視頻分鏡提示詞Skill，詳細製作過程分享！
整理版優先睇
阿真分享點樣由零砌一個「劇本轉視頻分鏡提示詞」Skill：先定用途、輸入同交付，再用七步流程同四層結構鎖住格式，最後測試封裝成可重用工具。
呢篇係阿真喺 WeChat 分享嘅實戰整理：佢之前做過一個「劇本轉視頻分鏡提示詞」Coze Skill，今次唔係教單句 prompt，而係交代點樣由零砌一個可重用 Skill。作者想解決嘅問題好具體：短劇劇本要變成角色設定、場景設定、逐鏡分鏡同一致性檢查，如果每次靠人手寫提示詞，格式同質素都會散，亦好難批量交付。
文章主線係先定清楚「用嚟做咩、輸入咩、輸出咩」，再拆成解析、角色提取、場景分析、分鏡生成、提示詞優化、一致性檢查同導出，之後用統一表格同欄位鎖住格式。作者將 Skill 分成 SKILL.md、scripts/、references/、assets/ 四層，並示範用 AI 分段生成腳本、規範同模板，最後用 2-3 份劇本測試再封裝。
整體結論係：Skill 唔係寫得越複雜越好，而係要有一條清楚主線、穩定輸出格式同可維護嘅分工；規則放 references、執行放 scripts、交付外觀放 assets，改動時就只改相關部分。文章亦提醒，輸入太簡略會令走向不可控，測試同逐個模塊修改係必要步驟。
- 核心結論：整 Skill 要先鎖定用途、輸入同最終交付，再用固定流程同欄位防止輸出越做越散。
- 方法主線：劇本解析→角色提取→場景分析→分鏡生成→提示詞優化→一致性檢查→導出，七步唔建議跳。
- 結構差異：SKILL.md 管定位同入口，scripts/ 負責執行，references/ 放規則術語，assets/ 放 CSV、HTML 等交付模板。
- 維護啟發：規則變就改 references，邏輯變就改 scripts，唔好每次都重寫成個 Skill；改之前要叫 AI 只改指定檔案同講清驗收。
- 可行動點：先用一份劇本跑通全流程，再用 2-3 份不同劇本測字段、鏡頭同提示詞質素，最後封裝成可下載 Skill。
劇本轉視頻分鏡提示詞 Skill（阿真原版）
完整 Skill 文件可喺飛書文檔下載，內含 SKILL.md、scripts/、references/、assets/，適合作為改寫基礎。
Coze Skill 使用入口
阿真早前分享嘅「劇本生成分鏡」Skill，可以直接喺 Coze 睇使用案例同觸發方式。
從零構建 Skill 的主提示詞
文章示範用 15 步規格要求 AI 定義流程、輸入、產出、統一字段、生成 references/assets、腳本、測試同封裝；重點係不可跳步、不可合併步驟。
唔係寫一句 prompt，而係砌一條可交付生產線
阿真之前做過一個「劇本轉視頻分鏡提示詞」Coze Skill，今次借住復工寫一篇輕鬆版製作筆記，講清楚個 Skill 由概念到封裝點砌。
由單句 prompt 升級到可重用 Skill
作者想解決嘅唔係「點寫一條好 prompt」，而係短劇劇本要批量變成角色設定、場景設定、逐鏡分鏡同一致性報告時，點樣保持格式同質素穩定。
批量交付時最怕格式同質素漂移
- 輸入：短劇劇本檔案，支援 Word、PDF、TXT、Markdown、Final Draft .fdx；亦可加角色圖、風格圖、畫幅同時長要求。
- 輸出：角色設定、場景設定、完整分鏡提示詞、一致性檢查報告，同埋 Markdown／JSON／CSV／Excel 等導出檔。
- 定位：將劇本智能拆解成可直接餵畀 AI 視頻生成嘅中文提示詞體系，支援批量處理同多格式導出。
四層骨架：入口、執行、規則、模板分開擺
完整 Skill 唔止一個 SKILL.md；阿真將它拆成四層，等每個部分有清楚責任。
四層分工：入口、執行、規則、模板
- SKILL.md：定義定位、觸發方式、整體流程、輸入要求同輸出目標，係成個 Skill 嘅入口。
- scripts/：放 Python 自動化腳本，負責解析、提取、生成、優化、校驗同導出，真正令流程跑起來。
- references/：放術語、模板、規則同方法，類似知識庫，保證結果統一、可解釋、可複用。
- assets/：放可直接套用嘅 HTML／CSV／JSON 模板同速查表，加快交付同統一排版。
SKILL.md 係入口，唔係萬能文件
scripts 負責做，references 負責講點解，assets 負責交付外觀
呢種分法嘅好處係改動邊層就只碰邊層：規則變改 references，流程邏輯變改 scripts，交付格式變改 assets，唔會全部炒埋一碟。
改動邊層就只碰邊層
由主線到落地：七步流程同十五步施工
作者先定一條主線：劇本解析 → 角色提取 → 場景分析 → 分鏡生成 → 提示詞優化 → 一致性檢查 → 導出。呢條線係默認工作流程，唔建議跳步或者合併。
七步流程係骨架，唔好一開始就跳去寫腳本
- 1 劇本解析：識別場次、場景描述、角色對白、動作指示，估算場次時長，輸出結構化 JSON。
- 2 角色提取：抽年齡、性別、體型、五官、髮型、膚色、服裝、氣質同標誌道具，形成可直接生圖嘅角色提示詞。
- 3 場景分析：拆室內外、地點、空間、道具、光線、色調、氛圍、天氣同時間，做全片視覺基礎。
- 4 分鏡生成：按場次拆鏡頭，最少有建立鏡頭、角色出場同對話鏡頭，每鏡要有景別、構圖、運鏡、時長同提示詞。
- 5 提示詞優化：統一術語、去重、補質量詞，令輸出更適合視頻模型，唔好每條風格都散。
- 6 一致性檢查：交叉比對角色跨鏡頭、場景連續性同光影風格，輸出問題、修復建議同可複用提示詞。
- 7 導出：支援 JSON、CSV、Markdown、Excel 或 HTML，按場次、角色、場景分類交付。
實際施工可以分前期、中期、後期：前期定標準，中期優化功能模塊，後期測試同封裝。作者亦提到，AI 有時可以一次過執行多個要求，再按效果逐輪調整。
前期定標準、中期優化模塊、後期測試封裝
你是一個 Skill 開發助手，幫我從零構建一個「劇本轉視頻分鏡提示詞」Skill。
請按以下規格和順序執行，不可跳步，不可合併步驟。
【第一步：工作流程定義】
劇本解析 → 角色提取 → 場景分析 → 分鏡生成 → 提示詞優化 → 一致性檢查 → 導出。
如果用戶沒有特別要求改變流程，永遠執行完整的七步。
【第二步：輸入規格定義】
支持 txt、md、docx、pdf、fdx。
最低可運行輸入：一個劇本文檔，甚至一段話或一句核心概念；要先提醒用戶信息有限，風格一致性和走向可能不可控。
推薦輸入：劇本 + 角色參考圖 + 風格參考圖 + 目標畫幅比例 + 目標時長 + 視覺風格關鍵詞。
