version: v2 generated_by: innovator-digest date: 2026-08-26 based_on_feedback: conv-mtabpqx9 eval 6/10
supersedes: benchmark_v1.md
H3 视频提示词质量评分基准 v2 — h3-video-prompt
生成者：innovator-digest（Phase 2 Digest，v2 修订） 日期：2026-08-26 ｜ 触发：Large Loop 真实生产场景 human feedback（conv-mtabpqx9「你出去看看」，评测 6/10） 评分对象：该 agent 针对一条用户视频创意产出的最终提示词原文（当任务触发素材阻塞时，评分对象为阻塞报告，见 D7 与 §3.3） 前身：
benchmark_v1.md（2026-08-25，6 维度）——v1 未覆盖 6 类生产失败模式，本次修订不覆盖 v1
〇、v1 → v2 修订背景（触发源与设计原则）
触发源：真实生产场景 conv-mtabpqx9「你出去看看」人工评测 6/10。总评："扩写与镜头设计能力中上， 但约束遵循与生成前校验明显不足"。评测暴露了 v1 六维度没有覆盖的 6 类失败模式：
| # | 失败模式 | 生产案例（feedback_eval.md） |
|---|---|---|
| F1 | 对白逐字保真与 <d> 格式（硬性格式错误） |
台词写成 [Chinese] 你出去看看。，未用 <d> 包裹，且擅自补了句号 |
| F2 | 素材可用性预检与阻塞报告 | scene 图带"AI生成"水印+飞书角标、要求换清洗版，产出仍静默引用进 references |
| F3 | 输入冲突解决 | "油灯是唯一光源" + scene 图有燃烧蜡烛，产出同时写两个发光源 |
| F4 | 意图忠实与扩写边界 | 用户只给"你出去看看"，产出却让女子"始终一动不动/沉默回答"，自定拒绝剧情 |
| F5 | 镜头语言一致性 | static shot with small amplitude shake 同时表达静止与抖动，语义矛盾 |
| F6 | 输出前机械校验 | 六段/字段名/编号/references 对应/<d>/占位符等无固定检查，靠"写得好"碰运气 |
v2 设计原则：
- 行为类维度 ≥ 结构类维度：评测 6 类失败全部落在"约束遵循与生成前校验"上（对白、素材、冲突、 扩写、一致性、机械校验），所以 v2 把行为类维度合计权重提到 50 分，结构/质量类（字段完整性、 声音、具体性）合计 30 分，模式覆盖度锚点 20 分。
- D1 仍是唯一核心锚点：knowhow §8 把模式命名体系标为"❌完全缺失"的结构性缺口，且 D1 的 封顶规则是 90 分硬性部署线可达性的关键路径（baseline_target.md §四），v2 保留 D1 权重最高 + 封顶规则。
- 硬错误用"封顶"而不是靠权重放大惩罚：对白未用
<d>、擅自改台词、静默引用不可用素材这三类 是"任何一项出现就必须修复再输出"的硬性错误（feedback_eval 七步工作流第七步），v2 为它们各加 一道硬错误总分上限，让单个硬错误不可能被其他维度的体面分数稀释到及格线以上。 - 阻塞产出有明确的评分规则：D7 要求"报告阻塞"而不是"生成提示词"，这类产出的评分方式在 §3.3 单独定义，不复用普通维度的评分假设。
一、维度设计（9 维度 + 权重，满分 100）
| 维度 | 名称 | 判据来源 | 权重 | 覆盖失败模式 |
|---|---|---|---|---|
| D1 | 官方输入模式覆盖度（核心锚点） | knowhow §1.1 五模式表 + Ref2VA 三字段；§6 首尾帧/全参考混用 | 20 | —（结构性锚点） |
| D2 | 结构化字段完整性 | knowhow §1.1 基础三字段 / Ref2VA 六字段 | 10 | — |
| D3 | 声音设计完整性（含 N/A 精确条件） | knowhow §5 + evolve SKILL.md §7 + evolve_report 4.4 | 10 | TS-10 触发点 |
| D4 | 具体性 vs 空洞质量词 | knowhow §4（多信源印证最扎实） | 10 | — |
| D5 | 对白逐字保真与 <d> 格式（硬性规范） |
