# script-check-workflow：AI视频剧本的工业化检查与标准化Agent Skill

> script-check-workflow是一个面向AI可执行剧本的Agent Skill，通过7阶段线性检查流程，将创意剧本转化为适合导演、分镜、AI生成和工业化验收的标准化执行文档。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-05-12T15:14:26.000Z
- 最近活动: 2026-05-12T15:25:07.251Z
- 热度: 159.8
- 关键词: AI视频, 剧本标准化, Agent Skill, 多模态, 工业化, 视频生成, 剧本检查, 执行文档
- 页面链接: https://www.zingnex.cn/forum/thread/script-check-workflow-aiagent-skill
- Canonical: https://www.zingnex.cn/forum/thread/script-check-workflow-aiagent-skill
- Markdown 来源: ingested_event

---

## 项目定位与核心价值\n\n在AI视频生成技术快速发展的今天，从文本到视频的创作流程正在经历深刻变革。然而，一个长期被忽视的问题是：传统文学剧本并不适合直接作为AI视频生成的输入。AI模型需要结构化、标准化的\"执行剧本\"，而非充满文学性描写的创意文本。\n\nscript-check-workflow正是为解决这一痛点而设计的Agent Skill。它不是文学评论工具，也不是故事好坏的评判系统，而是一个工业化的剧本转换器——将创意剧本翻译成适合导演、分镜师、AI生成工具和制作团队协同工作的标准化执行文档。\n\n该项目的独特价值在于其\"可执行性\"导向。与泛泛的剧本分析不同，它专注于输出可以直接指导生产的文档，填补了从创意到执行之间的关键鸿沟。\n\n## 核心设计理念\n\n### 7阶段检查流程\n\nscript-check-workflow采用固定的7阶段线性检查流程，每个阶段聚焦剧本的不同层面：\n\n**Stage 1：原则层检查（Principles）**\n\n检查剧本是否遵循AI可执行剧本的基本原则，包括：\n- 画面描述中是否避免心理词、主观意图和代词\n- 场景设置是否具备可拍摄性\n- 整体结构是否符合工业化生产要求\n\n**Stage 2：场景层检查（Scene）**\n\n聚焦单个场景的完整性和一致性：\n- 场景起止是否清晰\n- 时空设定是否明确\n- 场景内各要素是否协调\n\n**Stage 3：镜头层检查（Shot）**\n\n细化到镜头级别的技术规范：\n- 镜头类型和景别标注是否准确\n- 运动方式描述是否清晰\n- 时长和节奏是否合理\n\n**Stage 4：动作层检查（Action）**\n\n检查动作描述的可执行性：\n- 动作是否可被演员/AI执行\n- 动作与对话的配合是否协调\n- 动作的空间关系是否明确\n\n**Stage 5：AI生成适配检查（AI-Adapt）**\n\n专门针对AI视频生成模型的特殊要求：\n- 提示词是否适合当前AI模型理解\n- 描述是否避免了AI易混淆的歧义\n- 复杂场景是否拆分为可生成单元\n\n**Stage 6：台词层检查（Dialogue）**\n\n确保台词与表演的合理分离：\n- 台词是否独立成章\n- 情绪提示是否隔离在专属区域\n- 台词长度是否适合口型同步\n\n**Stage 7：工业化验收检查（Industrial）**\n\n最终的质量把关，确保文档符合交付标准：\n- 格式规范是否统一\n- 必要元数据是否完整\n- 是否满足下游工序的输入要求\n\n### 层间隔离原则\n\n一个关键的设计原则是\"层间隔离\"。不同阶段之间通过精简的metrics传递信息，而非直接互相污染findings。这种设计确保了：\n\n- 各阶段可以独立运行和调试\n- 问题定位清晰，不会混淆层级\n- 支持指定阶段的单独检查\n\n### 画面层目标：三零原则\n\n在画面描述层面，项目提出了严格的\"三零原则\"：\n\n- **0心理词**：不描述角色的内心活动，只描述可见行为\n- **0主观意图**：不解释角色为什么做，只描述做什么\n- **0代词**：避免使用\"他\"\"她\"\"它\"等可能产生歧义的代词\n\n这一原则源于AI视频生成的本质——AI无法理解抽象的心理描写，只能根据具体、明确的视觉描述生成画面。\n\n## 输出产物与交付规范\n\n### 双文档输出模式\n\n当输入为剧本文本时，系统默认输出两份互补的Markdown文档：\n\n**1. standardized-script（标准剧本）**\n\n基于模板生成的标准格式剧本文档，特点包括：\n- 不包含评分、批注或诊断说明\n- 格式统一，便于下游工序直接引用\n- 严格遵循AI可执行剧本规范\n\n**2. diagnostics-record（诊断记录）**\n\n高细粒度的诊断报告，包含：\n- 运行范围和总分评级\n- 各Stage摘要和逐条问题\n- 规则依据和修改策略\n- 修改前后对照和优先级排序\n- 冲突裁决和复查建议\n- 终审12问结果\n\n### 终审12问机制\n\n在流程的最后，系统会执行\"终审12问\"，对剧本进行全面的最终审查。这12个问题覆盖从可拍摄性到AI生成可行性的各个方面，确保没有遗漏关键问题。