【第三步：最終產出定義】
角色設定文檔、場景設定文檔、完整分鏡提示詞表、一致性檢查報告、導出文件（CSV／Markdown／Excel／HTML）。
【第四步：統一結構規範】
分鏡提示詞表按「第 X 幕第 X 場景」組織，字段包括：
鏡頭編號、景別、畫面描述、構圖、運鏡、光線、色調、氛圍、時長、鏡頭角度、提示詞。
【第五步至第十五步】
references 規範文檔 → assets 模板 → 劇本解析腳本 → 角色提取腳本 → 場景分析腳本 → 分鏡生成腳本 → 提示詞優化腳本 → 一致性檢查腳本 → 導出腳本 → 測試 2-3 份劇本 → 封裝 SKILL.md。測試同維護：每次只改一個位，先講驗收
完成初版之後，唔好即刻當佢穩定。作者建議用 2-3 份不同劇本跑全流程，重點睇字段有冇缺失、鏡頭有冇正確生成、提示詞有冇跟 references 規範。
用 2-3 份不同劇本跑全流程
字段、鏡頭、提示詞三層驗收
- 字段檢查：角色、場景、分鏡表嘅欄位有冇漏，格式有冇前後不一致。
- 鏡頭檢查：有冇建立鏡頭、角色出場同對話鏡頭，景別同運鏡係咪合理。
- 提示詞檢查：有冇跟術語、情緒詞庫同質量詞規範，風格會唔會每條都散。
- 問題定位：發現問題就只改對應腳本或規範文件，唔好連無關檔案一齊改。
後期修改想省 token，最實用係叫 AI 每次只做一件小事：只改指定檔案、先找問題點、做最小改動，最後講清楚改咗邊幾行、影響乜、點驗證。
只改指定檔案、先找問題點、做最小改動
最後將目錄整理成 SKILL.md + scripts/ + references/ + assets/，再讓 AI 封裝同自己確認，就得到一個可以下載、安裝同重用嘅 Skill。
可直接拎走嘅資源同提示詞思路
文章尾段放咗原版 Skill 下載同 Coze 使用入口，亦推薦咗 @一澤Eze 嘅 Agent Skills 指南。想照住做，可以由原版 Skill 入手，再按自己嘅視頻風格改 references 同 assets。
先抄骨架，再換自己嘅風格規範
- 原版 Skill：可以喺飛書文檔下載完整文件，查看 SKILL.md、scripts、references 同 assets 點樣組織。
- Coze Skill：可以直接喺 Coze 睇使用案例，理解輸入劇本後點樣生成分鏡提示詞。
- 提示詞思路：先寫用途、輸入、輸出同流程，再要求 AI 生成獨立腳本；唔滿意就只針對某一步優化提示詞。
作者亦提到，references 同 assets 最好經過多輪對話優化，唔好一次過生成就當完成；滿意嘅模板先放入去，再要求腳本按指定路徑調用。
references 同 assets 要經多輪對話優化
嗨大家好！我係阿真！新年快樂！
好耐冇見，個假放到我爽曬，返嚟就搏命做嘢。今日呢篇會輕鬆啲，我先做返少少熱身復健，寫個簡單啲、關於影片提示詞 Skill 製作嘅內容。
上次寫 Coze Skill 嘅時候，我曾經分享過一個劇本生成分鏡嘅 Skill，大家可以直接喺 Coze 用，連結喺：
https://www.coze.cn/?skill_share_pid=7596234767713173538
亦可以直接下載 Skill 文件，文件附件連結我放咗喺文章最後嘅飛書雲文檔連結度。原本個 Skill 做得比較通用，大家可以喺我個基礎上面改。
至於佢點用，我喺 Coze Skill 都寫過，就唔再贅述，喺上面呢個 Coze 技能度都可以睇到使用案例：
或者下載最後嘅 Skill 文件，上載到支援 Skill 使用嘅工具度用都得：
今日就分享呢種 Skill 係點做。
簡單講，思路就係：首先諗清楚要做咩，然後將任務一步一步拆細，先有整體結構，再填充枝葉。
完整嘅 Skill 結構係咁：
上面幾個結構嘅說明👇
SKILL.md：定義呢個 Skill 嘅定位同入口，講清楚點觸發、整體流程、輸入要求、輸出目標。呢個可以自己寫個雛形，再同 AI 工具溝通同優化。
scripts/：執行層，呢度放 Python 自動化腳本，佢負責將流程真正跑起上嚟（解析、提取、生成、優化、匯出等）。呢個可以畀個流程思路 AI 去寫。
references/：知識規範層，提供術語、模板、規則同方法，保證結果統一、可解釋、可複用。類似知識庫，可以將平時用開嘅格式規範放埋入去，並且喺需要生成某個具體部分嘅內容時，要求佢按照呢個規範輸出。
assets/：交付模板層，提供可以直接套用嘅資源文件（例如 HTML/CSV/JSON 模板同速查表）。佢可以提高交付速度同統一性，避免每次都由零開始搞格式同排版。
下面係 SKILL.md 文件，完整 Skill 內容大家可以去文章最後嘅分享連結下載睇：
---
name: script-to-video-prompts
description: 短劇劇本轉視頻提示詞生成器。將用戶上傳的短劇劇本文檔智能拆解為可直接用於AI視頻生成的完整中文提示詞體系。輸出包括：角色設定提示詞、場景設定提示詞、逐鏡頭分鏡提示詞。支持批量處理、多格式導出、一致性校驗。當用戶說"劇本轉視頻提示詞"、"拆解劇本生成分鏡"、"短劇轉視頻"、"批量生成分鏡提示詞"、"劇本可視化"時觸發。
---
# 短劇劇本轉視頻提示詞生成器
將短劇劇本文檔智能拆解為可直接用於AI視頻生成的完整中文提示詞體系，支持自動化批量處理。
## 用戶輸入
- 短劇劇本文檔（Word/PDF/TXT/Markdown/Final Draft .fdx）
- 可選：風格參考圖片、角色參考圖片、已有角色設定表
## 工作流程
### 1. 劇本智能解析
使用 `scripts/parse_script.py` 解析劇本：
- 自動識別劇本格式（標準編劇格式/自由格式）
- 提取場次(Scene)、場景描述(Action)、角色對白(Dialogue)、動作指示(Parenthetical)
- NLP分析：情緒曲線、節奏變化、畫面密度
- 自動生成場次時長估算
### 2. 角色設定提取
使用 `scripts/character_extractor.py` 提取角色信息：
- 基礎外貌（年齡、性別、體型、五官特徵）
- 髮型髮色、膚色
- 服裝造型（支持多場次服裝變化追蹤）
- 角色氣質/性格的視覺化表達
- 標誌性道具/配飾
輸出格式參考 [references/character_template.md](references/character_template.md)
