综合判断：怎样用这些资料推进创作闭环
用户的出发点已经很明确：下游视频模型展现出消费 3D 预演的能力，接下来要补足 agent 驱动的场景与剧本创作、可二次编辑的代理，以及视频反馈到代理修改的链路。因此本库的价值是找出可组合的资产和机制，为后续重构提供依据。
以下是对 2026-09-23 资料的整理性判断。本轮未重验外部来源；具体出处、获取状态和适用边界在各主题条目中。
值得优先吸收的模式
| 模式 | 依据条目 | 对完整闭环的用途 | 还不能据此得出的结论 |
|---|---|---|---|
| 简短意图逐步展开为可追踪产物 | drama-skills、OnlyShot、haya-hello | 剧本、角色、场景、分镜、视频提示有明确依赖；局部修改知道回到哪一步 | 必须采用相同文档数量、多个 agent 或固定审批链 |
| 先看便宜的中间态，再生成成品 | OnlyShot、故事板资产 | 先调整构图和镜头方案，减少昂贵生产中的无目标试错 | voxel 预演必然便宜、固定节省 18 倍、所有镜头都值得建模 |
| 场景程序输出实际可驱动结构 | Code-as-Room、SceneCode | 把对象、层级、部件和布局交给动作/相机；保留可修改来源 | 外部程序天然符合体素表示、编辑提交或 revision 契约 |
| 镜头规划和下游执行分开评价 | ShotVerse、OmniCam、UCPE | 定位失败发生在意图、轨迹还是视频生成 | 论文内部相机编码就是我们的 schema，或者模型消融能证明软件协议选择 |
| 明确每份参考的用途 | 提示指南、视频接口 | 外观、构图、运动、声音分开分配素材；减少错误继承 | 一句提示就能完全解耦控制，或者白模材质绝不会泄漏 |
| 时间线与模式路由显式化 | Comfy 导演台、纯 T2V 编排 | 关联素材时段、首尾帧、生成模式、重试与结果 | 一个 task_type 名称代表任意精确控制，或开源 workflow 已在本环境跑通 |
| 失败只修改必要范围 | haya-hello、skill 使用反馈 | 用“目标、现象、期望、保留项”表达返修；关联对象、镜头和来源 | 社区评论已经独立验证了某种修复机制 |
哪些问题值得拿资料来比较
意图到结构。 先看 AIPrompts 的真实模板、Code-as-Room 的阶段输入输出和 SceneCode 的部件表达。重点是完整动作/镜头意图如何影响资产与布局，而不是强迫所有任务写更长的计划。静态结构交接之后，运动阶段应能引用真实部件、pivot 和尺寸。
编辑到重建。 读公开工程时检查交付的是 prompt、像素、可编辑 scene，还是带参数的原始程序。可拖动对象、可导出 mesh、能从源码重建、能保留用户手工修改是不同能力，需要分别查明。未发现公开接口，不等于对方不存在这些能力。
代理到视频。 白模视频、首帧+运动参考、逐帧 depth/pose、显式相机参数各有输入语义。先取得实际接线，再判断哪个适合当前任务；不能把所有路线统称为逐帧硬控制。对修改后的轨迹是否被下游遵循，需看实际结果。
结果到修订。 InfiniVerse 的反投影更新、ReShot 的深度参考以及局部返修工作流提供相邻机制，但尚未组成我们要的整条作者闭环。应记录可迁移部分和缺口；有限检索不能证明“没有同类”或“我们唯一”。
重构前最有价值的几份材料
- drama-skills / OnlyShot / haya-hello：取得一条具体 brief→资产→镜头→返修的文件链，比较信息来源和重复维护成本。
- AIPrompts / DeepWhite / Comfy storyboard workflow：取得真实 prompt 或 JSON；看如何扩展短输入、给素材命名、规定镜头阅读顺序。
- Code-as-Room / SceneCode：阅读源程序与阶段交接；确认可动结构和局部修改如何表达。
- ShotVerse：核对相机表示、全局坐标、镜头边界和三种评价的原定义。
- ReShot / 一个 Comfy 时间线导演台：核对控制信号格式与最小接线，用一个明确的代理变化检查结果。
- tygg 影视 skill：取得实际包，比较文档加载、澄清次数、修改范围和上下文成本；评论只作为选题线索。
这是一份阅读优先级，不是新的实现或实验前置条件。
2026-09-25 补充：跨主题的三条判断
本轮联网检索（见维护与证据）新增三条跨主题判断。均为检索整理，不是独立复现。
| 判断 | 依据 | 用途 | 不能据此得出 |
|---|---|---|---|
| 控制 pass 是最可行的下游集成点 | 下游接口 · 控制信号（Cosmos Transfer 的 multi-ControlNet 接受 RGB/depth/seg/edge/blur） | 确定性渲染器输出 depth/seg/edge pass（自带逐帧相机 provenance）→ 条件式写实化 → 下游视频，不需中间世界模型 | 已验证该接线可用；或控制 pass 能替代显式场景程序 |
| 运动数据存在一条硬分水岭 | 运动 | 「给可复用运动数据」（Move JSON、MHR/FBX、SMPL）与「只给视频」（Act-Two、Kling、Wan-Animate）必须分开；后者不能作 AnimationTrack 输入 | 下游修饰动作等于我们得到可重定向运动 |
| USD 是唯一同时承载几何层级 + 相机光学 + 逐帧动画的开放交换格式 | 相机报告 · previs 工具 | 可作「场景 + 相机轨迹」的主交换格式候选；EDL/AAF 只承担切点/时长 | 传统分镜工具能当外部编辑器；或 USD 有原生体素图元 |
一个仍未解决的接口问题（本轮检索未能回答）：外部资产与实拍重建的输出普遍是 mesh / 高斯 / 点云，未见带部件语义、层级、pivot/锚点与 rest pose 的通用导出。这直接关系到「资产能否携带可驱动结构」，仍属待解。
保留的研究问题
- 表达预算怎样在几何细节、独立部件、动作、镜头和生成成本之间分配？外部费用预算不能直接替代它。
- 哪些镜头只需静态参考，哪些值得使用整段代理视频？把上游生成/修订、人工编辑、参考计费和重试一起算，总成本是否下降？
- 人物骨架怎样简化为刚性部件而保留动作语义？下游对僵硬动作的修饰能力如何？
- 视频反馈能否稳定定位到对象、时间和视图，并保留无关手工修改？
需要避免的证据误用
评论的“80% 稳定”“5–15 次抽卡”缺少样本与成功定义，适合提示问题，不适合设验收阈值。故事板中草图较好的经验不能推出粗体素总优于细体素。产品页面和仓库名称也不能证明内部机制或兼容性。
外部流程中的确认、Hook、多 agent 和物理校验都是具体实现选择；吸收机制时仍遵循现有宿主授权、项目表示和任务边界。数值/来源/执行契约、代理表达质量和下游效果应分别验证。
维护记录
- 2026-09-24：从主题报告提炼阅读重点和可迁移机制；按整体闭环写启发，保留假设和证据边界，不宣称外部资产已复跑或行业空白已被证明。
- 2026-09-25：新增「跨主题的三条判断」（控制 pass 是最可行的下游集成点、运动数据分水岭、USD 作为唯一完整相机交换格式）与一个仍未解决的接口问题（资产不携带可驱动结构）。
- 2026-09-25（同日修订）：删除已写入的「世界模型不构成替代路线」与「provenance 只有两条路径」两条判断；用户判定世界模型与本项目暂时不搭，不录入。保留其中唯一与本项目相关的「控制 pass 集成」一条。