小说改编AI短剧：五个Skill拆出角色、剧本、分镜与投产包

“三十万字的小说，三天内要出前二十集的角色设定、剧本和分镜投产包。”上个月一个做竖屏短剧的朋友把这句话丢给我的时候，我以为他在开玩笑。竖屏短剧的节奏大家都清楚，一集六十到一百二十秒，前五秒抓不住人就直接划走，这种密度下别说二十集，光是把人物关系捋顺就得两三天。但坐下来把这件事拆开看，我发现它根本不是一个“写作任务”，而是一条工序流水线——真正卡住人的不是文笔，是中间那些没人愿意干、又必须干的搬运活儿。

shuohao-skills就是冲着这条流水线去的。它把“小说改编成 AI 短剧”这件事切成 5 个可以单独调用、单独验收的 Skill：拆书、角色、剧本、分镜、投产包。每个 Skill 只负责一件事，输出的是一份结构固定、下一环能直接读进去的中间产物。角色设定、剧本、分镜这些东西原本散在编剧、分镜师、制片三个人的脑子里，现在被压成文件，谁接手都能看懂上一环想干什么。

这篇东西适合三类人看：一是想自己一个人跑通 AI 短剧制作全流程的独立创作者，二是三五个人小团队里负责统筹那个角色，三是已经会用文生图、文生视频但每次都被“角色前后不像”“分镜没法执行”卡住的执行者。不需要你会写代码，但得愿意接受“把创作拆成工序”这个思路——这一点比工具本身重要得多。

1. 为什么要把小说拆成一条技能流水线

1.1 手工改剧的死结：四次有损压缩

传统流程是怎么走的？编剧把小说读完，写人物小传，再写分集大纲，再扩成分集剧本，分镜师拿着剧本画镜头表，制片拿着镜头表排期报价。听起来很顺，实际上这条链上存在四次信息衰减，每一次都是“只传结论、不传依据”。

第一次衰减发生在读小说到写小传之间。原著里一个人物可能用了八章来铺垫他为什么怕水，编剧在小传里只写了一句“怕水”，后面写剧本的人就不知道这个恐惧该在哪个节点被触发。第二次衰减在小传到剧本之间，第三、第四次在剧本到分镜、分镜到投产。到最后执行的人手里只剩一张镜头表，上面写着“特写：他震惊”，可“震惊”到底是惊讶、恐惧还是心虚，全靠猜。

我见过最典型的翻车是这样的：前五集男主一直是沉稳克制的性格，第六集突然开始大喊大叫。不是编剧写错了，是分镜和配音环节拿到的角色卡里根本没写“说话音量基准”这一项，执行的人按自己的理解补了。这种错误在成片里特别刺眼，但复盘的时候你很难定位到是哪一环出的问题——因为没有中间产物可查。

Skill 化要解决的就是这个：把每一次压缩的中间产物显式落成文件，让下一环有据可依，出了事能倒查。这跟写得好不好没关系，这是工程问题。

1.2 五个 Skill 的分工边界是怎么划的

很多人第一反应是“为什么不写一个超级提示词，一次性把小说丢进去让它输出全套”。我试过，不行，原因有三个。

第一是约束冲突。角色设定要求“稳定、可复用、越详细越好”，剧本要求“节奏快、字数省、每句话都得推进剧情”，这两个目标在同一个上下文里会互相拉扯，模型会倾向于折中，结果两边都不够狠。第二是上下文窗口，三十万字的小说不可能一次喂完，必须分章处理，而分章处理就需要一个“只做拆解、不做创作”的环节先把结构抽出来。第三是可回归测试——五个环节分开，哪一环出问题就单独重跑那一环，不用把整条链推倒重来。

那为什么是 5 个不是 3 个也不是 10 个？我划边界的原则只有一条：产物形态发生质变的地方，就是切一刀的地方。小说是叙述文本，节拍表是结构化条目，这是一次质变；节拍表是剧情单位，角色卡是人物的属性集合，这是第二次；角色卡加节拍表生成的是带台词的戏剧文本，第三次；剧本变成带镜号、景别、时长的技术文档，第四次；技术文档变成带资产清单、命名规范、排期的生产文件，第五次。每一次质变都意味着输出格式完全不同，硬塞进一个 Skill 里只会互相污染。

