Evolve 训练日志 — h3-video-prompt
任务：T-mt89ktxg｜训练人：innovator-evolver｜单次连续 session，非 resume（无跨会话续跑场景）
Round 0：训练前发现（影响全局，先记录）
正式跑 Small Loop 前，先直接 curl raw.githubusercontent.com 逐字抓取了官方
skills/h3-prompt-writing/{SKILL.md,references/base-en.txt,references/ref-en.txt} 全文——
这是 knowhow_v1.md §9.1 标为"未核实"的缺口（此前只有 WebFetch 摘要，没有逐字原文）。
本轮已用原始文件全文解决，不再是未核实状态。
抓取原文后发现一处此前公开资料转述都没提到的硬性规则：官方顶层 SKILL.md "Output Rules"
明确写"Write rewrite sections in English; preserve dialogue, lyrics, and visible scene text in
their original language."——对全部 5 种模式都适用，不是只有 Ref2VA。而当前 agent.md
"交付形态"一节写的是"跟随用户输入语言"，这是新发现的、需要人工拍板的校准冲突，已如实写进
evolve_report.md，Evolve 阶段的 SKILL.md 按官方原文（英文结构字段）执行，未擅自改 agent.md。
Round 1（SKILL.md v0.1.0）
基于 knowhow + 官方原文逐字核实的结果，直接写出结构完整的 v1（5模式判断树、基础模式 Part One 指令行模板、Ref2VA 六字段+四种标签+task-type前缀+关系标记、镜头语言表、说话人/对白语法、 声音设计 N/A 精确条件、13条常见错误、边界情况处理）。8 场景逐条实际生成提示词产出，按 benchmark_v1.md 打分：
| 场景 | D1 | D2 | D3 | D4 | D5 | D6 | 加权和 | 封顶 | 最终 |
|---|---|---|---|---|---|---|---|---|---|
| TS-01 T2VA | 5 | 5 | 5 | 5 | 4 | 5 | 97 | 否 | 97 |
| TS-02 I2VA | 5 | 4 | 5 | 5 | 5 | 5 | 97 | 否 | 97 |
| TS-03 FL2VA | 5 | 3 | 5 | 5 | 5 | 5 | 94 | 否 | 94 |
| TS-04 L2VA | 5 | 3 | 5 | 5 | 5 | 5 | 94 | 否 | 94 |
| TS-05 Ref2VA | 4 | 4 | 5 | 5 | 5 | 5 | 92 | 否 | 92 |
| TS-06 Ref2VA | 4 | 4 | 5 | 5 | 5 | 5 | 92 | 否 | 92 |
| TS-07 边界 | 5 | 5 | 5 | 5 | 5 | 5 | 100 | 否 | 100* |
| TS-08 边界 | 5 | 5 | 5 | 5 | 4 | 5 | 97 | 否 | 97 |
平均 95.375，最低 92（TS-05/TS-06）。*TS-07 打分是判断性的，见下方独立复核。
暴露的具体缺口（2 类真实缺陷，非臆造）：
- FL2VA（TS-03）/L2VA（TS-04）的 Part One 指令行模板
Shot N/S.SS-second mark在实际 生成时原样抄了模板占位符，没有替换成本场景的具体数值（应为Shot 1/15.00、[Shot 1]/8.00）——这是写 SKILL.md 时只给了变量名模板、没有强调"必须解析成具体值"的 直接后果。归到 D2（benchmark 6 维度里没有专门覆盖"Part One 指令行"的维度，这是一个判据 覆盖缺口，见 evolve_report.md）。 - Ref2VA（TS-05/TS-06）的人物类
<Subject N>（代言人/街舞舞者）写成"with their face, hairstyle, and build as shown in the clip"——技术上字段不算空，但没有任何具体可辨识特征， 命中 D1 tier4"内容单薄"。TS-06 草稿阶段还一度在retention_analysis里给这个笼统主体加了 "舞步弱参考"的说法，违反"关系标记只能在 subject_definitions 已定义角色范围内选，不要把 新增动作当损失"的官方规则——因为 subject_definitions 从未声明要锁定具体舞步。此处在定稿 前已自行删除，未计入 round1 最终产出的缺陷分，但记录在案作为方法论薄弱点的证据。
