13个真实案例复盘：AI视频提示词稳定复现的工程方法论 最新推荐文章于 2026-10-21 14:21:35 发布 原创 最新推荐文章于 2026-10-21 14:21:35 发布 · 269 阅读 本文基于13个真实文生视频案例，系统总结AI视频生成中提示词工程的稳定复现方法。核心包括：六要素拆解（主体、动作、环境、镜头、风格、时长）；动词优先、名词分区、形容词克制的提示词结构原则；负面提示词与参数配置经验；以及跨镜头一致性、运动僵硬、镜头偏差等常见问题的排查技巧。强调通过结构化模板、小样验证、变量控制实现可复用、可迭代的提示词生产流程。 做视频提示词这几年，我越来越相信一句话：能写出一条“好看”的提示词不难，难的是写出一条“稳定可复现”的提示词。这次趁着Opus 5.5视频生成能力开放，我把自己近期攒下的13个真实作品从头到尾复盘了一遍，把这些作品对应的提示词、参数设置、生成思路、踩坑记录全部整理在一起。这篇文章不是来秀成片的，而是把“结果反推过程”的方法摆出来——你看到的每一段画面，背后其实都有一组结构清晰、可以反复套用的提示词模板。 不管你是刚接触文生视频，还是已经写完不少提示词但总觉得输出不稳定，我都建议你从第2章的13个案例看起。我尽量把每个作品的“提示词原文”“关键参数”“为什么这么写”都拆开讲，方便你直接抄作业，再按自己的场景改主语。
1. 整体设计与思路拆解
1.1 为什么用“作品集+提示词复盘”的方式 AI视频生成领域现在最不缺的是“我生成了一条视频”，最缺的是“我知道这条视频是怎么来的”。13个作品单独看都只是几十秒片段，但放到一起就成了一份提示词工程的样本库。我最初做这个项目时，目标也不是“产出13条废片”，而是想通过一批不同类型的视频，逼自己把提示词从“感觉型”升级成“结构型”。 很多网友刷到“鹈鹕骑自行车”这类视频，第一反应是“怎么这么搞笑”，第二反应是“提示词到底怎么写”。我剪这些作品时遇到最多的不是模型不能用，而是“想要的效果说不清楚”。提示词本质上是你和模型之间的转译协议；你不把主体、动作、环境、镜头、光影、节奏这六个维度全部交代清楚，生成结果就会往不可控的方向跑。 所以这个项目的核心思路不是“展示作品集”，而是“把生成结果反推成可复用的提示词模板”。每条作品都对应一组可参考的提示词结构：主体前置、动作动词确定、环境约束、镜头指示、风格限定。把同一套结构的主语换掉，就能复制到另一个场景里。比如“一只鹈鹕骑车”换成“一只柴犬骑车”，其他部分基本不用改，这就是模板的复用价值。 1.2 方案选型：为什么把镜头锁定在“中长镜头+单主体叙事” 我一开始其实走过弯路。第一次用Opus 5.5时，我贪心地把五个角色塞进一个镜头里，结果角色互相穿模、动作乱飞。后来做减法，把场景固定成“单主体、单动作主线、单环境情绪”，效果立刻稳定下来。这不是说模型不支持复杂场景，而是对提示词工程来说，“一个主体一个动作”的画面更容易被模型理解，也更容易控制质量。 选型时我给自己定了三个标准：第一，优先做“有清晰叙事目标”的作品，而不是纯粹炫技；第二，每个作品至少要压一个难点，比如跨视角一致性、动物动作模拟、高速运动、复杂光影；第三，所有作品都走完整流程，初稿提示词，预生成，人工审看，微调，再成片。就这样，13个作品跑完后，真正沉淀下来的不是运气，而是一套可以复用的方法论。 13个作品我分成四大类：现实场景类、动作打斗类、光影情绪类、奇幻构图类。这个分类对读者更友好，因为提示词难点其实很不一样。现实场景类难在“真实感”，打斗类难在“速度感和镜头稳定性”，光影类难在“氛围控制”，奇幻类难在“元素绑定和物理规律”。每一类我都挑了几条最有代表性的作品拆开讲。