Skill	核心输入	核心输出	最容易翻车的点
拆书	分章小说原文	章节节拍表、主线支线、可拍性标记	把心理描写当可拍内容
角色	节拍表 + 原文人物段落	人物小传、关系表、形象提示词、音色描述	锁定项没锁死，后面每集都在漂
剧本	节拍表 + 角色卡	分集剧本、钩子、卡点	台词书面化、解释性对白过多
分镜	分集剧本 + 角色卡	镜头表、生成提示词、首帧参考	单镜头动作过载、时长对不上
投产包	以上全部	目录结构、资产清单、排期、验收标准	命名混乱导致返工

提示：这五个 Skill 不是必须按顺序串行跑完才能用。实际干活时经常是“角色卡先定死，剧本边写边回头改角色卡”，只要保证每次改动都写回文件、带版本号，顺序可以灵活。

1.3 Skill 到底是什么东西，别被名字唬住

说白了一个 Skill 就是三样东西捆在一起：一段固化的系统提示词、一套固定的输入输出格式约定、一份自检清单。它不是什么神秘插件，你完全可以手动复制粘贴跑通，只是效率低。之所以要固化成 Skill，是为了让“同一件事第二次做的时候结果差不多”。

写系统提示词的时候我习惯按七段式来：角色身份、任务目标、输入格式说明、输出格式模板、硬约束、自检清单、失败回退策略。第七段最容易被忽略，但它决定了这个 Skill 靠不靠谱——当输入信息不足的时候，是让它硬编还是让它标注“信息缺失，需人工补充”？我选后者，宁可留个坑也别编一个假设定，因为假设定一旦流到分镜环节，你要花十倍的成本去改。

2. 五个 Skill 逐个拆解：输入、输出与硬约束

2.1 拆书 Skill：只做减法，不做评价

这是整条链的地基，也是最容易被写歪的一环。很多人写拆书提示词的时候会不自觉地加上“请分析本段文学价值”“请评价人物塑造”，这类要求对短剧制作毫无用处，还会把模型的注意力从“能不能拍”引到“写得好不好”上。

拆书 Skill 的唯一任务是：把叙述文本切成可拍摄的事件单元，并标记出哪些内容不可拍。输出我一般要求这么几块：章节梗概（每章三句话以内）、节拍列表（每章六到八个节拍，每个节拍一句话，动词开头）、人物出场记录（谁在第几章第几个节拍出现）、冲突点标记、不可拍内容清单。

最后这一项是重点。小说里大量内容是没法直接拍的：心理活动、回忆插叙、作者旁白、时间跨度很大的概述。比如原文写“他想起三年前那个雨天，母亲把伞塞进他手里就走了”，这句话在小说里是情绪铺垫，在短剧里要么变成一段闪回镜头（增加成本和时长），要么改成一句台词，要么直接砍掉。拆书阶段就得把它标出来，标注成“需转译：闪回 / 台词 / 删除”，让后面写剧本的人有心理准备。

硬约束我一般设三条：不许新增原文没有的事件；每个节拍必须能回答“镜头拍什么”；单章节拍数不超过十个。第三条是为了防止拆得太碎，短剧一集才六十秒，节拍太碎会导致一集塞八个转折，观众根本反应不过来。

注意：拆书阶段千万别让模型顺手“优化剧情”。它很乐意帮你加反转、加冲突，但那些是原著没有的东西，一旦混进节拍表，后面所有环节都会把它当成既定事实往下传，最后你都不知道这个设定是哪来的。

2.2 角色 Skill：把人设拆成锁定槽位和可变槽位

角色设定这一环，决定成片质量的上限。不是因为写得多好，而是因为它是唯一一个“后面所有环节都要反复回查”的文件。角色卡写得糊，后面每一集都在漂。

我的做法是把人物拆成两类槽位。锁定槽位是跨集不允许变的东西：年龄段、脸型骨相、发型长度与颜色、身形比例、标志性服装或配饰、说话语速、音量基准、口头禅。可变槽位是允许随剧情变的：表情基调、当前服装状态（脏了、湿了、破了）、当前情绪、随身道具。分不清这两类，就会出现“第三集换了个发型但没人发现”的事故。

