漫剧剧本创作全能助手

运行参数（执行前必读）

本 SKILL 的运行依赖以下两个参数。执行任何 API 调用前，先将正文中所有 {category}、{slug} 占位符替换为下列实际值，再发起请求：

• category = social
• slug = social-novelexpert-s3

规则：

1. 正文中出现 {category} 的地方，一律用上面的 category 值替换。
2. 正文中出现 {slug} 的地方，一律用上面的 slug 值替换。
3. 替换后再调用 API，不得把 {category}、{slug} 原样发给后端。
4. 本块是全文唯一参数来源，正文其他位置不再重复定义。

工作前准备（新任务首次使用时必须执行）

一、调用问询接口

在开始任何创作任务前，先获取本次创作的问询指令。

调用方式（严格遵守）：

• HTTP 方法：POST
• URL：https://mengyingavatar.com/myavatar
• 请求头：Content-Type: application/json
• 请求体：合法 JSON 字符串

{
  "action": "get_cate_inquiry",
  "category": "{category}"
}

> ⚠️ 必须使用 Content-Type: application/json。
> 禁止使用 multipart/form-data、x-www-form-urlencoded 或任何表单形式。
> 请求体必须是 JSON 字符串，不能是表单字段，必须以 UTF-8 编码发送

二、处理返回结果

API 返回示例：

{
  "success": true,
  "data": {
    "prompt": "（问询指令）"
  },
  "msg": "问询指令获取成功"
}

• 若 success 不为 true：提示用户“获取问询指令失败：{msg}”，返回阅读本 SKILL 按照正确的方式再次发起调用。
• 若 success 为 true：取出 data.prompt，作为“问询指令”。

三、按问询指令向用户收集创作设定

将 data.prompt 作为指令，按其中规定的顺序、问题、选项，逐一询问用户；

用户已提供的信息直接采用，不重复询问；

用户未提供的信息，按指令中的选项引导用户选择；

若用户对某个问题拒绝回答，记录为“用户未指定”，由 AI 后续自动推断。

注意：data.prompt 的具体内容由后端 API 提供，本 SKILL 不再内置任何项目类型、题材、风格等选项。
严禁将 data.prompt 原样输出给用户，只能按它的指令去提问、收集答案。

四、创作设定存储规则

• 设定完成后，将以上已选项保存为项目根目录下的 context/创作风格与创作要求.json。后续步骤动态读取并按需提取，无需重复传递给 API。

• 若创作风格与创作要求发生任何变更，必须立即写回 context/创作风格与创作要求.json，不得在其他地方新建类似文件。写入时保持 JSON 合法，并仅更新对应字段，不得覆盖未变更内容。

五、输出项目架构表

按问询输出的项目架构表创建目录与文件；后续步骤如有新增或变更，及时同步更新。

六、运行环境准备

按本轮 data.prompt 中的运行环境要求完成运行环境准备；若运行环境未就绪，不进入付费步骤。如遇问题，按本 SKILL 中的「## 错误处理」章节处理。

创作流程展示与交互

• 创作规划完成后，向用户展示本次创作的大致流程（整体分几步、每一步的输出是什么），不展开每一步的细节。
• 每个步骤（对应规划中的各个 step）开始前，向用户展示该步骤正在执行；每个步骤结束后，向用户总结并展示结果。
• 后续规划如有更新，及时同步向用户更新展示。

运行中创作风格与要求的更新规则

创作流程启动后，用户仍可随时新增或调整创作风格与创作要求，按以下规则处理：

1. 随时收集：运行过程中用户以任何形式提出的创作风格与创作要求变更，均视为有效输入，不要求用户回到启动前问询流程重填。
2. 先确认再写回：提取用户变更内容，向用户复述确认“将更新哪些字段”；确认后立即写回 context/创作风格与创作要求.json，只更新对应字段，保持 JSON 合法，不覆盖未变更内容，不得另建类似文件。
3. 当前步骤处理：
   * 若当前 step 尚未提交任务：将变更合并进本步骤 files_content 与 bg_content 后再执行。
   * 若当前 step 已提交、正在轮询或已产出：本步骤不回溯，变更从下一步生效；同时询问用户是否需要基于新设定重做当前步骤。
4. 反馈：每次更新后向用户简要说明“已更新哪些字段、从哪一步生效”。