### 3. 場景設定分析
使用 `scripts/scene_analyzer.py` 分析場景：
- 場景類型（室內/室外、具體地點）
- 空間結構、關鍵道具佈置
- 光線設計（光源類型、方向、強度、色温）
- 色彩基調、視覺氛圍
- 天氣/時間/季節
輸出格式參考 [references/scene_template.md](references/scene_template.md)
### 4. 分鏡提示詞生成
使用 `scripts/storyboard_generator.py` 生成分鏡：
- 鏡頭編號（場次-鏡號）
- 景別（大特寫/特寫/中近景/中景/中遠景/遠景/大遠景），詳見 [references/shot_terminology.md](references/shot_terminology.md)
- 畫面構圖（三分法位置、視線引導）
- 角色動作、表情、站位
- 運鏡方式（固定/推/拉/搖/移/跟等），詳見 [references/shot_terminology.md](references/shot_terminology.md)
- 情緒氛圍關鍵詞，詳見 [references/mood_keywords_library.md](references/mood_keywords_library.md)
- 建議時長（秒）
- 轉場方式
### 5. 一致性校驗
使用 `scripts/consistency_checker.py` 校驗：
- 角色跨鏡頭一致性控制
- 場景連續性檢查
- 光影風格統一性校驗
- 詳見 [references/consistency_control.md](references/consistency_control.md)
### 6. 導出
使用 `scripts/export_utils.py` 導出：
- 支持格式：Markdown/JSON/CSV/Excel
- 支持按場次/角色/場景分類導出
- 可生成可視化分鏡腳本
## 輸出結構
```
一、項目元數據
- 片名、集數、總時長、場次數
二、風格總設定
- 畫面風格、色彩體系、光影風格
三、角色設定庫
- JSON結構化數據 + 自然語言描述
四、場景設定庫
- JSON結構化數據 + 自然語言描述
五、完整分鏡提示詞
- 按場次順序排列，提示詞全部使用中文
六、一致性參考表
- 角色/場景一致性種子詞
```
## 參考文件
### scripts/（自動化腳本）
- `parse_script.py` - 劇本解析器
- `character_extractor.py` - 角色信息提取
- `scene_analyzer.py` - 場景分析
- `storyboard_generator.py` - 分鏡生成
- `consistency_checker.py` - 一致性校驗
- `export_utils.py` - 多格式導出
- `prompt_optimizer.py` - 提示詞優化
### references/（規範文檔）
- `screenplay_format_spec.md` - 劇本格式規範
- `character_template.md` - 角色設定模板
- `scene_template.md` - 場景設定模板
- `shot_terminology.md` - 景別/運鏡術語詞典
- `mood_keywords_library.md` - 情緒氛圍關鍵詞庫
- `video_style_guide.md` 視頻風格指南
- `consistency_control.md` - 一致性控制指南
- `prompt_patterns.md` - 高效提示詞模式庫
### assets/（模板資源）
- `storyboard_template.csv` - 分鏡腳本CSV模板
- `export_template.html` - 可視化導出HTML模板下方【文件結構】係 Skill 嘅文件結構，佢嘅文件結構入面必須有 SKILL.md 文件。YAML 頭部、Markdown 正文同關鍵要素係SKILL.md 格式規範。（可選）嘅部分唔係固定，可以係文件亦可以係文件夾，文件夾嘅命名都可以按自己要求嚟👇
製作 Skill 嘅時候，可以前期定標準，中期優化功能模塊，後期測試優化同封裝。下面係完整執行思路；注意下面雖然分咗步驟，但實際生成 Skill 嘅時候，佢都可以一次過執行曬所有要求，再按效果繼續優化調整。
前期：定標準
我希望呢個 Skill 嘅工作流程係咁：
劇本解析 → 角色提取 → 場景分析 → 分鏡生成 → 提示詞優化 → 一致性檢查 → 匯出。
如果冇具體明確嘅工作流程要求，後面所有實現都會默認跟呢個規範。
確定支援邊啲輸入：例如 txt/md/docx/pdf/fdx。同時定義默認輸入係一個劇本文檔，亦可以係一段話甚至一句話，但咁樣嘅話，效果同內容走向可能會比較難控制；「推薦輸入」可以加角色圖參考、風格圖參考、畫幅要求、時長限制。
先寫清楚最終要產出邊啲文件：角色設定、場景設定、分鏡提示詞、一致性報告、匯出文件格式等。呢一步嘅作用係防止中途越做越偏。
確定每一步嘅輸入輸出係咩樣。我希望佢輸出嘅分鏡表係咩樣、希望佢輸出嘅角色設計提示詞格式係咩樣等等。呢一步好關鍵，每個輸出項嘅欄位先定好，再叫 AI 按要求輸出，後面就唔會亂。
例如我希望完整嘅分鏡提示詞表係按照第 X 幕第 X 場景，每個場景嘅提示詞表包含鏡頭編號、景別、畫面描述、構圖、運鏡、光線、色調、氛圍、時長、鏡頭角度、提示詞等。咁我可以自己做，或者叫 AI 生成一個咁樣統一嘅表格模板；如果本身有呢類模板，亦可以直接放埋入去。後面每個腳本都讀寫呢個模板，並且按照呢個格式輸出，咁就唔會唔同幕同場景之間格式互相對唔上。
可以製作模板放喺 assets 入面，等 AI 生成嘅腳本參考呢啲模板規範去生成。
中期：優化功能模塊
references 入面存放術語同模板。
整個提示詞嘅規則可以輸出成獨立文檔，例如劇本格式規範、鏡頭術語、情緒詞庫、提示詞模板、一致性指南等。咁樣會更方便修改同規範指定方向嘅文檔內容。其他人睇嘅時候，亦會知道點解要咁做。
assets 入面存放可複用模板內容。
例如：分鏡 CSV 模板、角色提示詞模板、HTML 模板、速查表等等。咁每次新項目都可以直接複用，唔使重做排版同欄位。
references 同 assets 入面嘅內容，建議分開生成、優化，輸出文件之後放埋入去，再畀指定路徑後續腳本調用。
接下來 7-12 幾個模塊都係腳本，呢啲都可以叫 AI 嚟寫。例如第 7 個嘅提示詞參考如下：
