# 多宫格分镜视频需求补充（2026-03-12）

> 适用范围：`RUXA 视频` / 画布分镜视频工作流 / Agent 自动规划  
> 本文是对现有“九宫格视频 Agent 技能链”方案的补充，重点新增：
> 1. 支持 `4宫格 / 6宫格 / 9宫格` 标准化切片
> 2. 切片后先自动生成高清大图，并按顺序入库、回显到画布
> 3. 必须经过用户确认分镜文案后，才允许开始调用生视频模型
>
> 开发拆解清单见：`docs/多宫格分镜视频开发清单-2026-03-12.md`
> Agent 升级调研见：`docs/DeerFlow调研与Agent升级建议-2026-03-12.md`

---

## 1. 需求目标

我们不再只支持“识别九宫格再直接生视频”，而是升级为统一的 **多宫格分镜图 -> 标准切片 -> 高清镜头图 -> 用户确认 -> 分镜视频** 流程。

核心目标：

1. Agent 在前置生图阶段就强制加入“标准分割版式提示词”，提高后续切片识别成功率
2. 支持标准 `2x2 / 3x2 / 3x3` 三种宫格版式
3. 切片后每个分镜先生成一张大尺寸高清静帧图，作为“视频前置确认素材”
4. 高清静帧图必须按顺序写入数据库、同步显示到画布
5. Agent 必须和用户逐段确认分镜文案；未确认前，禁止调用视频模型

---

## 2. 标准宫格类型定义

### 2.1 标准版式

系统当前只认以下三种标准版式：

| 业务名称 | 标准版式 | 行列 | 顺序 |
| --- | --- | --- | --- |
| 4宫格 | `grid_2x2` | 2 行 2 列 | 从左到右、从上到下 |
| 6宫格 | `grid_3x2` | 2 行 3 列 | 从左到右、从上到下 |
| 9宫格 | `grid_3x3` | 3 行 3 列 | 从左到右、从上到下 |

约束：

- `6宫格` 当前统一采用 `3列 x 2行`
- 不支持自由拼贴、不规则分栏、跨格大图、瀑布流拼图
- 如用户上传的是非标准拼图，Agent 需提示“当前只支持 2x2 / 3x2 / 3x3 标准版式”

### 2.2 推荐输出尺寸

| 版式 | 推荐画布比例 | 推荐最小边长 |
| --- | --- | --- |
| `grid_2x2` | 1:1 | 2048 |
| `grid_3x2` | 3:2 | 2304 |
| `grid_3x3` | 1:1 | 2304 |

说明：

- 目标不是让用户记参数，而是 Agent 自动把这些结构要求注入到底层生图提示词
- 若底层模型不稳定，优先保证“分割清晰可识别”，其次再追求艺术表现

---

## 3. Agent 必须追加的结构化提示词

## 3.1 总体规则

当 Agent 需要让模型生成“可切片的多宫格分镜图”时，必须自动追加结构化约束，不允许只使用自然语言脚本直接出图。

必须追加的约束包括：

- 严格等分网格
- 固定外边距
- 固定分隔线宽度
- 所有主体必须完整落在单一格内
- 主体、光效、文字、特效都不得跨越分隔线
- 禁止倾斜透视、胶片边框、拼贴阴影、圆角相框、手撕纸边、重叠排版
- 禁止编号文字、水印、Logo、字幕条覆盖在格线附近

## 3.2 标准版式提示词模板

### `grid_2x2`

Agent 需要在最终生图 prompt 末尾追加：

`严格 2x2 分镜拼图，2行2列，所有格子等宽等高，纯净清晰的统一分隔线，固定外边距，画面按从左到右从上到下阅读。每个主体必须完整处于单独格内，不得跨格，不得遮挡边界，不得透视倾斜，不得拼贴重叠，不得出现文字编号、水印、胶片边框。`

### `grid_3x2`

Agent 需要在最终生图 prompt 末尾追加：

`严格 3x2 分镜拼图，3列2行，所有格子等宽等高，纯净清晰的统一分隔线，固定外边距，画面按从左到右从上到下阅读。每个主体必须完整处于单独格内，不得跨格，不得遮挡边界，不得透视倾斜，不得拼贴重叠，不得出现文字编号、水印、胶片边框。`

