企业官网建设流程全解析

• AI 应用
• 人工智能
• 媒体生成
• 音视频
• AI Agent
• 后端
• 前端

角色一致性是 AI 短剧生产中最棘手的问题之一——同一角色在不同分镜、不同视频片段中出现时，如果脸型、发型、服装出现漂移，观众立刻出戏。火宝短剧（Huobao Drama）的解法，是把角色形象固定在一张**角色设定参考图（character reference sheet）**上：左侧正脸特写提供脸部辨识度锚点，右侧三张等高全身视图锁定发型与服装，全剧所有角色图片与视频生成都以这张图为形象锚点。本文将以backend/workspace/skills/prompt-generator/character-prompt/SKILL.md为骨架，结合仓库源码，完整解析该规范的设计思想、输出结构、描述规则与底层调用链，并给出可直接落地执行的提示词写作方法。

角色参考图在 AI 短剧流水线中的定位

火宝短剧的资产提示词体系分为三类，各有专属技能规范：角色走三视图（character turnaround）、场景走固定视角 + 前/中/后景分层、道具走白底单品静物。三个规范分别由prompt-generator/character-prompt、prompt-generator/scene-prompt、prompt-generator/prop-prompt三个 SKILL 文件承载，并在 Agent 注册表 中通过AGENT_SKILL_MAP一并挂载到prompt_generator这个专门负责创作并保存「最终提示词」的 Agent 上：

prompt_generator: [ 'prompt-generator/character-prompt', 'prompt-generator/scene-prompt', 'prompt-generator/prop-prompt', 'prompt-generator/video-prompt', ],

其中角色规范是整个体系的锚点——extractorAgent 从剧本中提取角色的appearance（样貌）与styling（妆造）描述后，prompt_generatorAgent 按本文规范将它们扩展为一张中性、清晰、可复用的设定参考图提示词，后续所有角色图片生成与视频生成都依赖它维持形象统一。

核心原则：一致性 > 美观

规范开宗明义：“核心原则：一致性 > 美观。这张图是后续所有角色图片、视频参考的形象锚点，必须中性、清晰、可复用——不要追求单张图的艺术感。”

这意味着角色参考图追求的不是惊艳，而是可辨识、可复用：中性站姿、自然表情、柔和均匀的棚拍光，让这张图能在各种场景、各种剧情环境下反复作为参考而不产生误导。任何追求单张图艺术感的做法（戏剧性光影、夸张姿势、华丽背景）都会削弱它作为参考图的通用性，是规范明确反对的。

构图规范：左侧正脸特写 + 右侧三视图

生成的是一张角色设定参考图（character reference sheet），构图固定为：

这张图的构图逻辑非常明确：脸部的辨识度由特写提供，身体的完整性由三视图提供。生图模型在同时获得“特写级五官细节 + 全身多角度着装”两个维度的约束后，才能稳定输出后续可复用的形象锚点。

输出结构：按顺序组装单段连贯描述

SKILL 规定输出必须按下列顺序组装单段连贯描述，语言跟随会话语言指令指定的目标语言，不得分点、不得混入无关词汇：

角色设定参考图，左侧为正脸特写，右侧并列展示正面、90 度侧面、背面三张等高全身视图， 特写与全身视图都是同一角色，全身入镜，中性 A 字站姿，三张全身视图等高并排、头顶脚底对齐， [年龄感 + 性别感 + 体态]，[五官特征]，[发型]，[服装 + 配饰]， 正脸特写与三个视图的脸、发型和服装完全一致， 纯白背景，柔和均匀的光线，电影质感

这段模板实际上划分为三层语义：

1. 构图层：明确“左侧特写 + 右侧三视图”的版式、等高并排、头顶脚底对齐的几何约束；
2. 内容层：四个占位符[年龄感 + 性别感 + 体态]、[五官特征]、[发型]、[服装 + 配饰]由 Agent 根据角色资料填充；
3. 一致性声明层：显式写出“正脸特写与三个视图的脸、发型和服装完全一致”；
4. 环境层：纯白背景、柔和均匀光线、电影质感。

值得注意的是，输出模板本身刻意写明了“特写与全身视图都是同一角色”“三个视图的脸、发型和服装完全一致”这类自指约束，这是为了对抗扩散模型在多视图生成中常见的“各视图之间角色漂移”问题——把一致性要求写进提示词本身，而不是依赖模型自觉。

