做AI视频工具这一年我最大的感受就是提示语模版才是真正拉开差距的东西。于是今年我干了一件挺“笨”的事——把散落在各个平台、群里、教程里的463条AI视频逐条拆解整理成了一套可复用的Skill和提示语模版并且全部开源。这篇文章把整个拆解过程、编码思路、踩坑经历都写清楚希望对同样被视频提示词折磨的朋友有点帮助。做这件事之前我自己也被“提示词玄学”坑过无数次同一个Prompt上午生成丝滑运镜下午就变成了鬼畜抽搐换个风格词结果连主体都变了。后来我意识到问题不在于AI模型不稳定而在于我的提示词没有结构。视频生成和图片生成最大的区别是必须同时控制“空间画面”和“时间运动”这两条线一旦缠绕在一起生成结果就完全失控。所以我把463条能跑出好效果的视频全部拆成了可复用的Skill和结构化提示语模版开源出来让更多人直接“抄作业”不用再从头摸索。我的目标很简单让一个完全不懂提示词的人也能通过这套模版生成80分以上的AI视频。接下来我按项目实际推进的顺序从为什么做、怎么拆、怎么落地到开源后用户反馈的问题完整复盘一遍。1. 项目缘起为什么把463条AI视频变成Skill1.1 视频生成提示词是个体力活先说个反常识的结论AI视频生成瓶颈早就不在模型了而在提示词的组织方式上。你看网上那些炫酷的AI短片镜头运动、主体动作、环境光影、风格质感全都严丝合缝背后几乎都有一套精心打磨过的提示词结构。但问题是大部分人拿到一个视频片段后只能靠肉眼去猜“它大概用了什么词”然后自己反复试错。这个过程极其低效一条35秒的视频可能背后是30多次抽卡。我做这个项目的直接导火索是有一次为了复刻一个“雨夜霓虹街区跟拍”的效果整整花了两个晚上。同一组描述词在A工具里能出效果换到B工具里就完全变味。后来我把那条视频的提示词逐帧拆开才发现人家不仅写了“雨夜、霓虹灯、潮湿地面”更重要的是写了“镜头跟随人物从背后缓慢推进、前景有车辆经过产生动态模糊、光线在湿地面形成拉长的反射”。真正决定视频质量的是后面这些运动与时间维度的描述而大多数初学者只写了前一半。当时我就在想如果能把大量成功视频的提示词结构抽出来做成类似“表情包”一样可以随时调用的Skill和模版是不是就能让普通人绕开那些坑于是这个项目就立项了。立项时我给自己定了几条硬规矩第一只收真实生成出来且效果可验证的视频不要那种“看起来很美但完全复现不了”的案例第二,每条必须拆出可复用的骨架而不是简单复制原视频的提示词第三全部开源包括中间的拆解表格和脚本不留独家。1.2 从散装提示词到结构化Skill“Skill”这个概念在Agent开发和大模型应用里已经不新鲜了。你可以把它理解成一个封装好的能力包里面既有触发条件、执行流程也有写好的提示词片段和参数规则。我这次做的事情相当于把传统上只属于文本对话的Skill模式迁移到了AI视频生成领域。视频Skill和平时大家聊的ChatGPT Prompt最大的区别在于它必须包含“时间轴”信息。举个直观的例子普通提示词写“一只橘猫在窗台上打盹”视频Skill里我会把它拆成“开场全景交代环境——推进到猫的脸部特写——猫咪耳朵抖动、睁眼、伸懒腰——镜头缓慢后拉回到全景”。同样的主体加了时间轴和没有时间轴出来的视频完全是两个物种。所有463条视频至少包含三个维度主体描述、运动描述、镜头描述缺一个就只能靠运气。这套思路成型之后我立刻意识到不能只做纯文本模板必须做成机器可读的Skill文件才能在不同工具之间流转。具体来说我最终把每个Skill定义成一个YAML文件里面包含meta信息、适用场景、基础提示词、增强参数、负面提示词以及不同视频工具对应的改写规则。