2. 13个真实作品：提示词与画面效果拆解
2.1 现实场景类：真实感是细节的堆叠 作品1：夜晚便利店门口 提示词：夜晚，雨后，城市街道，一家亮着黄色灯光的便利店门口。一个穿蓝色雨衣的路人站在檐下，低头看手机，雨滴从雨棚边缘连续滴落，落到地面的水洼中激起细小涟漪。地面反光清晰，远处有车灯模糊拖影，镜头固定在中景偏近，2秒后路人抬头看向镜头方向，表情平静。30fps，电影感色彩，浅景深。 这条我特意加了“地面反光清晰”和“雨滴从雨棚边缘连续滴落”，不是随手写的。文生视频模型对“材质反射”和“连续物理动作”最不敏感，你把这两个细节写进提示词，等于给模型划出检查点。成片里雨滴落进水洼泛起涟漪的过程非常完整，看得出来模型在尝试计算水面的受力变化。小瑕疵是路人抬头那个动作稍显僵硬，但这种局部问题不影响整条片的可用性。 作品2：鹈鹕骑车 提示词：一只白色鹈鹕骑着一辆老式黑色自行车，行驶在洒满金色阳光的乡间小路上。鹈鹕身体微微前倾，两只脚踩踏脚板，翅膀自然地展开保持平衡，自行车车轮转动，路面上的尘土轻轻扬起。路两侧有高大的法国梧桐和野花，机位跟随移动，持续时间约8秒，镜头稳定，运动模糊中等，高动态范围，童话般的自然光。 “鹈鹕骑车”是我这次收到反馈最多的一条，大家最好奇的是动物动作怎么写。我的经验是别只写“骑自行车”，而是把动作拆成三个动词：踩、平衡、前倾。提示词里写清“两只脚踩踏脚板”“翅膀展开保持平衡”“身体微微前倾”，模型才会知道每个肢体部位在干什么。第一次生成时车轮辐条扭曲得厉害，但鹈鹕身体和自行车之间的相对位置没有穿模，这已经比预期的效果好很多。后面用关键帧重绘把车轮修得干净一些，整体就上车可用了。 作品3：海边灯塔晨雾 提示词：清晨，灰蓝色海边，白色灯塔矗立在岩石上，浓雾缓慢流动，海浪以低频节奏拍打礁石。镜头从灯塔底部缓慢上移，扫过塔身窗户，最后越过塔顶望向远方海平面。雾气中隐约有海鸥飞过，整体色调偏冷，层次分明，细节极度丰富。时长10秒，默认视角，电影级色调。 这条主要用来测试“镜头移动与场景纵深”的配合。提示词里写“镜头从底部缓慢上移”，等于给模型指定了一条摄影轨迹，它会为了配合轨迹去生成窗户、塔顶这些参照物。这比单纯写“灯塔”可靠得多。实测下来，海鸥飞过的位置能对上雾气的层次，冷色调也稳定，没有出现阳光乱入的光感跳变。如果你要做建筑场景，建议都试试这种“镜头轨迹先行”的写法。 2.2 动作打斗类：速度感与镜头的默契 作品4：竹林打斗 提示词：两名武术家在一片茂密竹林中近身格斗，一高一矮，身着深褐色和浅灰色练功服。竹叶被掌风卷起，刀光一瞬，快速交手中的静止感和爆发力并存。镜头围绕两人做半圈高速环绕，背景竹竿被冲击波震得轻微摇晃。尘土、落叶、碎屑共同飞溅，每秒24帧，短快门效果，动作细节不模糊，高速运动下仍保持主体清晰。 打斗类视频最大的坑是“一快就糊”。不是模型不支持快动作，而是你的提示词里没告诉它“短快门效果”和“细节不模糊”。