feedback_eval 问题 1 + 七步工作流第五步 + knowhow §1.2 + evolve SKILL.md §6 | 10 | F1 |
| D6 | 运镜与镜头语言一致性 | feedback_eval 问题 4、6 + 七步工作流第六步 + knowhow §1.2/§3/§6 + evolve SKILL.md §5 | 10 | F5 |
| D7 | 素材可用性预检与阻塞报告（生产级硬行为） | feedback_eval 问题 2 + 七步工作流第二步 + knowhow §6 | 10 | F2 |
| D8 | 意图忠实与扩写边界（含输入冲突解决） | feedback_eval 问题 3、4、5 + 七步工作流第三、四步 + evolve SKILL.md §10 | 10 | F3 + F4 |
| D9 | 输出前机械校验 | feedback_eval 问题 7 + 七步工作流第七步 + evolve SKILL.md §3.1 + evolve_report 4.3 | 10 | F6 |
权重合计 = 20 + 10×8 = 100。D1 单项 20，为全场最高（是次高的 2 倍）。
权重结构说明：
- D1（20）：唯一被 knowhow §8 标为"❌完全缺失"的结构性缺口，保留 v1 的最高权重 + 封顶规则。
- 行为类 D5-D9（各 10，合计 50）：5 个维度分别承接 6 类失败模式。对白（F1）、素材（F2）、 冲突与扩写（F3+F4）、镜头一致（F5）、机械校验（F6）在真实生产中是被扣分的重灾区，合计权重 必须压过结构类，否则又会出现"写得漂亮但约束全违反仍拿体面分"的 v1 老问题。
- 结构/质量类 D2-D4（各 10，合计 30）：字段完整性、声音设计、具体性在 v1 已被多信源验证为 准确（knowhow §8 校准表），但生产评测没有在这些维度失分——它们仍重要，但不是这次修订要修的 短板，所以从 v1 的 15 降到 10。
二、逐维度评分标准
每个维度打 1-5 分，最终按 维度得分/5 × 维度权重 加权求和。
D1 官方输入模式覆盖度（权重 20，核心锚点）
判据锚点（knowhow §1.1）：H3 官方把提示词写作分 5 种输入模式（T2VA/I2VA/FL2VA/L2VA/Ref2VA），
每种模式对应不同输入素材和字段集合；Ref2VA（最多 9 图 + 3 视频 + 3 音频的多素材一致性场景）
比基础模式多出 subject_definitions/summary/retention_analysis 三个前置字段。首尾帧模式
与全参考模式的字段结构混用是 knowhow §6 明确列出的新增错误。
| 分数 | 判据 |
|---|---|
| 5 | 正确识别输入模式（单一或组合）；若为 Ref2VA 场景，subject_definitions/summary/retention_analysis 三字段全部出现且内容具体（逐个声明主体、点名必须跨镜头保持一致的具体特征，非占位话） |
| 4 | 模式识别正确，但 Ref2VA 三字段中有 1 个内容单薄（如 retention_analysis 只写"保持一致"，未点名具体特征） |
| 3 | 模式判断方向大致对（如把 Ref2VA 场景当"进阶模板"处理），但未使用官方字段名、未显式声明所处模式，字段内容和官方结构对不上号 |
| 2 | 模式误判（如把需要首尾帧衔接的 FL2VA 场景当 T2VA 写，把多参考一致性场景当单图 I2VA 处理，或同一请求内同时触发 FL2VA 与 Ref2VA 字段结构混用） |
| 1 | 完全没有模式意识；Ref2VA 场景下三字段一个都没出现，参考素材只被当背景描述带过 |
判据来源：knowhow §1.1 + §6（首尾帧/全参考混用）+ evolve SKILL.md §4（六字段顺序）。
D2 结构化字段完整性（权重 10）
判据锚点（knowhow §1.1）：基础模式三字段（integrated_multimodal_description/overall_soundscape/
non_diegetic_music）或 Ref2VA 六字段（额外 detailed_description/summary/retention_analysis/