这个决定在后续的开源传播中起了很大作用很多人都说“光看提示词就值了但YAML文件让我能直接喂给脚本用”。2. 拆解方法论从视频里挖出可复用的提示语骨架2.1 数据来源与筛选标准463条视频不是我从一个地方扒下来的主要来源有四类一是公开的AI视频大赛获奖作品和官方精选集二是创作者主动分享的幕后拆解或“提示词成片”对照内容三是我自己过去一年在可灵、即梦、Runway、Pika等工具上跑出来的有效案例四是各个AI社区里被反复转载的“高赞视频”及其复现讨论。每一条都做了版权和可复现性审查凡是无法确认来源或明显是纯手工后期硬做的一律剔除。筛选标准我定了三个硬指标可复现性、通用性、启发性。可复现性指三次以上用同一套Skill能在合理参数范围内生成相似视频通用性指不能只适用于某一个具体工具至少能在两类视频生成器上平移启发性则比较主观就是看完之后能让人“恍然大悟”的那种结构比如一条视频里用了特殊的转场技巧或者对光影的运动做了非常细腻的刻画。最终从2000多条候选案例中筛出463条正好凑够了第一批数据集。这里要提醒一句数据筛选千万别只看点赞量。很多高赞视频的提示词其实高度依赖随机种子和后期剪辑拆出来当模版反而会带偏人。我宁愿选那种“一次生成就很好”的视频也不要“抽了100次卡选出来1次”的案例因为后者的提示词本身不具备复用价值更多是运气。2.2 核心拆解模型五层结构拆解阶段我反复迭代了四版最终固定成一套“五层结构”拆解法分别对应主体层、环境层、镜头层、运动层、风格层。每一层都有独立的提示词字段这样最后合并成Skill时可以做到任意替换某一层而不影响其他层。这非常关键因为实际生成视频时用户最常做的操作就是“把猫换成狗”或“把白天改成夜晚”如果所有描述混在一坨文字里每次改都是一场灾难。用“赛博朋克城市追车戏”举例。主体层写“银色改装跑车、驾驶座穿黑色风衣的驾驶员”环境层写“雨夜、潮湿柏油路、霓虹灯牌、高楼缝隙间的雾气”镜头层写“低角度跟踪镜头车头前方镜头随车转弯而倾斜”运动层写“车轮碾过水洼溅起水花、灯光在车身上流动、背景建筑快速后退产生速度感”风格层写“电影级调色、高对比度、赛博朋克2077审美、浅景深”。合起来是一个长Prompt拆开就是五个独立的可变模块。这套五层结构也直接影响了我后续的Skill编码方式。每个Skill文件里五层分别用五个字段存储并额外生成一个“融合提示词”字段方便直接粘贴到生成工具里。这样做的好处是你想微调某个维度时只需要改一个字段想完全替换主体时也不会连带把镜头和运动风格全都带偏。我见过太多人为了把“狗追飞盘”改成“小孩追气球”结果把运镜和光影也全改了最后出来的东西完全不是想要的。2.3 如何从一条视频反推成Skill文件具体到单条视频我的反推流程分四步。第一步是逐帧看运动轨迹用播放器逐帧拖拽找到画面里所有“位移”元素包括主体移动、镜头移动、环境变化比如云在飘、灯光在闪也算。第二步是拆镜头语言记录这个视频是固定镜头、推拉、摇移、跟拍还是航拍以及是否有变焦或焦点转移。第三步是恢复风格描述这个最难因为风格是主观的我一般会列出所有能想到的风格词去掉冲突项再筛出最贴切的3到5个。第四步是写成可替换的伪代码即先用中文写一套完整提示词再抽掉具体名词填上占位符比如把“猫”变成[主体]。边界情况我会单独标记。比如有些视频是“镜头不动、主体运动”有些是“镜头运动、主体静止”还有一些是“两者都动但方向相反”这些在Skill里要写清楚运动关系否则生成时很容易出现物理违和感。常见的是把“镜头绕主体旋转”和“主体自身旋转”混为一谈效果完全不一样。