建筑空间飞行

1. 技能目标

把用户的一句话建筑/城市视频需求，转换成一套“真实资料约束 + 可编辑 Blender 场景 + 可控电影级 FPV 镜头 + 生成式视觉渲染”的完整生产流程。

最终核心交付：

• project.blend：可编辑 Blender 工程，保留场景、几何、命名、摄影机路径、动画、基础灯光和必要参考。
• previs.mp4：Blender 原生渲染的 2560 × 1440、16:9 RGB 预演视频，用户确认后锁定。
• style_anchor_01..04：3–4 张经 GPT Image 生成/转换的关键状态风格图。
• final.mp4：由 H3 根据 Blender RGB 视频、已确认的一致风格关键帧和 Astra 模块化 Prompt 生成的视频。
• visual_bible.json、style_consistency_qa.json、h3_prompt.txt：视觉规范、整组 QA 记录和实际提交提示词。
• reference_manifest.json、model_qa.json：参考来源、事实/推演区分、图片与模型部件对应关系及几何检查。
• shot_manifest.json：记录时长、FPS、镜头路线、关键时间点、焦距、速度档位和确认状态。

默认使用中文与用户沟通；工具内部可以使用英文参数、代码和提示词。

---

2. 核心定位

CineFlight 3D 不是“单纯 Blender 建模 Skill”，也不是“单纯 AI 视频生成 Skill”。

它将三类能力分工：

Astra / Codex：导演与流程编排

负责：

• 理解用户目标；
• 搜集/整理真实参考；
• 规划空间结构；
• 决定建模精度；
• 规划 FPV 镜头；
• 控制 Blender；
• 选择关键状态帧；
• 生成 GPT Image 风格提示；
• 生成 H3 最终提示词；
• 组织用户确认节点；
• 根据失败类型定位回滚阶段。

Blender：准确空间与摄影机母版

负责：

• 几何轮廓；
• 主体比例；
• 标志性结构；
• 场景布局；
• 内外空间连接；
• 摄影机路径；
• 一镜到底运动；
• 基础动画；
• 预演；
• 可选光影参考。

GPT Image + H3：最终视觉

GPT Image 负责统一视觉世界与跨状态风格传播；H3 以 Blender RGB 视频作为唯一视频输入，结合已确认风格关键帧重新生成完整视频。

一句话原则：

Blender 把世界搭对、把镜头拍对；Visual Bible 与 GPT Image 把整组关键帧统一；H3 按 RGB 视频的空间运动生成最终风格。

---

3. 适用范围

优先支持：

• 单栋建筑；
• 真实地标；
• 建筑群；
• 城市天际线；
• 街景；
• 街区；
• 室外到室内的建筑飞行；
• 未来城市、赛博城市、线稿城市等风格化建筑环境；
• 以硬表面、直线、体块和明确空间结构为主的场景。

不把以下内容作为第一优先能力：

• 复杂人物表演；
• 动物主体；
• 高密度群演调度；
• 软体角色动画；
• 对角色表情、肢体细节有高要求的剧情镜头。

如用户明确要求，可作为环境中的次要元素处理，但不得牺牲建筑空间和镜头稳定性。

---

4. 默认输出规则

• 时长：10–15 秒；根据主体复杂度、镜头路线和 FPV 强度自动决定；不得超过 15 秒。
• Blender 视频预演：2560 × 1440、16:9、100% 渲染比例、方形像素；完整动画逐帧原生渲染，不得低分辨率放大冒充。内部静态试渲染可降尺寸，提交确认 A 的视频不可降级。
• 默认：一镜到底。
• 只有用户明确要求切镜时才设计多镜头。
• 默认风格：写实现实电影光影。
• 默认镜头强度：Dynamic FPV。
• 风格图固定 3–4 张：视频第 0 秒与结束时刻对应的两个状态必须风格化，再加中间 1–2 个关键状态。全部作为全能参考图片。
• H3 默认只生成 1 次；生成后交给用户评估，不做无限自动重试。
• 需要用户确认两个阶段：
  1. Blender 模型 + 运镜预演；
  2. 自动一致性 QA 通过后的全部 3–4 张最终关键帧（一次性确认 B）。
• Master Style Frame 为内部制作步骤，不另设用户确认。

