docs: 补充图生视频多人场景丢人的坑与正确写法

SKILL.md

@@ -241,6 +241,24 @@ Cinematic 3D realistic style, shallow depth of field.
 
 **做剧集的标准流程**：先用图像模型（如 `gemini-2.5-flash-image`）出关键帧 → 确认画面 → 再用 `--image` 让关键帧动起来。
 
+### 6.2.1 图生视频的坑：多人场景会丢人
+
+**实测问题**：参考图里有两个人（少年坐地上、女孩站门口），但生成的视频里只剩少年一个人——**Veo 把第二个人省略了**。
+
+**原因**：只描述画面，没描述"另一个人怎么进入、在做什么"。
+
+**正确写法**：多人场景必须在时序里分别交代每个人的动作。
+
+```
+0-2s: 门开了，光进来，少年眯眼
+2-5s: 女孩跨过门槛走进来，端着碗，停下
+5-8s: 女孩递碗，说台词；少年看碗、再看她
+```
+
+这样 Veo 才知道第 2 个人物在第 2 秒才出现、怎么动、和主角什么关系。
+
+**铁律**：**画面里有几个人，时序里就要写几个人的动作。漏一个，AI 就删一个。**
+
 ### 6.3 让多个片段能连着看
 
 **多段拼成一条片子，观众能看懂，靠这四件事：**