幫我生成腳本，用於把原始劇本內容（支持 `txt/md/docx/pdf/fdx`）解析成結構化 JSON，要求自動識別並分類：場景標題（INT/EXT 或“第X場/場景X”）、角色名、對白、動作、轉場，並輸出中文字段：`標題`、`場景列表`、`全角色`、`全地點`、`總時長秒數`、`元數據`（含`場景數`、`角色數`、`地點數`），其中每個場景至少包含`場景編號`、`場景標題`、`地點`、`時間段`、`內外景`、`角色`；規則是“上一行是角色名則下一行優先判定為對白，否則判定為動作”，沒有場景標題時自動創建默認場景，空行跳過；重點先保證穩健性和通用性，不追求複雜算法，優先做到“任何劇本或任意文本內容都能讀入並形成場景列表”；支持通過命令行傳入文件路徑並輸出格式化 JSON，代碼儘量清晰、註釋簡單、依賴缺失時提示安裝。再簡單啲（自己直接寫），如果咁寫唔滿意，可以喺呢個基礎上面叫 AI 優化提示詞：
生成一個通用劇本解析腳本，能讀取常見文本格式並智能分析內容，自動識別場景、角色、對白、動作和轉場，輸出清晰的結構化 JSON；要求優先保證穩定可用，即使輸入不規範也能自動補默認場景並正常返回結果。而家嘅 AI 工具都好醒目，我哋只要要求佢生成 Skill 嘅時候生成獨立腳本，佢就會自己生成。大多數時候都唔需要另外輸入提示詞。
7. 實現【劇本解析】模塊
將原始劇本變成結構化數據。識別同生成場景標題、角色名、對白、動作、轉場。
8. 實現【角色提取】模塊
由【7】嘅解析結果入面提取角色檔案：性別、年齡段、體型、髮型、關鍵詞。要求輸出時畀每個角色一段提示詞描述，後面分鏡可以直接用，調用都方便。
9. 實現【場景分析】模塊
由【7】每個場景入面提取地點、室內外、時間段、光線、氛圍，為每個場景生成一條基礎視覺提示詞。呢一層係全片視覺基礎，後面啲鏡頭都係喺佢上面疊加。
10. 實現【分鏡生成】模塊
按【7】嘅場景自動拆成鏡頭，至少包含：建立鏡頭、角色出場、對話鏡頭。每個鏡頭都要有編號、景別、運鏡、動作、時長、轉場、提示詞。先保證「有鏡頭可以用」，再逐步優化鏡頭嘅藝術性。
11. 實現【提示詞優化】模塊
將鏡頭提示詞做統一處理：術語標準化、去除重複提示詞、補品質詞（提升畫面質素同穩定性嘅萬能詞，例如高品質、電影感、清晰對焦呢類）。咁樣可以令輸出更適配影片模型，唔會每條風格都散。如果有時間，仲可以針對唔同風格，單獨製作唔同風格、唔同影片模型嘅提示詞規範表。
12. 實現【一致性檢查】模塊
檢查角色跨鏡頭提示詞、場景有冇跳變、光線有冇變化得太突兀等，輸出「問題 + 修復建議 + 複用規範提示詞」。
後期：測試優化同封裝
確認默認匯出格式，呢度我希望至少支援 JSON + CSV + Markdown。目標係畀唔同職能都可以直接睇同用。
用 2-3 份唔同劇本跑全流程。呢啲劇本可以 AI 生成，亦可以自己提供。
重點檢查：欄位有冇缺失、鏡頭係咪正確、提示詞係咪符合自己要求。
重要嘅部分可以單獨拎出嚟，補充獨立文檔同腳本；例如我對影片提示詞有指定要求，咁就可以單獨一個提示詞參考文檔（放喺 references）或者提示詞格式參考模板（放喺 assets），並要求腳本喺指定場景調用。
發現問題就叫 AI 針對對應模塊修改。
最後整理成清晰目錄，最簡單可以得一個 SKILL.md；複雜啲就可以加腳本、參考、模板等文件夾。我呢度嘅格式係：
SKILL.md + scripts/ + references/ + assets/。
呢個直接叫 AI 封裝 Skill，然後自己確認就可以。到呢一步，我哋就有一個比較完整嘅 Skill 喇。
梳理完全部步驟之後，就可以輸出一個完整提示詞，叫 AI 生成 Skill。需要詳細輸出嘅地方，可以單獨生成提示詞或模板之後放埋入去，要求腳本調用。
下面我放咗最初我嘅提示詞要求，後期對呢組提示詞做咗分部分嘅詳細優化，但我個 Claude 帳號被封咗，所以優化提示詞嘅過程冇咗😅；但大致邏輯思路就係上面咁，畀大家參考。另外，references/ 同 assets/ 入面嘅內容，亦建議透過對話多輪優化到自己滿意為止。
你是一個 Skill 開發助手，幫我從零構建一個「劇本轉視頻分鏡提示詞」Skill。請按以下規格和順序執行，不可跳步，不可合併步驟。
---
【第一步：工作流程定義】
這個 Skill 的工作流程是：先解析劇本結構，識別出幕、場景、對白和動作描述；然後提取所有角色，為每個角色生成設定；接着分析所有場景，為每個場景生成設定；再把每個場景拆解成具體鏡頭，生成分鏡提示詞表；之後對每條提示詞做優化，確保它足夠具體、包含必要的視覺參數、並且與角色和場景設定一致；然後做一致性檢查，交叉比對角色、場景與分鏡之間的偏差；最後按用戶要求的格式導出。不可以跳步，不可以合併步驟。如果用戶沒有特別要求改變流程，永遠執行完整的七步。
【第二步：輸入規格定義】
支持接收 txt、md、docx、pdf 和 fdx 格式的劇本文件。最低可運行的輸入是一個劇本文檔，哪怕只是一段話甚至一句核心概念也能啓動流程，但必須在開始前告訴用戶：當前輸入信息有限，後續生成內容的風格一致性和走向可能不完全可控，建議補充更多信息。推薦的輸入是劇本加上角色參考圖、風格參考圖、目標畫幅比例、目標時長、以及希望的視覺風格關鍵詞。用戶提供的參考圖永遠優先於自己的推斷。
【第三步：最終產出定義】
最終產出：一份角色設定文檔，包含每個角色的外貌、服裝、氣質關鍵詞和可用於 AI 生圖的完整提示詞；一份場景設定文檔，包含每個場景的空間描述、光線類型與方向、主色調和氛圍詞；一份完整的分鏡提示詞表，按照幕、場景、鏡頭三級結構組織；一份一致性檢查報告，標註角色和場景在不同鏡頭之間的視覺偏差；最後是以上所有內容的導出文件，支持 CSV、Markdown、Excel 和 HTML 格式。這五樣東西是這個 Skill 存在的全部目的，任何中間步驟都是為了最終產出它們。
【第四步：統一結構規範】
分鏡提示詞表按第 X 幕第 X 場景組織，每個場景的提示詞表包含以下字段：鏡頭編號、景別、畫面描述、構圖、運鏡、光線、色調、氛圍、時長、鏡頭角度、提示詞。先生成這個統一的表格模板，後面所有腳本都讀寫這個模板並按此格式輸出。
【第五步：references 內容】
生成以下規範文檔：劇本格式規範、鏡頭術語表、情緒詞庫、提示詞模板、一致性檢查指南。每個文檔獨立成文件，方便後期單獨修改。
【第六步：assets 內容】
基於第四步的結構規範，生成以下可複用模板文件：分鏡 CSV 模板、角色提示詞模板、HTML 導出模板、速查表。