---

5. 详细规则按需读取

5.1 建模与真实资料

首先执行参考研究，禁止收到建筑名称就凭印象直接搭模型。 开始搜索前读取 references/modeling.md 中“主动搜图与建模准入”和“内置参考图提示词”。这些规则与提示词已内置，不依赖运行时访问外部 Skill。

1. 主动根据用户要求搜索网上图片并实际打开查看：主体名称/所在地/别名，加正面、侧面、屋顶、入口等相关视角；按计划经过的空间补充图片。用户图优先，网络参考用于补足。
2. 保存可用图片或可再次访问的视觉资源，记录来源、已查看证据、结构观察及缺口到 reference_manifest.json。只搜索文字、只读图片标题、列出链接或下载后未查看都不算研究完成。
3. 按镜头需要判断资料是否足够。身份、主要比例、标志构件或经过区域缺少可靠依据时，先列明缺口并询问用户是否生成建模参考图；未同意前不得调用生图补设定，也不得直接猜造缺失结构。
4. 用户同意后，使用 modeling.md 内置的外观设定/对齐视图/空间与局部提示词，仅补所需内容；标记生成图与推演部分，再检查图间一致性。用户不同意则等待其补图或选择缩小路线范围，不擅自降级。
5. 参考准入通过后，将图片里的特征映射到 Blender 部件，先内部草模，再完善和对照实际几何。模型质量检查通过后才提交确认 A；不能用抽象体块草模冒充已完成的建筑预演。

资料不足询问是有条件的方向选择，不增加每次必经的用户确认点；常规流程仍为 A/B。用户已经授权同一范围的参考图生成时沿用授权。

真实地标主动研究多视角、屋顶/鸟瞰、结构/平面、标志局部、入口、内部及 Camera 经过区域；用户图优先，明显冲突时指出并让用户决定。采用“分层精准”：Blender 精准保证身份、轮廓、比例、标志构件、主要开口、空间布局、室内外连接和 Camera 经过区域；微小装饰、远景重复件、微观材质可简化。离 Camera 越近、停留越久，几何越精细。

建模或修改 Blender 前必须读取 references/modeling.md。 其中保留真实参考重建、比例坐标、BlenderMCP/Bridge、保存安全、Collection、先大形后细节、镜头空间建模、重复模块、可编辑性、同模型正/侧/俯视校准和已有成果复用规则。

可按需运行 scripts/prepare_scene.py 初始化标准 Collection、Camera Rig、24fps/10–15秒时间线；不得覆盖用户已确认资产。

5.2 FPV、预演与 Cycles

默认电影级 FPV、一镜到底。三档：Smooth Cinematic、Dynamic FPV（默认）、Extreme FPV。简单建筑约10–11s，中等11–13s，复杂地标/外到内13–15s，城市13–15s。

建筑镜头语法：全貌→接近→外立面弧线/环绕→标志结构 Reveal→升降/侧绕→有动机入口→连续进入→内部 Reveal→Hero Landing。城市：高位建立→下降入城→建筑峡谷/街道加速→前景视差→狭窄节点→转向/贴立面→拉升冲出→城市收束。不是固定模板。

先 Workbench，必要时 Eevee；先 blocking 后 polish。完整视频预演统一 2560 × 1440；提高尺寸不能替代模型质量检查。用户确认预演后 LOCK GEOMETRY + CAMERA。Cycles 不是默认最终动画渲染器，优先仅对3–4个关键状态做低/中低 samples + denoise 光影参考；H3 始终使用 Blender RGB 预演/渲染视频。

设计/修改 Camera 或预演前必须读取 references/camera-design.md。 其中保留 Shot Planning、FPV 档位、Camera Rig/Target、焦距、Roll、角速度、Shot Manifest、代表帧、迭代顺序、确认 A 和 Cycles 细则。

