一、Skill 整体概述
整套体系包含三套独立 AI Skill，分层生成词汇配套素材，完全依据单词难度自动匹配生成规则：
- 例句生成 SKILL（SKILL_EXAMPLE）区分 primary /junior/senior /cet4 四套生成标准，根据单词 category 生成对应难度英文例句；小学词汇强制校园场景、短句，四级偏向学术长句。
- 文生图提示词 SKILL（SKILL_IMAGE）接收上一步例句，提取画面元素生成绘图提示词，适配 z-image-turbo 绘图模型。
- 视频提示词 SKILL（SKILL_VIDEO）结合例句 + 图片提示词，生成 LTX2.3 动态视频生成指令。
配套流水线：读取数据库单词 → 调用例句 Skill → 调用图片 Skill → 调用视频 Skill → 全部素材写入 PostgreSQL 词汇表。
二、前置准备
1. 环境依赖
bash
运行
pip install requests psycopg2-binary2. 统一配置文件 config.py
所有 Skill 文本、大模型地址、数据库信息统一存放，核心配置项：
- LLM 接口地址、模型名称、最大 token、温度等推理参数
- 数据库连接信息（vocabulary 词汇表库）
- 批量单次处理数量、接口休眠间隔
- 三段 Skill 完整系统提示文本（SKILL_EXAMPLE / SKILL_IMAGE / SKILL_VIDEO）
3. 数据库表基础要求
数据表vocabulary必备字段，用于读取单词、存储 Skill 产出内容：
表格
| 字段 | 用途 |
|---|---|
| id | 单词唯一主键 |
| word | 英文单词 |
| chinese_definition | 单词中文释义 |
| category | 难度标识 PRIMARY/JUNIOR/SENIOR/CET4 |
| example | 例句 Skill 输出结果 |
| qwen_image_prompt | 绘图 Skill 输出结果 |
| ltx23_prompt | 视频 Skill 输出结果 |
| status | 素材生成完成标记 |
三、Skill 标准使用完整流程
流程总链路
读取指定难度单词 → Step1 执行例句 SKILL → Step2 执行图片 SKILL → Step3 执行视频 SKILL → 合并所有 Skill 输出入库
步骤 1：读取待处理单词
从 PostgreSQL 词汇表批量筛选指定难度词汇，获取字段：单词、中文释义、难度分类 category。 自动兼容数据库大写难度标识（PRIMARY 会统一转为 primary 匹配 Skill 规则）。
步骤 2：调用例句生成 SKILL（核心 SKILL）
- 入参：单词、中文释义、标准化小写难度标识
- 组装对话：系统提示 = SKILL_EXAMPLE，用户输入 = 单词 + 释义 + 难度
- 向 LLM 接口发起请求，内置 2 次自动重试（网络超时、JSON 错误、token 截断自动重试）
- 清洗模型返回内容：剔除 ```json 等 markdown 代码标记
- 解析 JSON，提取当前难度专属例句
- 输出结果：仅携带 word、chinese_meaning、example 三个字段，无其他难度冗余数据
约束规则由 SKILL_EXAMPLE 文本控制：
- primary：4-10 词短句、小学课堂场景、仅简单时态
- junior：8-15 词基础复合句
- senior：长复合句、从句、非谓语
- cet4：25-45 词学术复杂句式
步骤 3：调用文生图 SKILL
触发前置校验：如果 Step1 例句为空，直接跳过，节省模型调用资源。
- 入参：Step1 完整返回数据、单词难度
- 组装对话：系统提示 = SKILL_IMAGE，用户输入 = 当前生成的英文例句
- 发起 LLM 请求，内置重试逻辑，清洗返回 JSON
- 提取绘图提示词 qwen_image_prompt
步骤 4：调用视频生成 SKILL
触发前置校验：无例句直接跳过。
- 入参：Step1 例句数据、Step2 图片提示词、单词难度
- 组装对话：系统提示 = SKILL_VIDEO，用户输入 = 例句 + 图片提示词
- 请求大模型，解析得到 LTX2.3 视频提示词 ltx23_prompt
步骤 5：合并三套 Skill 产出数据
统一整合所有输出字段，组装入库结构：
- 基础单词信息
- example（例句 SKILL 结果）
- qwen_image_prompt（绘图 SKILL 结果）
- ltx23_prompt（视频 SKILL 结果）
- skill：原始数据库难度标识（大写 PRIMARY/JUNIOR 等）
步骤 6：数据库更新入库
将合并后的完整素材更新至对应单词行，填充 example、两类提示词，修改 status 为完成标识。
四、两种业务调用模式
模式 1：离线批量生成（脚本模式）
适用场景：后台批量补全词汇库素材
- 定义目标难度（PRIMARY / JUNIOR / SENIOR / CET4）
- 循环读取批次单词，逐条执行完整 Skill 流水线
- 单条单词生成失败自动回滚数据库，不影响其他单词
- 全部单词处理完毕自动退出
模式 2：Web 接口按需生成（API 模式）
适用场景：前端动态新增单词，实时生成配套素材
- 提供 HTTP 接口，入参：word、中文释义、难度 category
- 内部串行执行三段 Skill，直接返回整合后的全套素材 JSON
- 可按需扩展自动写入数据库逻辑
五、Skill 自定义修改方法
- 修改例句难度规则 直接编辑 config 中
SKILL_EXAMPLE文本，调整各难度句子长度、句式、场景、词汇约束。 - 修改图片 / 视频提示词风格 编辑
SKILL_IMAGE、SKILL_VIDEO系统提示，调整画风、镜头、时长、渲染风格。 - 新增难度档位（如 CET6）
- 配置文件难度列表新增标识
- 在 SKILL_EXAMPLE 补充对应难度生成规则段落
- 数据库 category 字段存入新标识即可自动适配 Skill
六、使用注意事项 & 排错
- 难度大小写不匹配 流程内置自动转小写逻辑，数据库存 PRIMARY 也能匹配 primary 规则，无需手动转换。
- 图片提示词为空 检查图片 SKILL 函数返回逻辑，确保解析到的 prompt 正常返回，不要硬编码空字符串。
- 模型返回带 markdown 代码块 流水线内置文本清洗逻辑，自动去除
json、标记，无需额外处理。 - token 截断无有效例句 调高 config 中 LLAMA_STEP1_MAX_TOKENS 数值，重试机制会自动重新生成。
- 无例句仍调用图文模型 流程自带前置判断，example 为空直接跳过图片、视频 SKILL，减少无效请求。