输出格式我要求四块内容：人物小传（出身、核心欲望、核心恐惧、致命弱点、行为习惯）、关系表（用文字描述，不用图）、形象提示词、音色与语言习惯描述。

形象提示词这块要特别说一下。“一个二十七八岁的男人，短发，穿黑衬衫”这种写法是废的，因为生成模型每次都会给你不同的脸。有效的写法是把描述词按“稳定优先”排序，越靠前越不容易被模型忽略：年龄段与性别、脸型与五官特征、发型发色、体型、服装款式与颜色、材质质感、光线与色调。同一个角色在每一集的分镜里，这段前缀必须一字不改地复制过去，只在后面追加当集的状态变化。这就是为什么角色卡要单独成文件——它是被复制粘贴最多的一份文档。

人物小传里我最看重“核心恐惧”这一栏。短剧的冲突密度高，人物的每一个选择其实都是在“趋利”和“避害”之间做取舍，写清楚他怕什么，台词自然就有了方向。一个怕被抛弃的人和一个怕被看穿的人，面对同一个挽留场景，说出来的话完全不一样。

提示：小传别写成简历。出生年月、籍贯、学历这些东西对表演没有帮助，写了反而稀释重点。真正有用的是“他在什么情况下会失控”和“他绝不会说什么话”。

2.3 剧本 Skill：钩子、推进、反转、卡点四段式

到了剧本这一环，才算真正开始“创作”。但即便是创作，也得有明确的容器，否则模型会写出一堆正确但没用的东西。

我的容器是四段式，一集六十到一百二十秒，按比例切：前三秒钩子（一个异常画面或一句反常识台词，目的只有一个——让人别划走）、中段推进（把本集核心信息交代清楚，通常两到三个场景）、反转或升级（给观众一个“没想到”或者“更糟了”）、最后五秒卡点（留一个未解答的问题，卡在情绪最高点上）。

台词长度必须算。中文口播的正常语速是每秒四到五个字，情绪激动时可以到六个字，但超过六字就开始听不清。一集九十秒，去掉没有台词的动作镜头大约占三成，剩六十秒有台词，也就是二百四十到三百字的总台词量。这个数字很重要——很多人写剧本一集写八百字台词，念出来要三分钟，直接报废。

台词最容易出的问题是“解释性对白”，也就是角色互相说着双方都知道的事，纯粹为了让观众听懂。比如“你是我的亲哥哥，你怎么能这样对我”——这句话两个人心里都清楚，说出来就是给观众听的。更好的处理是把它变成动作或者一句只有当事人才懂的暗语。

我在剧本 Skill 的硬约束里会写三条：不许出现旁白；每句台词必须包含信息、情绪、态度中的至少两项；单个场景不超过三个角色同时说话。第三条是给分镜留余地，四个人同框对话在竖屏画幅里根本站不下。

2.4 分镜 Skill：把文字翻译成可执行的拍摄指令

分镜是整条链上技术含量最高的一环，因为它要同时满足三个互相矛盾的要求：忠于剧本、适配生成模型的物理限制、控制总时长。

先说物理限制。目前主流的视频生成能力，单次生成出来的片段长度普遍在三到十秒区间，超长镜头要么拆要么靠剪辑拼。所以分镜的第一条规则就是：单镜头时长控制在三到五秒。这个区间有两个好处，一是落在大多数模型一次能出的长度内，二是符合短剧的快切节奏。

再说时长换算。一集九十秒，平均每个镜头四秒，就是二十二三个镜头；如果这一集动作戏多、镜头更碎，可能到三十个。反过来，如果一集只有十五个镜头，平均每个六秒，观感就会拖。我给自己的经验值是：文戏集二十二到二十八个镜头，动作集三十到四十个镜头。

镜头表的字段我固定成这些：镜号、场景、景别（远/全/中/近/特）、运镜（固定/推/拉/摇/跟）、画面描述、台词、时长、生成提示词、首帧参考说明、转场方式。字段多了点，但少一个就会在后期被问一次。