我自己的经验是宁可拆慢一点也不要贪快一条视频平均拆解时间大约40分钟遇到复杂的可能要一个半小时。463条不是我一个人拆的后期有两个朋友加入并且我们用了共享表格来保证拆解口径一致这也给开源后的协作打下了基础。3. 实操过程如何把463个视频逐一转成规范模板3.1 工具链与工作流整个拆解过程不是靠纯手工堆出来的。我的工作流大概长这样先用本地表格维护所有视频的元数据和五层拆解字段然后用一个Python脚本把表格批量转成YAML格式的Skill文件最后再用一个自动化检查脚本校验字段完整性、是否有重复文案、是否有“待补全”占位符。这里向非技术朋友说明一下YAML就是一种比JSON更易读的配置格式用缩进表示层级适合保存这类结构化模版。Python脚本的核心功能很简单读取Excel里的Sheet把每一行映射成一个Skill文件文件名自动生成为skill-编号-英文短名.yaml。过程中最难的不是写脚本而是统一表格规范。前100条数据我踩了大坑因为不同时间去填表字段名时而用“运动描述”时而用“镜头运动”格式化脚本跑出来一堆缺失值。后来我写死了一个表头模板只用程序校验凡是字段名不匹配就直接报警不给任何人手动改表头的机会。我建议想复刻这个流程的人千万别一开始就追求自动化先手工拆20条把字段定义琢磨清楚了再写批量脚本。否则你会在拆到80条的时候发现字段设计不合理比如忘了区分“镜头内部运动”和“主体运动”回头改表格数据会让你痛不欲生。我们中途就补过一次结构把运动层拆成“主体动作”“镜头运动”“环境运动”三个子字段花了整整两天才把历史数据迁移完。3.2 编码体系从skill-001到skill-463开源之后很多人问我的第一个问题是你的编号是怎么排的不会是按时间顺序排的吧确实不是。我设计了一套简单的分类编码大致分为场景类、风格类、运镜类、特效类、叙事类、组合类六个大类每个Skill的编号前缀对应分类。比如场景类的编号是scene-开头风格类是style-开头运镜类是camera-开头组合类是mix-开头。这样用户在找模版时一眼就能判断这个Skill大概解决什么问题。网上常有人提到“skill编码247”其实就是我第三大类里的第47条运镜Skill它的全称是camera-047内容核心是“低角度环绕焦点转移”专门用来解决“围绕静止主体拍一个带情绪感的环绕镜头”这类需求。很多人以为编码是玄学其实纯粹是分类索引。我之所以不用纯数字而用带前缀的编号就是希望文件名本身就携带类别信息否则外网用户根本分不清skill-123和skill-321有什么差别。为了让这套体系更好用我还做了一个README.md里面放了一张完整的索引表列明每个Skill的五层摘要和适用工具。这个索引表花了我不少心思因为它不仅是给人看的还是给脚本用的。后来有开发者直接在索引表上做关键词搜索小程序把“下雨”“追逐”“猫”这种自然语言转成对应的Skill编号等于又往上叠了一层应用。这说明底层数据的结构设计足够清晰时上层创意就会源源不断。3.3 模板样例拆解一个Prompt和一份Skill文件空谈方法没用直接看样例。以编号scene-012为例这个Skill描述的是“雨夜霓虹灯下的孤独人物走过斑马线”原始视频来自某次官方征集效果非常稳定。我把它拆成五层后写出的完整提示词如下主体层一个穿深色大衣的成年男性低着头双手插兜肩膀略微缩起。环境层城市雨夜湿润的黑色柏油马路路面积水映着粉色与蓝色霓虹灯光两侧商铺招牌闪烁。镜头层中景侧跟镜头镜头高度约腰部位置随人物步伐缓慢向前移动保持人物在画面三分线右侧。运动层人物匀速步行衣摆和头发随风轻微摆动落地时脚尖溅起细小水花周围车辆偶尔驶过形成模糊的灯光拖影。