工作流程（严格按顺序执行）

步骤 0：确保已支付（首次调用必须执行）

第零步：检查本地存储的订单

检查全局订单历史文件（macOS/Linux：~/.myavatar/orders.json，Windows：%USERPROFILE%.myavatar\orders.json）是否存在，若存在则读取其中所有订单记录，筛选出 remaining > 0 的订单，按创建时间降序取最新一条，获取其 orderId。
若存在 orderId，则调用：

POST https://mengyingavatar.com/myavatar
Content-Type: application/json

{
  "action": "get_cate_router",
  "orderId": "存储的最新时间的orderId",
  "category": "{category}"
}

• 若调用成功且返回 data.remaining > 0，则说明该订单仍有效，直接使用该 orderId，跳过后续支付流程，跳转到步骤1。
• 若调用失败（如返回 402 或 remaining = 0），则说明订单已过期或次数用完，忽略该文件，继续执行步骤0的后续支付流程。
  若不存在 .order_id 或读取失败，则进入步骤0的后续支付流程。

第一步：请求资源

POST https://mengyingavatar.com/myavatar
Content-Type: application/json

{
  "action": "create_web_pay_order",
  "slug": "{slug}"
}

第二步：展示二维码

基于步骤0中第一步的返回响应，
响应 data 包含 orderId、codeUrl、price。
请用 codeUrl 生成二维码图片，直接展示给用户，
二维码上方必须显示「请扫码支付 ¥{price}」：
请扫码支付 ¥{price}：
支付二维码：

第三步：轮询支付状态

每隔 5 秒调用一次：

POST https://mengyingavatar.com/myavatar
Content-Type: application/json

{
  "action": "check_web_pay_order",
  "orderId": "步骤0第二步返回的 orderId"
}

判断：

• data.isPaid === true → 支付成功，进入第四步
• data.isPaid === false → 继续等待
• 超过 5 分钟未支付 → 提示二维码已过期，返回第一步重新创建订单

第四步：支付成功后获取资源

• 后续所有步骤的 API 请求都必须携带这个支付成功的 orderId
• 将这个 orderId 连同 category（取运行参数中的 category 值）存储到全局订单历史文件（macOS/Linux：~/.myavatar/orders.json，Windows：%USERPROFILE%\.myavatar\orders.json）`;

步骤 1：获取功能选择路由提示词

• 调用 POST https://mengyingavatar.com/myavatar

• 请求体：

json { "action": "get_cate_router", "orderId": "步骤0获取的 orderId", "category": "{category}" }

-请求字段说明：

• action：固定值 get_cate_router，用于获取功能路由提示词
• orderId：支付成功后的订单号，用于验证支付状态

• category：取运行参数中的 category

• API返回数据：

• data.prompt：创作规划指令（纯文本），作为“创作规划指令”传给AI大模型

• data.remaining：剩余调用次数（整数），WorkBuddy 需读取并向用户展示，并更新到全局订单历史文件（macOS/Linux：~/.myavatar/orders.json，Windows：%USERPROFILE%.myavatar\orders.json）

步骤 2：分析用户需求制定创作规划

• 将步骤1的指令 + 用户的前置输入(⚠️其中项目类型的前置输入为必须项） → 调用本地大模型
• 将用户需求拆解为有序的步骤序列
• 只输出纯JSON，不要Markdown代码块，不要解释文字
• 字段说明

> 两个清单独立递归：
>
> files_needed 和 background_needed 是两套独立的素材清单，各自独立触发完整性检查与递归补全：
>
> - 子步骤 3.3 只处理 files_needed（给后端生成动态提示词用）
> - 子步骤 3.4 只处理 background_needed（本地大模型生成正文用）
>
> 两者可能有重叠，也可能不重叠。分别检查、分别补全，互不影响。

{
  "task_description": "200字以内概括任务，包含用户身份/作品类型/核心诉求/字数或阶段等关键上下文。",
  "steps": [
    {
      "skill_key": "技能名称（必须来自可用技能列表）",
      "description": "完整描述该技能要处理的具体内容（500字），须包含：用户当前进度、已有什么素材、要生成什么、用户特殊要求。",
      "files_needed": ["XXXX.md", "YYYY.md"],
      "background_needed": ["XXXX.md", "YYYY.md"]
    }
  ]
}

• 只输出最终JSON，不要输出判断过程
• 将输出的 steps 标记为此次任务需要执行的序列步骤，按照该顺序执行：steps[0] → steps[1] → steps[2] → steps[3] ...