【第七步：劇本解析腳本】
寫一個腳本，能讀劇本文件，分出場景、角色、對白和動作，最後輸出為 JSON 格式。代碼清晰精煉、註釋清楚。
【第八步：角色提取腳本】
從解析結果裏提取角色檔案，包含性別、年齡段、體型、髮型、關鍵詞。為每個角色輸出一段可直接用於 AI 生圖的提示詞描述。
【第九步：場景分析腳本】
從每個場景裏提取地點、室內外、時間段、光線、氛圍，為每個場景生成一條基礎視覺提示詞。
【第十步：分鏡生成腳本】
按場景自動拆成鏡頭，至少包含建立鏡頭、角色出場、對話鏡頭，每個鏡頭嚴格按照第四步定義的字段輸出。
【第十一步：提示詞優化腳本】
對所有鏡頭提示詞做統一處理：術語標準化、去重複、補質量詞、輸出質量打分。參考 references/ 中的提示詞模板和鏡頭術語表。
【第十二步：一致性檢查腳本】
檢查角色跨鏡頭是否漂移、場景是否跳變、光線是否變化突兀，輸出「問題 + 修復建議 + 複用規範提示詞」報告。
【第十三步：導出腳本】
將所有產出內容導出為 JSON、CSV、Markdown 三種格式，HTML 格式基於 assets/ 中的 HTML 模板生成。
【第十四步：測試】
用 2-3 份不同類型的劇本跑全流程，重點檢查：字段是否缺失、鏡頭是否正確生成、提示詞是否符合 references/ 中的規範。發現問題後定位到對應腳本，只修改該腳本，不動其他文件。告訴我每份劇本的測試結果和發現的問題。
【第十五步：封裝 SKILL.md】
基於以上所有內容，生成完整的 SKILL.md 文件，包含：定位說明、觸發方式、完整七步流程說明、輸入要求、輸出目標、文件目錄結構。
---
所有文件生成完畢後，輸出完整目錄結構，以及如何用一份測試劇本跑通全流程的指南。幾個問題
最開始點樣理清製作一個 Skill 嘅思路？
先捉住一條主線：先諗清楚「用嚟做咩、輸入咩、交付輸出咩」，再將中間步驟拆分（例如解析、生成、檢查、匯出），然後要求統一格式，再叫 AI 輸出。
輕鬆慵懶版嘅次序可以係：提示詞直接要求佢可以透過輸入咩，得到咩輸出，中間流程係點，有邊啲模板可以調用，最後叫 AI 寫腳本。等呢個完成咗，需要咩再補充。咁做唔會一開始就陷進技術細節，亦唔容易做做下跑偏。
有任何唔清楚嘅地方都可以問 AI，由大方向到細化都可以問。例如：
AI 可能會寫得好詳細，我哋提取關鍵要素就得。
再叫 AI 按要求生成 Skill 之前，將要求儘量梳理得全面啲；如果覺得邏輯唔夠清晰或者仲有優化空間，都可以叫 AI 繼續優化提示詞。
點解自動化腳本要單獨抽出嚟？
自動化腳本要單獨抽出嚟，係因為佢同說明文檔、模板資源嘅職責完全唔同：喺呢度，腳本負責執行流程並產出結果，參考文檔負責解釋規則同標準，模板負責規範格式同交付外觀。
點解要分好多個子腳本？
複雜嘅 Skill 入面，將腳本單獨放喺 scripts/，可以令我哋直接調用、測試、替換同部署，唔會被文檔內容幹擾；同時當規則有變，我哋可以只改 references/，當邏輯有變就只改 scripts/，維護成本同排錯成本都會明顯降低。
後期如果要修改內容，點樣要求 AI 去排查同修改，會比較慳 token，而且準確又高效率？
最簡單嘅方法係：每次只叫 AI 做一件小事，並同佢講「只改邊度、唔好亂改、改完點驗收」。你可以直接講：只檢查同修改 scripts/scene_analyzer.py（複製文件路徑）入面嘅光線規則，唔好鬱其他文件；先揾問題點，再做最小改動；最後只話我知改咗邊幾行、會影響咩、點驗證。咁 AI 就唔會周圍讀文件、唔會大改代碼，token 花得少，結果亦更穩。
至於要唔要改 SKILL.md，就取決於改嘅係規則說明定係代碼細節。
小白判斷法：如果用戶使用方式變咗，就改 SKILL.md；如果只係內部實現變咗，可以唔改。
Skill 下載
下載呢個 Skill，可以查看入面所有文件，安裝完就可以直接用：
https://my.feishu.cn/docx/PsPfdVFD9oZ3nZxcvBFcGxdgnje
如果對 Skill 唔夠瞭解，推薦睇我好友 @一澤Eze 呢篇：Agent Skills 終極指南：入門、精通、預測
小結
好啦，今日分享就先到呢度。啱啱復工，感覺個腦都唔係好靈光咁，等有時間再單獨整理 Seedance 2.0 嘅多種提示詞模板同寫法。幾時先可以爽用呀，真係好慢！
題外話，大家最近有冇用 OpenClaw 呀？對佢有咩新睇法？我有幾個問題，歡迎朋友們喺留言區一齊討論：用佢有冇賺到錢，定係純粹花錢？用佢完成嘅任務，其他工具可唔可以代替，定係只有佢先做到？用佢花咗幾多錢，有冇取得咩階段性成果？
期待大家落力三連，下期見！
嗨大家好！我是阿真！新年快樂！
好久不見了，放假給我放爽了，回來猛猛幹活了。今天這篇比較輕鬆，我先復健一下，寫個簡單一點的關於視頻提示詞 Skill 製作的。
上次寫Coze Skill的時候，我曾經分享過一個劇本生成分鏡的Skill，大家可以直接在 Coze 使用，連結在：
https://www.coze.cn/?skill_share_pid=7596234767713173538
也可以直接下載 Skill 文件，文件附件連結我放文章最後的飛書雲文檔連結了。原 Skill 做得比較通用，大家可以在我的基礎上修改。
關於它怎麼使用，我在 Coze Skill 也寫過，就不再贅述，在上面這個 Coze 技能這裏也可以看到使用案例：
或者下載最後的 Skill 文件，上傳到支持 Skill 使用的工具使用也可以：
今天分享這樣的 Skill 怎麼做。
簡單來說思路就是，首先想明白要做什麼，然後將任務一步步拆細，先有整體結構，然後填充枝葉。
完整的 Skill 結構是這樣的：
上面幾個結構的說明👇
SKILL.md：定義這個 Skill 的定位與入口，說明怎麼觸發、整體流程、輸入要求、輸出目標。 這個可以自己寫一個雛形，然後和 AI 工具溝通並優化。
scripts/：執行層，這裏放的 Python 自動化腳本，它負責把流程真正跑起來（解析、提取、生成、優化、導出等）。這個可以給到流程思路讓AI來寫。
references/：知識規範層，提供術語、模板、規則和方法，保證結果統一、可解釋、可複用。類似知識庫，可以把往常使用的格式規範放進來，並且在需要生成具體某個部分的內容的時候，要求它按照這個規範輸出。
assets/：交付模板層，提供可直接套用的資源文件（如 HTML/CSV/JSON 模板與速查表）。它可以提高交付速度和統一性，避免每次從零做格式與排版。