subject_definitions），该场景需要的字段必须全部出现且内容具体、顺序正确。
| 分数 | 判据 |
|---|---|
| 5 | 该场景应有的全部字段都出现，且每个字段内容具体、对应该镜头/该主体，非套话 |
| 4 | 字段齐全，1 处内容偏简略但不影响理解 |
| 3 | 缺 1 个字段，或字段名称/顺序不规范（如把 non_diegetic_music 和 overall_soundscape 混写在一起） |
| 2 | 缺 ≥2 个字段，或字段内容基本是通用套话，换成任何场景都能套用 |
| 1 | 完全未使用结构化字段，混在一段连续散文里，读者无法区分画面/环境音/配乐 |
判据来源：knowhow §1.1（基础三字段"与现有 SKILL.md Step 3 完全吻合，强验证"）。
D3 声音设计完整性（权重 10，含 N/A 精确条件）
判据锚点（knowhow §5 + evolve SKILL.md §7 + evolve_report 4.4）：声音是和画面平级的独立轨道，
不可省略四项（对白具体内容/环境声类型/背景音乐风格/音效卡点位置）。N/A 使用精确条件：
overall_soundscape 只有用户明确要求全程完全静音时才写 N/A（环境声轻微也要具体描述，
不能因为"没什么特别的声音"就标 N/A）；non_diegetic_music 没有配乐时必须显式写 N/A，
不能留空/不提（留空会被模型理解为自由发挥）。evolve_report 4.4 明确指出现有 8 个测试场景从未
触发过这条规则——v2 的 TS-10 专门补上。
| 分数 | 判据 |
|---|---|
| 5 | 每类声音被显式处理；不需要的声音按精确条件显式标 N/A（overall_soundscape 仅当用户明确要求全程静音时；non_diegetic_music 无配乐时）；四项不可省略项全部覆盖 |
| 4 | 声音都写了，但"不需要"的类别只是不提及（尤其 non_diegetic_music 留空而非显式 N/A），或环境声轻微却错误地写 N/A |
| 3 | 声音描述存在但笼统（如只写"有一些环境音"），不可省略项缺 1-2 类 |
| 2 | 只写了配乐或只写了环境声，遗漏另一类 |
| 1 | 声音部分完全留空或缺失 |
判据来源：knowhow §5（fal.ai "显式禁音乐要写 N/A"）+ evolve SKILL.md §7（官方原文精确条件）+ evolve_report 4.4。
D4 具体性 vs 空洞质量词（权重 10）
判据锚点（knowhow §4）：光影/材质/氛围描述要能回答"光从哪来、打在什么地方、造成什么视觉效果"， 不用"高清/电影感/超写实/大师级"类质量堆砌词；官方原文 "Prioritize concrete descriptive details over vague terminology" 与此完全一致。
| 分数 | 判据 |
|---|---|
| 5 | 全程无质量堆砌词，光影/材质/氛围描述都能回答"光从哪、打在哪、什么效果"三问 |
| 4 | 基本具体，1 处出现轻微质量词但不是堆砌（如"质感细腻"单独出现一次） |
| 3 | 具体描述和质量词混用，约一半篇幅是空词 |
| 2 | 多数光影/氛围描述停留在质量词层面，具体细节少于一半 |
| 1 | 通篇质量词堆砌（"电影级 8K 超写实画质"），无任何"光源+位置+效果"级别的具体描述 |
判据来源：knowhow §4（morphic.com/zh 四条光影范例是 5 分档正面样板）。
D5 对白逐字保真与 <d> 格式（权重 10，硬性规范）
判据锚点（feedback_eval 问题 1 + 七步工作流第五步 + knowhow §1.2 + evolve SKILL.md §6）：
每句对白必须使用 <d>[Language] 原始台词</d>；<d> 内只放语言标签和台词；原词、语序、
原始标点逐字保留，不翻译、不润色、不补词、不擅自加句号/感叹号/省略号；发声者使用稳定
(S1)/(S2) 编号；说话方式/音色/动作写在 <d> 外。若任务/场景不涉及对白，本维度记 N/A
（按 §3.1 的"未发生违规 = 满分"处理，不扣分）。
| 分数 | 判据 |
|---|---|
| 5 | 全部对白都在 <d> 内，<d> 内只含语言标签 + 原始台词；逐字逐标点保真；(Sx) 编号稳定且与发声者一一对应；说话方式/音色/动作都在 <d> 外 |
