Arquitectura de Contrato de Guión y Expansión de Investigación para un Pipeline de Producción de Video Multiagente con Claude

Un desarrollador creó un pipeline de IA multiagente que toma un tema (por ejemplo, "Ada Lovelace") y una personalidad (identidad del canal, tono, estilo visual) y produce un video educativo completo de YouTube estructurado en capítulos (15-20 min). El pipeline usa Claude como LLM principal para la escritura de guiones y orquesta agentes especializados en redacción de guiones, generación de activos, renderizado (CUDA en host Windows) y subida a YouTube.

Escritura de guiones mediante arquitectura de contrato

Para mantener un guion generado por IA de 20 minutos coherente narrativamente a través de capítulos escritos en llamadas separadas al LLM, el sistema utiliza un contrato narrativo: un plano JSON validado generado antes de escribir cualquier texto del guion. El contrato codifica cuatro tipos de restricciones:

• Hilos — arcos narrativos que deben abrirse en un capítulo y cerrarse en otro, con un tipo de desenlace declarado (resuelto, tragedia, etc.)
• Entidades — personas/lugares nombrados con un capítulo de primera introducción forzada, evitando menciones retroactivas
• Hechos requeridos — citas encadenadas con dependencias (el hecho B no puede aparecer hasta que se establezca el hecho A)
• Anclas temporales — puntos de referencia temporales que permiten una estructura no lineal (flashback, in medias res) manteniendo la coherencia interna

El contrato se genera mediante un bucle Opus → validación estructural → revisión Sonnet (hasta 3 rondas). Sonnet verifica la coherencia semántica (sin entidades huérfanas, los hilos realmente se cierran); el validador estructural ejecuta un análisis Pydantic + verificación de restricciones temporales. Los escritores de capítulos posteriores están sujetos al contrato.

Investigación mediante despliegue

El pipeline de investigación inicia N instancias paralelas de OutlineAgent, cada una trabajando con el mismo paquete de investigación pero con diferentes tesis candidatas. Cada una produce una jerarquía de tres niveles: tesis → argumentos de capítulo → beats de escena. Un bucle de fundamentación/revisión se ejecuta de forma independiente en cada rama:

• Revisor de fundamentación (Sonnet) señala problemas bloqueantes frente a problemas de pulido
• Agente de revisión aplica correcciones sin reestructurar
• Revisor de calidad verifica fallos estructurales (listas de capítulos temáticos, colapsos en el medio, finales resumen)

Hasta 3 rondas de revisión por rama, en paralelo. Luego un único agente juez puntúa cada esquema refinado en cuatro ejes:

Arquitectura del pipeline

El pipeline está dividido en dos entornos: el trabajo de guion y activos se ejecuta en un contenedor de desarrollo Linux (WSL), mientras que el renderizado se ejecuta en el host Windows para acceder a CUDA y herramientas de video. Los agentes se comunican por HTTP con un orquestador ligero. El sistema está basado en fases: cada paso (W2.1, W4.3, R3.1, etc.) se puede volver a ejecutar de forma independiente. Cada fase lee y escribe archivos de artefactos tipados (manifiestos JSON, archivos de audio, directorios de imágenes) para que los agentes estén débilmente acoplados.

Herramientas integradas: Live2D, Fish Audio, Sadtalker, y otras para la generación y renderizado de activos.