# pipeline — 八阶段制作流水线

八阶段，方向性问题不进昂贵的逐镜头阶段。
实证细节来自多支已交付宣传片的复盘（模板片见 `template/`）。

## 目录

- 阶段 0：产品理解与执行约束
- 阶段 1：视觉方向与 styleframe
- 阶段 2：功能到镜头映射
- 阶段 3：分镜与制作放行
- 阶段 4：最终素材采集
- 阶段 5：逐镜头实现
- 阶段 6：声音设计
- 阶段 7：独立终检与交付

本文件是**自主自由创作**的完整流水线：阶段 0–3 的判断由 Agent 根据项目内容
自主完成并记录，不逐阶段等待用户确认，然后连续进入阶段 4–7。用户已给出的
用途、受众、功能、画幅、音频或数据要求都是硬约束。

直接使用 Ink Press 模板不进入本流水线，按 `template/TEMPLATE.md` 的原有替换
流程执行；模板文档引用阶段 4 时只借用其中的素材采集方法。

**共同创作从 `guided-free-creation.md` 进入本文件时，不要从头重跑。** 该流程
已经完成并确认阶段 0–3；直接从阶段 4 最终素材采集继续，不重新询问或重新设计。

两处执行原则（实战复盘已吸收）：

1. **最终设计 spec 与分镜共同构成制作放行。** 分镜表长在设计 spec 里
   （`| # | 时间 | 镜头 | 关键动效 |` 四列）；确认放行不重新打开已确认的
   业务或创意问题，只补实现必要的未决项。
2. **验收贯穿全程，不是最后一个阶段。** 每个镜头任务以 `npx remotion still`
   静帧肉眼验收收尾（产物按版本归档 `out/qa/`），每轮反馈修改后整片重渲。
   阶段 7 只是把这套贯穿动作升级为对照 aesthetic-rules.md 的正式自检报告。

另注顺序弹性：styleframe 可以先用 HTML 与少量安全预检素材；重要的是**逐镜头
实现开始前最终素材必须依据已定案的分镜采集**——素材方向错误拖到逐镜头阶段后
才暴露，代价是整套场景报废。

---

## 阶段 0：产品理解与执行约束

在写视频代码或采集最终素材前，只读检查项目的定位、主要功能、页面状态、视觉
tokens、启动方式和数据风险。根据项目证据和用户已有描述，生成产品简报与需求到
执行决策表，明确用途、受众、核心卖点、必须展示功能、时长/画幅/语言、音频和
数据口径对本片的实际影响。

自主自由创作由 Agent 对缺省项作动态判断并写入设计 spec，不暂停要求用户确认。
用户指定了 BGM 时，先按 `references/music-beat-sync.md` 分析节奏；未指定时由 Agent
根据产品与发布场景在阶段 6 选型。公开演示数据可在确认其公开属性后使用；客户、
个人、内部、密钥、实时或其他敏感数据一律先虚构、脱敏或冻结。

**产出**：产品简报；需求到执行决策表；明确的数据与音频约束。

---

## 阶段 1：视觉方向与 styleframe

**目标**：用最便宜的产物锁定全片色板、字体、光感与运镜气质，
让所有方向性争论发生在写第一行 Remotion 代码之前。

**具体操作**：

1. 根据当前项目生成最多 3 个文字方向。每个方向附一组**动效性格 tokens**
   （推导法见下方“品牌→动效参数”表），但不要把 Ink Press 作为固定选项。
2. Agent 依据产品视觉、用途和受众自主选择最合适的方向，并把选择与取舍写入
   设计 spec；不暂停等待用户选择。
3. 对选定方向**不渲染视频、不写 Remotion 代码**，写一个纯 HTML/CSS
   styleframe 页，包含 2–3 张 1920×1080 静态关键画面。
4. 用 Playwright/Puppeteer 截图验证字体、色板、材质、构图、光感与信息密度；
   缓动和运镜速度仍以 tokens、Gallery 样片或短运动测试判断。若已有严格品牌规范
   或明确参考片，可记录理由后跳过 styleframe。
5. 若用户给了参考片：下载后 ffmpeg 抽帧（`select=eq(n,…)` 抽 ~100 帧、
   `tile=4x5` 拼 contact sheet），逐个动画/转场/特效做 motion breakdown，
   写成"手法｜参考片实现｜取舍"三列表进设计 spec——**选择性适配，
   不强行套用**。图片参考同理：它描述的是"某一类镜头"的感觉，
   不是全片风格令。