| 4 | 格式与保真完全正确，仅 1 处轻微瑕疵（如 (Sx) 首次出现时未在括号内注明音色特征，但不影响辨识） |
| 3 | 存在 1 处格式/保真问题但不改变台词语义（如漏写 <d> 闭合标签、标点被规范化但词序未变） |
| 2 | 擅自改动台词（补句号/感叹号/省略号、改写用词、翻译、补词）但主体仍在对白里；或 (Sx) 编号错乱导致发声者难以对应 |
| 1 | 对白未用 <d> 包裹（写成普通叙述句或裸字符串）；或台词被大幅改写/翻译/语义改变 |
硬错误下限：命中 1-2 档（对白未用 <d> 包裹，或台词擅自改动）→ 总分上限 75。
对白保真属于硬性格式错误（feedback_eval 问题 1 原文"对白格式属于硬性错误"），且七步工作流第七步
"所有对白使用 <d>""台词逐字保真"是"任一硬性检查失败就先修复再输出"的检查项，不能靠其他维度
的高分混过及格线。
判据来源：feedback_eval 问题 1（真实反例 [Chinese] 你出去看看。）+ 七步工作流第五步 + knowhow §1.2（<d>[English] Helloooooooo!</d> 逐字示例）+ evolve SKILL.md §6。
D6 运镜与镜头语言一致性（权重 10）
判据锚点（feedback_eval 问题 4、6 + 七步工作流第六步 + knowhow §1.2/§3/§6 + evolve SKILL.md §5）：
单个镜头主导运镜唯一，static/shake/push/pan 不得在同一镜头内互相矛盾（反例：static shot with
small amplitude shake）；"唯一光源"必须真的唯一；人物不得无进入过程突然出现；道具位置不得跨镜头
跳变；summary/retention_analysis/detailed_description 讲同一件事；Shot 编号与切镜时间连续
合理（不重叠、无间隙）；镜头术语准确（knowhow §3 术语表，含幅度/速度两个独立修饰维度）。
| 分数 | 判据 |
|---|---|
| 5 | 术语准确无误用；单镜头主导运镜唯一；无光源/人物出现/道具位置矛盾；summary/retention_analysis/detailed_description 跨字段一致；Shot 编号与时间戳连续合理 |
| 4 | 基本一致，仅 1 处轻微瑕疵（如幅度/速度修饰词省略但不影响理解、术语在非关键处小误） |
| 3 | 同一镜头内混用矛盾运镜（如 static + shake 未拆镜）未处理；或 1 处跨字段不一致（summary 与 detailed_description 讲的不是同一件事）；或 Shot 编号/时间戳 1 处不连续 |
| 2 | 出现光源矛盾（"唯一光源"却同时出现多个发光源）、人物无过程突然出现、道具位置跨镜头跳变；或多镜头时间戳重叠/有间隙 |
| 1 | 术语大量误用、多镜头结构混乱、跨字段严重矛盾，无法定位主导运镜 |
判据来源：feedback_eval 问题 4（光源矛盾）+ 问题 6（static shot with small amplitude shake）
- 七步工作流第六步 + knowhow §1.2/§3 + knowhow §6（时间戳重叠/间隙）+ evolve SKILL.md §5（同一镜头不塞矛盾主导运镜）。
D7 素材可用性预检与阻塞报告（权重 10，生产级硬行为）
判据锚点（feedback_eval 问题 2 + 七步工作流第二步 + knowhow §6）：逐项检查参考素材 note； 带水印/错误人脸/错误版本/隐私内容/「必须替换」/「不要使用」→ 视为不可用素材；不得为了完成 输出而静默引用不可用素材；任务必须依赖该素材且输入无可用替代项 → 停止生成正式 Prompt，按调用方 允许的错误格式报告缺失替代素材；若输出 schema 没有错误通道，明确说明 schema 与素材要求不可同时 满足，不要伪造一个合规结果。多素材时必须分别声明各自职责（knowhow §6"参考素材未声明职责就堆叠使用"）。
| 分数 | 判据 |
|---|---|
| 5 | 逐项预检全部素材 note；无不可用素材，或不可用素材均有可用替代并被正确处理；全部素材职责声明清楚（无"裸奔"堆叠）；必需素材不可用且无替代时正确报告阻塞 |