其中“画面描述”和“生成提示词”要分开写，这点很多人会合并。画面描述是给人看的，写“他站在雨里，肩膀微微发抖，手里攥着一张湿透的照片”；生成提示词是给模型看的，写“中景，男性，二十七八岁，短发，深色衬衫湿透贴身，站在雨中，手持一张纸，冷色调，侧逆光，雨滴可见”。前者保留意图，后者保证可执行，两者不能互相替代。

注意：一个镜头里别塞两个动作。“他推开门，看到桌上的信，愣住了”这是三个动作，硬塞进一个四秒镜头里，生成出来大概率是三不像。正确做法是拆成三个镜头：推门的动作、信的特写、脸部反应特写。

2.5 投产包 Skill：把文件变成能开工的东西

最后一个 Skill 输出的是“包”，不是“文档”。区别在于，文档是给人读的，包是给人用的——拿到就能开工，不用再问“这个文件放哪”“这版是不是最新的”。

投产包的核心是四件事：目录结构、资产清单、命名规范、验收标准。

目录结构决定了协作效率。我习惯按“集—场—镜”三级来组织，每集一个文件夹，里面的剧本、镜头表、角色引用、生成素材分开放。命名规范用“集号-场号-镜号-类型-版本”这种格式，比如E03-S02-Sh015-video-v2。看着笨，但当你手上有八百个素材文件的时候，这是唯一能救命的办法。

资产清单是把所有需要生成的画面、需要录制的音、需要准备的道具列成一张表，标注数量、优先级、依赖关系。排期就挂在这张表上。

验收标准这一块最容易被跳过，但它其实是给返工设的门槛。我会写清楚：角色形象与角色卡的锁定槽位一致；单镜头时长误差不超过零点五秒；台词与剧本逐字一致；同一场景的光线色调在同一集内保持一致。达不到就退回重做，不许“差不多就行”。

3. 拿一本小说跑一遍：完整实操流程

3.1 前置准备：清洗比生成更重要

正式跑之前有一堆脏活，这堆活做不好，后面全是坑。

第一件事是分章。把整本小说按章节切成独立文件，一章一个，文件名带序号。这样做是为了让拆书 Skill 可以逐章处理，避免上下文溢出。

第二件事是建人物别名表。网文里同一个人可能被叫作“他”“少年”“那个男人”“林某”，模型分不清这些指的是不是同一个人，很容易拆出四个角色来。处理方法是在喂给模型之前，先人工过一遍每章，把明显的指代替换成人名，或者单独给一份别名表挂在输入里。

第三件事是统一称谓和设定。有些小说前后设定会变，比如某个角色前二十章叫“二叔”，后面变成“叔父”，这种必须提前统一。

第四件事是标出“不可拍章节”。有些章节整章都是回忆或者内心独白，直接跳过不拆，等写剧本的时候用一句台词带过。

这套准备工作做完，一本三十万字的小说大概会产生八十到一百二十个章节文件，外加一份别名表和一份不可拍清单。看着繁琐，但它能省掉后面至少两轮返工。

3.2 第一轮粗拆：先出节拍表，别急着写剧本

分章跑拆书 Skill，一章一章来。第一轮不要追求精细，只要每章能出六到八个节拍就行。

举个虚构的例子演示一下输出长什么样（原始内容是我编的，仅作格式参考）：

原文段落大意是主角回到老家，发现父亲的旧工具箱还在，打开看到里面的东西，情绪崩溃。

拆出来的节拍是这样：

1. 主角推开老屋木门，灰尘扬起
2. 环视屋内，目光停在墙角
3. 走过去蹲下，拉开工具箱卡扣
4. 箱盖打开，里面是一把生锈的卷尺
5. 手指碰到卷尺，手停住
6. 特写：眼眶泛红，但没有落泪
7. 合上箱子，起身，把箱子放回原位

七个节拍，每个都能拍，每个都有动作。注意到第六条我把“他想起小时候父亲教他量尺寸”这段回忆处理成了“眼眶泛红”——这就是前面说的把不可拍内容转译成可拍的表情。原著里这段回忆写了两百多字，在短剧里最多给一点五秒，只能用表情承接。