\n\n### 灵活的输出控制\n\n系统支持多种运行模式：\n\n- **全量检查**：执行完整的7阶段流程\n- **指定Stage检查**：如\"只检查Stage 5 AI生成适配问题\"\n- **单镜检查**：针对特定镜头范围的精细检查\n- **复查模式**：对已有标准稿的复查\n- **说明模式**：当询问规则、评分标准时，只输出说明而不生成文档\n\n## 技术实现与工具集成\n\n### 多平台Agent支持\n\nscript-check-workflow设计为跨平台的Agent Skill，支持主流AI CLI工具：\n\n**Claude Code集成**\n\n安装到个人或项目级skills目录：\n```bash\nmkdir -p ~/.claude/skills\ngit clone https://github.com/XucroYuri/script-check-workflow.git ~/.claude/skills/script-check-workflow\n```\n\n**Codex集成**\n\n支持通过`~/.codex/config.toml`注册技能路径：\n```toml\n[[skills.config]]\npath = "~/.codex/skills/script-check-workflow"\nenabled = true\n```\n\n**Gemini CLI集成**\n\n原生支持`.gemini/skills`目录，同时兼容`.agents/skills`通用目录：\n```bash\nmkdir -p .gemini/skills\ngit clone https://github.com/XucroYuri/script-check-workflow.git .gemini/skills/script-check-workflow\n```\n\n**OpenCode集成**\n\n支持项目级和全局级安装：\n```bash\nmkdir -p .opencode/skills\ngit clone https://github.com/XucroYuri/script-check-workflow.git .opencode/skills/script-check-workflow\n```\n\n**OpenClaw集成**\n\n支持工作区和本地共享安装：\n```bash\nmkdir -p skills\ngit clone https://github.com/XucroYuri/script-check-workflow.git skills/script-check-workflow\n```\n\n### 触发方式\n\n安装完成后，可通过统一命令触发：\n```\nUse $script-check-workflow to 检查、诊断并标准化这份AI可执行剧本。\n```\n\n也可指定具体范围：\n```\nUse $script-check-workflow to 只检查这份剧本的Stage 5 AI生成适配问题。\nUse $script-check-workflow to 只复查镜头12-18，并输出范围限定稿与诊断档。\nUse $script-check-workflow to 解释这套工作流的评分标准和终审12问。\n```\n\n## 仓库结构与文档体系\n\n项目采用清晰的文档结构，各文件职责分明：\n\n```\nscript-check-workflow/\n├── SKILL.md              # 技能主入口，定义触发条件和执行流程\n├── README.md             # 项目说明和安装指南\n├── agents/\n│   └── openai.yaml       # UI元数据配置\n├── assets/\n│   └── template-standard-format.md  # 标准剧本模板\n└── references/           # 详细规则文档\n    ├── handoff-protocol.md    # Stage间信息传递协议\n    ├── output-artifacts.md      # 输出产物规范\n    ├── scoring-criteria.md      # 评分聚合规则\n    ├── stage1-principles.md     # 各阶段规则正文\n    ├── stage2-scene.md\n    ├── stage3-shot.md\n    ├── stage4-action.md\n    ├── stage5-ai-adapt.md\n    ├── stage6-dialogue.md\n    └── stage7-industrial.md\n```\n\n这种结构体现了\"单一真相源\"原则——详细规则集中在references目录，README保持简洁，避免多份规则源导致的维护困难。\n\n## 适用场景与边界界定\n\n### 适用场景\n\nscript-check-workflow特别适合：\n\n- **AI视频剧本**：为Sora、Runway、Pika等AI视频工具准备的执行稿\n- **动画执行稿**：动画制作的标准化输入文档\n- **分镜脚本**：细化到镜头级别的拍摄指导\n- **Shot list风格文档**：可执行镜头文本\n- **复查稿**：已有标准稿的质量复查\n\n### 不适用场景\n\n项目明确界定了不适用的场景：\n\n- **文学审稿**：不评判故事好坏、情节逻辑\n- **剧情评价**：不做创意优劣打分\n- **导演风格讨论**：不涉及艺术风格偏好\n- **泛创意讨论**：不产出可执行文档的创意发散\n\n这种清晰的边界界定帮助用户正确理解工具定位，避免误用。\n\n## 行业意义与未来展望\n\n### AI视频工业化的一环\n\nscript-check-workflow代表了AI视频创作工具链的重要一环。在模型能力不断提升的同时，如何规范输入、标准化流程同样关键。该项目为AI视频生产的工业化提供了基础设施层面的支持。\n\n### 从创意到执行的桥梁\n\n传统影视制作有完善的从剧本到成片的流程，但AI视频生成打破了这一体系。script-check-workflow正在建立新的规范，帮助创作者适应AI时代的生产模式。\n\n### 未来发展方向\n\n基于当前架构，未来可能扩展：\n\n- **多语言支持**：支持更多语言的剧本检查\n- **模型适配**：针对不同AI视频模型的专门优化\n- **协作功能**：支持多人协作的剧本版本管理\n- **质量追踪**：建立剧本质量的历史追踪和改进建议\n\n## 结语\n\nscript-check-workflow是一个聚焦而实用的Agent Skill，它不为创意打分，而是让创意更好地被执行。在AI视频生成技术日新月异的今天，这类基础设施工具将成为创作者的重要助手，推动整个行业向更规范、更高效的方向发展。对于从事AI视频创作、动画制作或任何需要标准化剧本的团队，这是一个值得关注和尝试的开源项目。