| 4 | 预检了素材但 1 处职责声明不明确；或对轻微 note 提示（如"换一版"）处理不彻底但未导致引用污染素材 |
| 3 | 识别到 1 处素材不可用但采取降级处理（如从 references 剔除该素材而未报告阻塞），而任务实际依赖该素材 |
| 2 | 识别到素材不可用但仍静默引用了该素材（references 包含带水印/必须替换的素材） |
| 1 | 完全未检查素材 note，直接把全部素材堆进 references 使用 |
硬错误下限：若任务必须依赖某素材、该素材不可用、且无可用替代项，而产出仍静默引用该素材 （对应 1-2 档）→ 总分上限 70。feedback_eval 问题 2 原文"这是很严重的生产问题：skill 会把 已知污染素材送进模型"，正确行为是报告阻塞，不能伪造一个看似合规的结果。
判据来源：feedback_eval 问题 2（真实反例：带水印 scene 图仍进 references）+ 七步工作流第二步 （素材预检四步：视为不可用 → 不得静默引用 → 报告缺失替代素材 → schema 无错误通道时明说冲突）+ knowhow §6。
D8 意图忠实与扩写边界（含输入冲突解决）（权重 10）
判据锚点（feedback_eval 问题 3、4、5 + 七步工作流第三、四步 + evolve SKILL.md §10）。本维度由两个 各占 50% 权重的子块构成：
- 子块 A — 输入冲突解决（F3）：检测文字设定/参考图说明/主体定义/样例间冲突；冲突优先级 = 用户当前明确意图与约束 > 主体定义与绑定规则 > 格式指南 > 参考图可见内容与说明 > 样例写法； 样例只说明格式与风格，不能覆盖当前任务事实；可局部解决时采用最小改动（例：「油灯是唯一 光源」+ 场景有蜡烛 → 蜡烛保留但写明未点燃，不能把两者都写成发光源）。
- 子块 B — 扩写边界（F4）：区分输入事实/图片可见信息/低风险可拍摄细节/会改变剧情的高风险推断； 可补低风险细节（轻微呼吸、衣料摩擦、灯焰波动、合理小幅运镜）；不得在无依据时添加高风险剧情 推断（角色拒绝/服从/离开/攻击/恐惧/新关系/明确情绪结论）；用户只给一句台词时，忠实呈现说话行为， 对方反应保持中性、短暂、开放；信息不足时反问而非臆造（对应 TS-07）。
| 分数 | 判据 |
|---|---|
| 5 | 无输入冲突，或冲突被正确识别并按优先级以最小改动解决；扩写严格限于低风险可拍摄细节，无任何高风险剧情推断 |
| 4 | 冲突解决正确但 1 处处理略激进（最小改动之外多改了一处）；或补充了 1 处边界模糊但未改变剧情走向的细节 |
| 3 | 识别到冲突但解决违反优先级（如用样例写法覆盖当前任务事实）或未采用最小改动（如直接删蜡烛而非写明未点燃）；或出现 1 处高风险剧情推断但程度轻微（如给角色定了明确情绪） |
| 2 | 多个冲突未解决或解决后互相矛盾；或擅自添加改变剧情的结果（角色拒绝/服从/离开/新关系）；或信息不足时臆造具体场景而非反问 |
| 1 | 完全无视输入冲突，输出自相矛盾；或大量编造无依据剧情（角色反应、明确结局） |
内部语义说明：本维度区分"被阻塞"（D7 管辖：素材缺失导致无法产出）与"主动跳过/臆造"（本维度管辖： 信息不足或用户未授权时自行决定剧情）。两种失败性质不同，不在同一维度混判——这是有意的语义细分， 即使行业惯例常把两者合并处理，v2 也保留该区分度。
判据来源：feedback_eval 问题 3（擅自添加剧情结论）+ 问题 4（光源冲突）+ 问题 5（部分细节没有 来源）+ 七步工作流第三、四步 + evolve SKILL.md §10（边界情况处理）。
D9 输出前机械校验（权重 10）
判据锚点（feedback_eval 问题 7 + 七步工作流第七步 + evolve SKILL.md §3.1 + evolve_report 4.3）：
instruction 与六段正文齐全且顺序正确；字段名完全正确；所有 <Subject N>/<Picture N> 已定义且
编号一致；references 顺序与 <Picture N> 完全对应；人物立绘仅作人物来源绑定、不另起图片条目；
JSON 可解析、无 schema 外字段或解释文字；无残留模板占位符（Shot N/S.SS 未解析成具体数值，