加上之后，模型会倾向于生成清晰的中间帧，而不会直接给你一团动态模糊。我在这条里还刻意写了“静止感和爆发力并存”，目的是让模型保留一两个标志性姿态，避免整段打斗只是快速闪动，没有一点让人记住的定格画面的能力。最终我最喜欢的是竹叶被掌风卷起的那一帧，力量方向非常合理。 作品5：地下拳场慢镜 提示词：昏暗的地下拳击场，聚光灯从顶部射下，一名拳击手侧身躲过对手的重拳，身体后仰，汗珠从额头甩出，慢动作回放。观众席虚化，光晕浓郁，水汽在灯光中可见。镜头由侧面特写慢慢拉至全景，最后定格在拳击手转身时的眼神。低照度，高对比度，35mm胶片颗粒感，慢动作效果。 慢动作镜头容易让模型“飘”，尤其是观众席和主体分属不同景深时，只要一个地方出错，画面就会发虚。这条我处理的方法，是用镜头轨迹去“绑”情绪：由特写拉远到全景，最后定格眼神，等于把整段视频的情绪曲线提前划好。提示词里“慢动作回放”放在末尾，模型会把它理解成整段视频的节奏属性，而不是某个局部效果。最后生成的汗珠甩出和灯光里的水汽，质感非常接近实拍，是我个人很喜欢的一条。 作品6：雨夜楼顶对峙 提示词：雨夜，城市高楼屋顶，一名黑衣人背对围栏，另一名灰衣人从阴影中走出来。雨水打在金属栏杆上弹起水花，两人之间的距离逐渐缩短。镜头以侧面低位视角推进，楼下雨中车流虚化形成光带，闪电短暂照亮两人面部，随后恢复暗调。黑衣人拿下帽子，露出冷笑，气氛紧张。教科书级电影打光，降雨细节丰富。 这条最特别的地方，是用环境来呼应人物关系。我不是只写“对峙”，而是加上了“距离逐渐缩短”和“闪电短暂照亮面部”，让镜头语言自动完成叙事压迫感。生成时也遇到一个小问题：闪电后恢复暗调，很多版本会直接“暗过头”导致面部不可见。后来我在提示词里加上“恢复暗调但面部轮廓保持可见”，效果才稳定下来。这类细节就是写实类提示词调试中真正花时间的地方。 2.3 光影情绪类：光线本身就是角色 作品7：老式理发店午后 提示词：午后阳光从百叶窗缝隙斜射进来，在老式理发店的白色瓷砖地面上形成条状光影。一名穿白色衬衫的理发师站在镜子前，用剪刀修剪顾客的头发，细碎发丝从空中缓慢飘落。尘埃颗粒在光束中清晰可见，空气质感浓厚。镜头从门口缓推向柜台，再横摇到镜子，镜子里能看到理发师专注的侧脸。暖棕色复古色调，胶片质感，折射光柔和。 这条作品测试的是“光线介质”。光本身看不见，但尘埃颗粒、发丝、水汽都能让光“显形”。提示词里“尘埃颗粒在光束中清晰可见”就是给模型一个介质点，让光束拥有体积感。理发店场景物体多，但主体动作只有“剪头发”和“发丝飘落”，所以整个画面依然稳定。最后生成的百叶窗条状阴影，角度和对位都很准确，说明模型对“光的方向”是有基本理解的。 作品8：雪夜候车站 提示词：深夜，空荡的公交候车站，昏黄路灯被大量雪花围绕。一个人裹着深灰色围巾站在长椅旁，呼出的白气在灯光下若隐若现。雪花斜着飘落，地面有明显积雪和脚印。镜头从背后拍摄，缓慢推进再转到侧面，看清那人低垂的眼睛。色调清冷，灯光暖黄，大景深，雪花颗粒光圈柔和。 这条最考验“雪花”和“呼出白气”这两个细小元素的稳定性。很多模型会把雪花生成成白色噪点，或者大得像纸片。我的做法是：提示词里明确写“斜着飘落”和“颗粒光圈柔和”，并在负面提示词里加一句“不要白色噪点，不要纸片状雪花”。经过7次重跑，最终版的白气效果特别好，整套画面像从某部圣诞短片截出来的一样。