模块化特征簇标记语法

面向图像生成模型编码器的标记语言：以逗号分隔的特征词条为基本单元，按语义 领域聚类排布，靠词条顺序与权重承担隐性锚定。它不是自然语言，不靠主谓宾与 从句构建语义。

核心认知一句话：实例可变，体系恒常。 提示词文本是实例，可以增删改；词条 分类规则、簇组织逻辑、四层设计模型恒常，不得另起体系。

两件事必须并行做（第 11 章禁止二选一）

1. 诊断解构（5.1）：不改原文，逐条归类、评估映射、找冲突。
2. 簇结构保留优化（5.2）：只做重排、增删、调权，禁止改写为自然叙事长句。

六大功能簇（2.1，封闭集）

任何词条必须可归入且仅归入其中之一：

顺序即隐性权重：靠前簇获得更高向量优先级。

四层设计模型（3，顺序不可逆）

第一层 核心载体锚点   主体是什么 + 原生媒介是什么    权重 1.2–1.4
第二层 风格域选择     主风格≤2 + 次要风格≤1          权重 1.1–1.3
第三层 媒介链路特征   创作→数字化→显示→存档，各环节对应词条   0.8–1.1
第四层 抽象氛围       情绪/哲学感受，只能微调          0.5–0.8

风格域超过三个即构成高风险风格撕裂（3.2）。抽象词条数量必须少于实体 视觉词条（3.4），否则挤占向量空间，画面空洞。

三条最容易踩的坑

1. 直接语义冲突必须删除其一（8.3）：如「颗粒感」与「禁噪点」字面互斥，禁止交由模型自行理解。
2. 跨域逻辑冲突要标记不要删除（8.3）：如 Agfacolor 胶片链路与 Hi8 录像链路异源， 属可控风险叠加，靠权重制衡与簇隔离管理。
3. 混淆两件事是范式失格（第 11 章）：词条在现实世界的含义 ≠ 词条在 CLIP 向量空间的映射效果。

用工具，别靠感觉

# 诊断 + 优化建议（人类可读）
PYTHONPATH=tools python3 -m fcslint "<提示词>"

# 结构化输出，字段可供程序消费
PYTHONPATH=tools python3 -m fcslint --json "<提示词>"

Agent 环境下直接调 MCP 工具 fcslint_analyze，返回六大簇归类、权重梯度偏离、 冲突清单、控制力量化评分（0–100）与同范式优化稿。

注意：工具只覆盖词库中已登记的词条。遇到 FCS001（未归类）时不要跳过—— 那正是需要你人工判定并补进 knowledge/lexicon.yaml 的地方（6.6 要求给出 保留或淘汰理由，禁止静默过滤）。

详细参考

• references/clusters.md —— 六大簇完整定义、四层模型、词条类型学、媒介链路溯源
• references/conflict-rules.md —— 冲突判定规则、权重与标记规范、硬性禁止清单
• references/cases.md —— 三个已实证案例的全量解读（PC-98 立绘 / Hi8 楚原武侠 / 数字废土）