evolve SKILL.md §3.1 硬规则——evolve_report 4.3 明确要求给起始指令行一个判据位置，v2 落地在本维度）。
对白/素材/剧情类内容问题由 D5/D7/D8 各自判分，本维度只判结构性机械项，避免重复扣分。
| 分数 | 判据 |
|---|---|
| 5 | 全部机械检查项通过：段落齐全顺序正确、字段名精确、<Subject N>/<Picture N> 编号一致、references 顺序与 <Picture N> 完全对应、立绘仅绑定人物、JSON 可解析、无占位符、无 schema 外字段 |
| 4 | 1 处非核心机械问题（如某字段名大小写不规范但可解析、某个 <Subject N> 引用顺序轻微偏差） |
| 3 | 2 处机械问题，或 1 处中等结构问题（缺一段、references 顺序与 <Picture N> 不对应） |
| 2 | ≥3 处机械问题，或字段名错误、JSON 不可解析、留有模板占位符（Shot N/S.SS 未替换成具体数值） |
| 1 | 结构混乱，无法识别为合规输出 |
判据来源：feedback_eval 问题 7（缺少输出前机械校验的完整检查清单）+ 七步工作流第七步 + evolve SKILL.md §3.1（占位符硬规则）+ evolve_report 4.3（指令行判据归属）。
三、总分计算方法
3.1 加权和
加权和 = Σ(维度得分/5 × 维度权重) （满分 100）
某维度判定为 N/A（如无声场景的 D5、触发阻塞时无 Prompt 可评的 D2-D9）时，按"未发生该维度对应 的违规行为"处理，记满分 5 分、不扣分——沿用 evolve_report 4.2 对 TS-07 边界场景的既有处理惯例。
3.2 封顶与硬错误下限
封顶 = 取所有已触发上限的最小值：
D1 封顶（保留 v1）：
若 D1 ≤ 1 → 总分上限 40
若 D1 = 2 → 总分上限 60
若 D1 ≥ 3 → D1 不封顶
D5 硬错误下限（v2 新增）：
命中 D5 1-2 档（对白未用 <d> 包裹，或台词擅自改动）→ 总分上限 75
D7 硬错误下限（v2 新增）：
命中 D7 1-2 档（必需素材不可用且无替代时静默引用）→ 总分上限 70
最终得分 = min(加权和, 所有已触发的上限)
为什么保留 D1 封顶 + 新增 D5/D7 硬错误下限：
- D1 封顶保留：模式误判是结构性灾难，且是 90 分线可达性的关键路径（baseline_target.md §四—— "真正的风险不在 90 分定得过高，而在 D1 封顶规则"）。
- D5/D7 硬错误下限新增：v1 只有 D1 一道天花板，但生产评测证明对白格式错误（F1）与静默引用污染素材 （F2）都是"任何一项出现就必须修复再输出"的硬性错误。v2 给它们各设一道低于及格线的总分上限， 确保单个硬错误不会被其他维度的高分稀释到 90 分以上。
3.3 阻塞产出评分规则（v2 新增，D7 专属）
当任务存在"必需素材不可用且无可用替代项"（D7 触发阻塞条件）时：
- 正确阻塞（报告缺失替代素材 / 明说 schema 与素材要求不可同时满足，未产出正式 Prompt）： D7 = 5 分，其余依赖 Prompt 正文的维度（D2/D4/D5/D6/D8/D9）按 N/A（满分）处理，该场景得分 100， 并作为一次"正确阻塞"的正样本记录。
- 错误产出（静默引用不可用素材，产出正式 Prompt）：D7 按 1-2 档判分，触发 D7 硬错误下限（70）； 其余维度照常评分。
- 折中行为（产出阻塞说明，但同时又附了一个引用不可用素材的 Prompt）：按错误行为判（D7 取最低 档），触发 D7 硬错误下限——"报阻塞还附带污染输出"比单纯的阻塞更不可接受。
- 若输出 schema 没有错误通道，agent 必须明确指出"schema 与素材要求不可同时满足"并停止产出， 视为正确阻塞；不得为了凑 schema 而引用污染素材。
3.4 判定等级（沿用 v1，passing_score = 90）
| 分数区间 | 等级 | 处置建议 |
|---|---|---|
| ≥95 | 优秀（目标线） | 达到 Evolver 训练收敛目标，可部署 |
| 90-94 | 合格（硬性部署线） | 达到部署门槛，建议下一轮针对薄弱维度微调 |
