งานที่เสร็จ + ที่กำลังจะทำ

UI:  [✨ Generate All Veo Prompts]  ← ปุ่มใหม่ใต้ episode title
  ↓
Backend:  loop 3 scenes sequential
  for each scene:
    POST /api/llm/generate-veo-single
    save to ep.timeline[sceneIdx]
    emit progress: "Scene 1/3 done (827 chars)"
  ↓
UI: แสดง 3 outputs พร้อมกัน + final toast
        

LLM เขียน prompt ได้ดีกว่าตอน focus ทีละ scene (3 × 950 chars) vs batch (3 × 500 chars)
ถ้า scene ไหน fail → gen ต่อ scene อื่นได้ ไม่ต้องทำใหม่ทั้งหมด

• Scene 1: 827 chars
• Scene 2: 1102 chars
• Scene 3: 1023 chars
• Average: ~984 chars (target 1500)

• เพิ่ม few-shot examples 3-4 ตัวอย่างใน system prompt (ครอบคลุม horror/romance/action)
• ปรับ 7-clause PROMPT STRUCTURE ให้ detail ขึ้น (เพิ่ม "with X texture" / "casting Y shadow")
• ทดสอบ LLM temperature 0.7 → 0.5 (consistent but still creative)

1. Create: POST /api/projects → 201, project ID returned
2. Read: GET /api/projects/{id} → 200, all fields present
3. Update: PUT /api/projects/{id} (change title/meta) → 200
4. Add episode: PUT /api/projects/{id} (add EP to data.episodes) → 200
5. Delete: DELETE /api/projects/{id} → 200
6. Verify deleted: GET /api/projects/{id} → 404
7. UI: Click + New Project → fill form → save → see in dashboard
        

UI: Submit script_gen job
  ↓
POST /api/jobs → { job_id: "abc123", status: "queued" }
  ↓
WS: ws://api/ws?token=... → stream progress
  {
    "job_id": "abc123",
    "progress": 25,
    "message": "Calling LLM (~30s) with 3 ref(s)...",
    "status": "running"
  }
  ↓
WS: { progress: 75, message: "Parsing script..." }
WS: { progress: 100, status: "completed", result: {...} }
        

• Submit → poll jobs list → see status change queued → running → completed
• WS connect with token → receive progress events
• Cancel: DELETE /api/jobs/{id} mid-flight → status = cancelled
• Multiple jobs concurrent (5 parallel) → all complete