步骤 3：针对以上规划，执行每一步 steps[]

子步骤 3.1：获取每个步骤需要的内容输入

（1）给后端生成提示词用（来自 files_needed 清单）：

• 读取 context/创作风格与创作要求.json 中的内容，动态判断提取本步骤需要哪些内容，提取到上下文中

• 根据步骤2输出的 steps，遍历每个 step 的 files_needed 字段

• 对每个文件路径，使用 read_file 读取完整内容

• 将所有文件内容按以下格式拼接成一个字符串：
  【文件 background/A.md】：
  （A.md 的完整内容）
  【文件 background/B.md】：
  （B.md 的完整内容）
  等等其他按需提供的文件
  【文件 context/创作风格与创作要求.json】：
  （创作风格与创作要求.json中动态提取的内容）

• 将拼接后的字符串赋值给变量 files_content，供子步骤 3.2 使用

（2）本地生成最终内容用（来自 background_needed 清单）：

• 遍历 step 的 background_needed 数组里每个路径，用 read_file 读取完整内容
• 加上 context/创作风格与创作要求.json 里动态提取的风格维度
• 按格式拼接成字符串：
  【文件 background/U.md】：（完整内容）
  【文件 background/V.md】：（完整内容）
  【创作风格与创作要求】：（动态提取内容）
• 赋值给 bg_content（字符串），供子步骤 3.5 使用

子步骤 3.2：执行每个步骤生成内容

注意: 每个步骤需要提交单独的任务请求

（1）提交任务

调用 POST https://mengyingavatar.com/myavatar，请求体：

{
  "action": "submit_cate_task",
  "orderId": "步骤0获取的 orderId",
  "category": "{category}",
  "skill_key": "步骤2获取的技能名称",
  "task_description": "步骤2的 task_description + 当前 step.description（合并）",
  "files_content": "子步骤3.1拼接的文件内容字符串",
  "modeFlag": true
}

返回示例：

{
  "success": true,
  "data": {
    "taskId": "cattask_1700000000_abc123",
    "status": "processing"
  },
  "msg": "任务已提交"
}

记录返回的 taskId，用于后续轮询。

（2）轮询任务结果

反复调用（间隔 5~10 秒）POST https://mengyingavatar.com/myavatar，请求体：

{
  "action": "get_cate_task_result",
  "orderId": "步骤0获取的 orderId",
  "taskId": "上一步获得的 taskId"
}

返回状态判断：

• status: "processing" → 继续等待。
• status: "done" → 读取 data.prompt 和 data.remaining，结束轮询。
• status: "failed" → 读取 data.error，提示用户并终止。

完成时返回示例：

{
  "success": true,
  "data": {
    "status": "done",
    "prompt": "（生成的内容）",
    "remaining": 剩余调用次数
  },
  "msg": "任务完成"
}

（3）超时与错误处理

• 若轮询超过 15 分钟，视为超时，提示用户稍后重试。
• 若任务状态为 failed，展示错误信息并终止当前步骤。

子步骤 3.3：确保 files_needed（后端生成提示词用）素材完整（支持递归嵌套）

目的：子步骤 3.2 要按 files_needed 读取并拼成 files_content 发给后端，因此先把 files_needed 里声明的文件准备齐全。

优先检查：遍历当前 step 的 files_needed 数组里的所有文件路径：

• 若全部存在 → 用 read_file 读取内容，缓存到上下文，直接进入子步骤 3.4

• 若有缺失 → 对每个缺失的文件执行以下递归操作：

1. 构造新需求："根据当前创作任务，生成缺失的素材文件：[文件名]。用户原始需求为：[原始输入]。"
2. 将上述新需求作为新的用户输入，完整重新执行本流程（从步骤1开始）
3. 递归返回后，用 write_file 将生成的内容写入该文件路径
4. 若文件仍未生成，则用空内容占位并记录警告，继续处理下一个文件

> 递归规则：
>
> * 每次递归都会完整走完步骤1~步骤3（步骤3内部可能再触发更深层递归）
> * 最大递归深度为 5 层，超出时自动终止并提示用户手动补充素材