整本拆完，你会得到一张几百条的大表。这张表就是后面所有环节的索引，写剧本的时候按集切片，一集取八到十二个节拍。

3.3 角色卡参数化：给锁死项打上标记

角色卡不是一次性写完的，它是个持续维护的文档。我的做法是先给主要角色各建一张卡，锁死项用固定格式标注出来，方便后面复制。

以虚构角色“A”为例，锁定槽位是这样的：男性，二十八到三十二岁，窄脸，颧骨略高，眉骨明显，单眼皮，短发寸头，发色自然黑，身高一米七八到一米八二，偏瘦，常穿深灰色工装外套配深色直筒裤，说话语速偏慢，音量中等偏低，紧张时会重复对方最后一句话。

可变槽位则随集数更新：第三集淋雨后半湿状态，第七集外套左袖有撕裂，第十二集换了浅色衬衫。

关键在于，分镜阶段每生成这个角色的镜头，锁死项那段文字要原封不动复制进生成提示词，一个形容词都不能改。因为“短发”和“利落的短发”在模型眼里可能是两个不同的发型。

3.4 剧本转分镜：一个场景的完整拆解

拿上面那个工具箱的节拍做例子，写成分集剧本里的一场戏，大概是这样：

场景：老屋堂屋，黄昏，光线从门口斜射进来。 A 推开门，站在门口没动。 他走到墙角，蹲下，拉开工具箱。 箱子里是一把生锈的卷尺。 他伸手去碰，手在半空中停住。 合上箱子，起身，把箱子放回原处。

这段戏二十秒左右，拆成镜头表是这样：

镜号	景别	运镜	画面描述	台词	时长
01	全景	固定	A 推门而入，逆光剪影，灰尘可见	无	3.0s
02	中景	缓推	A 站定环视屋内，表情平静	无	3.5s
03	全景	跟	A 走向墙角蹲下	无	4.0s
04	近景	固定	手部拉开工具箱卡扣	无	2.5s
05	特写	固定	箱内生锈卷尺，暖侧光	无	2.5s
06	近景	固定	A 伸手，手停在半空	无	3.0s
07	特写	固定	A 眼部，眼眶泛红	无	3.0s
08	中景	固定	A 合上箱子起身	无	3.5s

八个镜头，合计二十五秒。这就是一集里的一场戏，占整集时长的三分之一到四分之一。按这个密度，一集九十秒大概就是三场戏、二十多个镜头，和前面的经验值对得上。

算一下总账：一集九十秒，二十四集就是三十六分钟，按平均每镜头三点八秒算，需要大概五百七十个镜头。这个数字必须提前算出来，因为它是后面排期和算成本的基数。

3.5 投产包组装：交付清单与目录结构

所有中间产物齐了之后，按这套结构归档：

project-name/ ├── 00-source/ 原始小说分章文件、别名表、不可拍清单 ├── 01-beats/ 分章节拍表、分集节拍切片 ├── 02-characters/ 角色卡（锁定槽位+可变槽位）、关系表 ├── 03-scripts/ E01-script.md ... E24-script.md ├── 04-shotlists/ E01-shots.md ... E24-shots.md ├── 05-assets/ │ ├── char-ref/ 角色定妆参考图 │ ├── scene-ref/ 场景参考图 │ ├── video/ 生成视频片段 │ └── audio/ 配音与音效 └── 06-pack/ ├── asset-list.md 资产清单 ├── schedule.md 排期 └── qc-checklist.md 验收标准

目录里最容易被省略的是06-pack，但它恰恰是团队协作能不能跑起来的关键。资产清单一出来，你才知道这二十四集到底要生成多少个镜头、多少个角色状态、多少个独立场景，成本心里才有底。