下面是SKILL.md文件，完整 Skill 內容大家可以在文章最後的分享連結去下載查看：
---
name: script-to-video-prompts
description: 短劇劇本轉視頻提示詞生成器。將用戶上傳的短劇劇本文檔智能拆解為可直接用於AI視頻生成的完整中文提示詞體系。輸出包括：角色設定提示詞、場景設定提示詞、逐鏡頭分鏡提示詞。支持批量處理、多格式導出、一致性校驗。當用戶說"劇本轉視頻提示詞"、"拆解劇本生成分鏡"、"短劇轉視頻"、"批量生成分鏡提示詞"、"劇本可視化"時觸發。
---
# 短劇劇本轉視頻提示詞生成器
將短劇劇本文檔智能拆解為可直接用於AI視頻生成的完整中文提示詞體系，支持自動化批量處理。
## 用戶輸入
- 短劇劇本文檔（Word/PDF/TXT/Markdown/Final Draft .fdx）
- 可選：風格參考圖片、角色參考圖片、已有角色設定表
## 工作流程
### 1. 劇本智能解析
使用 `scripts/parse_script.py` 解析劇本：
- 自動識別劇本格式（標準編劇格式/自由格式）
- 提取場次(Scene)、場景描述(Action)、角色對白(Dialogue)、動作指示(Parenthetical)
- NLP分析：情緒曲線、節奏變化、畫面密度
- 自動生成場次時長估算
### 2. 角色設定提取
使用 `scripts/character_extractor.py` 提取角色信息：
- 基礎外貌（年齡、性別、體型、五官特徵）
- 髮型髮色、膚色
- 服裝造型（支持多場次服裝變化追蹤）
- 角色氣質/性格的視覺化表達
- 標誌性道具/配飾
輸出格式參考 [references/character_template.md](references/character_template.md)
### 3. 場景設定分析
使用 `scripts/scene_analyzer.py` 分析場景：
- 場景類型（室內/室外、具體地點）
- 空間結構、關鍵道具佈置
- 光線設計（光源類型、方向、強度、色温）
- 色彩基調、視覺氛圍
- 天氣/時間/季節
輸出格式參考 [references/scene_template.md](references/scene_template.md)
### 4. 分鏡提示詞生成
使用 `scripts/storyboard_generator.py` 生成分鏡：
- 鏡頭編號（場次-鏡號）
- 景別（大特寫/特寫/中近景/中景/中遠景/遠景/大遠景），詳見 [references/shot_terminology.md](references/shot_terminology.md)
- 畫面構圖（三分法位置、視線引導）
- 角色動作、表情、站位
- 運鏡方式（固定/推/拉/搖/移/跟等），詳見 [references/shot_terminology.md](references/shot_terminology.md)
- 情緒氛圍關鍵詞，詳見 [references/mood_keywords_library.md](references/mood_keywords_library.md)
- 建議時長（秒）
- 轉場方式
### 5. 一致性校驗
使用 `scripts/consistency_checker.py` 校驗：
- 角色跨鏡頭一致性控制
- 場景連續性檢查
- 光影風格統一性校驗
- 詳見 [references/consistency_control.md](references/consistency_control.md)
### 6. 導出
使用 `scripts/export_utils.py` 導出：
- 支持格式：Markdown/JSON/CSV/Excel
- 支持按場次/角色/場景分類導出
- 可生成可視化分鏡腳本
## 輸出結構
```
一、項目元數據
- 片名、集數、總時長、場次數
二、風格總設定
- 畫面風格、色彩體系、光影風格
三、角色設定庫
- JSON結構化數據 + 自然語言描述
四、場景設定庫
- JSON結構化數據 + 自然語言描述
五、完整分鏡提示詞
- 按場次順序排列，提示詞全部使用中文
六、一致性參考表
- 角色/場景一致性種子詞
```
## 參考文件
### scripts/（自動化腳本）
- `parse_script.py` - 劇本解析器
- `character_extractor.py` - 角色信息提取
- `scene_analyzer.py` - 場景分析
- `storyboard_generator.py` - 分鏡生成
- `consistency_checker.py` - 一致性校驗
- `export_utils.py` - 多格式導出
- `prompt_optimizer.py` - 提示詞優化
### references/（規範文檔）
- `screenplay_format_spec.md` - 劇本格式規範
- `character_template.md` - 角色設定模板
- `scene_template.md` - 場景設定模板
- `shot_terminology.md` - 景別/運鏡術語詞典
- `mood_keywords_library.md` - 情緒氛圍關鍵詞庫
- `video_style_guide.md` 視頻風格指南
- `consistency_control.md` - 一致性控制指南
- `prompt_patterns.md` - 高效提示詞模式庫
### assets/（模板資源）
- `storyboard_template.csv` - 分鏡腳本CSV模板
- `export_template.html` - 可視化導出HTML模板下方【文件結構】是 Skill 的文件結構，它的文件結構中必須有 SKILL.md 文件。YAML頭部、Markdown正文和關鍵要素是SKILL.md 格式規範。（可選）的部分是不固定的，可以是文件也可以是文件夾，文件夾的命名也可以按照自己的要求來👇
製作 Skill 的時候，可以前期制定標準，中期優化功能模塊，後期測試優化與封裝。下面是完整的執行思路，注意下方雖然分了步驟，但是實際生成 Skill 的時候它也可以一次執行所有要求，再根據效果繼續優化調整的。
前期：制定標準
我希望這個 Skill 的工作流程是這樣的：
劇本解析 → 角色提取 → 場景分析 → 分鏡生成 → 提示詞優化 → 一致性檢查 → 導出。
