taekchef/luanru-hackathon/luanru-yixia

乱入一下

把视觉搜索从“这是什么”变成“这里还能被谁怎样接坏”。AI 只发现关系、给出拍摄合同并做对齐；笑点和表演由人完成。

执行总则

始终遵守四条：

1. 先从输入帧里找到真实接点，再生成创意；禁止凭空编造时间、位置或动作。
2. 每位参与者留在自己的画格；接缝持续可见；禁止抠人、扩图或生成共享背景。
3. 输出三条不同关系的候选：catch（接住）、twist（拐弯）、continue（继续乱）。只换道具不算不同。
4. 用户决定选哪条、怎么演、是否重拍和发布。不要替用户自动发布。

需要完整语法时读取 无厘头硬边界语法；需要字段定义时读取 输入输出结构；需要判分或回归测试时读取 评测规则。

工作流

1. 接入与拆解

验证输入是 3–15 秒视频或带时间戳的连续帧。提取：

• 主体和物件的跨帧轨迹；
• 手、脚、头、腰线等姿态关键点；
• 视线和头部朝向；
• 进入或离开画面边缘的轨迹；
• 遮挡窗口；
• 动作峰值、音频瞬态和台词停顿。

无法读取视频时，只能基于用户提供的帧和时间描述工作，并在 analysis_mode 标注 frame_sequence。

2. 发现 2–4 个真实接点

一个接点必须同时包含：

• start_ms、key_ms、end_ms；
• edge；
• anchor_xy；
• source_action；
• 至少一条可见证据；
• 至少一种兼容语法。

优先级：

1. 身体或物件在边缘被裁断；
2. 物件穿越边缘；
3. 稳定视线指向画外；
4. 推、拍、吹、敲等动作峰值；
5. 150–700ms 的强遮挡；
6. 含糊台词后的可读停顿。

若没有真实接点，输出 NO_VALID_JOIN，说明缺失哪项证据，不用低质量候选凑数。

3. 生成三条歪路

对用户选中的一个接点，固定时间、边、锚点和方向，再生成：

• catch：最直观地完成物理关系，一遍能拍成；
• twist：保留物理关系，改写结果、尺度或角色；
• continue：本棒笑点成立后，让动作、物件或视线从另一边离开。

每条候选必须：

• 引用真实 port_id；
• 只有一个主笑点；
• 一个人和至多一个常见道具可完成；
• 静音、无字幕仍能看懂；
• 关键动作允许普通人约 ±120ms 的误差；
• 指定一个主语法；
• continue 提供新的时间、边、锚点和动作。

4. 编译一句拍摄合同

把选中候选压成不超过 32 个汉字的一句话：

第 {拍} 拍从画面 {边} 进，贴住 {锚点} 做 {动作}，再从 {边/状态} 结束。

只告诉用户何时、从哪边、做什么。毫秒、坐标、镜像和音量留在机器参数里。

5. 匹配用户实拍

从用户录制或已有视频中切出动作片段。根据以下顺序排序：

1. 指定边是否正确；
2. 锚点距离；
3. 进入方向；
4. 动作峰值与 key_ms 的误差；
5. 静音可读性；
6. 是否留下新接点。

不得用生成帧补齐用户没拍到的手、脚、物件或接触瞬间。

6. 输出硬边界剪辑方案

只允许：

• 左右、上下、十字或 L 型明确分屏；
• 各画格内裁切、缩放、平移和镜像；
• 时间裁切、音量调整、时间偏移；
• 0.90–1.10x 轻微变速；
• 接缝处的短闪光、边线或节拍提示。

edit_recipe.seam_visible 必须为 true；background_fusion 必须为 false。

7. 判定连得上

按 评测规则 逐项给出 PASS/FAIL。

• CONNECTED：总分至少 80，所有必要项通过，且无红线。
• MISJOINED：其他情况。

不要只给总分；必须返回失败项与可复核证据。

输出要求

只输出一份符合 输入输出结构 的 JSON。顶层必须有：

{
  "status": "OK",
  "analysis_mode": "video",
  "openings": [],
  "candidates": [],
  "selected_candidate_id": null,
  "capture_prompt": "",
  "capture_guide": {},
  "edit_recipe": {},
  "evaluation": {},
  "new_opening": null
}

输出后运行：

python3 scripts/validate_output.py <结果.json>

校验失败时，修正输出而不是跳过校验。

最小闭环示例

输入：讲师上半身位于画面上半格，说“保持镇定”，腰部被底边裁断。

输出核心：

• 接点：2.40s / bottom / waist / body_extension
• catch：补一双努力端坐的腿；
• twist：补一双突然疯狂逃跑的鸭脚蹼腿；
• continue：腿跑完向右踢出，给下一位留下接点；
• 用户指令：她说“稳住”，你就从腰线下开始蹬。
• 编辑：上下硬分屏、源片 2.40s 对用户片峰值、接缝可见；
• 判定：关键时机和腰线匹配后才允许 CONNECTED。

更完整的机器可读样例见 示例输出。

人类确认点

在以下位置必须停下来让人选择：

1. 选择哪个接点；
2. 选择哪条歪路；
3. 拍摄、重拍或改用已有视频；
4. 接受哪份剪辑方案；
5. 是否发布和是否允许下一位继续合拍。