### `grid_3x3`

Agent 需要在最终生图 prompt 末尾追加：

`严格 3x3 分镜拼图，3行3列，所有格子等宽等高，纯净清晰的统一分隔线，固定外边距，画面按从左到右从上到下阅读。每个主体必须完整处于单独格内，不得跨格，不得遮挡边界，不得透视倾斜，不得拼贴重叠，不得出现文字编号、水印、胶片边框。`

## 3.3 Agent 对用户的引导要求

如果用户说“帮我做九宫格/六宫格/四宫格分镜图”，Agent 需要主动补一句简短说明：

- 系统会按标准宫格版式生成，便于后续自动切片
- 如需继续做分镜视频，建议先确认每格对应一个镜头

如果用户只说“做一个分镜拼图”，Agent 默认策略：

1. 优先判断是否要做视频分镜
2. 若是视频分镜且镜头数未知，默认先建议 `9宫格`
3. 若用户明确说“只要 4 段 / 6 段”，分别切到 `4宫格 / 6宫格`

---

## 4. 多宫格识别与切片规则

## 4.1 检测输出结构

检测技能输出统一扩展为：

```json
{
  "isStoryboardGrid": true,
  "gridType": "grid_3x3",
  "rows": 3,
  "cols": 3,
  "confidence": 0.93,
  "cropBoxes": [
    { "index": 1, "row": 1, "col": 1, "x": 0, "y": 0, "w": 640, "h": 640 }
  ],
  "qualityScore": 0.9
}
```

## 4.2 切片顺序

统一采用“阅读顺序”：

1. 先行后列
2. 每行从左到右
3. 再进入下一行

即：

- `grid_2x2`：1-2 / 3-4
- `grid_3x2`：1-2-3 / 4-5-6
- `grid_3x3`：1-2-3 / 4-5-6 / 7-8-9

## 4.3 识别失败时的退路

- 置信度不足：Agent 提示用户改用标准宫格版式重新生成
- 分隔线不清晰：Agent 提示用户“重新按标准宫格输出”
- 非标准布局：不进入后续高清图/视频链路

---

## 5. 切片后先生成高清镜头图

## 5.1 新增强制步骤

切片完成后，不能直接开始生视频，必须先进入 **高清镜头图生成阶段**：

1. 每个切片图作为一张独立输入图
2. 调用生图模型或图像增强模型，生成大尺寸高清镜头图
3. 高清图按切片顺序写入数据库
4. 高清图按切片顺序回显到画布
5. Agent 用这些高清图和对应文案向用户做分镜确认

## 5.2 目标能力

高清镜头图阶段要解决两个问题：

1. 原始切片图尺寸过小，不适合直接做视频首帧
2. 用户需要在正式生视频前先看到“每镜头的大图预览”

## 5.3 推荐技能命名

建议新增：

- `tile-hd-redraw-skill`

职责：

- 输入：`tileImage + globalStyle + shotPrompt`
- 输出：`hdImageUrl + hdPrompt + seed/metadata`
- 支持失败重试
- 支持只重生单个镜头

## 5.4 生成顺序

高清镜头图也要按顺序执行：

- 可串行，也可小并发（最多 2~3）
- 画布上按照镜头顺序落位
- 未完成的镜头显示占位卡

---

## 6. 数据库存储要求

## 6.1 主任务表新增字段建议

`VideoStoryboardTask` 建议增加：

- `gridType`：`grid_2x2 | grid_3x2 | grid_3x3`
- `gridRows`
- `gridCols`
- `confirmationStatus`：`draft | awaiting_user_confirmation | confirmed | rejected`
- `confirmedAt`
- `confirmedByMessageId`

## 6.2 子任务表新增字段建议

`VideoStoryboardShotTask` 建议增加：

- `sourceTileAssetId`
- `hdImageUrl`
- `hdImageAssetId`
- `hdImageStatus`：`pending | running | completed | failed`
- `videoStatus`：`pending | waiting_confirmation | running | completed | failed`
- `userApproved`：boolean
- `userApprovedAt`

## 6.3 资产类型建议

新增或明确以下资产类型：

- `storyboard_tile`：切片原图
- `storyboard_hd_image`：高清镜头图
- `storyboard_video`：最终视频结果

