云匠引擎 快速开始

文件结构

drama-engine/
├── src/
│   ├── pipeline_orchestrator.py    # 调度脚本（核心）
│   └── experts/                     # 专家数据包
│       ├── character_forger.md      # §1 角色铸造师
│       ├── emotion_weaver.md        # §2 情感编织师
│       ├── structure_architect.md   # §3 结构建筑师
│       ├── dialogue_master.md       # §4 对白大师
│       ├── episode_writer.py        # §5 分集编剧
│       ├── format_craftsman.py      # §6 格式工匠
│       ├── quality_auditor.py       # §7 质量审计
│       ├── commercial_packager.md   # ⑧ 商业包装
│       ├── revision_editor.py       # §9 改稿编辑
│       ├── commander.md             # ⑩ 实战指挥
│       ├── scene_craftsman.md       # ⑪ 场景工匠
│       ├── world_forger.md          # ⑫ 世界观锻造
│       ├── quote_extractor.md       # ⑬ 金句萃取
│       ├── commercial_operator.md   # ⑭ 商业操盘
│       └── quality_director.md      # ⑮ 品控总监
└── README.md

快速使用

1. 配置 LLM API

# 设置环境变量
export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="https://api.openai.com/v1"  # 或其他兼容API

# 或在代码中配置
llm_config = {
    "platform": "openai",
    "api_key": "your-api-key",
    "base_url": "https://api.openai.com/v1"
}

2. 运行引擎

from pipeline_orchestrator import PipelineOrchestrator, LLMAPIAdapter, ExecutionMode

# 初始化
adapter = LLMAPIAdapter({"platform": "openai"})
orchestrator = PipelineOrchestrator(adapter, experts_base_path="./experts")

# 准备项目
project = {
    "name": "岭上之路",
    "genre": "男频/职场/励志",
    "synopsis": "一个大专生在深圳打拼，从底层销售做到上市公司CEO的故事...",
    "target_audience": "18-35岁男性",
    "episode_count": 30,
    "theme": "逆袭、奋斗、兄弟情"
}

# 执行完整链路
results = orchestrator.execute(project, mode=ExecutionMode.FULL, parallel=True)

# 获取执行报告
report = orchestrator.get_execution_report()
print(report)

# 获取最终剧本
if "format_craftsman" in results:
    script = results["format_craftsman"].output.get("formatted_script", "")
    print(script)

3. 执行模式

模式	说明	适用场景
FULL	完整链路（15专家全部跑）	从零开始创作
EPISODE_ONLY	仅分集开发（到§5）	已有创意，需要分集
SCRIPT_ONLY	仅剧本开发（§5→§7）	已有分集大纲，需要剧本
POLISH_ONLY	仅精修（§9）	已有剧本，需要优化
EVALUATE_ONLY	仅评估（§7）	只想评估质量

依赖关系图

Layer 0: ⑩实战指挥（总调度）
    ↓
Layer 1: ①角色铸造 ─┐
         ⑫世界观锻造 ─┼─→ 可并行
         ⑧商业包装 ──┘
    ↓
Layer 2: ②情感编织（依赖①）
    ↓
Layer 3: ③结构建筑（依赖②）
    ↓
Layer 4: ④对白大师（依赖①③）─┐
         ⑪场景工匠（依赖④）──┘→ 可并行
    ↓
Layer 5: ⑤分集编剧（依赖①②③④）
    ↓
Layer 6: ⑥格式工匠（依赖⑤）─┐
         ⑬金句萃取（依赖④⑤）─┘→ 可并行
    ↓
Layer 7: ⑦质量审计（依赖所有创作专家）
    ↓
Layer 8: ⑨改稿编辑（依赖⑦）─┐
         ⑭商业操盘（依赖⑧）──┘→ 可并行
    ↓
Layer 9: ⑮品控总监（依赖⑦⑭）

输出示例

每个专家的输出都是JSON格式，包含在 results 字典中：

{
    "character_forger": {
        "status": "success",
        "output": {
            "characters": [...],
            "protagonist": {...}
        },
        "execution_time": 12.5
    },
    "episode_writer": {
        "status": "success",
        "output": {
            "episodes": [...],
            "episode_scripts": [...]
        },
        "execution_time": 45.2
    },
    ...
}

自定义扩展

添加新专家

from pipeline_orchestrator import ExpertConfig

# 在 _register_experts() 中添加
self._register(ExpertConfig(
    expert_id="my_expert",
    name="我的专家",
    layer=5,  # 依赖层级
    dependencies=["episode_writer"],  # 依赖的专家
    system_prompt_file="my_expert.md",
    input_schema={"episodes": "list"},
    output_schema={"result": "dict"}
))

自定义 LLM 适配器

class MyLLMAdapter(LLMAPIAdapter):
    def call(self, system_prompt, user_prompt, **kwargs):
        # 实现你的API调用逻辑
        return response

注意事项

1. API Key: 确保 OPENAI_API_KEY 环境变量已设置
2. 文件路径: experts_base_path 指向专家配置文件目录
3. 并行执行: parallel=True 会并行执行同层无依赖专家
4. 错误处理: 可选专家（optional=True）失败不会阻塞流水线
5. JSON输出: 所有专家必须输出严格JSON格式，否则解析失败

故障排查

问题：JSON解析失败

• 检查专家prompt是否明确要求输出JSON
• 在prompt末尾添加"请严格按照JSON格式输出"

问题：依赖缺失

• 检查 dependencies 列表是否正确
• 确保上游专家执行成功

问题：执行超时

• 增加LLM API的 timeout 参数
• 减少 max_tokens 限制

下一步

• 接入实际的LLM API（OpenAI/Coze/本地模型）
• 添加前端界面
• 实现结果持久化
• 添加重试机制
• 支持断点续跑