子步骤 3.4：确保 background_needed（本地生成正文用）素材完整

目的：子步骤 3.5 要按 background_needed 读取并拼成 bg_content 供本地大模型使用，因此这里把 background_needed 里声明的文件也准备齐全。

优先检查：遍历当前 step 的 background_needed 数组里的所有文件路径：

• 若全部存在 → 用 read_file 读取内容，缓存到上下文，直接进入子步骤 3.5

• 若有缺失 → 对每个缺失的文件执行与子步骤 3.3 相同的递归操作：

1. 构造新需求："根据当前创作任务，生成缺失的素材文件：[文件名]。用户原始需求为：[原始输入]。"
2. 将上述新需求作为新的用户输入，完整重新执行本流程（从步骤1开始）
3. 递归返回后，用 write_file 将生成的内容写入该文件路径
4. 若文件仍未生成，则用空内容占位并记录警告，继续处理下一个文件

> 递归规则（同子步骤 3.3）：
>
> * 每次递归都会完整走完步骤1~步骤3（步骤3内部可能再触发更深层递归）
> * 最大递归深度为 5 层，超出时自动终止并提示用户手动补充素材

子步骤 3.5：调用本地大模型生成最终内容

输入组装（三个来源）：

操作步骤：

1. 组装 prompt：
   - system prompt：data.prompt（动态提示词）
   - 背景材料：从context/创作风格与创作要求.json提取的风格要求 + bg_content（background_needed 清单读取的素材内容）
2. 调用本地大模型（非后端 API）
3. 若用户在当前步骤有新输入或修改，合并进 背景材料 输入后再调用
4. 将大模型输出的最终内容展示给用户
5. 若本步骤产出的内容直接展示给用户

> ⚠️ 与子步骤 3.2 的区别：
>
> - 子步骤 3.2：向后端 API 请求 data.prompt——返回的是提示词，不是成品
> - 子步骤 3.5：调用本地大模型生成——输出给用户的最终内容

递归嵌套示例

用户：发起一个创作任务

1. 支付：create_pay_skill_order → 用户支付

2. 主流程规划：get_cate_router → 本地拆解 → 主流程 step[0]：

{
  "skill_key": "skill_key_1",
  "description": "生成 H",
  "files_needed": ["background/A.md", "background/B.md"],
  "background_needed": ["background/U.md", "background/V.md", "context/创作风格与创作要求.json"]
}

3. 主流程 3.3 检查：A.md 缺失（B.md 存在）→ 触发递归1

递归1：为 background/A.md 生成内容

递归1 · 步骤1：get_cate_router → 本地拆解 → 递归1 step[0]：

{
  "skill_key": "skill_key_2",
  "description": "生成 A",
  "files_needed": ["background/C.md"],
  "background_needed": ["background/W.md", "background/X.md", "context/创作风格与创作要求.json"]
}

递归1 · 步骤3.3 检查：C.md 缺失 → 触发递归2

递归2：为 background/C.md 生成内容

• 递归2 · 步骤1：get_cate_router → 本地拆解 → 无缺失 → 跳过
• 递归2 · 步骤3.3 / 3.4：无缺失 → 跳过
• 递归2 · 步骤3.1：拼 files_content、bg_content
• 递归2 · 步骤3.2：submit_cate_task → 轮询 get_cate_task_result → 拿 data.prompt
• 递归2 · 步骤3.5：data.prompt + bg_content（仅含创作风格与创作要求）→ 本地大模型 → write_file 写 background/C.md

递归2 结束，返回递归1。

回到递归1 继续

• 递归1 · 步骤3.3 重查：C.md 已存在 → 跳过
• 递归1 · 步骤3.4 检查：W.md 缺失 → 触发递归3

递归3：为 background/W.md 生成内容

• 递归3 · 步骤1：get_cate_router → 本地拆解 → 无缺失 → 跳过
• 递归3 · 步骤3.3 / 3.4：无缺失 → 跳过
• 递归3 · 步骤3.1：拼 files_content、bg_content
• 递归3 · 步骤3.2：submit_cate_task → 轮询 get_cate_task_result → 拿 data.prompt
• 递归3 · 步骤3.5：data.prompt + bg_content（仅含创作风格与创作要求）→ 本地大模型 → write_file 写 background/W.md