研究阶段须实际查看网上参考图；用户已同意生成的建模设定图可在建模前展示，须注明其为概念参考。它们不属于 Blender 预演截图，不能用下述画布限制跳过研究。预演内部检查若工具受限，应寻找不发布到画布的可用看图方式；确实无法查看则报告受限，不能宣称 QA 通过。

预演阶段画布限制（强制）： 制作、检查、修改 Blender 预演及确认 A 期间，禁止把视频关键帧、白模截图、测试渲染帧、渲染序列或接触表放到画布。它们只作为项目内的中间文件用于内部检查和编码；不得通过会自动创建画布节点的出图方式提取，也不得先上画布再删除。画布仅交付预演视频，检查问题用文字和时间点说明。此限制不取消代表帧检查，也不影响确认 A 之后生成并展示3–4张风格关键状态图供确认 B。

5.3 RGB → 一致风格关键帧 → H3

进入 GPT Image/H3、最终 QA 或失败修复前必须读取 references/failure-recovery.md。

确认 A 后锁定 Geometry + Camera，保留通过检查的 Blender RGB 视频。所有风格（含线稿、动漫、赛博朋克）均使用这条视频输入路线；不得退化为只用图生成视频。

严格顺序：

1. 建立本片唯一的 Visual Bible：时间、天气、天空、太阳世界方向、主光、阴影、材质、色温、曝光、色彩分级和画风。
2. 必选视频第 0 秒及结束时刻对应的 Blender 画面，再按空间变化选择中间 1–2 个不同状态，共 3–4 张；逐一风格化，不以原始白模图替代。实际抽帧与秒数映射遵循 failure-recovery.md。向用户展示及写入 H3 Prompt 时仅用“第 X 秒”描述，不用“首帧”“尾帧”等角色称谓。
3. 用最有代表性的 Blender 帧 + Visual Bible 生成 Master Style Frame；内部检查通过后作为视觉母版，不单独请用户确认。
4. 其余每张图必须同时输入各自 Blender 帧 + 同一 Master Style Frame + 同一 Visual Bible 做 Style Propagation。构图听各自 Blender 帧，外观继承母版；不得复制母版视角，不得独立从零定调或逐帧接力累积漂移。
5. 自动 Style Consistency QA：逐帧对照自己的 Blender 帧、母版和 Bible，再对整组交叉检查。检查天空/时间/天气/太阳与光线方向/建筑材质/色温/曝光/色彩分级/主体身份/建筑结构/整体画风。
6. 不一致时只重做异常帧，保留已通过帧；修复后重查异常帧及全组一致性。未通过不得交付为待确认成品或进入 H3。
7. 全组通过后一次展示全部最终关键帧作为确认 B；用户确认该组具体版本后才 LOCK STYLE。
8. 验证三类输入后，**仅使用 H3 全能参考模式（all-purpose multimodal reference）**调用 H3：Blender RGB 视频 + 3–4 张已确认一致风格关键帧 + Astra 模块化 Prompt。

每张图保持 Camera Angle、Perspective、Composition、Major Geometry、Landmark Identity、Object Placement、Architectural Silhouette；材质、光影与色彩变化必须服从统一 Bible。 写实优先 Identity > Geometry > Spatial Accuracy > Camera > Lighting > Beauty；强风格 Identity > Composition > Camera > Visual Impact > Style > Fine Geometry；主体身份始终不可丢。

生成 H3 Prompt 前必须读取 references/h3-prompt.md，其中已融合 h3-prompt-expert 的建筑适配框架和全部 11 份参考文件（非执行模式已隔离至维护备份），无需安装、调用或运行时读取外部 Skill。执行素材适配诊断→已确认约束复用→必要澄清→多模态六字段 Prompt→自检。RGB空间、主体身份、锁定风格与 Camera 时序写入字段内部，替代旧的自由段落模板。H3 默认生成一次。 运行 scripts/validate_output.py previs.mp4 --previs --decode-check 强制检查 2560 × 1440 预演尺寸；结合 manifest 参数检查 RGB 输入及最终视频的尺寸、FPS、时长、实际帧数和编码；视觉一致性由 Astra 看图检查，不能用文件检查代替。

