Archival Fragments（简版）
这个 skill 只固定两件事：这套视觉风格，和参考图 → 首尾帧的做法。
不绑定模型、不装依赖、不代跑流程。你用什么图片模型、什么视频工具都行，只要那个视频工具支持首尾帧。
三条硬约束
违反任何一条，出来的片子必废。这三条都是真实翻过车才写下来的。
1. 每一镜的参考图必须不同
N 个镜头需要 N+1 张各不相同的参考图。
"相邻两镜共用同一张图"的意思是：第 1 镜的尾帧 = 第 2 镜的首帧，这一张图被这两镜共用。 不是整片共用一张图。
绝对禁止：
- 拿同一张图当所有镜头的输入
- 拿一张结构图、示意图、信息图当所有镜头的参考
- 把
assets/style-reference.png当成生成输入——它是给人看的风格参考板
真实发生过：Agent 拿一张结构图当所有镜头的参考，结果几十个镜头画面一模一样，整条片子等于一张静态图配了段旁白。
自检：参考图张数 == 镜头数 + 1；任意两张的画面描述不重复；每张有自己独立的提示词。
2. 具象优先，不要抽象图形
纸和红线是画面的地面，不是主体。站在上面的必须是观众不用想就懂的具体东西。
给每句话找一个通用符号，全片收敛到 2–3 个，各用几次：
| 语义 | 符号 |
|---|---|
| 谁在哪、份额、从无到有 | 世界地图 + 图钉 + 标签 |
| 价格、代价、失衡 | 天平（一端实物，一端不断加码） |
| 排名、递进、还差多远 | 台阶 / 领奖台 |
| 数量、密集、庞大 | 一大堆实物（芯片、纸片、人群） |
| 时间点、正式性 | 翻牌板、印章、公文 |
| 被否定、被抹掉 | 一只手把东西撕走 / 白纸盖上 |
用空白纸加一条线表达"这个位置是空的"、用三个方块表达"三家公司"——这类抽象图形观众看不懂，实测失败。
3. 慢不等于静
每一镜结尾画面必须和开头明显不同。留白镜也要有一个横跨画面的动作在推进。
首尾帧天然帮你守住这条：首帧 ≠ 尾帧，画面必然在变。
三步做法
第一步：拆镜，列出参考图链
把文案按句拆成镜头（每句 2–3 镜），设计一条连续的视觉旅程：
A01 ──W01──> A02 ──W02──> A03 ──W03──> A04 ...
这一镜的结束状态，就是下一镜的开始状态。
画面推进只有四种合法方式，每镜必属其一：
| 方式 | 例子 |
|---|---|
| 物件变化 | 地图上零根图钉 → 一根 → 三根 |
| 景别变化 | 世界地图全景 → 推近韩国 → 特写一个钉孔 |
| 状态变化 | 天平上几枚硬币 → 硬币堆成高塔 |
| 主体更替 | 地图退场 → 天平升起 |
拆完先给用户过目——改一张表 5 分钟，重新生成要几小时。
第二步：出参考图
文生图，一张一个提示词，不挂任何参考图。每张提示词 = 固定风格前缀 + 该张画面。
写法见 keyframes.md，风格前缀在那份文档里。
出完逐张审：文字有没有崩、语义观众看不看得懂、能不能和前后接上。图便宜、视频贵，这一步省不得。
第三步：用首尾帧生成镜头
每镜挂两张图：第 N 张作首帧、第 N+1 张作尾帧。提示词只写运动，一句话。
写法见 shots.md。
对工具的要求
| 环节 | 要求 |
|---|---|
| 图片 | 能出你要的比例（推荐 4:3），文字渲染较准 |
| 视频 | 必须支持首尾帧——也叫「首尾帧」「first & last frame」「start/end frame」「frames to video」 |
不支持首尾帧的纯文生视频工具做不了这套方法，镜与镜之间必然跳变。
生成时长：多数工具最短 5 秒，而这个风格每镜通常只用 1–3 秒。统一生成 5 秒，剪辑时变速压到目标时长——节奏在剪辑台上定，不在提示词里定。
文档
| 文档 | 管什么 |
|---|---|
| style.md | 视觉基线：色板、红色的四种职责、技术标注词汇 |
| keyframes.md | 参考图链设计、风格前缀、图片提示词写法、文字规则 |
| shots.md | 首尾帧运动句写法、动词表 |
examples/ 是一条已完成 67.3 秒成片的配置：35 张参考图提示词原文、34 条运动句。
照着改结构，不要照抄内容——那些符号是为特定题材设计的，换题材要重新找。
assets/example-01..08-*.jpg 是八张连续参考图，看它们怎么一张张推进，就明白"每镜画面必须不同"是什么意思。