描述顺序规则：最有辨识度的特征放前面

规范要求把最有辨识度的特征放在前面，依次落地appearance（样貌）与styling（妆造）的每个关键元素，不遗漏：

1. 身份锚点：年龄感（如“二十出头”）、性别感、体态（高矮胖瘦、姿态习惯）；
2. 五官：脸型、眼睛、其他显著特征（疤、痣、眼镜等）——正脸特写尤其依赖这部分描写；
3. 发型：颜色、长度、样式；
4. 服装：款式、颜色、材质、状态（如“袖口有焊锡痕迹的皱褶工服”）；
5. 配饰：只写有辨识度的，不堆砌。

这条顺序规则的深层原因在于：提示词越靠前的信息，在生图模型中的权重越高。把身份锚点和五官放在最前，可以最大化保证脸部辨识度优先被满足；而服装、配饰放在后面，既不影响脸部一致性，又给了模型足够的自由度去表现细节。

规范还特别强调一个转化技巧：角色的性格特点要转化为外在气质与神态描写，不要直接出现性格词汇。例如“憔悴”要写成“眼神疲惫、肩膀微垮”，而非直接写“一个憔悴的人”——因为生图模型对抽象性格词的理解极不稳定，而对具体神态、体态的描写则可靠得多。这一要求与extractorAgent 的角色提取规范完全呼应（见 agents/index.ts 中的 extractor 定义：“角色的性格特点要转化为外在气质与神态融入样貌描写，不要单独输出性格字段”）。

构图与一致性细则

规范对参考图的每个细节都做了硬性约束：

• 左侧正脸特写：正面朝向镜头、中性表情、头顶到肩膀完整入镜；
• 右侧三张全身视图：同一角色的正面、90 度侧面、背面，等高并排、间距均匀，头顶与脚底在同一水平线上；
• 跨视图一致性：特写与三张全身视图必须是同一张脸、同一发型、同一服装——明确写出“正脸特写与三张全身视图的脸、发型和服装完全一致”；
• 中性站姿、自然表情：方便作为参考图复用；
• 柔和均匀的棚拍光：不要戏剧性光影，参考图要在各种场景下都能用；
• 语言：输出使用会话语言指令指定的目标语言，不要混入无关词汇。

禁止事项：参考图的红线清单

规范明确列出以下禁止项，任何一条都不允许出现在角色参考图提示词中：

• 动态姿势、夸张表情、手持道具、与他人同框；
• 裁切身体——全身视图必须 full body（头顶到脚底完整入镜），特写必须头部肩部完整入镜；
• 文字、标签、水印、签名；
• 重阴影、彩色背景光、背景道具。

这些禁止项全部服务于“参考图复用性”这一目标：动态姿势和夸张表情会干扰跨场景复用，文字/水印会在后续生图时污染画面，重阴影和彩色背景光则会让参考图在其他场景下难以混用。

保存与风格注入：save_character_final_prompt 源码解析

SKILL 的保存章节规定：调用save_character_final_prompt保存最终提示词，prompt 参数不含风格词，项目视觉风格由工具自动注入到最终提示词的最前方。

该工具实现在 image-prompt-tools.ts（id: 'save_character_final_prompt'），其保存逻辑正是这一约定的落地：

const stylePrompt = await getDramaStylePrompt(dramaId) const finalPrompt = stylePrompt ? `${stylePrompt}, ${prompt}` : prompt await db.update(schema.characters) .set({ finalPrompt, updatedAt: now() }) .where(eq(schema.characters.id, character_id))

关键机制有三点：

1. 风格前置拼接：项目绑定的视觉风格（来自 style-preset.ts 的getDramaStylePrompt）被拼接到 prompt 最前方，形成风格词, 角色三视图提示词的最终串。风格词位于最前，享受最高的提示词权重——这正是 SKILL 要求“prompt 参数不含风格词”的原因：风格由系统统一注入，Agent 只管写角色本身，避免风格词重复或冲突；
2. 落库存储：拼好的finalPrompt写入characters表的final_prompt字段（Drizzle 表定义与 MySQL DDL 中的final_prompt TEXT均可验证，见 final-prompt-structure.test.mjs），作为角色的权威形象描述持久化；
3. 配套读取工具：同文件中的read_characters工具负责向 Agent 提供角色资料（name / role / description / appearance / styling / final_prompt），Agent 先读后写，形成完整闭环。