要求：

- 以上三类资产都必须可追溯到 `parentTaskId + shotIndex`
- 都要能在画布节点和历史记录里反查

---

## 7. 画布展示规则

## 7.1 画布先展示高清镜头图

切片完成后，画布不应直接只显示视频占位卡，而应分两阶段：

### 阶段 A：高清镜头图阶段

- 每个镜头创建一个 `image` 节点占位
- 高清图生成成功后替换占位图
- 节点标题显示：`镜头 1 / 镜头 2 / 镜头 3 ...`

### 阶段 B：视频阶段

- 用户确认后，再在对应镜头位置创建或替换为 `video` 节点
- 保留高清图与视频结果的关联关系

## 7.2 顺序展示要求

- 永远按切片顺序落位
- 不允许哪个镜头先完成就乱序插入
- 画布上应让用户一眼看出“镜头顺序”

---

## 8. 用户确认门机制（强制）

## 8.1 硬性规则

**没有用户确认，不允许开始生视频。**

这条规则必须在 Agent、后端任务状态机、调度器三层同时生效。

## 8.2 确认前流程

1. Agent 识别宫格类型
2. 切片
3. 为每个切片生成高清镜头图
4. 归一出镜头文案
5. 将“镜头图 + 镜头文案”同步给用户确认
6. 任务状态进入 `awaiting_user_confirmation`

## 8.3 用户确认文案格式

Agent 需要给用户清晰列出镜头草案，例如：

```text
我已经按 9 段分镜整理好了，并生成了对应高清镜头预览。

镜头1：……
镜头2：……
镜头3：……

如果需要修改，你可以直接回复：
- 修改第3镜头：……
- 修改第5镜头动作：……

如果确认无误，请回复：
“确认开始生成视频”
```

## 8.4 确认后的唯一放行口令

系统只在识别到明确确认语义后放行，例如：

- `确认开始生成视频`
- `开始生成`
- `按这个分镜生成`

如果用户说的是修改意见，则只能更新分镜草案，不得偷偷开始视频任务。

## 8.5 修改后的处理

如果用户修改第 N 镜头：

1. 只重算该镜头文案映射
2. 必要时只重生该镜头高清图
3. 更新画布对应静帧
4. 重新回到 `awaiting_user_confirmation`

---

## 9. Agent 的新增职责

Agent 在这条链路中的职责不再只是“识别意图 + 优化 prompt”，还必须承担：

1. 判断应该使用 `4 / 6 / 9` 宫格中的哪一种
2. 自动追加标准版式 prompt 约束
3. 将用户自然语言脚本归一成与宫格数量一致的镜头数
4. 在高清镜头图生成完成后，负责向用户解释和确认
5. 在用户未确认前，阻止视频模型调用

### 默认镜头数规则

建议默认规则：

- `4宫格 -> 4段分镜`
- `6宫格 -> 6段分镜`
- `9宫格 -> 9段分镜`

如果业务强行要求“6宫格或4宫格也统一做成9段视频”，那不是当前默认流程，必须额外定义：

- 缺失镜头如何补齐
- 是否允许复用静帧
- 是否允许 Agent 自动脑补新镜头

当前阶段不建议自动补到 9 段后直接执行，必须先经用户明确确认。

---

## 10. 推荐状态机

建议任务主状态改为：

`draft -> slicing -> hd_image_generating -> awaiting_user_confirmation -> approved -> video_generating -> completed`

失败态：

- `slice_failed`
- `hd_image_failed`
- `confirmation_timeout`
- `video_partial_failed`
- `video_failed`

---

## 11. 验收标准（更新）

新增验收标准：

1. `4宫格 / 6宫格 / 9宫格` 都能稳定识别并按标准顺序切片
2. 每个切片都能产出一张高清镜头图，并成功写库
3. 高清镜头图会按顺序显示到画布
4. 用户未确认前，系统不会触发任何视频模型调用
5. 用户只修改局部镜头时，系统支持单镜头重算、单镜头重生

---

## 12. 建议开发顺序

1. 先把 `gridType` 从“仅 9 宫格”扩成 `2x2 / 3x2 / 3x3`
2. 再加 Agent 结构化版式 prompt 注入
3. 再加 `tile-hd-redraw-skill`
4. 打通“高清镜头图入库 + 画布展示”
5. 最后再加“用户确认门 + 视频调度放行”

这样能把风险最大的一步放在最后，同时让用户尽早看到“可确认的高清镜头预览”。