**品牌→动效参数推导**。不凭手感挑 easing/时长，先把品牌放到两根轴上，
再从最近的预设起步：

- **能量轴**：低（沉稳/premium/机构感）↔ 高（运动/startup/娱乐）——
  决定时长、过冲、squash 幅度；
- **调性轴**：严肃（金融/医疗/enterprise）↔ 活泼（消费/社交/儿童）——
  决定路径曲直、次级动作多寡。产品视觉本身是证据（锐利几何形→工程感，
  圆角+亮色→柔和活泼）；用户口述的品牌词覆盖视觉推断。

| 预设（品类） | 主时长@30fps | 入场 easing | 过冲 | squash |
|---|---|---|---|---|
| 专业信赖（fintech/enterprise/B2B）| ~21f | bezier(0,0,0.2,1) | 1.0 不弹 | 0 |
| 精致高端（奢侈品/时尚）| ~48f | bezier(0.4,0,0.6,1) | ≤1.02 | 0 |
| 活力大胆（体育/游戏/startup）| ~18f | bezier(0.16,1,0.3,1) | 1.12 | 0.25 |
| 活泼愉悦（消费/社交）| ~27f | bezier(0.34,1.56,0.64,1) | 1.08 | 0.18 |
| 平静关怀（健康/教育）| ~42f | ease-in-out 对称 | 1.0 | ≤0.04 |
| 亲和友好（小微/社区）| ~26f | bezier(0.25,0.46,0.45,0.94) | 1.04 | 0.08 |

用法：定预设 → 按两轴微调 → tokens 写进设计 spec。自检两条：
①用三个词描述成片动效，与品牌词对得上吗；②同一套 tokens 必须同时管
入场/转场/hold 节奏——一个品牌一种动效嗓音，混用两套读作拼盘。
注意预设值与库内硬判例冲突时判例赢：落地要弹的场合 y1 必须 >1，
"专业信赖不弹"指的是无落地隐喻的淡入/推移类动作。

**产出**：选定方向的 styleframe；色板/字体/光感 tokens + 动效性格 tokens；
（有参考片时）motion breakdown 表。

**常见坑**：

- 用渲染视频做风格提案：太贵，改方向的心理成本也高。静态帧足够定调。
- 参考驱动的风格 move 全局一刀切：风格化机位逐镜头决定（信息密集的
  列表/堆叠镜头正视更可读）。

---

## 阶段 2：功能到镜头映射

**目标**：为每个必须展示的功能选定合适的运动语法，不在此阶段提前写完整分镜。

**具体操作**：

1. **先列产品功能清单，逐一对应镜头**。核心功能漏拍等于返工；
   一种动画手法（飞入/堆叠/翻页）全片只当一次主角，同质化即返工信号。
2. 扫描 `references/shots/` 全部卡片的 frontmatter，根据用途、能量、建议时长、
   限制和所需页面状态，为每项功能选择首选与备选卡；Agent 自主定案并记录依据。
3. 完整读取选中卡片，并按“参考实现”定位准确 demo 源码。没有合适卡片时可新写，
   但必须在设计 spec 中说明范围与验证风险。

**产出**：功能到镜头映射表；选中卡名、变体、demo 源码和参考样片定位。

---

## 阶段 3：分镜与制作放行

**目标**：把已定案的功能与镜头映射排成有能量曲线的完整镜头序列，并转成帧级
实施计划。自主自由创作由 Agent 自行放行，不暂停等待确认。

**具体操作**：

1. 先查 `references/sequences/` 有无适用的桥段模板；有则按其填空流程分配段位
   与帧预算，再把映射好的镜头排成低能量开场→功能段与呼吸位交替→高能量收尾。
2. **已有指定 BGM 时**：先出音乐结构表（满能量起点/breakdown 拍号，
   见 music-beat-sync.md §2），镜头边界全部锚到拍号，最强 hit 分给
   全片 2–3 个大 slam；breakdown 段天然是品牌呼吸位。
3. 写完整分镜表：镜头顺序、时长、功能信息、具体页面状态、镜头卡与变体、主动作、
   素材来源、字幕、转场和 SFX。每镜只讲一个主要动效。
4. 排时间线时**预留 hold/rest 帧预算**：品牌字标落定 hold ≥1s（30f）、
   批量动效收尾 0.5s 静止、开场主体动作 ≥3s。节奏返工是单向的——
   过快必返工、放慢从未被否。
5. Agent 检查分镜与产品简报、需求决策、视觉方向和镜头映射一致后自行放行，
   把分镜转译成帧级时间轴进实施计划：
   `| shot | from | duration | 内容 |`（卡点片则 from/to 全用 `beatF(n)`
   表达），并给每镜头指定源文件与验收帧号。