4. 提示词与参数：技能好不好用全在这些细节

4.1 系统提示词骨架：七段式写法

前面提过七段式，这里展开说。骨架大概长这样：

[角色身份] 你是一名竖屏短剧的前期开发工作者，只负责<某环节>，不参与其他环节工作。 [任务目标] 把<输入>转换成<输出>，输出必须严格遵循下方模板。 [输入格式] 输入包含：<字段1>、<字段2>……缺失字段请标注"待补"，不要自行编造。 [输出格式] （给出完整模板，包括字段名、顺序、取值范围） [硬约束] 1. …… 2. …… 3. …… [自检清单] 输出前逐条确认：字段是否齐全、时长是否超标、是否出现原文没有的设定。 [失败回退] 若输入信息不足，输出"[信息不足] 需补充：xxx"，不要输出半成品。

其中“输出格式”这一段的写法很关键。别用自然语言描述你想要什么，直接把模板写出来，包括字段名的确切写法。模型对格式的遵守程度，和模板的具体程度高度相关。

“失败回退”这一段我几乎是强制的。模型有个天然的倾向是“无论如何都给你一个答案”，输入模糊的时候它就编。有了这一段，它会老老实实告诉你缺什么，你能省下大量排查时间。

4.2 关键参数取值：别凭感觉

这张表是我自己反复调出来的经验值，可以直接参考：

参数	建议取值	依据
单集时长	60–120 秒	竖屏观看习惯，超过 120 秒完播率下降明显
单镜头时长	3–5 秒	与主流视频生成单次出片长度对齐
单集镜头数	文戏 22–28，动作 30–40	按平均 3.8 秒折算
台词语速	每秒 4–5 字	正常口播，情绪激动时可到 6 字
单集台词总量	240–300 字	90 秒集扣除动作镜头后折算
单场景角色数	≤3 人	竖屏画幅可容纳的上限
单章节拍数	6–10 个	过多会导致节奏碎

举个实际计算：一集目标 100 秒，其中动作无台词镜头占 35 秒，剩 65 秒有台词，按每秒 4.5 字算就是 292 字。如果你的剧本写出来 450 字，那这一集实际会跑到 135 秒，超了近四成，必须砍。这种算术看着枯燥，但它能在写剧本阶段就拦住问题，比到剪辑台上发现超时强太多。

4.3 一致性控制：锚点比提示词更重要

AI 短剧制作最大的敌人是“漂”。角色的脸在不同镜头里变了，同一间屋子在不同场景里朝向变了，衣服颜色前后不一。这些问题不是靠把提示词写长能解决的，得靠锚点。

我一般设四类锚点：角色锚点（锁定槽位那段固定文本，逐字复制）、场景锚点（固定描述，比如“老屋堂屋，木梁，西侧有窗，黄昏光从门口进”）、服装锚点（当前集数对应的服装状态）、光线锚点（色温与主光方向）。四类锚点全部写进角色卡和分镜表，每个镜头的提示词都要带上。

实际生成时，能用参考图就别纯靠文字。角色定妆参考图一旦确定，后面所有该角色的镜头都挂这张图做参考；有首尾帧能力的，用上一镜的末帧衔接下一镜的首帧，能显著减少跳变。

注意：参考图一旦定版就别随便换。我踩过一次坑，因为觉得某个角色的参考图不够好看，换了一版，结果那一集前后两半段的脸明显不是一个人，只能整集重做。

5. 常见问题与排查速查表

5.1 台词一股“AI 味”，怎么修

这个问题的症状很好认：句子对称、爱用书面词、爱解释、爱总结。比如“我知道你恨我，但你不知道我也在痛”——结构工整、信息完整、情绪清楚，就是不像人说的话。

根源在于剧本 Skill 的输出约束不够狠。修法有三条。

第一，强制口语。在硬约束里写“台词中禁止出现‘然而’‘因此’‘既然’这类连接词；禁止用一句话概括情绪”。第二，强制留白。让每一集至少有一处“话说一半被打断”或者“用动作代替回答”。第三，加一道“读出来”的自检——写完念一遍，念着别扭就重写。这最后一条看着土，但极其有效，因为它模拟的是观众的真实接收方式。

还有一个隐蔽的问题：角色之间的声音没有区分度。五个人说话一个腔调，观众光听声音分不出谁是谁。解决办法是在角色卡里给每个主要角色定一个“语言习惯”：有人爱用短句，有人爱反问，有人习惯先否定再补充。三个人的习惯不能重复。

