做企业 AI 视频项目逼出来的工具包:411 prompt · 7 Claude Skill · 14 篇方法论
作者在开发企业级 AI 视频生成全流程网站时,针对模型提示词技巧差异大、文档散落且迭代快的问题,整理并开源了一套完整的工具包。该仓库包含 411 条带来源验证的 Prompt(覆盖 15 种模型)、7 个 Claude Code Skill、14 篇方法论 SOP 以及自动监控模型版本更新的 GitHub Action。
作者在开发企业级 AI 视频生成全流程网站时,针对模型提示词技巧差异大、文档散落且迭代快的问题,整理并开源了一套完整的工具包。该仓库包含 411 条带来源验证的 Prompt(覆盖 15 种模型)、7 个 Claude Code Skill、14 篇方法论 SOP 以及自动监控模型版本更新的 GitHub Action。
文章提供了一份高密度、极具实操性的2026年最新AI视频工具包,其自动化监控版本迭代、跨模型对照矩阵等亮点直击行业痛点,结构清晰且可直接克隆落地。
作者分享团队过去一年研究市面上主流AI视频模型的经验,涵盖物理运镜控制、光影材质一致性和多模型协同的工业化分镜工作流。他们认为技术壁垒正迅速瓦解,未来制作的真正门槛在于叙事野心、分镜审美与思考深度,因此决定开源团队实战打磨的技巧与核心Prompt。文章附上一个30秒、16:9横版、音画同步的原创奇幻机关剧场片头的完整提示词,详细描述了朱红版画、幽蓝巨物、金箔机关三种美术段落的分镜设计、运镜手法与128BPM原创配乐方案。
作者空格开源了一个手绘风格动效视频 Skill,兼容任意 AI 模型(国内及海外模型均可)。针对 AI 生成宣传片千篇一律的'会动的网页'式问题,作者将白板讲解的手绘感做成视频,内置白板、黑板、水彩、水墨、蓝图、漫画等 10 种画风。实现原理是用网页渲染画面、无头 Chrome 逐帧截图、ffmpeg 拼接视频,配合手写字体、rough.js 抖动线条和无限画布镜头。Skill 会自动读文章、写旁白、配音、排画面并渲染成片,支持多种比例和科普、宣传、课程等场景。项目已在 GitHub 开源。
AI 桌面换装视频近期在 Twitter 爆火,作者程序员鱼皮分享了如何复刻这类视频的完整流程。核心方法是使用其开源的「AI 桌面换装视频」生成 Skill:用户只需与 AI 对话回答主角、场景、造型、台词等问题,AI 会自动生成完整的视频提示词,复制到即梦等支持 Seedance 模型的视频工具即可出片,也可直接调用 API 生成。核心原理是让 AI 逐帧分析原版爆款视频,拆解换装镜头的机关细节,生成提示词模板并封装成可复用技能,全程开源到 GitHub。作者强调借助 AI 的 Agent 与视觉理解能力,从拆片到发布几乎全由 AI 完成。
作者分享了从程序员转型为百万播放 AI 视频创作者的经验——审美积累,并宣布开源历时近一个月、花费约两万元的项目 awesome-seedance。项目包含 463 条经实测复现并打分分类的 AI 视频提示语、14 个覆盖各类视频的提示语模版(如手持 UGC vlog、打斗、产品广告等)以及 25 个 AI 视频 Skills。文章详细讲解了模版与 Skill 的区别与用法,分享了提示语写作技巧如接触点描写、招式链和流派生物力学,并倡导以"临摹"方式学习 AI 视频创作,邀请社区提交 PR 共同完善项目。
作者介绍了开源项目 Hypit,一个面向 Claude Code、Codex 等 Coding Agent 的开源视频语言与编译系统,被称为视频领域的开源 Harness。它解决了 AI 视频制作两大痛点:视频模型抽卡黑盒、传统剪辑软件无法自动化。Hypit 用代码写视频,独创 Hook 机制将特效、B-roll、字幕锚定在台词的词上,修改台词后自动重新对齐;支持 /hypit clone 反向工程爆款视频并批量生成变体;付费素材先占位预览、旧素材 100% 复用,纯代码渲染零成本,API 跑完整视频约 1 美元。文中还提及 Atria Dawn Preview 的可交付 Agent 思路。
作者李岳分享了如何用自己开发的开源 Skill「female-outfit-director(女性换装导演)」复刻抖音爆款卡点换装视频。文章详细讲解了换装视频在 AI 生成中的难点,如人物一致性、首帧与视频因果关系断裂、双重身体等问题,并提出以结构母图(九宫格拼贴首帧)为核心的解决方案。Skill 能锁定人物身份、生成 7 套造型的首帧、输出精确到秒的换装时间轴,并内置 12 种换装机制。作者用 Seedance 2.5 实测还原度约 80%,项目已开源至 GitHub 并获 607 Star。作者强调 Skill 的价值在于将复刻爆款的方法论沉淀为可复用的工作流。
文章针对AI生成视频人物表情夸张、缺乏灵魂的问题,提出5套可直接套用的微表情提示词方法:情绪阈值控制法(用程度副词+具体面部动作控制情绪幅度)、因果肢体连动法(让身体动作带动表情)、时序演变法(写清情绪变化的起点、转折、终点)、视觉焦点引导法(给眼神具体落点避免死盯镜头)、生理呼吸注入法(加入眨眼、吞咽、呼吸等生理细节)。全部提示词中英对照,适用于即梦、可灵、豆包、千问等视频模型,并附赠55套编号提示词库供读者复制使用。
作者分享了自己开发的手绘风格 Skill 的使用案例:通过口令 /hand-drawn 7 调用蜡笔实拍风格,为《日本推理小说家教你看透人生内心威》一书制作读书笔记卡。该 Skill 开源在 GitHub 仓库 hand-drawn-styles 中。帖子引发网友热议,有人称赞蜡笔质感的笔记卡比纯文字更耐看,也有人提出 AI 代做读书笔记不利于知识吸收,作者认同'人是主要的'这一观点。文章展示了 AI Skill 在知识卡片制作上的创意应用。
文章分享了使用 H3 视频生成模型进行高分辨率俯拍镜头控制的提示词实战经验。核心技巧包括:将机位约束放在提示词最顶部以提高识别权重;明确接受俯拍导致的人脸透视变形,打破模型内置的人脸美化逻辑;直接禁止模型为美化人脸而将机位拉回平视的行为;使用 NO、DO NOT 等强否定短句代替解释性长文;保留原图的人物身份与服装参考,但完全替换原图机位、背景与灯光。作者强调,有效的提示词不是解释“什么是俯拍”,而是硬性禁止模型在高分辨率模式下自动修正机位和人脸透视的内部行为。
文章指出依赖社交媒体时间线获取开源项目信息存在延迟、背景压缩和注意力偏差等问题,主张把项目分享者当雷达、把项目源头当证据。作者介绍了利用 GitHub 的 Explore、Topics、搜索语法、Watch 自定义通知和关注维护者等方法,建立三层信息系统(高频扫描、低噪订阅、低频深读),并提供了一套 90 秒验证仓库的核对清单,包括问题承诺、新鲜度、维护响应、工程纪律、许可安全和最小试用。最后给出 10-30-30 时间策略和一周搭建开源一手情报系统的行动方案。