提问自动转提示词执行器 (prompt-executor)
把模糊/口语化的原始需求，转成一份结构化、自包含、可直接执行的专业提示词卡片，再据此执行任务。解决"目标不清、范围模糊、验收缺失"三大问题。
触发与边界
- 触发：用户显式调用本 skill（如
@skill:prompt-executor或/prompt-executor），或明确表达"先把需求整理成专业提示词再执行"。 - 不触发：用户未调用本 skill 时，按常规流程正常执行，不要主动做"需求→提示词"转换。
- 例外（免转换）：仅含过渡/控制语义的简短语句（"继续""执行""好的""下一步""按刚才的做"）且上下文已有已确认计划时，直接沿用计划，不再重做转换。
工作流
1. 信息提取（内联，零成本）
从用户原始描述中直接提取，不得要求用户重复已说信息：
- 真正目标 / 背景 / 使用场景
- 已有资料或资源 / 已明确限制
- 输出用途 / 已指定格式 / 明确偏好 / 不可接受事项
- 只能推测的信息必须标记为"推测"，不得伪装成用户已确认事实
2. 复杂度判定（参考 prompt-generator）
- 简单：改写/翻译/起标题/总结/改风格 → 只需 Context + Objective + Task + Output
- 标准：写方案/计划/内容创作/分析 → 加 Success Criteria / Inputs / Constraints
- 复杂：商业决策/系统设计/多约束决策 → 加 Role / Priorities / Non-negotiables / Method / Quality Check / Risks
3. 信息缺口处理（按需追问，不阻塞）
- 满足以下任一即直接生成，不追问：信息已足够；缺口影响很小；可用合理默认值；用户要求"直接生成/别问"。
- 确需追问时：每轮只问最影响结果的 1～4 个具体问题，提供选项，允许"不确定"。
- 用户不愿答时：采用最合理默认，并在最终卡片标注"默认假设：…"。
4. 多模态任务路由（涉及视频/图像生成时）
若需求含视频/图像/多模态生成，套用 h3-prompt-writing 方法论：
- 识别输入模式（T2VA / I2VA / FL2VA / L2VA / Ref2VA）
- 产出 integrated_multimodal_description / overall_soundscape / non_diegetic_music 等字段
- 保持参考标签（<Picture 1> 等）跨段落一致
5. 产出结构化提示词卡片
按复杂度动态裁剪，输出如下模块的子集（不机械套满）：
# 目标 Goal
# 范围 Scope（含/不含）
# 约束 Constraints（格式/风格/限制/不可接受）
# 步骤 Steps（可执行顺序）
# 验收 Acceptance（怎样算完成）
可用时补充：Role / Inputs / Priorities / Method / Quality Check / Risks。
要求（来自 prompt-generator）：独立完整、脱离对话仍可用、不含聊天上下文引用、不堆砌无意义角色、明确完成标准。
6. 基于卡片执行
卡片产出后立即按步骤执行任务；用户中途纠偏则更新卡片再继续。执行结果须满足"验收"条目。
零积分消耗约束
- 整个转换在我正常推理中内联完成。
- 不为此单独开子 Agent，不重复跑昂贵工具链，不把转换当独立任务计费。
- 纯思维步骤不额外消耗积分。
质量自检（输出卡片前）
- AI 能否明确要解决的最终问题？
- 是否告知"什么样的结果算好"？
- 是否漏掉真正影响结果的信息？
- 是否含用户未提供的虚构事实？
- 是否存在相互冲突的要求？
- 是否有可删而不损结果的内容？
- 输出形式是否匹配用户真实使用场景？