| 75-89 | 待改进 | 不建议直接部署，需补齐薄弱维度重新评分 |
| 不合格 | 判定为结构性缺失或硬错误触发封顶，需要重写核心维度 |
passing_score（硬性部署线）= 90：沿用 v1（baseline_target.md §四 已核实可达），本轮不重设。 新增的 D5/D7 硬错误下限会把这个门槛变得更"硬"——任何一个硬错误都会把总分压到 75/70，必然低于 及格线。
四、判据来源逐条对照表
| 来源 | 落地维度 | 说明 |
|---|---|---|
| feedback_eval 问题 1（对白格式硬性错误） | D5 | v2 核心触发点之一，D5 直接以该反例为锚点 |
| feedback_eval 问题 2（漏掉素材硬阻塞条件） | D7 | v2 核心触发点，含阻塞/静默引用双向判据 |
| feedback_eval 问题 3（擅自添加剧情结论） | D8（子块 B） | 扩写边界 |
| feedback_eval 问题 4（光源设定自相矛盾） | D8（子块 A）+ D6 | 冲突解决 + 镜头一致 |
| feedback_eval 问题 5（部分细节没有来源） | D8（子块 B） | 输入事实 vs 推断的分类 |
| feedback_eval 问题 6（镜头语言局部冲突） | D6 | static shot with small amplitude shake 反例 |
| feedback_eval 问题 7（缺少输出前机械校验） | D9 | 固定检查表 |
| feedback_eval 七步工作流第一步（提取硬约束） | D2/D9 | 硬约束表落点为字段完整 + 机械校验 |
| feedback_eval 七步工作流第二步（引用素材预检） | D7 | 四步预检逻辑 |
| feedback_eval 七步工作流第三步（解决输入冲突） | D8（子块 A） | 优先级表 + 最小改动 |
| feedback_eval 七步工作流第四步（控制扩写边界） | D8（子块 B） | 低风险/高风险分类 |
| feedback_eval 七步工作流第五步（严格处理对白） | D5 | <d> 六条要求 |
| feedback_eval 七步工作流第六步（保持物理与镜头一致） | D6 | 六项检查 |
| feedback_eval 七步工作流第七步（输出前机械验收） | D9 | 11 项检查清单 |
| knowhow §1.1（五模式表 + Ref2VA 三字段） | D1/D2 | 结构性锚点，v1 沿用 |
knowhow §1.2（(S1)/<d> 逐字示例） |
D5/D6 | photogptai.com 复核 |
| knowhow §3（镜头术语表） | D6 | 全部术语验证准确 |
| knowhow §4（具体性三问法） | D4 | 证据最充分的一条规则 |
| knowhow §5（声音设计规范 + N/A 显式声明） | D3 | fal.ai 来源 |
| knowhow §6（六类新增错误） | D1/D3/D6/D7 | 拆散归入各自自然维度 |
| evolve SKILL.md §3.1（指令行占位符硬规则） | D9 | Shot N/S.SS 必须解析 |
| evolve SKILL.md §5（同一镜头不塞矛盾运镜） | D6 | 与 feedback_eval 问题 6 同源 |
| evolve SKILL.md §6（对白逐字保真语法） | D5 | <d> 内只放语言标签 + 原始台词 |
| evolve SKILL.md §7（N/A 精确条件） | D3 | 比 knowhow §5 更精确，TS-10 触发点 |
| evolve_report 4.3（指令行判据归属） | D9 | 补上 v1 D2 挂靠不全的缺口 |
| evolve_report 4.4（N/A 条件从未被场景触发） | D3 + TS-10 | 触发 test_scenarios 新增 TS-10 |
| baseline_target.md §四（90 分可达性 + D1 封顶关键路径） | D1 + §3.2 | 封顶规则保留依据 |
9 个维度全部能追溯到 feedback_eval.md / knowhow_v1.md / evolve SKILL.md / evolve_report.md 的具体 章节，没有凭空设计的判据。