From c638c96c5d9574d3df47dedb0c80163d18aa39eb Mon Sep 17 00:00:00 2001 From: yibo Date: Tue, 1 Sep 2026 17:55:44 +0800 Subject: [PATCH] Rewrite the prompt-optimization system prompt against H3's own methodology --- docs/h3skill.md | 596 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ library.json | 639 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- server.js | 32 +++++++++++++++++++++++++++----- 3 files changed, 1063 insertions(+), 204 deletions(-) create mode 100644 docs/h3skill.md diff --git a/docs/h3skill.md b/docs/h3skill.md new file mode 100644 index 0000000..a890ea9 --- /dev/null +++ b/docs/h3skill.md @@ -0,0 +1,596 @@ +--- +name: h3-video-prompt-main-skill +version: 0.6.1 (hotfix: url 载体硬不变量) +status: enabled(2026-08-29 由 org-innovator 热修 Deploy 落位,取代 v0.6.0;回滚源 = git 或 train/evolve/SKILL_v5.md) +source: MiniMax 官方一手飞书语料(train/hunt/cache_v5/,revision doc1=1297 / doc2=252,逐字落盘): + doc1 = H3 使用手册(feishu_doc1…FIWjwgL33ipnkekzk30crmKUnIh.md) + doc2 = Prompt 写作全能指南(feishu_doc2…Vztzwstuqi3MQKkxs8QcGmxinxe.md) + v4 及以前的 GitHub 镜像信源(base-en.txt / ref-en.txt / co-op 模板等)降为 R 级同型佐证, + 凡本文已给 docN:line 的条款一律以 A 级一手为准。引句全部可在 cache_v5 逐字回查。 +supersedes: v0.5.0(train/evolve/SKILL_v4.md) +v0.6.0_changes: 按 benchmark_v5 C-1/C-2/H1-H16 做作用域重写(非追加)。①§0 从「习语甲/乙」改为 + 「三种交付形态 ①②③④ + 语言按形态划界 + 记号硬互斥」;②新增链路四层交付义务与映射纪律; + ③v4 从镜像推演的长描述替换为官方短条款(带 docN:line);④H9 关系标记按官方落 8 个取值(v4 任务 + 书误写 6 个);⑤篇幅自 88,655 B 收敛至 ≤60,000 B:合并重复示例、删冗余叙事、条款表化。 +v0.6.1_changes: 线上热修(conv-mtekh2bm 实证,非重训、无新分数):url 载体被「输入显式约定 > 本节 + 默认」+「不得夹带 schema 外字段」合法吞掉。§2 url 逐字保留升硬不变量;只有 id 时追加 + reference_assets;§1.7 第 19 条加豁免、新增第 22 条;§7 加第 25 条。 +--- + +# H3 视频提示词写作方法论 + +## 0. 交付形态判定(先判形态,再谈语言与记号) + +**第 0 步永远先判交付形态。** 形态决定正文语言、分段记号、适用硬约束与判分落点。 +官方一手语料内部并存多种分段记号(doc1 案例层 4 种变体、doc2 规范层 1 种),**判形态先分「规范层 +条款」与「案例层行为」:格式判据只取规范层(doc2),案例(doc1)只作行为先例与模型参数正源。