6. 两个强制确认点与状态

A：展示 previs.mp4，确认建筑/城市准确性、展示重点、FPV 路线、速度和入口；确认后 LOCK GEOMETRY + CAMERA。 B：仅在自动 QA 全组通过后，一次展示全部 3–4 张最终关键帧，标明状态/时间，说明它们共同作为 H3 视觉参考；确认后 LOCK STYLE。不增加母版确认点。

把阶段、文件版本、QA 结论和用户确认记录到 shot_manifest.json。用户说“下一步”时先读取状态，完成缺失的当前阶段，不跳过 QA 或 A/B。已明确确认同一版本的素材不重复询问。

H3 前置条件：A 有效；RGB 来自锁定的 Blender 场景和镜头且文件/视觉检查通过；3–4 张最终图对应同版 Bible 并全组 QA 通过；B 对应当前素材版本；Prompt 与这些输入一致；当前实际选择全能参考模式且接口支持视频 + 3–4 图 + Prompt。禁止使用首尾帧模式、单图起止约束模式或因图片时间位置自动切换模式。任一条件缺失，先补齐；不伪造支持或悄悄省略输入。 确认后修改模型/镜头会使受影响 RGB、风格帧及确认失效；修改风格帧/Bible 会使该组 QA、B 和 LOCK STYLE 失效。只回滚受影响层，按引用细则复核。

7. 回滚原则

身份/模型错→Reference/Geometry；比例/入口/空间错→Geometry/Layout；路线/速度错→Camera/Previs；光影参考错→Lighting/Cycles；风格不一致→只修异常 GPT Image 帧；RGB 与关键帧均正确但 H3 漂→H3 Prompt/Conditioning。 不得为局部问题整链重跑。自动异常帧修复默认最多两轮；仍不通过则报告具体阻塞，不继续消耗生成额度或请求用户把失败 QA 当成通过。H3 默认一次，后续按用户反馈分层处理。

8. 完整工作流

用户需求 + 用户参考图优先
 → 主动网上搜图 + 实际看图 + 记录结构依据与缺口
 → 资料充足？是 → 参考准入
              否 → 询问是否生成参考图 → 同意后用内置提示词补图并检查
 → 参考准入 → 内部草模 → 分层精准建模 / 同模型比例校准
 → 模型质量检查（草模不可直接交确认 A）
 → FPV Camera / Rig / 一镜到底
 → Workbench / Eevee RGB 预演 + 文件/视觉 QA
 → 确认 A → LOCK GEOMETRY + CAMERA
 → Visual Bible
 → 第0秒 + 中间1–2个状态 + 结束时刻，共3–4张（可选 Cycles 参考）
 → Master Style Frame（内部检查）
 → 其余帧：各自 Blender 帧 + Master + Bible → Style Propagation
 → 自动 Style Consistency QA
      未通过 → 只修异常帧 → 全组复查
      全通过 → 一次展示全部最终帧 → 确认 B → LOCK STYLE
 → Blender RGB 视频 + 已确认的 3–4 帧 + Astra 模块化 Prompt
 → H3 全能参考模式（默认一次） → 文件/视觉 Final QA
 → final.mp4 + project.blend + RGB 视频 + 风格帧 + manifest

9. 最终产品原则

1. 先准确，再漂亮。 写实地标的身份与关键结构优先。
2. 先镜头，再渲染。 H3 参考锁定 Blender RGB 的轨迹、时序和空间。
3. 先预演，再高成本步骤。 先把空间和运动验证清楚。
4. Cycles 是可选光影参考。 不默认完整高采样动画。
5. 全片一个视觉世界。 Bible、母版、传播和 QA 缺一不可。
6. 默认一镜到底、电影 FPV。 可以设计视觉可信但现实困难的路径。
7. 两个确认点。 A 锁定模型/镜头，B 锁定全组一致风格。
8. 已确认成果按版本保留，失败分层回滚。
9. 保留可编辑 Blender 资产。 不只交付视频。