MediaCrawler/mac-agent-os-main/PLANS/CAPABILITY_GOVERNANCE.md

基础能力治理与补强方案（提案）

2026-10-03 · 状态：待用户拍板 背景：用户提问"接着补基础能力，怎么加，也涉及以后基础能力如何增加调整"

---

一、诊断：能力体系已"半脱节"

已有基础（做得好的）

模块	位置	作用
能力登记	05_tools/09_ave/config/capabilities.yaml	25 个能力，含 io / params_schema / providers
缺口声明	05_tools/09_ave/config/feasibility_rules.yaml	30 条可行性规则 + 10 个能力缺口映射 + 三色红线
匹配器	05_tools/09_ave/scripts/capability_matcher.py	需求→能力匹配 + 目录指纹 + 升级检测
前端	导演台技术预检弹窗	显示每个镜头的技术预检与缺口汇总

⚠️ 实测发现的 5 处"清单 ≠ 实际"

能力	清单写的	实际	影响
lipsync 对口型	providers: fal / volcano / d_id · partial	已用百炼 videoretalk 跑通	清单 provider 错误，无法据此排障
person_swap 人物置换	partial	已实测跑通	状态偏保守
vfx_apply 特效	planned	可灵 camera_control 已可用	状态偏保守
frame_chain 首尾帧	missing	kling_video.py:152 已实现 image_tail	把已有能力报成缺口
voice_lock 声线锁	cap_id=None	音色库已实现	未挂到能力，统计丢失

根因：能力登记、代码实现、缺口声明三者无联动 —— 加了功能忘登记、登记了没实现、实现了却仍报"缺失"。

---

二、机制方案：能力生命周期（4 步 + 1 台账）

① 登记  capabilities.yaml（唯一真相源）
        新增字段：
          cost:        {unit: "元/秒", price: 0.08, note: "走免费额度优先"}
          limits:      ["正面近景 2~120s", "边长 640~2048"]
          self_test:   "python -m capabilities.selftest lipsync"
          last_verified: "2026-10-03"
          provider.state: ready | needs_key | broken

② 自检  scripts/capability_doctor.py（新）
        一条命令验证"清单说的 ready 是不是真能跑"
          --list          列出全部能力与最近验证状态
          --capability X  单查（api_key 配置 / provider 可达 / limits 校验）
          --live          真跑最小样例（产生费用，需显式开启）
          --update        把验证结果写回 capabilities.yaml 的 last_verified

③ 接入  标准 4 步（写成 docs/CAPABILITY_GUIDE.md）
          a. capabilities.yaml 登记（id/name/category/io/schema/provider/cost/limits）
          b. 实现 provider（scripts/capabilities/<name>.py 或既有模块）
          c. 写自检样例（让 doctor --live 能跑）
          d. feasibility_rules.yaml 声明"什么技术需求触发它"
        —— 与导演系统的"接新导演 3 步"对称

④ 台账  runtime/ave/capability_gaps.json（新）
         缺口不再散落在规则里，而是有状态：
           {id, name, first_seen, occurrences, affected_shots[], status,
            blocking, resolved_at, resolved_by}
         status: open → planned → in_progress → resolved
         + 能力升级 → 指纹变化 → 已出片方案自动提示"可重新生成更好版本"

设计取舍：先做 ①②（对账 + 体检），台账 ④ 可后置。 理由是 ①② 立刻消除"清单不可信"这个根本问题；④ 是统计增项。

---

三、本轮补什么（按性价比排序）

🥇 P0 能力对账 + 体检脚本（零成本 · 约 1 天）

• 修正上述 5 处脱节（尤其 frame_chain 从 missing → ready）
• 补 cost / limits 字段（为报价与预算打基础）
• 写 capability_doctor.py（--list 与单查；--live 可选）
• 产出：一份可信的能力清单 + 一键体检

🥈 P1 首尾帧衔接 frame_chain（能力已有，只差接线）

• 前提：可灵 image_tail 参数代码已实现（capabilities/kling_video.py:143-152）
• 做：分镜 tech_requirements.chain_from_prev → 生成时自动把上一镜尾帧作为本镜尾帧/首帧
  • 抽尾帧：ffmpeg 取上一镜最后一帧 → 存 chain/{shot_id}_tail.jpg
  • 生成时：tail_image_path=上镜尾帧
• 效果：长镜头分段生成无缝衔接；跨镜人物/光线不漂移
• 成本：0（只多一个参数；抽帧是本地 ffmpeg）

🥉 P2 多角色同框一致性（已发现的真实问题）

现状：图生视频只喂一张参考图 → 双人同框时只有主角保脸，配角随机。

方案	做法	成本	我的评价
a. 首帧合成	生成前把多角色合成到一张首帧图 → 图生视频	一次图生图	效果最好，稍复杂
b. 导演层规避	提示词要求避免"多角色同框近景"，改用正反打/过肩	0	零成本先上，且更符合真实拍摄
c. 多参考图	查即梦/万相是否支持多图输入	?	需先验证

建议：先 b（零成本、马上见效）→ 再评估 a。

P3 表情微管理 expression_consistency

• 轻量：分镜 expression_detail（已有）+ 跨镜一致性提示词强化
• 中量：角色资产加"表情参考图"槽位 → 图生视频时带上

P4 口型质检辅助（用户提过的"微表情口型核对"）

• 出片后自动抽关键帧 → 拼对比图 → 人工快速核对
• 进阶：接人脸检测，粗判嘴部开合与音频包络是否吻合

---

四、推荐执行顺序

P0 对账 + 体检脚本        ← 地基，零成本，先做
    ↓
P1 首尾帧接线             ← 能力已有，投入产出比最高
    ↓
P2b 多角色规避（提示词）→ P2a 首帧合成
    ↓
P3 表情 / P4 口型质检

---

五、待用户拍板

1. P0 治理机制是否认可？（登记 + 自检 + 台账三件套；可精简为"对账 + doctor"）
2. P1 首尾帧是否本轮做？
3. P2 多角色：先用提示词规避够不够，还是直接上首帧合成？

---

附：执行时需动的文件（预告）

• 05_tools/09_ave/config/capabilities.yaml（对账 + 补字段）
• 05_tools/09_ave/config/feasibility_rules.yaml（缺口状态修正）
• 05_tools/09_ave/scripts/capability_doctor.py（新建）
• 05_tools/09_ave/scripts/capability_matcher.py（缺口台账读写）
• 05_tools/09_ave/scripts/composer/pipeline.py（首尾帧接线）
• 05_tools/09_ave/scripts/directors/*.py（多角色规避提示词）
• 05_tools/10_dashboard/routes/ave.py + 前端（缺口台账展示，可选）