shuohao-pipeline（烁皓 AI 短剧总编排）
你是这条流水线的调度者。六个底层 skill 已经各自部署好（用户级，位于 E:/WorkBuddyConfig/skills/），本 skill 不重写它们的逻辑，只负责按正确顺序调用它们、在步与步之间接好数据、每步跑完质量门再放行。
何时用
- 用户给一本小说 / 短故事，想做成 AI 短剧（拆角色、排大纲、出美术设定、写剧本、切分镜、出角色图）。
- 用户点名「跑 shuohao」「小说转短剧」「AI 短剧流水线」「烁皓流水线」。
- 只做其中一段也行：直接跳到那一段，但先确认上游 json 是否齐（见下方数据契约）。
底层六个 skill（用 Skill 工具按名调用）
| 顺序 | skill | 产出 | 出图？ |
|---|---|---|---|
| 1 | novel-outline |
outline.json（改编说明 / 人物表 / 爽点表 / 分集梗概 / 资产清单） |
否 |
| 2 | novel-characters |
cast.json（角色设定集 + 形象/音色提示词 + 设定图版面指令） |
否（只出提示词） |
| 3 | novel-art |
art.json（场景 + 叙事道具美术设定） |
否（只出提示词） |
| 4 | novel-script |
script.json（场次 + 节拍流 + 台词，逐句带说话人/语气） |
否 |
| 5 | novel-storyboard |
storyboard.json（段→分镜→分镜图提示词，每段一条 H3 视频提示词） |
否（只出提示词 + 挂图清单） |
| 6 | character-refs |
角色参考图 PNG（唯一真出图层：锚点 + 大头照 + 侧面 + 背面 + 细节） | 是 |
- 前五个是 prompt 层：零依赖、零 API key，用当前会话额度。
- 只有
character-refs真出图，需要先在 Step 0 选模型。 - 每个 skill 的精确调用（seed / validate / render 命令与参数）见
references/pipeline.md，不要凭记忆拼命令。
数据契约（步与步之间传什么）
novel-outline → outline.json
novel-characters → cast.json （seed 吃 outline.json）
novel-art → art.json （seed 吃 outline.json；--cast 吃 cast.json 查重名）
novel-script → script.json （seed 吃 outline.json；validate/render 用 --outline --art）
novel-storyboard → storyboard.json （seed 吃 script.json；validate 用 --script --outline --cast --art）
character-refs → <角色>/asset.json + PNG（独立，给任意角色出图，不依赖上面五个）
- 不要跳过
seed：每个 skill 的seed子命令把上游已拍板的事实（角色清单、场景清单、分集秒数、爽点落点）确定性搬过来，模型不要重想一遍。 - 每步必须跑 validate / selftest 的质量门，有违规逐条改到通过再进下一步——这是六个 skill 共同的铁律，也是本编排的核心价值。
工作目录约定
把整条流水线产物归档到一个 <demo>/ 下，每段一个目录，一眼对应五段（参考 shuohao-skills README 的端到端约定）：
<demo>/
├── outline/ ← novel-outline : <剧>-outline.json/.md/-report.html
├── characters/ ← novel-characters : <剧>-cast.json/.md/report.html
├── art/ ← novel-art : <剧>-art.json/.md/art-report.html
├── script/ ← novel-script : <剧>-script.json/.md/script-report.html
└── storyboard/ ← novel-storyboard: <剧>-storyboard.json/.md/storyboard-report.html + manifest.json + E01-0x/ 投产包
- 分镜的
E01-0x/段文件夹不要再往里收一层（如segments/）：分镜报告里的图走相对路径<段号>/f<切序>.png，多套一层又不指路径，报告里的图会静默全变「未生成」占位。 - 五个 skill 的报告都能合成一张单页（shuohao-skills 仓库根的
scripts/report.mjs），但那是组装器、不是本流水线的一部分。
出图这一层（character-refs）
- 它是仓库里唯一真出图的 skill。给一段角色描述就出一组参考图，不依赖上游五段。
- 跑之前先
config --show选模型：qwen(ComfyUI Qwen Image) /codex(吃 ChatGPT 订阅额度) /openai(GPT Image 2，需 key) /custom:<名>。 - 同一部剧的所有角色用同一画风（默认动漫，可选写实）。
- 它产出的角色参考 PNG 是下游分镜「分镜图出图」的参考图来源——分镜 skill 的
render --frames会去<段号>/f<切序>.png找图；这些 PNG 由你的图像模型用 character-refs 的图 + art.json 的提示词生成。 - 场景/道具的设定图（novel-art 的 sheet）同理：用 art.json 的提示词 + 你的图像模型生成，放到 art.json 同级的
images/<slug>-sheet.png，再render嵌进报告。
Windows 环境必读（本机已部署，但升级后会丢）
本机已对 shuohao-skills 打过 Windows 补丁、接好出图配置。两点必须知道，否则升级后出错：
- 升级要重打补丁：上游是 git 仓库（junction 软链到
WorkBuddyConfig/skills/）。升级用
python E:/Workbuddy/shuohao-sync.py --selftest（pull + 校验 junction + 重打补丁 + 跑自检）。
只校验不拉取用--no-pull。补丁脚本E:/Workbuddy/shuohao-win32-patch.py（幂等，--revert还原）。 - 出图配置：
character-refs的config.local.json已指向零依赖白图生成器E:/Workbuddy/shuohao-tools/mk-white.mjs（custom.white.cmd），所以不接真模型也能跑通自检。要出真图就config --model四选一。
验证
- 单个 skill 自检：
node E:/WorkBuddyConfig/skills/<name>/scripts/selftest.mjs（不调模型、不花额度）。 - 整条流水线跑完，每个
<demo>/.../report.html双击即开，质量门面板全绿才算交付。
边界
- 本 skill 不改写六个底层 skill 的逻辑；只编排。要改某段行为去改那个 skill。
- 用户只要其中某几段，直接跳到对应段，但先核对上游 json 是否齐（缺就先跑上游或问用户）。
- 1.x 老数据不能直接喂 2.0（frame 改中文、分镜补
blocking/soundscape/shot和六个构图字段），旧 JSON 会卡质量门。
