一句话目标，Agent 帮你产出可拍摄的短剧

输入创作目标，Agent 按 PERO 架构工作：Plan（多节点规划）→ Execute（每个节点 ReAct：Reason→Act→Observe）→ Reflect（质量评审）→ Optimize（基于反思优化产出），产出三幕大纲与第一幕分镜脚本。

创作目标

🧠 创作记忆 Agent 会把这些偏好注入创作过程

P规划 Plan

E执行 Execute·ReAct

R反思 Reflect

O优化 Optimize

还没开工？输入上面的创作目标，点「让 Agent 开工」。我会按 PERO 四步工作：

规划 Plan → 制定创作步骤；执行 Execute·ReAct → 每步思考-行动-观察，生成大纲与分镜并自检自纠；反思 Reflect → 质量评审；优化 Optimize → 基于评审产出优化版分镜。全程过程可见。

AAgent 工作过程

运行中

优点

问题

改进建议

世界观

主角

核心冲突

AI 生成

表格单元格可直接点击编辑；总时长 -- 秒

#	场景	景别	画面动作	台词	字幕建议	时长(s)

为什么做这个

短剧是当前叙事内容里生产链路最重、试错成本最高的形态：大纲、逐镜分镜、校验要一步步走，一个故事值不值得拍往往写完才知道。分镜工坊把「一句话 → 可拍摄分镜」压缩成一次 Agent 会话，让创作者 30 秒验证一个故事的「可拍性」。

目标用户与核心问题

面向短剧/短视频编剧与内容团队。核心问题是：从构思到分镜的中间环节高度结构化却耗时，缺一个快速、可编辑、可自动校验的初稿工具。

关键取舍

只做第一幕完整分镜（8-12 镜、60-90s、可拍），第二/三幕保留大纲节拍——用最小的 LLM 成本把核心路径做透；Agent 过程全程可见，Mock 能力如实标注，不假装能力。

AI 如何参与

Plan 由 LLM 规划步骤；Execute 每个节点 ReAct（LLM 生成 → 规则校验 → 不合格交回 LLM 自纠）；Reflect 与 Optimize 形成质量闭环。AI 参与全过程，且 AI 输出的问题（JSON 结构、结构不合格）由系统识别并修正。

PERO 架构：Plan（LLM 多节点规划）→ Execute（每个节点 ReAct：Reason→Act→Observe，生成类节点含规则校验自纠）→ Reflect（LLM 质量评审）→ Optimize（基于反思优化分镜并再校验），全部真实运行。
工具调用：「题材热度查询」「素材搜索」为 Mock（内置示例数据，未接真实数据源）；「分镜结构检查」为本地规则引擎真实执行；「大纲/分镜生成」为真实大模型（DeepSeek）。
记忆：创作偏好存于浏览器 localStorage，为本地模拟长期记忆（未接数据库/向量记忆），注入规划与生成 Prompt。
任务历史：最近任务与产出存于浏览器 localStorage，刷新可恢复查看（服务端无任务队列，执行中断需点击「重新生成」续跑）。
未完成：第二/三幕分镜、真实素材检索、跨会话云端记忆、图片/视频预览。
下一步优先：接入真实素材检索（替代 Mock）、第二/三幕分镜生成、任务服务端队列（跨设备恢复）。