**产出**：设计 spec（含风格 tokens + motion breakdown + 分镜表）；
帧级时间轴。

**常见坑**：

- 没对功能清单，凭手感排镜头：核心功能漏拍、动画手法同质化，两种都返工。
- 开场贪多：开场信息宁少而聚焦，一个主角、一条完整动作弧。
- 时长预算不含呼吸位：动效排满每一帧，后期逐镜头补 hold 等于全线挪帧。

---

## 阶段 4：最终素材采集

**前置条件**：最终设计 spec 与分镜已经放行。共同创作以用户确认作为放行；自主
自由创作以 Agent 完成一致性检查并记录为放行。此前为 styleframe 采过的少量安全
截图只能作为方向验证，不得直接替代最终素材。

**目标**：严格按最终分镜拿到全部镜头所需的真实页面素材，包括全页纹理、元素
切片和坐标表，为 2.5D 运镜与页面空间动画打地基。

**具体操作**：

1. 起产品本地 dev server（桌面端产品则用窗口截图工具，同样出三件套）。
2. 复制 `assets/scripts/capture-template.mjs` 进项目，改 BASE_URL 与选择器，
   跑一次产出三件套：
   - **全页 2x 截图**：viewport 1920×1080、`deviceScaleFactor: 2`；截图前
     `document.fonts.ready` + 600ms settle，实时同步页额外再等 1.5–2s。
   - **per-element cutout**：按语义选择器逐元素截图；悬浮件用透明底，需要
     “卡片飞入空板”的镜头则额外截空 backplate。
   - **layout.json**：记录每个元素在整页坐标系下的 `{x,y,w,h}` bbox 与每页
     `pageH`，供飞行目标位、遮罩位置和入场区域直接使用。
3. 支持按页/按元素增量重采。活数据源先按阶段 0 的数据口径冻结、虚构或脱敏，
   再进行最终采集。

**产出**：`public/textures/` 全页图、元素切片与空 backplate；`layout.json`；
可重跑的 capture 脚本。

**常见坑**：

- 在分镜放行前做全量采集：页面状态和素材范围尚未确定，会造成重复采集。
- 手搓 HTML 复刻既有页面：复刻默认走真实截图；手搓 UI 只用于非复刻场景。
- 活数据源不锁定，或只截整页不记录 layout 坐标。

---

## 阶段 5：逐镜头实现

**前置条件**：需已有可跑的 Remotion 项目（30fps、1920×1080，`src/index.ts`
注册 Composition；新项目可 `npx create-video@latest` 初始化后把
`assets/lib/` 组件 copy 进去；走模板路线则直接从 `template/` 起步）。

**目标**：按帧级时间轴逐镜头落地，每镜头完成即自证质量——
验收在这个阶段就开始，不留到最后。

**具体操作**：

1. **每镜头先解析再三读**（硬规则，不可跳）：用
   `gallery/api/library.json` 校验卡名和 `style-key` → 读对应配方卡全文 →
   按卡片“参考实现”定位并读准确的 demo TSX 全文 → copy `assets/lib/`
   对应组件进项目。同时保存该 style 的 Gallery 参考样片路径，供实现对照和终检。
   标为“仅供参考，需要自定义实现”的样式不默认推荐，用户明确点名后才可实现并
   标注风险；标为“缺少预览”的样式不得声称已按动态样片复刻。
   demo 代码是调校过的参数真相（缓动、时值配比、
   摘罩时机、已知坑的规避写法都在里面）——允许按目标产品做适配性
   改动，但配方卡"已知坑/命门"标注的参数不得降档，质量标准只升不降。
   凭卡名和理解新写＝放弃全部调校积累，实测质感差一档。
2. **PageCam 是一切"真实页面"镜头的地基**：整页纹理 + 关键帧 2.5D 相机 +
   页面空间 overlay，children 按页面 CSS px 定位、与 layout.json 共坐标系。
3. **静帧验收（最高频动作）**：每镜头在计划里写死 2 个验收帧号，
   完成即跑 `npx remotion still src/index.ts <Comp> out/qa/<name>.png
   --frame=<N>`，自己肉眼检查构图/穿帮/文字锐度后才算完成。
   静帧产物按迭代版本归档 `out/qa/`，用户贴帧反馈时可直接对号。
4. **每轮修改后整片渲染**：`npx remotion render src/index.ts <Comp>
   out/promo.mp4`，再用 `ffmpeg -i out/promo.mp4 -vf "select=eq(n,…)"`
   从成片抽关键帧回看。实际形态是"改哪个镜头就 still 哪几帧，
   然后整片重渲"，成本可接受且杜绝接缝意外。
5. 像素级自检备小工具：裁剪放大看文字锐度（crop）、两帧像素 diff、
   量元素 bbox 对构图。
6. **确定性渲染铁律**：禁 `Date.now()` / `Math.random()` / 无参 `new Date()`。
   一切伪随机用固定种子（mulberry32/哈希函数，seed 从 index 派生），
   保证逐帧可复现、渲染间零抖动。
7. 对照 `references/aesthetic-rules.md` 边做边自检（不等阶段 7）：
   落地要弹的缓动 y1 必须 >1、光效裁进圆角、3D 下文字糊先查
   栅格化路径（CSS `zoom` 布局级放大，而非 transform scale）而不是调 DoF。
8. 指代含糊的用户反馈（"第一个标题"）先确认对象再动手；改错立即整
   commit revert 重来，不在错误版本上打补丁——每个改动独立 commit
   以便干净回滚。