细小元素的解决思路就是一个一个单独练，别指望一次性让所有元素都完美。 作品9：江边渔火 提示词：夜晚，江面上有一艘老式木船，船头挂着一盏昏黄渔火，火苗轻微晃动。水面倒映着渔火和远山的轮廓，薄雾浮在江面上，一名渔夫坐在船尾慢慢整理渔网。镜头以缓慢的横向移动穿过雾岚，接近船身，最后定格在渔网和湿漉漉的麻绳上。暗部细节丰富，高光克制，冷蓝和暖黄对比明显。 这条设定的技术目标是“夜景不要死黑”。AI视频生成的暗光场景最常犯的错是阴影处糊成一片。规避方式是在提示词里直接写“暗部细节丰富”和“高光克制”，相当于给模型指明曝光控制方向。成片里渔网和麻绳上的水痕都很清楚，水面倒映也保留了闪烁感，达到了“既有意境又经得起放大检视”的效果。夜景视频建议大家都试一下这个方法，比单纯靠负面提示词拉高曝光有效得多。 2.4 奇幻构图类：让不可能成为视觉逻辑 作品10：书籍里长出的星尘 提示词：一本打开的古旧书漂浮在黑暗中，书页自动翻动，金色星尘从书页间飘散出来，汇集成一条绕书旋转的流动星河。镜头从书脊缓缓后拉，星河逐渐扩至整个画面，最后化为一扇光芒之门。书页材质有纹理，星尘为细小光点而非模糊颗粒，背景纯黑，高对比，微距视角，流畅的粒子运动。 奇幻类视频难的不是想象力，而是“物理稳定性”。为了让星尘不太像噪点，我在提示词里用了“细小光点而非模糊颗粒”做明确界定，这比负面提示词更有效。生成出来后，星尘的轨迹确实有流动方向，转弯处还会收窄再散开，说明模型理解了“沿路径流动”的物理暗示。这条最大的经验是：奇幻题材也要给模型一个可计算的物理逻辑。 作品11：浮空岛屿与云海 提示词：多座小型岛屿浮在云端之上，每座岛都有绿色草甸和一条瀑布坠入云层。镜头穿行在岛屿之间，阳光从侧面照亮雾气和飞溅的水珠，远方有更小的岛屿错落排布。环境风把岛屿上的蒲公英吹散，种子飘过镜头前景，营造出强烈的空间层次。慢速穿越感，景深明显，色彩柔和，高清像素细节。 浮空岛是常见题材，但很多人生成出来像“漂浮的石头”。我的处理方式是打破单岛对称：提示词里强调“多座”“错落排布”“瀑布坠入云层”，让模型有空间纵深可依据。最惊艳的是蒲公英种子飘过镜头前景的瞬间，它一下子把二维画面拉出了三维层次。这提醒我，好的提示词不只描述主体，更要布置“前景、中景、远景”的层次。 作品12：糖果工厂传送带 提示词：充满食欲的糖果工厂内部，传送带载着各种颜色和形状的软糖前进，机器手臂灵活地把糖果分拣进彩色纸盒。糖粉在空气中飘散，金属传送带表面反射柔和高光。镜头从传送带起始端移动到分拣工位，再快速切到包装区域。明亮环境，干净材质，童话感配色，运动流畅但不过度。 这条是用来考验“多物体协同”和“运动插帧”的。多物体协同最容易出现的问题是物体间碰撞穿模，尤其是机器手臂和糖果之间。我给了机器手臂一个具体动作“把糖果分拣进纸盒”，等于为交互设定了目标。只要运动的“能量逻辑”清晰，模型就愿意配合。最终糖果的运动轨迹几乎是完美的，没有一颗糖飞出场景边界，多物体场景里这种“动作目标清晰”的写法非常管用。 作品13：雪原上的红色门 提示词：无边无际的雪原，正中央立着一扇孤立的红色木门，门半开着，透出暖黄色光线。风吹动门框周围的雪花，形成小型旋涡。镜头从远处雪坡上缓慢接近门，门缝中的光线逐渐扩散，最后缩短焦距进入门内的暖色空间。强烈的色彩对比，极简构图，雪地波纹细节真实，门与环境的比例保留适度的空旷感。 