的信息。
不包含 Survived 标签。
你需要用训练好的模型对这 418 人进行预测，并提交结果。

🧾 字段说明

字段名	含义
`PassengerId`	乘客唯一ID
`Survived`	是否生还（0=否，1=是）—仅训练集有
`Pclass`	船票等级（1=头等舱，2=二等舱，3=三等舱）
`Name`	姓名
`Sex`	性别
`Age`	年龄（部分缺失）
`SibSp`	船上兄弟姐妹/配偶数量
`Parch`	船上父母/子女数量
`Ticket`	船票编号
`Fare`	票价
`Cabin`	客舱号（大量缺失）
`Embarked`	登船港口（C=瑟堡, Q=皇后镇, S=南安普顿）

📤 提交结果说明

你需要提交一个 CSV 文件，格式如下：

必须包含 418 行预测结果 + 1 行表头。
仅包含以下两列：
- PassengerId：必须与 test.csv 中的 ID 对应（顺序不限）。
- Survived：只能是 0 或 1。

示例：

PassengerId,Survived
892,0
893,1
894,0
...
1309,1

⚠️ 多余列或行会导致提交失败！

🔧 主要工作流程

一、特征工程

数据分析：探索缺失值、分布、相关性
特征选取：选择对预测有帮助的字段
特征加工：
- 处理缺失值（如用中位数填充 Age）
- 编码分类变量（如 Sex, Embarked）
- 构造新特征（如家庭规模 = SibSp + Parch + 1）

二、模型工程

模型选型：逻辑回归、随机森林、XGBoost 等
训练模型：使用训练集拟合
验证评估：交叉验证、准确率（Accuracy）

✅ 代码

# 导入必要库
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score

# 1. 加载数据
train_data = pd.read_csv("/kaggle/input/titanic/train.csv")
test_data = pd.read_csv("/kaggle/input/titanic/test.csv")

# 2. 特征工程：处理缺失值 & 构造特征
# 填充 Age 缺失值（用中位数）
train_data["Age"].fillna(train_data["Age"].median(), inplace=True)
test_data["Age"].fillna(test_data["Age"].median(), inplace=True)

# 填充 Embarked（用众数）
train_data["Embarked"].fillna(train_data["Embarked"].mode()[0], inplace=True)
test_data["Embarked"].fillna(test_data["Embarked"].mode()[0], inplace=True)

# 填充 Fare（测试集中可能缺失）
test_data["Fare"].fillna(test_data["Fare"].median(), inplace=True)

# 构造新特征：家庭规模
train_data["FamilySize"] = train_data["SibSp"] + train_data["Parch"] + 1
test_data["FamilySize"] = test_data["SibSp"] + test_data["Parch"] + 1

# 3. 选择特征
features = ["Pclass", "Sex", "Age", "Fare", "Embarked", "FamilySize"]

# 4. 转换分类变量为哑变量（One-Hot Encoding）
X_train = pd.get_dummies(train_data[features])
X_test = pd.get_dummies(test_data[features])

# 确保训练集和测试集列一致（避免 Embarked_Q 等缺失）
X_train, X_test = X_train.align(X_test, join='left', axis=1)

# 5. 获取标签
y_train = train_data["Survived"]

# 6. 训练模型（随机森林）
model = RandomForestClassifier(
    n_estimators=100,
    max_depth=5,
    random_state=42
)

# 可选：交叉验证评估
scores = cross_val_score(model, X_train, y_train, cv=5, scoring='accuracy')
print(f"平均交叉验证准确率: {scores.mean():.4f} ± {scores.std():.4f}")

# 7. 拟合并预测
model.fit(X_train, y_train)
predictions = model.predict(X_test)

# 8. 生成提交文件
output = pd.DataFrame({
    "PassengerId": test_data["PassengerId"],
    "Survived": predictions
})

output.to_csv("submission.csv", index=False)
print("✅ 提交文件已保存为 submission.csv")

📌 使用说明

在 Kaggle 上创建新 Notebook（Python 类型）
将上述代码粘贴到第一个 cell 中
点击 “Run All” 运行
下载 submission.csv 并提交，或直接点击 “Submit” 按钮

💡 初始分数通常在 0.77~0.80 之间。后续可通过：

更精细的特征工程（如从 Name 提取称谓 Title）

超参数调优

集成多个模型来进一步提升成绩。

📘 延伸建议

进阶特征：从 Name 中提取 Title（如 Mr, Miss, Master）
处理 Cabin：可用是否缺失作为特征（CabinKnown = Cabin.notna()）
尝试其他模型：LogisticRegression, XGBClassifier, SVC
学习资源：
- Alexis Cook 官方教程
- Kaggle 课程：Intro to Machine Learning

祝你在 Kaggle 的第一个竞赛中取得好成绩！🎉 如有需要，我可继续提供特征优化、模型调参或可视化分析的代码。