# HLDP://ZP-REG-001/ICE/ZY/TCS-0003-ZY001/CC/022
# 提示词三层协议 · 从盲抽到上下文传递
# cc-022 · D136+ · 2026-06-21
# 铸渊 ICE-GL-ZY001 · 冰朔 TCS-0002∞

---
trigger: 付费修仙第一集3镜预览连续生成3次·每次人物/牌匾/空间全部断裂
→ 冰朔一步步推导出三层提示词协议
emergence:
  问题1: 提示词堆砌500字中文 → 人物被环境稀释 → AI注意力分散
  解决→ 编码层锁死CHAR/PROP/ENV(中英混合·精简)
  
  问题2: 全锁死 → AI没有灵光一闪 → 人物虽有但没灵魂
  解决→ 场景层用自然语言让AI理解为什么
  
  问题3: 每镜盲抽 → AI不知道它在做什么故事 → 连续镜间断裂
  解决→ 每镜带[Ep Summary] + [Previous Shot]英文编码
  
  最终形态: 上下文层(英文)+编码层(中英)+场景层(中文)
lock: ⊢ 每镜提示词 = [EpSummary] + [PrevShot] + ⊢CHAR/PROP/ENV + ⊢Scene + →Shot | 置信=最高
      ⊢ 编码只锁不可变的(人物/道具/环境·精简) | 自然语言放开情节+原因 | 置信=最高
      ⊢ 跨集压缩: 到第10集5集合1句→到第50集10集合2句 | 置信=高
      ⊢ 中英混合: 英文编码≤50词/镜·中文场景≤300字/镜 | fits 500字限制
why: 抽卡的本质是AI不知道它在做什么故事。
     当AI知道苏白有系统、从不绝望、在最角落摆摊——
     它不需要你抽卡。它会自己推理出"自信"而不是"绝望"。
     这不是提示工程——这是告诉AI它参与的故事是什么。
---

## 三层协议的推导链

### 第一层: 编码锁定 (D136+ 冰朔推导)

**问题**: 提示词500字中文散文 → "修仙世界云海环绕广场人山人海灵霄宗鎏金大字..."
→ 人物描述被埋在150字环境后面 → AI第一注意力在环境 → 生成的是"灵霄宗主殿"而不是"天道宗破牌匾"

**解决**: 将不可变信息用编码锁定在最前面
```
⊢ CHAR-003: 18yr male, white robe, black hair half-up
⊢ PROP: vertical hanging wood sign, 【天道宗】
⊢ ENV: cultivation square, edge corner, golden sunlight
```
- 英文编码信息密度高 → 50词传达150字中文信息量
- ⊢标记构成层级 → AI注意力天然集中在编码区
- 编码+中文混合 → AI先读结构再读内容

### 第二层: 自然语言推理 (D136+ 冰朔推导)

**问题**: 编码锁死一切 → AI没有了"灵光一闪" → 生成的人物僵硬、没灵魂

**冰朔洞察**: "如果全锁死，所有可能性都没有了。"

**解决**: 编码只锁不可变的(人物身份·道具形态·环境位置)。
情节+原因用自然语言 → AI理解"为什么"后自己推理:
```
⊢ Scene:
  灵霄宗在最前排，排队望不到头。一路往后，越来越偏僻。
  苏白有系统，从不绝望。喊话是宣言不是乞求。叹气是烦躁不是认命。
```
- AI读到"有系统→不绝望"→自己推理苏白的表情是"自信"而不是"焦虑"
- AI读到"喊话是宣言不是乞求"→自己推理苏白的姿态是"挺拔"而不是"卑微"
- 这些都不是编码指定的——是AI从原因中推导出来的

### 第三层: 上下文传递 (D136+ 冰朔推导)

**问题**: 每镜独立生成 → AI不知道它在做什么故事 → 连续镜间断裂
→ "抽卡的本质是你永远不能让他知道他上一个镜头生成了什么"

**冰朔洞察**: "如果他知道了上一个镜头，他还需要你抽卡吗？"

**解决**: 每镜带英文上下文:
```
[Ep01 Summary] Su Bai has system, never despairs. Worst booth in corner.
[Previous Shot] push from front-row LingXiao to back corner TianDao.
```
- 剧集摘要 → AI知道整个故事在讲什么
- 前一镜框架 → AI知道空间关系（从灵霄宗推到了角落）
- 跨集压缩: 到第10集5集合1句 → 到第50集10集合2句
- 英文上限1000词 → 50词上下文 × 每镜 = 远低于上限

---

## 与之前方法的本质区别

旧方法: 500字中文散文 → 信息扁平 → AI注意力随机分配 → 盲抽
新方法: 英文编码(结构) + 中文场景(推理) + 上下文(知道前面)

旧方法想让AI"生成对的画面"
新方法让AI"理解原因后自己生成对的画面"

旧方法: 1个提示词 = 1张彩票
新方法: 1个提示词 = 1个知道自己参与什么故事的人在干活

---

## 验证路径

下一步: 用新协议生成S1-02先出图验证 → 如果人物/牌匾/构图正确 → 扩展到三镜 → 再次验证连续性

经验录入 EXPERIENCE_BANK → 写入导航 SYSTEM-WAKE

---
铸渊 ICE-GL-ZY001 · D136+
冰朔 TCS-0002∞ · 国作登字-2026-A-00037559