这条是我用作“构图练习”的极简案例。它几乎没有动作，只有光线和雪花。正因如此，任何材质上的偷懒都会被放大。雪地波纹细节、红色门的漆面质感，是靠提示词里的“细节真实”逼出来的。视频最后几帧从冷雪原进入暖色空间的过渡有点超出预期，像是一段不经意的情绪转折。做极简构图时，每一个提示词都最好只服务于“材质、光线、构图”这三件事。 编号 主题 核心提示词要素 难点 01 雨天便利店 蓝色雨衣、雨滴涟漪、地面反光 材质反射/连续物理动作 02 鹈鹕骑车 踩踏、展翅、身体前倾 动物机械运动/穿模规避 03 海边灯塔晨雾 镜头底部上移、雾气流动 镜头轨迹与场景统一 04 竹林打斗 短快门效果、环绕镜头 高速运动模糊控制 05 地下拳场慢镜 慢动作回放、胶片颗粒 慢动作时主体清晰 06 雨夜楼顶对峙 距离缩短、闪电照亮面部 低光环境下人脸可见 07 老式理发店午后 百叶窗条状光影、尘埃颗粒 光线介质/空气感 08 雪夜候车站 雪花斜落、呼出白气 细小元素稳定 09 江边渔火 暗部细节丰富、高光克制 夜景曝光/倒影 10 书籍星尘 细小光点、绕书旋转 粒子运动非噪点 11 浮空岛屿云海 多岛错落、瀑布坠云 空间层次/前景搭配 12 糖果工厂传送带 分拣动作、糖粉飘散 多物体协同/插帧 13 雪原红色门 极简构图、光线扩散 材质细节/氛围控制
3. 提示词设计的底层逻辑与实操要点
3.1 拆解要素：主体、动作、环境、镜头、风格、时长 我写所有提示词前，都会先在心里或草稿纸上把六个要素拆出来。用“鹈鹕骑车”举例：主体是鹈鹕；动作是踩踏板、翅膀展开、身体前倾；环境是老式自行车、乡间小路、法国梧桐；镜头是跟随移动、机位稳定；风格是童话自然光、金色阳光；时长是8秒。六个要素齐了，提示词才不会漏信息。 这套框架不是我的发明，是从大量文生图、文生视频提示词模板里总结出来的。模型生成视频时，本质上是在解一道“条件生成”的题：你给的每个词都是约束条件，但不同条件的权重并不一样。动作动词的权重大于形容词，镜头指令的权重大于风格修饰。所以如果你写“美丽的鹈鹕”而不写“踩脚板”，模型大概率会生成一只站桩的鹈鹕。想让画面动起来，就必须把动词优先写清楚。 3.2 动词优先、名词分区、形容词克制 这条心得可以说是被模型“调教”出来的。很多人生成视频时喜欢堆形容词：壮丽、炫酷、精美、电影级，结果画面花里胡哨，内容却撑不起来。我现在的写法是：动词优先，每个关键动作独立成句；名词分区，把主体、背景、道具分开写；形容词克制，最多用一到两个基础风格词。 比如“竹林打斗”那一条，我没有写“震撼、精彩”，而是把“掌风卷起竹叶”“短快门效果”“主体清晰”这三件事写清楚。镜头之所以能稳定环绕，是因为我给了“镜头围绕两人做半圈高速环绕”这种可执行的指示，而不是“动态感十足”。另外，短句之间用逗号分割就够，少用“并且”“然后”这类连接词。很多模型在处理逗号时会更干净，连接词反而会把两个句子搅在一起。 3.3 负面提示词与参数选择的经验 Opus 5.5支持负面提示词，我基本会用固定五件套：“不要模糊、不要变形、不要文字、不要水印、不要多余物体”。但这里有个坑：负面提示词写太多，模型会“叛逆”，尤其“不要变形”有时会让模型把动作幅度都缩小。所以负面提示词只锁死最影响观感的指标，别把所有坏结果都塞进去。 时长和分辨率方面，我的经验是10秒以内的片段最容易控制，超过15秒后多镜头逻辑容易出现断层。分辨率默认配合30fps输出，如果做慢动作，我会用24fps再后期补帧。另外，如果你生成的是有明确主角的作品，最好在提示词第一句就确认主体身份，避免中途人物形象漂移。身份锚点包括服装颜色、体型、独特配饰，这些细节对角色追踪帮助极大。