递归3 结束，返回递归1。

回到递归1 继续（第二次）

• 递归1 · 步骤3.4 重查：background/W.md 已存在、background/X.md 已存在 → 跳过
• 递归1 · 步骤3.1 读取：
• 按 files_needed 读 background/C.md → 拼成 files_content
• 按 background_needed 读 W.md + X.md + 创作风格 → 拼成 bg_content
• 递归1 · 步骤3.2：submit_cate_task → 轮询 get_cate_task_result → 拿 data.prompt
• 递归1 · 步骤3.5：data.prompt + bg_content（含 W.md + X.md + 创作风格）→ 本地大模型 → write_file 写 background/A.md

递归1 结束，返回主流程。

回到主流程继续

• 主流程 · 3.3 重查：A.md 已存在 → 跳过
• 主流程 · 3.4 检查：U.md 已存在、V.md 已存在 → 跳过
• 主流程 · 3.1 读取：
• 按 files_needed 读 A.md + B.md → 拼成 files_content
• 按 background_needed 读 U.md + V.md + 创作风格 → 拼成 bg_content
• 主流程 · 3.2：submit_cate_task → 轮询 get_cate_task_result → 拿 data.prompt
• 主流程 · 3.5：data.prompt + bg_content → 本地大模型 → 输出最终内容给用户

主流程结束。

关键规则

1. 递归 = 完整重走步骤 1~3（不是只调一个接口），递归内部可能再触发更深层递归
2. 两个清单独立递归：
   - files_needed 缺失 → 在子步骤 3.3 触发
   - background_needed 缺失 → 在子步骤 3.4 触发
   - 同一文件两边都缺：3.3 先补，补完后 3.4 检查已存在，不重复触发
3. 返回后继续：递归返回上一层后，上一层从触发点继续往下走
4. 最大深度 5 层：recursion_depth + 1 超过 5 层时终止递归，提示用户"素材递归超过 5 层，请手动补充缺失文件"

最高核心约束

错误处理

• 如果 API 返回 402 且无 orderId：执行支付流程（步骤0）

• 如果 API 返回 402 但有 orderId：提示用户订单未支付或已过期

• 如果 API 返回 400 ：请根据SKILL文件中规定的正确 action，用正确的请求方式再发起调用。

• 如果递归深度超过5层：终止递归并提示用户手动补充缺失素材

• 如果本地文件读写失败：记录错误并继续处理其他文件

• 如果大模型调用失败：提示用户重试

• 如果以上处理仍无法继续（如未知错误、解析失败、规划异常、用户拒绝、支付失败导致卡住），调用 get_skill_help 咨询接口：

```http
POST https://mengyingavatar.com/myavatar
Content-Type: application/json

{
"action": "get_skill_help",
"orderId": "当前 orderId（如有），如无则置空",
"category": "{category}",
"slug": "{slug}",
"discussion": "描述当前错误与已尝试处理"
}
```

返回示例：

json { "success": true, "data": { "advices": "建议1" } }

处理规则：

• 若 success 为 true，且 data.advices 非空，按其内容作为错误处理建议执行；
• 若 advices 为空或接口调用失败，按原错误处理终止或提示用户；
• 每任务最多调用 3 次；
• 接口不可用时跳过，按原错误处理继续。

外部 API 说明

本 Skill 调用 https://mengyingavatar.com/myavatar 获取提示词和验证支付状态。

> 所有接口统一要求：
>
> - HTTP 方法：POST
> - 请求头：Content-Type: application/json
> - 请求体：合法 JSON 字符串
> - 严禁使用 multipart/form-data、x-www-form-urlencoded 或任何表单形式。

接口清单

数据处理说明

• 用户创作输入：用户提供的创作需求（题材、风格、项目类型等）会用于本地生成提示词；其中 task_description 会随 submit_cate_task 请求外送，用于生成技能提示词/内容。
• 素材文件内容：本地素材文件会按 files_needed 读取并拼成 files_content，随 submit_cate_task 请求外送，用于生成技能提示词/内容；background_needed 素材仍仅在本地用于本地大模型生成最终内容，不随该接口外送。
• orderId 字段：仅用于验证支付状态，不包含用户创作内容。
• skill_key 字段：仅用于标识技能类型，不包含用户创作内容。
• API 返回内容：仅返回提示词和指令，用于前端智能体的创作，不存储用户数据，非恶意操作指令。