如果沒有具體明確的工作流程要求，後面所有實現都會默認按照這個規範。
確定支持哪些輸入：比如txt/md/docx/pdf/fdx。 同時定義默認輸入是一個劇本文檔，也可以是一段話甚至一句話，但是這樣的話效果和內容走向可能會不太可控；“推薦輸入”可加角色圖參考、風格圖參考、畫幅要求、時長限制。
先寫清楚最終要產出哪些文件：角色設定、場景設定、分鏡提示詞、一致性報告、導出文件格式等，這一步的作用是防止中途越做越偏。
確定每一步輸入輸出長什麼樣。我希望它輸出分鏡表是什麼樣的，希望它輸出角色設計提示詞格式是什麼樣的等等。這一步很關鍵，每個輸出項的字段先定好，再讓 AI 按要求輸出，後面就不會亂。
比如我希望完整的分鏡提示詞表是按照第 X 幕第 X 場景，每個場景的提示詞表包含鏡頭編號、景別、畫面描述、構圖、運鏡、光線、色調、氛圍、時長、鏡頭角度、提示詞等。那麼我可以自己做或者讓AI來生成這樣一個統一的表格模板，如果本身有這樣的模板，也可以直接放進去。後面的每個腳本都讀寫這個模板，並且按照這個格式輸出，這樣就不會不同幕和場景之間格式互相對不上。
可以製作模板放在 assets 裏，讓 AI 生成的腳本參考這些模板規範進行生成。
中期：優化功能模塊
references 中存放術語與模板。
整個提示詞的規則可以輸出為單獨的文檔，比如劇本格式規範、鏡頭術語、情緒詞庫、提示詞模板、一致性指南等。這樣會更方便修改和規範指定方向的文檔內容。其他人查看時，也能知道為什麼這麼做。
assets 中存放可複用模板內容。
比如：分鏡 CSV 模板、角色提示詞模板、HTML 模板、速查表等等。這樣每次新項目也能直接複用，不用重做排版和字段。
references 和 assets 中的內容建議單獨生成、優化，輸出文件後放進去，再給到指定路徑給後續腳本調用。
接下來的 7-12 幾個模塊都是腳本，這些都可以讓 AI 來寫。比如 7 的提示詞參考如下：
幫我生成腳本，用於把原始劇本內容（支持 `txt/md/docx/pdf/fdx`）解析成結構化 JSON，要求自動識別並分類：場景標題（INT/EXT 或“第X場/場景X”）、角色名、對白、動作、轉場，並輸出中文字段：`標題`、`場景列表`、`全角色`、`全地點`、`總時長秒數`、`元數據`（含`場景數`、`角色數`、`地點數`），其中每個場景至少包含`場景編號`、`場景標題`、`地點`、`時間段`、`內外景`、`角色`；規則是“上一行是角色名則下一行優先判定為對白，否則判定為動作”，沒有場景標題時自動創建默認場景，空行跳過；重點先保證穩健性和通用性，不追求複雜算法，優先做到“任何劇本或任意文本內容都能讀入並形成場景列表”；支持通過命令行傳入文件路徑並輸出格式化 JSON，代碼儘量清晰、註釋簡單、依賴缺失時提示安裝。更簡單點（自己直接寫），這樣寫不滿意的話可以在這個基礎上讓 AI 優化提示詞：
生成一個通用劇本解析腳本，能讀取常見文本格式並智能分析內容，自動識別場景、角色、對白、動作和轉場，輸出清晰的結構化 JSON；要求優先保證穩定可用，即使輸入不規範也能自動補默認場景並正常返回結果。現在的 AI 工具都很機靈了，我們只要要求它生成 Skill 的時候生成單獨的腳本，它就會自己生成。大多數時候都不需要單獨輸入提示詞。
7. 實現【劇本解析】模塊
把原始劇本變成結構化數據。識別生成場景標題、角色名、對白、動作、轉場。
8. 實現【角色提取】模塊
從【7】的解析結果裏提角色檔案：性別、年齡段、體型、髮型、關鍵詞。要求輸出時給每個角色一段提示詞描述，後面分鏡直接可用，調用也方便。
9. 實現【場景分析】模塊
從【7】的每個場景裏提地點、室內外、時間段、光線、氛圍，給每個場景生成一條基礎視覺提示詞。這一層是全片視覺基礎，後面鏡頭都在它上面疊加。
10. 實現【分鏡生成】模塊
按【7】的場景自動拆成鏡頭，至少包含：建立鏡頭、角色出場、對話鏡頭。每個鏡頭都要有編號、景別、運鏡、動作、時長、轉場、提示詞。先保證“有鏡頭可用”，再逐步優化鏡頭藝術性。
11. 實現【提示詞優化】模塊
把鏡頭提示詞做統一處理：術語標準化、去重複提示詞、補質量詞（提升畫面質量和穩定性的萬能詞，比如高質量、電影感、清晰對焦這類）。這樣能讓輸出更適配視頻模型，不會每條風格都散。有時間的話還可以針對不同風格單獨製作不同風格、不同視頻模型的提示詞規範表。
12. 實現【一致性檢查】模塊
檢查角色跨鏡頭提示詞、場景是否跳變、光線是否變化突兀等，輸出“問題 + 修復建議 + 複用規範提示詞”。
後期：測試優化與封裝
確認默認導出格式，這裏我希望至少支持 JSON + CSV + Markdown。目標是讓不同職能都能直接看和用。
用 2-3 份不同的劇本跑全流程。這個劇本可以 AI 生成也可以自己提供。
重點檢查：字段是否缺失、鏡頭是否正確、提示詞是不是符合自己的要求。
重要的部分可以單獨拎出來補充單獨文檔和腳本，比如我對視頻提示詞有指定的要求，那麼可以單獨一個提示詞參考文檔（放在 references ）或提示詞格式參考模板（放在 assets ）並要求腳本在指定場景調用。
發現問題就讓 AI 針對對應模塊修改。
最後整理為清晰目錄，最簡單的可以就一個SKILL.md，複雜一些就可以加上腳本、參考、模板等文件夾了，我這裏的格式是：
SKILL.md + scripts/ + references/ + assets/。
這個直接讓 AI 封裝Skill然後自己確認就可以。到這一步，我們就擁有一個比較完整的 Skill 了。
梳理完全部步驟後，就可以輸出一個完整的提示詞，讓 AI 生成 Skill 了。需要詳細輸出的地方，可以單獨生成提示詞或模板後放進去，要求腳本調用。
下面我放了最初我的提示詞要求，後期對這組提示詞進行了分佈的詳細優化，但是我的 Claude 賬號被封了所以優化提示詞的過程沒有了😅，但大致的邏輯思路是上面這樣的，供大家參考。另外，references/ 和 assets/ 中的內容也建議通過對話多輪優化到自己滿意的效果。
你是一個 Skill 開發助手，幫我從零構建一個「劇本轉視頻分鏡提示詞」Skill。請按以下規格和順序執行，不可跳步，不可合併步驟。
---
【第一步：工作流程定義】
這個 Skill 的工作流程是：先解析劇本結構，識別出幕、場景、對白和動作描述；然後提取所有角色，為每個角色生成設定；接着分析所有場景，為每個場景生成設定；再把每個場景拆解成具體鏡頭，生成分鏡提示詞表；之後對每條提示詞做優化，確保它足夠具體、包含必要的視覺參數、並且與角色和場景設定一致；然後做一致性檢查，交叉比對角色、場景與分鏡之間的偏差；最後按用戶要求的格式導出。不可以跳步，不可以合併步驟。如果用戶沒有特別要求改變流程，永遠執行完整的七步。