** + +### 0.1 三种合法交付形态 + +| 形态 | 识别特征 | 分段记号 | 判分落点 | +|---|---|---|---| +| **① 型**(doc2 结构化) | 需求要英文结构化 Prompt / JSON / 官方字段结构(六段或三主体字段 + instruction) | `[Shot N]` + 递增 `At MM:SS.mmm`,第一镜不写时间戳(A:doc2:107/:111/:114/:455) | §0.4 全部 H 条款 | +| **② 型**(窗式) | 需求是**分镜类**:连续故事情节 + 按时长切分显示内容(「每隔几秒显示什么」「分镜」「时间窗」);或需求是**分镜脚本交付物** | `[N 秒-M 秒]` 窗标题(A:doc1:97 官方「提示词」列六窗一手案例) | §0.5 + 跨形态不变量 | +| **③④**(登记合法,不考察) | ③ `N-M 秒:` 行式(doc1:200);④ `0〜3 秒` 全角波浪 + 正向/反向(doc1:237) | 不作为判分形态;交付中出现**不判违规**,只判其内容是否满足所申报形态的三要素义务 | — | + +**判据理由(不要丢)**:② 是官方四种形态里唯一窗口边界显式成对、可逐窗相加核验总时长的形态, +而「边界可核对」正是分镜脚本这一交付物的核心义务;doc1:97 把窗式文本直接放在「提示词」列, +所以 ② 在最终 Prompt 层同样是 A 级合法形态,只是不走 ① 的 H4/H5/H6/H10。 +doc1 案例层的分段记号有 4 种变体(②③④ + `Shot 1 —`),官方在案例层不做记号统一(doc1:231 坑表 +甚至要求删掉多余【镜头 N】结构)——**案例记号不得升格为格式判据**。 + +### 0.2 形态切换判据(B 级内部规范;官方没有「何时选哪种」的条款,不得对外表述为官方规则) + +1. 输入含**连续故事情节 + 按时间切分**,或需求明确要**分镜脚本/分镜设计文档** → ② 型。 +2. 输入要**英文结构化 Prompt / JSON / 官方字段结构** → ① 型。 +3. **「拆成 N 个镜头」≠ ② 型**:只要求镜头切分、情节照给、无逐窗「每隔几秒显示什么」要求的, + 是 **① 型多镜**(`[Shot 1..N]` + `At MM:SS.mmm`)——官方 ① 型本来就用 `[Shot N]` 表达多镜。 + ② 型的判据是**逐窗显示内容**(「每隔几秒显示什么」「每窗出现什么 UI」)或**明确要分镜脚本/ + 分镜设计文档交付物**。两者都沾时才判 ②。 +4. 两者都不满足 → 按 §2 五模式判定(T2VA/I2VA/FL2VA/L2VA/全能参考),交付形态默认 ①。 +5. 形态误判是 D1 档 2:分镜需求交英文六段、英文结构化需求交中文窗式散文,都算。 + 交付说明 / 中文沟通不受此限(说明层语言自由)。 +6. **多件交付(链路模式)**:需求同时要「分镜设计 + 分镜脚本 + 最终 Prompt」→ 按 §0.6 链路四层 + 交付,各层用各自形态;**不要**把链路需求做成单件 ① 型交付,也不要给单件需求硬拆四层 + (过度交付同样按 D1/HP1 扣)。 + +### 0.3 语言规则按交付形态划界(C-2 裁决) + +**按形态划界,不按「哪份官方文档」划界**:doc1 自己的案例就是中文散文、同时声明多语言支持 +(doc1:35「支持多语言提示词输入与输出」);doc2 的英文条款明文限定在「扩写的六个段落正文」 +这个形态上(doc2:242)。把「正文必须英文」套到 ② 型交付上 = 判据越界违规;反向同罪。 + +| 交付形态 | 语言判据 | 级 | 出处 | +|---|---|---|---| +| ① 型(六段 / 三主体字段 / instruction) | **正文英文**;`` 内台词/歌词、画面实际可见文字保留原语言 | A(硬) | doc2:242「扩写的六个段落正文统一使用英文;只有 `` 中的台词、歌词以及画面中实际可见的文字保留原始语言。」 | +| ② 型(窗式 / 分镜脚本) | **跟随用户输入主导语言**(中文输入 → 中文正文) | A(硬) | doc1:97 官方案例正文全中文 + doc1:35 | +| 分镜设计(链路第 2 层,给人类的内部档) | 语言自由 | B(内部规范) | 官方无此条款,从 doc1:220-222 收口 | +| 台词 / 歌词(跨形态不变量) | 原词、原语言、原标点不改写;无法辨认写 `[unclear]` | A(硬) | doc2:137 / :575 | +| 画面实际可见文字(跨形态不变量) | 英文双引号包围,原文与标点逐字保留,不翻译 | A(硬) | doc2:154(:157 中文招牌 `"营业中"` 