scenario-inspiration

シナリオの着想

概要

着想を求められると、エージェントは平均的な答えを出します。依頼に対して最も典型的な答えを返すため、似たような依頼をしたユーザーには、誰に対しても同じ見た目のものが返ります。このスキルでは、それを4つのフェーズに置き換えます。下準備、幅を広げる、選ぶ、ボードを作るです。連携方法と対象範囲については、このリポジトリの scenario スキルを参照してください。ここで挙げた関連スキルが利用可能なスキルに見当たらない場合は、ユーザーにインストールを依頼してください（npx skills add scenario-labs/skills --skill <name>）。無人で実行する場合は、ツールのスキーマに基づいて進め、不足している点を明示してください。

価値の大半は、4つの手順から生まれます。この依頼で反射的に出てくる答えと、単にその反射を避けただけの答えを挙げ、両方を候補から外してください。独創的になるよう指示されたエージェントは、2番目にありきたりな答えに行き着くからです。対象ではなく、操作をランダム化してください。変化させるのは依頼に適用する変換であり、対象をランダムにしてもノイズになるだけです。検索ではなく自分で候補を生成するときは、答えを1つ求めるのではなく、分布を求めて、その裾野から取り組んでください。そして、ユーザーに選んでもらってください。最終的に選ばれない選択肢は、方向性ではなく単なるギャラリーです。

クイックリファレンス

フェーズ	実施内容	詳細
1. 下準備	固定の制約、自由にできる軸、両方の反射的な答え、当たりとみなす基準	references/widen.md
2. 幅を広げる	4つの経路とワイルドカードによる抽選。多めに集め、近いものと遠いものを含める	widen.md, references/sources.md
3. 選ぶ	互いに排他的で、特定の軸が1つずつ異なる3つか4つの方向性と、別案への切り替え手段	references/choose.md
4. ボードを作る	選んだ方向性をコレクションにし、各参考資料に役割を付ける	references/moodboard.md

4つの経路がフェーズ2につながります。まずユーザーに、すでに気に入っているものを3つと、どうしても受け入れられないものを1つ挙げてもらいます。無人で実行する場合は、タスクの指示からそれらを拾い、何も挙げられていなければ省略して続行してください。次に target: "assets" を指定して search を2回実行します。1回目はチーム独自の作品を対象にし（public は省略）、2回目は公開カタログを対象にします（public: true）。最後に、search の呼び出しではないオープンウェブで検索します。公開アセットの検索結果には、生成に使われた文言である metadata.prompt が含まれます。また、制作時点の target: "models" の検索結果には exampleAssetIds が含まれるため、どちらの方法でも自由にスタイルを調査できます。images: {like, unlike} は、両方向から参考例をもとに方向性を調整します。

scripts/wildcard.py を使って、遠い領域を自分で抽選してください。スキルのディレクトリから実行します（python3 scripts/wildcard.py --count 4）。ランダムなものを求められたモデルは、自分の習慣に沿ったものをサンプリングします。一方、このスクリプトはコーパスからサンプリングしてシードを出力するため、抽選を再現したり、意図的に二度と繰り返さないようにしたりできます。

実例：パズルゲームのワールドマップ。まだ何も決まっていない状態

1. 前提を固める。 固定条件は16:9、スマートフォンの画面サイズでも読みやすいことです。それ以外はすべて未定です。最初に思い浮かぶのは、キャンディカラーのアイソメトリックな島々。次に思い浮かぶのは、同じ島々を落ち着いた「居心地のよい」雰囲気にしたもの。どちらも今は対象外です。グレースケールでも各地域を見分けられるマップが成功です。ありきたりなクエリを一度実行し、それを超えるための基準として残しておきます。
2. 視野を広げる。 まずプロジェクトをsearchして、すでにブランドイメージに合うものがないか探します。次にpublic: trueを指定し、query_semantic_ratio: 0.8で検索し、さらにキーワードのデフォルト設定でも検索して、上位の結果に付いたプロンプトを読みます。意外性のある案を4つ描き、それぞれ個別にクエリを実行します。最も奇抜なものだけでなく、近いもの、中間のもの、遠いものも残します。
3. 選ぶ。 まず軸を決めます（ここでは、世界をどのように描くか）。次に、その軸上の4つの方向性を定めます。それぞれにタイトル、意図を示す一文、asset_displayで表示する参考資料を2、3点、どのようなケースに向いていて、どのような場合に不向きかを添えます。何を除外したのかも説明します。どれが最も近いか、別の案から何を取り入れたいかを尋ね、選択を保留するための逃げ道も用意します。誰も答えられない場合は、タスクの指示から選びます。それもなければ、前提で定めた成功条件を最もよく満たす案を選び、どれを選んだか、その理由を説明し、暫定案として示して先に進みます。
4. ボードを作る。 選んだ案でcollection_createを実行し、外部の参考資料をすべてコピーします。公開アセットはそれぞれ別のチームに属しているため、作成時にcollection_add_assetsが403を返す場合があります。asset_download、curl -L、upload_assetを実行します。それぞれのアセットに理由を添えてasset_updateを実行し、反参考資料にはタグを付けます。コレクションIDをscenario-imageまたはscenario-consistencyに渡します。

よくある間違い

• 前提を固めず、ブリーフに書かれた言葉で検索すること。関連度順に、ありきたりなカテゴリ案が返ってきます。
• 4つの案が、色違いの同じアイデアになっていること。Aを選んでもBが除外されないなら、それらは別の方向性ではありません。
• 残った案だけを提示すること。何を除外したか、その理由を示すことで、ほかの案にも信頼性が生まれます。
• 文字どおりのクエリですでに返された結果と照らし合わせずに、セットに多様性があると言うこと。
• 奇抜なものをすべて残すこと。何と結び付くのか、どんな価値があるのかを説明できて初めて、採用する理由が生まれます。
• 返ってきたものを何でもボードに載せること。各参考資料には、光、色、構図、素材、形、被写体、環境のいずれかの役割が必要です。そうでなければ単なる飾りです。
• 1つのボードに異なるライティングの世界観を混在させること。強いフラッシュを使った参考資料と柔らかな窓光の参考資料は、生成時に互いを打ち消します。
• 18枚の画像をモデルに渡すこと。まず、役割タグを付けた参考資料を3〜6点に絞ります。
• ブリーフで求められていないのに、方向性を指定しないデフォルト案を出すこと。被写体は中央でレンズに正対し、ポーズを取り、均一な光が当たり、すべてにピントが合い、加工されたような光沢がある。プロンプトで未指定の軸（フレーミング、瞬間、レンズ、時刻、光）はどれも、モデルが最も平均的な答えで埋めるため、それぞれ明示します。