4. 实操过程与核心环节实现
4.1 从需求到提示词的完整生成步骤 13个作品其实每个都经过一整套SOP，复盘下来核心步骤有五步：第一步，确定叙事目标，这次作品要表达什么情绪或画面，先写三五个关键词出来；第二步，搭建六要素骨架，主体、动作、环境、镜头、风格、时长逐项填空；第三步，拆成短句，每个要素一个短句，用逗号分隔；第四步，二轮润色，把抽象词改写成可执行词，“很有氛围”改成“暖黄色灯光加雾气加光束中的尘埃”；第五步，小规模预生成，先跑2到3条30帧的短片段，观察动作和镜头是否可控，再做整段生成。 很多同学会跳过第五步，直接把提示词丢进最终渲染。我吃过几次教训，因为一条10秒成片要等不少时间，如果方向错了，浪费的时间比多跑几次预生成多得多。现在我的习惯是“成本高的操作之前，先做小样验证”。这个方法看起来多了一步，实际上帮你省掉了大量无效等待。 4.2 拿到成片后怎么判断“这版能不能用” 审片时我有一套简单的打分维度，满分10分，五个维度各2分：主体一致性、动作合理性、镜头稳定性、光线材质、叙事情绪。如果一项低于1分，直接判定不合格，重新生成。如果五项都在1.5分以上，就会开始考虑局部修改，比如用首尾帧控制或局部重绘修细节。 举“鹈鹕骑车”的例子，这条前后跑了8次。前两次主要问题是翅膀穿模，第3到5次是车轮变形，第6次起脚动作正确了但自行车颜色变了。最后我通过“主体前置+首尾帧参照”才让颜色稳定下来。中间每次只改一个变量，不然根本定界问题出在提示词还是参数上。这个方法虽然慢，但对沉淀提示词经验很有帮助，而且能让你形成一种“变量控制”的思维习惯。 4.3 多批次生成与素材筛选技巧 一次完整的生成流程，我通常会出6到8个版本。第一步，把提示词复制进去，生成3个候选，先把明显构图崩掉的删掉。第二步，对剩下的候选做“关键帧抽检”，把成片按每2秒一个关键帧拉出缩略图，重点看中间有没有跳变。第三步，把候选做成AB对比，在同一个播放器里同时放两个视频，切换着看，发现差异后再回提示词里找原因。 筛选时要留意一个现象：同一个提示词下，这一版镜头稳但动作无聊，那一版动作丰富但有小幅穿模。这时不要反复抽卡，直接去微调提示词，往往比赌概率更高效。比如“雨夜楼顶对峙”那版，最后加了“恢复暗调但面部轮廓保持可见”这一句，一下子把低光问题解决了。仅靠重跑，你只是在碰运气；改提示词，你是在积累能力。
5. 常见问题与排查技巧实录
5.1 主体运动僵硬、关节错位怎么办 这应该是文生视频被吐槽最多的问题。原因在于模型对“连续运动姿态”的学习还不够精细，尤其处理四肢交叉、旋转和大幅度跳跃时，容易出错。排查办法：第一，把动作拆成小步骤，比如“鹈鹕骑车”拆成“踩踏板加展翅加前倾”，而不是直接写“骑车”；第二，降低动作幅度，先把“挥拳”改成“出拳前的蓄力”，给模型一个更简单的姿态，后期再用运镜增加速度感；第三，适当降低帧率，24帧通常比30帧更容易隐藏中间帧的变形。