【第二步：輸入規格定義】
支持接收 txt、md、docx、pdf 和 fdx 格式的劇本文件。最低可運行的輸入是一個劇本文檔，哪怕只是一段話甚至一句核心概念也能啓動流程，但必須在開始前告訴用戶：當前輸入信息有限，後續生成內容的風格一致性和走向可能不完全可控，建議補充更多信息。推薦的輸入是劇本加上角色參考圖、風格參考圖、目標畫幅比例、目標時長、以及希望的視覺風格關鍵詞。用戶提供的參考圖永遠優先於自己的推斷。
【第三步：最終產出定義】
最終產出：一份角色設定文檔，包含每個角色的外貌、服裝、氣質關鍵詞和可用於 AI 生圖的完整提示詞；一份場景設定文檔，包含每個場景的空間描述、光線類型與方向、主色調和氛圍詞；一份完整的分鏡提示詞表，按照幕、場景、鏡頭三級結構組織；一份一致性檢查報告，標註角色和場景在不同鏡頭之間的視覺偏差；最後是以上所有內容的導出文件，支持 CSV、Markdown、Excel 和 HTML 格式。這五樣東西是這個 Skill 存在的全部目的，任何中間步驟都是為了最終產出它們。
【第四步：統一結構規範】
分鏡提示詞表按第 X 幕第 X 場景組織，每個場景的提示詞表包含以下字段：鏡頭編號、景別、畫面描述、構圖、運鏡、光線、色調、氛圍、時長、鏡頭角度、提示詞。先生成這個統一的表格模板，後面所有腳本都讀寫這個模板並按此格式輸出。
【第五步：references 內容】
生成以下規範文檔：劇本格式規範、鏡頭術語表、情緒詞庫、提示詞模板、一致性檢查指南。每個文檔獨立成文件，方便後期單獨修改。
【第六步：assets 內容】
基於第四步的結構規範，生成以下可複用模板文件：分鏡 CSV 模板、角色提示詞模板、HTML 導出模板、速查表。
【第七步：劇本解析腳本】
寫一個腳本，能讀劇本文件，分出場景、角色、對白和動作，最後輸出為 JSON 格式。代碼清晰精煉、註釋清楚。
【第八步：角色提取腳本】
從解析結果裏提取角色檔案，包含性別、年齡段、體型、髮型、關鍵詞。為每個角色輸出一段可直接用於 AI 生圖的提示詞描述。
【第九步：場景分析腳本】
從每個場景裏提取地點、室內外、時間段、光線、氛圍，為每個場景生成一條基礎視覺提示詞。
【第十步：分鏡生成腳本】
按場景自動拆成鏡頭，至少包含建立鏡頭、角色出場、對話鏡頭，每個鏡頭嚴格按照第四步定義的字段輸出。
【第十一步：提示詞優化腳本】
對所有鏡頭提示詞做統一處理：術語標準化、去重複、補質量詞、輸出質量打分。參考 references/ 中的提示詞模板和鏡頭術語表。
【第十二步：一致性檢查腳本】
檢查角色跨鏡頭是否漂移、場景是否跳變、光線是否變化突兀，輸出「問題 + 修復建議 + 複用規範提示詞」報告。
【第十三步：導出腳本】
將所有產出內容導出為 JSON、CSV、Markdown 三種格式，HTML 格式基於 assets/ 中的 HTML 模板生成。
【第十四步：測試】
用 2-3 份不同類型的劇本跑全流程，重點檢查：字段是否缺失、鏡頭是否正確生成、提示詞是否符合 references/ 中的規範。發現問題後定位到對應腳本，只修改該腳本，不動其他文件。告訴我每份劇本的測試結果和發現的問題。
【第十五步：封裝 SKILL.md】
基於以上所有內容，生成完整的 SKILL.md 文件，包含：定位說明、觸發方式、完整七步流程說明、輸入要求、輸出目標、文件目錄結構。
---
所有文件生成完畢後，輸出完整目錄結構，以及如何用一份測試劇本跑通全流程的指南。幾個問題
最開始怎麼理清製作一個 Skill 的思路？
先抓一條主線：先想清楚“用來做什麼、輸入什麼、交付輸出什麼”，再把中間步驟進行拆分（比如解析、生成、檢查、導出），然後要求統一格式，再讓 AI 輸出。
輕鬆慵懶版順序可以是：提示詞直接要求它可以通過輸入什麼，獲得什麼輸出，中間的流程是怎樣的，有哪些模板可以調用，最後讓 AI 寫腳本。等這個完成了，需要什麼再補充。這樣做不會一開始就陷入技術細節，也不容易做着做着跑偏。
有任何不清楚的地方都可以問 AI，從大方向到細化都可以問。比如：
AI可能會寫得很詳細，我們提取關鍵要素就可以。
再讓 AI 按要求生成 Skill 之前把要求儘可能梳理全面，感覺邏輯不夠清晰或者還有優化空間，都可以讓 AI 去繼續優化提示詞。
為什麼自動化腳本要單獨出來？
自動化腳本要單獨出來，是因為它和說明文檔、模板資源的職責完全不同：在這裏，腳本負責執行流程併產出結果，參考文檔負責解釋規則和標準，模板負責規範格式和交付外觀。
為什麼要分很多個子腳本？
複雜的 Skill 中，把腳本單獨放在 scripts/，可以讓我們直接調用、測試、替換和部署，不會被文檔內容干擾；同時當規則變化時，我們可以只改 references/，當邏輯變化時只改 scripts/，維護成本和排錯成本都會明顯降低。
後期如果要修改內容，怎麼要去要求 AI 去排查和修改比較節省 token ，並且準確高效率？
最簡單的方法是：每次只讓 AI 幹一件小事，並告訴它“只改哪裏、不要亂改、改完怎麼驗收”。你可以直接說：只檢查並修改 scripts/scene_analyzer.py（複製文件路徑） 裏的光線規則，別動其他文件；先找問題點，再最小改動；最後只告訴我改了哪幾行、會影響什麼、怎麼驗證。這樣 AI 不會到處讀文件、不會大改代碼，token 花得少，結果也更穩。
至於要不要改 SKILL.md，取決於改的是規則說明還是代碼細節。
小白判斷法：如果用戶使用方式變了，就改 SKILL.md；如果只是內部實現變了，可以不改。
Skill下載
下載這個 Skill ，可以查看內部所有文件，安裝即可直接使用：
https://my.feishu.cn/docx/PsPfdVFD9oZ3nZxcvBFcGxdgnje
如果對 Skill 不夠了解，推薦閲讀我好友@一澤Eze的這篇：Agent Skills 終極指南：入門、精通、預測
小結
好啦今天的分享就先到這裏，剛恢復開工感覺腦子不是很靈光的樣子，等有時間單獨整理 Seedance 2.0 的多種提示詞模板及其寫法。幾時才能爽用啊真的好慢！
題外話，大家最近使用 OpenClaw 了嗎？對它有什麼新的看法嗎？我有幾個問題，歡迎朋友們評論區一起討論，用它賺到錢了嗎還是純花錢？用它完成的任務其他工具可以替代完成，還是隻有它可以做到？用它花了多少錢了，取得了什麼階段性成果了嗎？
期待大家的猛猛三連，下期見！