作者分享了在 AI 视频创作中使用 EverOS Cloud 记忆层的实测体验。通过将三条旧项目的创作经验（任务目标、修改理由、最终取舍）整理成卡片存入记忆库，Agent 在接到新 Brief 时先检索相关经验再写提纲。对照实验显示，检索分数最高的预告片经验仅作背景，真正被采用的是排第三的香氛修改卡，其'修改要求落到具体位置、比例和留白'的判断被融入提纲。但也发现旧经验可能带偏任务目标，需人工把关。作者结论：旧经验能借的是判断方法，最终取舍仍由人决定。
作者分享了 MiniMax H3 的特效视频提示词。文章指出 MiniMax H3 的核心优势在于能将手绘图层与实拍的运动逻辑锁定在一起——手持晃动时手绘特效随之同步，不漂不移。作者给出了一个 15 秒洗衣店场景的完整提示词，通过指尖丝线变成水母、袜子、流星、小鱼、火车等连贯变形，最终整间洗衣店变成夜空涂鸦。作者还对比认为 H3 适合生成广告，Seedance 更适合拍电影、做戏剧。
作者分享《中国古代贵族女子图鉴·春游篇》AI 绘画作品，指出一个反常识观点：贵女图的贵气与容貌和金饰关系不大，真正决定气质的是人物是否在做只有该身份才会做的事，如骑马放鹰、放风筝等专属动作与场景，才能体现阶层感与故事感。文中完整公开了两组 Midjourney V8.2 的英文提示词，包括唐代贵族女子骑马放鹰和春日草坡放风筝的电影级写实画面，并附中文翻译与参数说明。评论区互动热烈，作者表示后续会整理制作教程分享。
文章指出Seedance 2.5支持30秒视频生成，创作者需承担导演职责。文中详细解析了如何通过一句话故事、分秒时间轴、参考素材分工及连续性锁定来优化提示词，并提供了可直接复制的提示词骨架，以提升视频质量和叙事逻辑。
文章指出提示词时代正在退场，掌握“喂料能力”才是 AI 视频创作的关键。作者以 Seedance 2.0 为例，详细介绍了四模态（图、视频、音频、文本）的混合喂料方法，阐述了如何通过分别控制长相、运镜、情绪和剧情来提高出片稳定性。此外，文章推荐了 Edimakor 工具来实现从素材生成到后期缝合的工业化工作流。
本文测评了 AI Gateway 工具 ZenMux，它支持在一个界面内统一调度 200+ 个模型。作者从 AI 内容创作者的视角出发，详细介绍了该工具在多模型对比、成本统一管理、智能路由及赔付保障方面的优势，认为其能有效降低多平台切换的心智成本，适合需要同时调用多个模型进行创作或开发的用户。
本文探讨了 AI 创作中将单张图转化为持久 IP 资产的方法。作者指出，90% 的初学者因混淆“类型介绍”与“人物指认”而导致角色不一致。文章提出“角色锚点”理论（硬、软、场景三层），并结合微表情与标志性动作确立角色辨识度。此外，对比了 AI 资产库（主体模式）与 LoRA 训练的优劣，提供了一套从快速迭代到商业量产的最佳实践路径。
本文通过拆解电影《银翼杀手 2049》，总结了摄影师 Roger Deakins 使用的四种核心光影系统：逆光剪影、霓虹反射、环境染色和漫射无影。作者指出，光影不仅是为了照明，更是为了控制观众的信息量和情绪。文章进一步探讨了这一逻辑在 AI 生图中的应用，强调适度的信息留白能带来更有张力的视觉效果。
文章探讨了AI视频创作中常见的“PPT感”问题，指出核心在于缺乏分镜思维而非图片质量。作者提出了适合AI创作者的导演视角，强调通过设计空间、主体、变化和结果来连接镜头。文中详细解析了景别的情绪功能、切镜的逻辑标准，并提供了一个实用的5镜头叙事结构，帮助创作者提升作品的连贯性与故事感。