**产出**：逐镜头 commit；`out/qa/` 静帧档案；每轮全片渲染 mp4。

**阶段输出**：整片渲染视频（每轮迭代一版）+ 关键静帧。自主自由创作不因该输出
暂停等待确认；用户主动反馈时再纳入下一轮。
用户可能以"从成片截帧贴图"方式给反馈，双方基于帧评审。

**常见坑**：

- 首检交给用户：交付前必须自己抽帧看片，"镜头视角很差，
  而且有小抖动"这种问题不该由用户发现。
- 跳过 demo 代码直接写：参数是几轮真实裁决调校出来的，
  新写的版本几乎必然回踩已知坑。
- 产品宣传片默认不加手持 shake；相机噪声只在明确追求纪实感时用。
- 装饰性 glint/泛光群发：批量元素入场靠运动本身。单点高质量光效可做，
  群发即廉价。
- 3D 推进下文字发糊：根因是纹理源分辨率/栅格化路径，先查素材链路
  （2x 纹理 + CSS zoom + 关键元素 4x 单独截图），别先动相机和景深。
- 飞入动画终点悬空：元素必须落进页面布局的真实槽位（嵌入、归位、
  排进滚动流），悬浮在页面上方不落地会显得假。

---

## 阶段 6：声音设计

**目标**：BGM 定全片能量骨架，SFX 逐拍钉在动效关键帧上，
音色符合"产品宣传片"片种而非 UI 事件语义。

**前置条件（最贵的顺序教训）**：**画面时间线锁定后才开始。**
画面每动一次，钉帧表就要全体重对。若画面确实又改了，收尾动作固定
包含"全表 SFX 帧号重对"，音画错位是必查项。

**具体操作**（细节与判例见 `references/sound-design.md`）：

1. 读 `references/sound-design.md`，从 `assets/audio/` 复制音效
   （免费商用授权，来源见 `assets/audio/ATTRIBUTION.md`）。
2. **BGM**：用户已指定 → 阶段 0 已做节奏分析，此处只做混音
   （音量压低 ~0.34 给 SFX 留 headroom，interpolate 首尾淡入淡出）。
   未指定 → 按片种选强鼓点、强节奏的电子底（tech-house 类），判据是
   "典型的产品宣传视频"气质而不是"好听"；候选曲必须垫进成片试听，
   单听曲子选型不可靠；`assets/audio/bgm/` 有节奏感强的备选。
3. **SFX 用电影系词汇按镜头语言选**：运镜=whoosh、落地=impact、
   铺垫=riser、光效=sparkle、转场=transition；禁用游戏 UI 音包
   （click/pluck/glass 类 tap 一耳朵出戏）。
4. **声明式钉帧表集中管理 + 相对钉帧**：单文件 `{ from, src, volume }[]`
   数组，逐条注释对应的画面动作，每条包 `<Sequence from={s.from}>`。
   **from 一律写相对表达式**——`SHOTS.x.from + offset`，卡点片写
   `beatF(n)`——绝不写裸数字帧号。时间线平移时钉帧表自动跟随，
   免除全表重钉。长样本靠 Sequence duration 截断而非剪音频文件。
5. 连发防机枪感三招：双样本交替、音量阶梯递减（如 pop 六连
   0.40→0.25）、间隔加速贴动画曲线（密到糊成一片时让声音淡出成 swoosh）。
6. 通用音之外留"贴画面定制"槽位：有辨识度的画面动作配它自己的拟音
   （打字画面配键盘声、逐条落入配逐个 pop），泛用 swoosh 盖不住。
7. 强鼓点 BGM 的片子 SFX 克制：鼓点本身就是节拍音，SFX 只钉画面
   独有动作，大 slam 只给 2–3 处峰值。
8. 结尾固定句式：riser（组装段起）→ impact（字标落地，全片音量峰值）
   → sparkle（余韵）。