独立复核（TS-05，构造性手工重算）：
4/5×25 + 4/5×15 + 5/5×15 + 5/5×15 + 5/5×15 + 5/5×15
= 20 + 12 + 15 + 15 + 15 + 15 = 92
D1=4 ≥ 3 → 不触发封顶（≤1→40，=2→60 两档规则均未命中）
最终得分 = min(92, 无上限) = 92
与自动打分一致，未发现算术错误或封顶规则漏算。
TS-07 判断性打分说明（按上级要求，模棱两可处要展示推理而非悄悄选一个）：TS-07 的正确产出 是澄清问题而非结构化提示词字段，benchmark_v1.md 的 D1-D6 是围绕"最终提示词原文"设计的，字面 不完全适配这种非提示词交付物。本轮的处理是：D1 按"是否正确保持模式判断的克制 + 预判分支"评分 （可以直接套用）；D2-D6 因为没有对应的结构化字段可评，按"是否发生了该维度对应的违规行为"打分 ——没有违规就给满分，这不等于"字段执行完美"，只是"没有可以评的字段"。这是一个需要人工拍板的 歧义点，不是本次训练自行悄悄拍板定论。
本轮 SKILL.md 改动：无（round1 是首版）。
Round 2（SKILL.md v0.2.0，最终版）
针对上面暴露的 2 类缺口做了两处硬规则修改（具体改动见 SKILL.md §3.1 和 §4.1 的"round 2 新增" 段落 + §9 自查清单新增第14/15条），只重新生成并重新打分了受影响的 4 个场景 （TS-03/TS-04/TS-05/TS-06），未改动的 4 个场景（TS-01/02/07/08）沿用 round1 产出和分数。
| 场景 | D1 | D2 | D3 | D4 | D5 | D6 | 加权和 | 封顶 | 最终 |
|---|---|---|---|---|---|---|---|---|---|
| TS-01 T2VA | 5 | 5 | 5 | 5 | 4 | 5 | 97 | 否 | 97 |
| TS-02 I2VA | 5 | 4 | 5 | 5 | 5 | 5 | 97 | 否 | 97 |
| TS-03 FL2VA | 5 | 5 | 5 | 5 | 5 | 5 | 100 | 否 | 100 |
| TS-04 L2VA | 5 | 5 | 5 | 5 | 5 | 5 | 100 | 否 | 100 |
| TS-05 Ref2VA | 5 | 5 | 5 | 5 | 5 | 5 | 100 | 否 | 100 |
| TS-06 Ref2VA | 5 | 5 | 5 | 5 | 5 | 5 | 100 | 否 | 100 |
| TS-07 边界 | 5 | 5 | 5 | 5 | 5 | 5 | 100 | 否 | 100* |
| TS-08 边界 | 5 | 5 | 5 | 5 | 5 | 5 | 100 | 否 | 100 |
平均 99.125（含 TS-07）/ 98.71（不含 TS-07）；最低 97。TS-08 顺手把 §5.1 术语用词从 "arcing shot" 改成官方定义术语 "Arc Shot"，不算独立修复项，一并记录。
独立复核（TS-06，专项检查 round1 暴露的跨字段一致性问题是否真的修复）：手工核对
subject_definitions / retention_analysis / detailed_description 三处对 Subject2 的特征
描述是否互相一致（round1 曾在这条链路上出问题）——三处均一致复用"short fade haircut, red
bomber jacket, silver chain"，未再出现"retention_analysis 引入 subject_definitions 未声明
角色"的问题。加权和重算 25+15+15+15+15+15=100，D1=5 不触发封顶，与自动打分一致。
是否继续 round3：不继续。round1→round2 的分数提升（92→100 等）完全对应已识别、已修复的 具体缺陷，round2 的 4 个满分场景是"缺陷修复后的自然结果"，不是没有依据的加分；round2 剩余的 3 个 97 分场景（TS-01/02/08 中未改动的部分）经过第二轮独立审视，未发现新的实质性缺陷，只剩 不影响可执行性的措辞细节（如 TS-01 的"low-angle static shot"组合写法、TS-02 对海报视觉细节 的天然转述局限）。继续迭代不会指向真实问题，属于凑轮次，按 token 预算规则停止。