如果你正在处理一只动物或者机器人角色，这个思路尤其管用。 5.2 镜头运动不符合预期 很多时候你写了“镜头拉远”，结果画面却是主体变小但场景没动。模型把“摄影机运动”和“物体运动”搞混了。我的经验是把镜头指令写在提示词的前半段，或者独立成句，并且加上参照物。比如“镜头从灯塔底部上移”比“镜头从近到远”有效得多，因为“灯塔底部”给了模型一个固定空间坐标系。再扩大一点说，所有镜头指令最好都有“起点参照物”和“终点目标”，模型才知道怎么运镜。 5.3 提示词过长导致信息稀释 “提示词越长模型越聪明”是误解。实测下来，当正片提示词超过200字时，模型容易顾此失彼，前文写的重要约束会被稀释。我现在会强制自己把单段提示词控制在120到180字以内，超了就砍形容词和背景描述，优先保住主体、动作和镜头三件事。如果非要保留大量环境信息，我会把它拆成“主提示词+镜头指令+风格词”三段拼装，而不是一口气全写进去。简单说，提示词要做“减法”，而不是“加法”。 5.4 跨镜头人物一致性的保障 做多镜头叙事时，最怕主角换个镜头就换张脸。我目前比较稳定的方法有三点：第一，给人物一个标志性特征，比如“穿蓝色雨衣”“戴灰色围巾”“眼角有颗痣”，每个镜头都重复这个描述；第二，利用首帧图锁定画面基底，先生成一张主角的静态图，再用图生视频模式延伸动作；第三，把关键道具变成“锚点”，比如“红色门”“老式自行车”，这些具体物体会强化模型对场景的记忆。 5.4.1 一次失败的教训 “雨天便利店”最初版本中，主角穿的其实不是蓝色雨衣，而是黑色冲锋衣，因为我在提示词里只写了“一个路人”，没有给服装锚点。后来改成“蓝色雨衣”，后续镜头才没有继续崩。所以别小看“服装颜色”这种细节，它就是模型追踪角色的视觉锚点。 5.4.2 多用自然语义约束，少用逻辑词 “因为……所以……”在提示词里基本无效。模型不是在逻辑推理，它只是把语言特征对应到视觉特征。想让画面变化，就用“先……然后……”或“随着……”这种时间顺序表达，比如“先出现雨水，然后光线变亮”，模型能理解时间先后，但理解不了因果关系。“随着风吹过，蒲公英种子飘向前景”比“因为有风，所以蒲公英种子飘动”好用很多。 5.5 成片里的文字和UI干扰怎么办 模型经常会凭空生成一些看不懂的文字，尤其当场景里有招牌、书本、包装盒时。处理方式：负面提示词里固定加“不要文字”，同时把这些物体换成无文字版本。比如“糖果工厂”里把所有纸盒描述成“素色纸盒”，就很少再出现乱码。这个方法很土，但实测有效，尤其适合门头招牌、室内标识这类容易出现乱码的场景。 做了这一轮13个作品的复盘，我最大的感受是：提示词不是“写作文”，更像是在跟一个很有想象力但没什么生活常识的合作摄影师沟通。你得把画面里的每个关键元素都交代清楚，又得留出足够的发挥空间。别指望靠某一条“万能提示词”走天下，真正能让你进步的是不断记录、对比自己的失败样本。 最后再分享一个小技巧：把每条作品生成后的人工评分存下来，过两周再翻一次，你会发现很多当时觉得“运气好”的镜头，其实都有明确的提示词原因。把这些原因提炼成你自己的模板，下一次生成就不会再靠运气。如果你也想从第一篇作品开始搭自己的提示词库，可以按我前面说的六要素骨架来做，先把10个片段跑完，回头再看，进步会非常明显。 标签 #AI视频生成 #提示词工程 #文生视频 八戒漫谈美国