**产出**：带声整片；SFX 钉帧表（相对帧表达式+音源+音量+注释）；
音频文件入 repo 并记录来源授权。

**阶段输出**：带声整片渲染。自主自由创作继续进入终检，不暂停等待确认。

**常见坑**：

- 画面没锁就铺音效：全表重对的连带成本（见前置条件）。
- 按 UI 事件语义选音色（click/confirmation/minimize）：片种错位，整批推翻。
- 凭感觉散铺音效不建表：帧号漂移后无法整体平移，也无法和分镜表对照。

---

## 阶段 7：验收

**目标**：把贯穿全程的静帧/整片自检升级为一次正式的全片过检，
同时验证成片是否忠实执行当前模式下确认或记录的产品简报、需求到执行决策表、视觉方向、镜头映射和分镜，
对照终检与审美准则逐条出报告，然后终渲交付。

**具体操作**：

1. 全片渲染最新版，ffmpeg 抽全部关键帧（每镜头至少：入场中、
   动作峰值、落定后三帧）。
2. **独立终检（必做）**：派一个干净上下文的 subagent 做第三方审查。
   不给它制作过程中的辩解、修改历史或“应该通过”的暗示，只提供：最新版成片、
   抽出的关键帧、创作模式、产品简报、需求到执行决策表、确认或记录的视觉方向/tokens、styleframe 或跳过理由、
   功能到镜头映射、
   Gallery 卡名与具体变体、`library.json` 中对应记录、卡片文档定位到的准确
   demo TSX、Gallery 参考样片或从中抽出的关键帧、最终分镜、选中的镜头卡、
   `references/final-review.md` 和 `references/aesthetic-rules.md`。
3. 审查 Agent 按 `final-review.md` 检查产品目标、功能完整性、视觉方向一致性、
   镜头卡/变体还原度、分镜一致性、数据安全、音画同步和视觉技术质量。逐镜头
   看帧+看片，给出 "F2 ✗（第 340 帧缺少已确认的知识图谱功能）" 或
   "Q2 ✗（第 615 帧文字发糊）" 式结论，每条问题附可复核帧号/截图。
   镜头卡适配不要求和 Gallery 样片像素级相同，但必须保留动作语法、关键时值、
   已知坑/命门参数和用户点名的具体变体。
4. 内容级自查：每个镜头问"给了什么新信息"，重复镜头/重复 tagline 删；
   文案按最终画面重写一遍，纯动画段落也要有解说 caption，不留哑巴段落。
5. 音画对齐终检：逐条 SFX 对帧回放，确认无错位（时间线若在阶段 6 后
   还动过，先重对再验）。卡点片按 music-beat-sync.md §4 做渲后回测，
   全部切点误差 ≤3f 才算过。
6. 审查报告的修复项回到阶段 3/5/6 小循环：方案或分镜偏差回阶段 3，画面实现
   问题回阶段 5，声音问题回阶段 6；直到 checklist 通过后终渲出片。

**产出**：独立审查报告（final-review + aesthetic-rules checklist + 帧号证据）
+ 终渲成片。

**交付物**：审查报告 + 成片。

**常见坑**：

- 把验收当"最后才做的事"：本阶段只是收口。若前五阶段没做静帧自检，
  这里堆积的问题量会让 checklist 失去意义——验收贯穿全程是定式。
- 自检报告流于"全部 ✓"：用户会读清屏幕上每个字、会自己截帧对比——
  报告里每条结论都应附可复核的帧号/截图。
- 制作 agent 自己出审查报告：确认偏差不可避免，独立 subagent 审查
  不可省略。
- 只查“好不好看”不查“是否符合当前模式的制作基准”：功能漏拍、视觉方向漂移、
  镜头变体用错和未经确认的数据都属于终检失败。