Agent/examples/create/PRD/create_process.md

图文内容创作要求:

• 创作流程严格推导，不允许跳步骤；模块内流程严格推导，不允许跳步骤。整体创作流程，可以参考但不局限于如下模块，灵感->选题(故事)->创作表(导演的剧本)->制作表(执行导演的剧本)->完成制作。

推导方法的定义

共定义以下 四种 推导方法，每条推导路径的 method 字段必须使用其中之一：

方法一：人设常量

• 适用场景：前几轮推导，已推导成功的选题点集合为空或者很少，需要广召回可能的输出选题点
• 操作方式：从人设树三个维度中，选择满足以下条件的节点：全局常量（c=true）或局部常量（lc=true）作为候选输出

• 模拟样例: 以下是使用“人设常量进行推导所产生的数据解构样例。

  • 单步推导使用的input信息：
    • 使用的已推导节点：无
    • 使用的pattern：无
    • 使用的人设树节点：分享
  • 使用的推导方法：人设常量

  • 单步推导产出的output节点：分享

    {
    "method": "人设常量",
    "input": {
      "tree_nodes": ["分享"],
      "patterns": [],
      "derived_nodes": []
    },
    "output": ["分享"],
    "reason": "意图维度中，'分享'节点是全局常量（c=true）且整体概率 r=0.913，极高，是账号最核心的创作意图起点。",
    "tools": []
    }
    

    方法二：账号pattern复用

    • 适用场景：已有部分推导成功的选题点，通过 pattern 数据发现与之共现的其他选题点。
    • 操作方式：参考 pattern 文件，找到包含至少一个已推导成功选题点的 pattern，将该 pattern 中尚未推导成功的其他选题点作为候选输出。
    • 优先级：
    • 优先使用支持度（s）高的 pattern
    • 同等支持度下，优先使用包含节点数量（l）多的 pattern
    • 优先使用与已推导成功选题点重合数量多的 pattern（重合越多，剩余节点出现的条件概率越高）
    • 模拟样例: 以下是使用“pattern复用”进行推导所产生的数据解构样例。
    • 单步推导使用的input信息：
    • 使用的已推导节点：图文信息
    • 使用的pattern：“图文信息+补充说明”
    • 使用的人设树节点：无
    • 使用的推导方法：账号pattern复用
    • 单步推导产出的output节点：补充说明 json { "method": "账号pattern复用", "input": { "tree_nodes": [], "patterns": ["图文信息+补充说明"], "derived_nodes": ["图文信息"] }, "output": ["补充说明"], "reason": "根据已推导节点“图文信息”，找到pattern“图文信息+补充说明”，由此pattern推导出“补充说明”", "tools": [] }

方法三：人设联想

• 适用场景：已有部分推导成功的选题点，通过人设树的层级结构联想到相关节点。
• 操作方式：参考人设树文件，基于以下关系进行推导：
  • 父→子联想：已推导成功的选题点A是人设树中某节点，其子节点B在父节点中占比高（w 值高或 r 值高），则A可推导出B
  • 兄弟联想：已推导成功的选题点A与节点B是同一父节点下的兄弟节点，且B的占比高，则可从A+父节点推导出B
• 注意事项：联想必须基于人设树中的具体数据（节点关系、权重、频率），不得使用大模型自身的世界知识进行联想。

• 模拟样例: 以下是使用“人设联想”进行推导所产生的数据解构样例。

  • 单步推导使用的input信息：
    • 使用的已推导节点：图文信息
    • 使用的pattern：无
    • 使用的人设树节点：图文信息
  • 使用的推导方法：人设联想

  • 单步推导产出的output节点：补充说明

    {
    "method": "人设联想",
    "input": {
      "tree_nodes": ["图文信息"],
      "patterns": [],
      "derived_nodes": ["图文信息"]
    },
    "output": ["补充说明"],
    "reason": "根据已推导出的“图文信息”，发现人设树中存在对应节点“图文信息”。人设该节点下存在多个子节点及孙子节点，根据概率高低判断，“补充说明”是“图文信息”节点下概率较高的子节点。",
    "tools": []
    }
    

    方法四：信息搜索

    • 适用场景：方法二和方法三均难以推导出新选题点时，或需要验证某个推导假设时。
    • 操作方式：调用内置搜索工具 search_posts，通过社交平台搜索获取信息。
    • 搜索流程：
    • 搜索需求构造：明确本次搜索希望发现什么信息。
    • 搜索 query 构造（闭眼搜索）：query 中使用的关键词只能来自已推导成功的选题点名称或人设树中的节点名称。禁止使用大模型自行推测或联想出的关键词。禁止使用账号名称
    • 搜索结果评估：逐条分析搜索结果，判断是否包含可用于推导的新选题点信息。若不包含，尝试构造新的 query（仍需闭眼）或请求更多结果。
    • 注意事项：每次执行信息搜索方法必须调用 search_posts 执行搜索，而不能把历史搜索结果拿出来再次使用
    • 模拟样例: 以下是使用“信息搜索”进行推导所产生的数据解构样例。
    • 单步推导使用的input信息：
    • 使用的已推导节点：图文信息、夸张呈现
    • 使用的pattern：无
    • 使用的人设树节点：创意改造
    • 使用的推导方法：信息搜索
    • 单步推导产出的output节点：家居改造利用、废旧物品利用 json { "method": "信息搜索", "input": { "tree_nodes": ["创意改造"], "patterns": [], "derived_nodes": ["图文信息", "夸张呈现"] }, "output": ["家居改造利用", "废旧物品利用"], "reason": "根据已推导出的“图文信息”、“夸张呈现”，结合人设中相关的“创意改造”进行外部搜索，搜索结果中主要包含了家居改造利用、废旧物品利用等信息", "tools": [ { "name": "search_posts", "query": "图文信息 夸张呈现 创意改造", "result": "（对原始搜索结果的总结，若为搜索工具则记录搜索返回的数据摘要或关键内容）", "raw_result": "（每条搜索原始结果，可能是帖子、视频等，若为搜索工具则记录搜索工具返回的原始数据（完整保留或按需截断）" } ] }