风格层电影感冷色调主光暖色点缀浅景深35mm胶片颗粒质感。这份提示词直接贴到多数视频工具里基本就能跑出70分的画面。但如果要做成Skill我会把完整提示词抽成五个字段并额外补一个“参数建议”区域包括建议时长、建议分辨率、负面提示词比如“不要出现字幕、不要卡通化、不要面部特写”。YAML文件大概是下面这个结构为了方便展示我只保留核心字段。id: scene-012 title: 雨夜霓虹孤独行者 category: 场景类 five_layers: subject: 一个穿深色大衣的成年男性低着头双手插兜肩膀略微缩起 environment: 城市雨夜湿润的黑色柏油马路路面积水映着粉色与蓝色霓虹灯光两侧商铺招牌闪烁 camera: 中景侧跟镜头镜头高度约腰部位置随人物步伐缓慢向前移动保持人物在画面三分线右侧 motion: 人物匀速步行衣摆和头发随风轻微摆动落地时脚尖溅起细小水花周围车辆偶尔驶过形成模糊的灯光拖影 style: 电影感冷色调主光暖色点缀浅景深35mm胶片颗粒质感 fusion_prompt: 上面五层内容按顺序拼接 negative_prompt: 字幕卡通化面部特写过度曝光 suggested_params: duration: 5s-10s aspect_ratio: 16:9 fps: 24 tools: - 可灵 - Runway - Pika这里有个关键细节tools字段并不是指“只能在这些工具里用”而是指“我已经在这些工具里验证过”。不同AI视频工具对同样的提示词理解差异很大所以我在开源仓库里单独维护了一份“工具迁移注意事项”比如Runway对镜头运动的理解更强但Pika对风格词的敏感度更高可灵给到更多中文口语化描述时表现更稳但换成英文提示词反而容易丢失环境细节。这种信息光看模版看不出来还得配合实际试用记录。顺带说下负面提示词的写法。很多人写“不要模糊、不要低质量”我实测下来几乎没有用。反而写“无字幕、无水印、无多余人、无畸形手、无面部扭曲”这类具体到对象和元素的词更有效。我的经验是负面提示词要写“可感知的内容”不要写“抽象的质量评价”AI根本不知道“高质量”是什么鬼但它知道“字幕”和“水印”是什么东西。4. 开源成果与使用指南4.1 开源仓库里到底有什么整个项目开源后仓库里的内容分成五个部分463个Skill文件、一份总索引表、五层拆解流程图、适配脚本、示例成片说明。Skill文件涵盖了最常用的视频生成需求包括风光大片、情绪人像、动态产品、科幻场景、抽象艺术、叙事短片等。索引表支持按关键词搜索比如搜“雨夜”会返回所有环境层含雨夜的Skill编号搜“环绕”会返回所有镜头层含环绕的Skill编号。适配脚本是我个人比较得意的部分。它可以把一个YAML格式的Skill自动改写成不同工具的提示词风格比如输出一份适合Runway的长提示词、一份适合Pika的分段式提示词、一份适合可灵的中文结构化提示词。这个脚本不复杂本质是字符串替换和字段拼接但它解决了一个真实痛点你不能把同一个Skill原封不动地用到所有工具上必须做一层“方言翻译”。一开始有人问我为什么要开源而且把脚本和数据全放了。我的想法很简单这个领域太新了很多规则还没沉淀下来如果每个人都从零开始摸索那AI视频永远只会停留在“抽卡”阶段。开源之后至少能让大家站在一个还算高的起点上。事实也证明不少人直接拿我仓库里的Skill去套自己的创意有人改一个主体就产出了很棒的商业短片这比我一个人藏着掖着有意义得多。4.2 三种用法直接抄、组合用、训练自己的Skill第一种用法最简单就是直接抄。