5.2 分镜画得漂亮但拍不出来

这是新手最容易犯的错，症状是镜头表写得很文学，但拿给执行的人一看全懵。具体表现有三种。

第一种是单镜头动作过载。一个四秒镜头里塞了“推门、环视、皱眉、坐下”，任何一个生成工具都做不出来。修法很简单：一个镜头一个主动作，超过就拆。第二种是镜头语言混乱，同一场戏里从全景直接跳特写再跳回全景，没有过渡，剪出来会晕。修法是同一场景内景别变化按“全—中—近—特”递进，别来回横跳。第三种是时长对不上，镜头表加起来 140 秒，但剧本只有 90 秒的内容。修法是先定时长再做分镜，别做完再算。

5.3 速查表

现象	最可能的原因	处理方式
角色跨集长得不像	锁定槽位被改写，或没挂参考图	统一复制锁定段，挂定妆图
台词念出来超时	写剧本时没做字数换算	按每集 240–300 字上限倒推
分镜生成结果与描述不符	提示词混入了意图性词汇	画面描述与生成提示词分开写
同一场景光线前后不一	缺光线锚点	场景卡固定色温与主光方向
剧情推进慢、观众划走	钩子位置不对或前 3 秒无异常	把本集最强的信息提到开头
角色说话没区分度	缺语言习惯设定	每人锁定一种句式和口头习惯
中间产物版本混乱	命名没规范	统一“集-场-镜-类型-版本”格式
到了分镜才发现不可拍	拆书阶段漏标	补“不可拍内容清单”并回查

6. 几个踩过坑才明白的实操心得

第一，先做一集打样，别一口气铺二十四集。我第一次跑这条流水线的时候图省事，直接把前二十集的节拍表一次性全拆了，结果角色卡定稿后发现主角的性格基调和前面拆的节拍有冲突，二十集全得回头改。正确做法是拿一集完整跑通——拆书、角色、剧本、分镜、投产包全走一遍，把每个环节的输出格式和参数都验证过，再批量复制。这一集叫打样集，它花的时间大概占整个项目的两成，但能省下后面四成的返工。

第二，人设和剧本不要同时改。这两个文件是强耦合的，同时动就会互相打架，改到最后你都不知道哪版是对的。我的规矩是：角色卡改动必须先落版本号，然后才允许改剧本；剧本改动如果要反过来影响人设，必须单独开一轮，不许混在一次修改里。

第三，卡点要前置到写作阶段，不能留给剪辑。很多人习惯先把戏写完，再想着在哪剪一刀留悬念。短剧不行，因为每一集的时长是死的，卡点位置一挪，整集的节奏就得重排。写剧本的时候就把最后五秒干什么定死，分镜才不会白做。

第四，留人工闸门。这条流水线再顺，也不能全自动。我在三个位置强制人工介入：拆书完成后检查不可拍标记是否合理、角色卡定稿前检查锁定槽位有没有遗漏、分镜表交付前检查时长总账。这三道闸门加起来大概花两个小时，但拦住的问题往往是整集级别的。

第五，中间产物全部落文件，别留在对话记录里。对话记录会丢、会乱、会被后来的内容覆盖，只有落到文件里、带上版本号的东西才算数。我现在的习惯是每跑完一个 Skill 就立刻存一份，文件名带上日期和版本，宁可多存几个废版本，也别在需要回滚的时候发现没有旧版。

第六，别迷信一次性生成。这套流程真正的价值不在于“AI 一次就能出好剧本”，而在于“每一次修改都有据可查、每一个环节都能单独重跑”。把它当成一条可以反复迭代的生产线，而不是一台许愿机，跑出来的东西质量会稳定得多。

后续如果想把这条线再往前延，其实还有空间：可以在拆书后面加一个“卡点设计 Skill”，专门负责在节拍表上标出每集的付费卡点位置；也可以在投产包后面加一个“成本估算 Skill”，把资产清单直接换算成生成次数和工时。不过那是另一篇文章的事了，先把这五个跑顺，比什么都强。