示例) | +| 字段名写法 | 「非叙事性音乐:N/A」与 `"non_diegetic_music": N/A` 两种**都合法** | A | doc1:200 同段并列 | + +### 0.4 ① 型官方硬约束(H1-H16,逐条带级与行号) + +| # | 约束 | 级 | 出处 | 适用 | +|---|---|---|---|---| +| H1 | 提示词总长 ≤ **7000 字符**(含标点与空白,`len()` 口径) | A | doc1:35 | 跨形态 | +| H2 | 输出时长 **4–15 秒**;超限不得静默 | A | doc1:35 | 跨形态 | +| H3 | 输出帧率 24 FPS:**提及则不得写错**;需求指定非 24 帧时显式说明该参数不在提示词层控制;**不写帧率不扣分** | A(参数层) | doc1:35 | 跨形态 | +| H4 | `instruction` 必须**位于第一行,后空一行**再写主体字段 | A | doc2:57 | 仅 ① 型 I2VA/FL2VA/L2VA | +| H5 | `At MM:SS.mmm` 递增切镜时间,毫秒 3 位、落在视频时长内;**第一镜不写时间戳** | A | doc2:107/:111/:114/:455 | 仅 ① 型 | +| H5b | **记号硬互斥**:① 型内零处 `[N 秒-M 秒]`;② 型内零处 `At MM:SS.mmm` | A(反证) | doc2 全文 0 处窗式、doc1 全文 0 处时间戳(grep 复算) | 跨形态 | +| H6 | 生成类 `detailed_description` **350–500 英文词**;三条豁免:台词密集型以容纳台词时间线为先 / 视频编辑类按源视频复杂度展开 / 单镜头并不自动缩短。**区间外且不落在任一豁免才扣分**;无豁免依据的机械补字数也扣 | A | doc2:543 | 仅 ① 型 | +| H7 | 听不清写 `[unclear]` 不猜测改写;标点规范化为基础书面标点 `,` `.` `?` `!`,删波浪号/emoji/装饰标点;完整陈述句/疑问句/感叹句在 `` 前以 `.`/`?`/`!` 结束 | A | doc2:575 | 跨形态(台词) | +| H8 | 复杂/易乱码文字:**以图片形式提供作参考图 + 在提示词中明确「这张内容必须按"图片"来理解,不能按"文字"来处理」** | A | doc1:71 | 跨形态 | +| H9 | 关系标记是**固定英文取值,共 8 个**:可见内容 4(`fully_preserved` / `partially_preserved` / `attribute_transfer` / `weak_reference`)+ 音频 4(`fully_copy` / `partially_copy` / `reference` / `weak_reference`)。自创中文或变体取值 = 词法违规 | A | doc2:398/:400-405/:427-434 | 六段交付 | +| H10 | `overall_soundscape` **1–4 句**英文连续段落概括贯穿全片的环境声;`non_diegetic_music` **1–3 句**英文描述角色听不到、只有观众能听到的配乐 | A | doc2:162 / :170 | 仅 ① 型六段/三字段 | +| H11 | **台词长短与 shot 长短对齐**:不出现一个 3s shot 说一大段话(官方标注的口型问题一手根因) | A | doc1:206 | 跨形态 | +| H12 | 画外音固定短语 `says in an off-screen voiceover`(逐字相邻,不得插语打断)+ 唇部保持闭合;跨镜台词 ``、结尾截断 ``;`(Sx)` 稳定编号、组合编号、无声者不编号 | A | doc2:144/:147/:150/:459/:135 | 仅 ① 型 | +| H13 | 素材硬上限:图片 ≤9、视频 ≤3(单段 2-15s、总时长 ≤15s)、音频 ≤3 **且必须配图/视频、不能单独输入**、混合总上限 12 个文件 | A | doc1:35 | 跨形态 | +| H14 | 标签一经分配,在 `subject_definitions`、`summary`、`retention_analysis`、`detailed_description` 与声音段落**五处同义** | A | doc2:272 | 六段交付 | +| H15 | `