打开索引表找一个你想要的场景复制Skill里的fusion_prompt字段粘贴到你的视频生成工具里微调参数后开跑。这里我要泼一盆冷水直接抄不等于100%复制原视频因为每个平台、每个模型版本、甚至每次随机种子都不同所以“一模一样”是不现实的。但结构和氛围感能复现到八成对大多数创作者来说已经够用了。第二种用法是组合这也是我最推荐的进阶玩法。你完全可以把scene-012的环境和光影配上camera-033的运镜再换掉主体层的内容组装出一个全新的Skill。因为每个文件都是模块化的你可以从不同文件里各取一层拼进一个新的YAML里。有人担心这样会出来“缝合怪”但实际只要各层的风格词不冲突拼接效果往往比单一模版更出彩。比如一个动漫风人物配上写实环境的组合反而能制造独特的视觉张力。第三种用法是训练自己的Skill体系。你可以拿这套仓库当“语料库”收集一批自己偏好的风格分析它们的人称视角、镜头词分布、负面提示词写法然后建立自己的分支模版。已经有几个开发者这么干了他们在我的五层结构上加了第六层“音频提示词”专门描述背景音乐的情绪走向。这就是开源的长尾价值你的结构被更多人扩展后会演化出你自己都想不到的新玩法。4.3 如何提交自己的模板参与共建仓库开了一个contributions目录接受任何人提交新的Skill文件或改进建议。提交时你需要附上原始视频链接或截图、五层拆解字段、至少一个工具的实测参数以及一段“跟原版对比效果如何”的文字说明。为了不让仓库变成垃圾堆我也设定了一个投票机制每个新提交的Skill如果在一个月内获得10个以上的Star或评论验证就会被合并到主索引表里。做开源项目最怕的事情其实是“热情开坑然后烂尾”。为了应对这个问题我给所有愿意提交内容的朋友写了一份非常详细的CONTRIBUTING文档里面把字段规范、命名规范、审核标准全都写清楚了。有朋友觉得我搞得像公司内部流程但我认为如果开源仓库的结构一开始就很乱后面根本没法收拾。现在仓库里新增的Skill有一半来自社区质量比我自己拆的还要好因为很多人贡献的是他们吃饭的家伙。提交时还有个小细节文件名不允许带空格和特殊符号统一用小写字母和短横线。这个约束简单但能避免很多跨平台解压和解析出错。另外我强烈建议提交者用Google表格共享链接这种方式来和仓库维护者协作而不是直接把Excel文件传到Git上因为二进制文件在历史版本管理里非常难diff很容易造成冲突。5. 常见问题与避坑实录5.1 为什么同一个Skill时好时坏这是被问得最多的问题也是最难回答的。同一个Skill上午跑出来质感爆棚下午跑出来就感觉像没睡醒很多人第一反应是“模型抽风了”。其实多数情况下是因为你没有控制好时长和运动强度的平衡。同样的提示词时长从5秒拉到10秒运动速度感会完全不一样AI需要在更多帧里补全运动轨迹稍不注意就会出现扭曲。另一个关键因素是采样步数和种子。多数工具的默认参数并不是对这个Skill最优的参数。你在复现一个Skill时最好先固定种子跑一遍记录出片效果再去调整步数和运动强度。我见过太多人上来就改风格词却完全没动过参数区那自然会出现“时好时坏”。把参数当成Skill的一部分而不是只关注Prompt这是从“能用”进阶到“稳定用”的核心。如果你换了不同的视频生成工具那更要接受一个现实每个工具对同一个Prompt的理解差异非常大。比如Runway会特别关注镜头运动描述你写“低角度跟拍”它执行得很好但同样的词喂给一些强调“主体运动”的工具可能就只给你生成一个固定机位的画面。所以我的每个Skill文件里都带有tools字段和适配脚本就是为了尽量减少这种跨工具损耗。