流水线中的调用链：从懒生成到生图优先

角色最终提示词并非创建角色时立即生成，而是在真正需要时由 final-prompt.ts 的ensureCharacterFinalPrompt懒加载生成：

export async function ensureCharacterFinalPrompt(char, episodeId, force = false, opts?) { if (char.finalPrompt && !force) return char.finalPrompt // 已有则直接复用 // 缺失时调用 prompt_generator Agent 创作并保存 await runPromptAgent(episodeId, char.dramaId, `为角色「${char.name}」(character_id=${char.id}) 生成三视图最终提示词，并调用 save_character_final_prompt 保存。`, opts) const [fresh] = await db.select().from(schema.characters).where(eq(schema.characters.id, char.id)) return fresh?.finalPrompt || '' }

调用链全景如下：

1. extractorAgent 从剧本提取角色并填充appearance/styling；
2. 生图前，characters.ts 路由调用ensureCharacterFinalPrompt：若角色已有final_prompt直接复用；否则以character_id为上下文唤起prompt_generatorAgent；
3. Agent 先通过read_characters读取角色资料，按本文 SKILL 规范创作三视图提示词，再调用save_character_final_prompt保存（风格词由工具自动前置注入）；
4. 生图时const prompt = finalPrompt || characterImagePrompt(char, stylePrompt)——存储的最终提示词优先，仅在 Agent 生成失败（返回空串）时才回退到本地的机械拼接函数；
5. 用户手动编辑角色描述字段时，路由会把final_prompt置空（updates.finalPrompt = null），下次生图时自动重新生成，保证提示词永远与最新资料同步。

技能注入机制：SKILL.md 如何到达 Agent

本文规范之所以能约束 Agent 行为，靠的是 skills.ts 的技能注入机制：

• Agent 启动时每个 Agent 拥有独立 Workspace（skillWorkspaces），其中prompt_generator的 workspace 通过前缀匹配挂载prompt-generator/character-prompt等四个技能目录；
• scanSkillPaths()递归扫描backend/workspace/skills/下所有含SKILL.md的目录，设置页新建的子技能无需重启即可被发现（动态 resolver）；
• loadAgentSkills把技能全文以## Skill: <path>段落格式拼接到 Agent 的 instructions 中，与基础 prompt 文件（prompt_generator.md）和语言指令块共同构成完整指令；
• 技能目录支持多语言变体：character-prompt/下同时存在SKILL.en.md、SKILL.ja.md、SKILL.ko.md，当会话语言指令为 zh 之外的目标语言时，readLocalizedSkill优先读取SKILL.<lang>.md，缺失时回退中文基础版（见 skills.ts 中readLocalizedSkill/loadAgentSkills的实现）。

同时，prompt_generator.md（以及 agents/index.ts 中的默认指令）明确了 Agent 的工作流：调用read_characters读取资产信息 → 按对应资产的技能规范（角色三视图 / 场景固定视角 / 道具白底单品）创作最终提示词 → 调用保存工具逐个保存，并强调“必须实际调用保存工具，不要只在回复中给出提示词”。

测试验证与可维护性

仓库用结构测试锁定了这套规范的落地形态，见 final-prompt-structure.test.mjs：

• 验证characters/scenes表存在final_prompt TEXT字段（Drizzle 定义 + MySQL DDL + backfill）；
• 验证保存工具存在save_character_final_prompt、调用getDramaStylePrompt并执行set({ finalPrompt, updatedAt: now() })落库；
• 验证技能文件本身包含“正脸特写”“正面、90 度侧面、背面”“三个视图的脸、发型和服装完全一致”等必备要素；
• 验证生图服务优先使用存储的最终提示词，且finalPrompt缺失时由 Agent 生成、失败时回退本地拼接。

这意味着任何人修改角色三视图规范时，都能通过测试确认其核心要素与调用链未被破坏——规范不仅是文档，更是被测试守护的产品约束。

总结：一张参考图锚定全剧形象

角色三视图最终提示词规范的价值，在于把“角色一致性”这一 AI 生成的老大难问题，拆解成了可执行的工程约束：构图固定、描述有序、风格注入统一、存储与复用闭环、测试守护。写作角色提示词时，只需记住三个要点：把辨识度最高的特征写在最前面；把性格翻译成神态与体态；把“一致性”显式写进提示词本身。配合save_character_final_prompt的风格自动前置注入与ensureCharacterFinalPrompt的懒生成机制，火宝短剧得以用一张中性、清晰、可复用的参考图，为全剧所有角色图片与视频生成锚定统一的形象基线。

• AI 应用
• 人工智能
• 媒体生成
• 音视频
• AI Agent
• 后端
• 前端