5.2 版权与伦理问题要提前想清楚463个视频里有一部分来自公开比赛和别人的分享开源这些Skill的前提是我拆的是提示词结构不是复制视频内容。提示词本身是文字描述很难构成版权保护对象但生成出来的画面如果高度模仿某部电影或某位创作者的招牌风格依然有侵权风险。所以我在每个Skill文件里增加了一个“灵感来源”字段如果来源是某部电影或某位作者会在里面如实标注“致敬”“仿风格”或“原创”并附上可替代的风格词建议。伦理这块也要多说一句。开源模版很容易被用来批量生成虚假信息、伪造人物或制造误导性内容。我在仓库的首页就挂了一条声明禁止用这套Skill生成任何包含真实人物肖像的虚假场景也禁止用它批量制造欺骗性新闻视频。技术本身没有立场但开源的人得先立个规矩不然好心分享的东西一旦被滥用最后受伤害的还是创作者群体。我实际遇到过有人拿着scene-xxx去生成知名演员出现在不存在的场景里的视频这非常危险。后来我在每个Skill文件里额外加了一个ethical_check字段提醒使用者在生成前确认是否涉及真实人物、是否会被误解为真实事件。希望大家永远不要在这个底线上试探。5.3 工具版本迭代导致Skill失效怎么办AI视频工具的更新频率快得惊人经常是今天跑的好的Skill明天工具一升级就变成废纸。我自己就经历过三四次某条在Runway上新版本里反复调都复现不了原来的风格。遇到这种情况我的建议是先不要急着重写Skill去看工具的Release Notes很多失效是因为模型底层架构变了比如引入新的运动模块或强化了语义解析。这可能导致原来的Prompt顺序不再被充分理解。更实际的解决方案是在你的Skill文件里记录“已验证版本号”和“验证日期”。这样即使工具升级你也可以很快判断出到底是这个Skill本身有问题还是版本变了导致的影响。我在适配脚本里专门留了一个参数允许用户填入工具的版本号脚本会自动给出一段“迁移建议”比如“如果使用新版本建议把镜头层描述放到Prompt的开头并把环境层描述改得更简洁”。如果你发现某个Skill彻底失效也别着急删除。可以把它标记为deprecated并附一条指向替代Skill的链接。这样做有两个好处一是保留对比案例方便后人了解工具演进对提示词的影响二是避免小白用户搜到这个Skill后抱着旧模版死活调不出来白白浪费时间。5.4 一点心得别做“只会抄模版”的人开源这套东西之后我心里其实一直很警惕一个问题如果所有人都直接用模版那AI视频创作会不会变得千篇一律后来我想明白了模版本质上是“语法教科书”教你的是如何组织描述而不是“句子本身”。真正厉害的人会用这套模版的五层思维去解读任何一条新视频然后拆出自己的表达方式。模版不是终点它是你观察世界的棱镜。我自己最大的收获反而是拆解过程中被迫提升的“视频直觉”。以前我看一条AI视频只会说“好看”现在我会下意识地思考它的镜头怎么动、主体与环境怎么互动、光影变化的时间点在哪里。这种直觉会在你未来创作时自动涌现哪怕你早就忘了那些YAML文件的细节。所以我真心建议每一个拿到这463个Skill的人先别急着生成视频先挑十条拆解数据认真读三遍把五层结构刻进脑海中。最后再分享一个操作上的小技巧你完全可以把这套开源仓库当成你的“灵感抽奖机”。每次创作前不要刻意去找某个固定Skill而是随机从索引表里抽一个场景类和一个运动类的Skill先看它们的组合效果再逐步调整。这种“随机组合法”帮我产出了好几个自己平时根本不会想到的片子也让我彻底摆脱了对着空白提示词框发呆的窘境。希望这套开源模版也能帮你打开新的创作思路哪怕只被用上一次这事就没白做。