从复制到创作：如何解构并掌握 AI 提示词的内核
文章通过“厨房倒盐”这一爆款 AI 视频为例，批判了单纯复制粘贴或仅做表层修改（换词填空）的学习方式。作者提出了三个学习层级，强调真正应该掌握的是“第三层”设计思维，即提炼作品背后的反差轴、叙事弧、交互与质感等不变的“DNA”。文章展示了如何将厨房案例的内核迁移至画室、实验室等新场景，从而实现真正的融会贯通与创作。
相关文档
我用这个 Skill，复刻了爆款卡点换装视频，效果非常不错！
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。
把爆火视频拆解为可复用 Skill：从巨手拯救小人国到批量生产创意
文章作者受“巨手拯救小人国”视频启发，将其创意逻辑拆解为“宏大灾难×微缩降维×日常工具×情绪闭环”的公式，并封装为一个名为 miniature-rescue-prompt 的 AI Skill。该 Skill 包含五步工作流及灾难工具对应库，实现了爆款视频的批量生成。作者分享了如“同构匹配”、“一镜到底”等实操技巧，并提出了将灵感转化为系统资产的 AI 时代创作方法论。
最强视频创作工作流：Image2 + Seedance 2.0 闭环实践
本文介绍了一套用于跨境电商视频创作的顶级工作流，利用 Topview 平台串联 Image2 和 Seedance 2.0，实现了从产品图到直播视频、品牌短片的一键生成。文章详细拆解了 Image2 负责静态画面精确控制、Seedance 2.0 负责动态运镜的互补逻辑，并提供了多宫格分镜、数字人带货、Live 图制作等实战案例及提示词模板。
FPV沉浸式视频生成实战：把提示词思维做成Skill
本文介绍了作者制作 FPV 沉浸式视频的实战经验。作者通过开发一个 Skill，解决了 AI 视频生成中“镜头运动轨迹”易翻车的痛点。文章分享了“编号停靠点”与“红线路径”两种模式的适用场景，强调了像设计游戏关卡一样设计空间逻辑的重要性，并提倡将工作流沉淀为 Skill 以应对未来的模型变化。
Seedance 2.0 提示词结构与生成技巧指南
文章深入解析了如何通过优化的提示词结构，在 Seedance 2.0 中稳定生成高质量 AI UGC 视频，从而避免反复消耗积分。核心内容包括利用 15 秒时长限制、遵循“5 节拍公式”（主体、环境、动作、镜头、光影）、内嵌对话技巧以及保持角色一致性的具体策略，帮助创作者实现“一次生成即可用”的高效工作流。
Seedance 2.0 实战指南：如何像导演一样使用视频生成模型
本文介绍了 Seedance 2.0 视频生成模型的高效使用方法。作者指出不应将其视为简单的文生视频工具，而应视为一个微型的电影片场。文章详细提出了五层提示词堆栈结构：主体、动作、运镜、风格和约束，以获得连贯且可控的高质量视频输出。同时强调了利用参考图像和多模态输入的重要性，并提供了三种可直接套用的提示词模板。
Seedance 2.0 提示词公式：从烂片到电影感的5层法则
文章揭示了 Seedance 2.0 的核心并非简单的文生视频，而是多模态电影片场。作者通过拆解上百条提示词，总结出“摄像机>风格>约束>主体>动作”的5层公式，并详解了如何利用时间编码和参考系统进行精准的镜头调度。
如何为 Seedance 2.0 编写提示（并真正获得你想要的结果）
文章详细介绍了 Seedance 2.0 AI 视频生成工具的提示词编写技巧。该版本采用新的导演式提示词框架：主体+动作+镜头+风格+限制条件，支持多模态输入。文章通过电子游戏、动画、时尚、UGC、动态设计和商业广告六个具体案例，展示了如何精准控制镜头角度、灯光节奏和视觉风格，以生成高质量的AI视频内容。
H3 古风舞蹈创作方法论：从动作动链到导演级运镜
作者系统总结了一套基于 H3 模型的 AI 古风舞蹈视频制作方法论。核心原则是先建立舞蹈再建立镜头：从作品意图、音乐分析、编舞设计出发，构建持续层、动链层、微动作层三层舞蹈结构，写出包含受力、路径、重心、惯性等完整物理过程的动作链，并按音乐节拍与动作密度对齐。镜头设计强调真实摄影机几何而非抽象角度术语，每次运镜都需有目的。文章还涵盖参考图视觉权限界定、跨段连续性检查、负面约束的正向替代方案、提示词语法结构与交付前的导演级自检流程，旨在建立可复用的模块化 AI 舞蹈创作系统。
Opus 5.5 做科普视频：代码渲染，不是像素摇出来的
文章介绍了用 Claude Opus 5.5 通过「确定性渲染」制作科普视频的方法：模型编写网页代码，浏览器逐帧截图后用 FFmpeg 合成视频，每帧画面由代码精确计算，可复现、可改稿，尤其适合文字、图表类科普内容。对比像素生成模型（如 Seedance 2.5）的「逐帧梦」方式，代码渲染在确定性和可编辑性上占优，但拍不了真人。文章还算了成本账：一条 12 秒成品约 5 元人民币，并指出三个坑：流式输出等待长、需人工检查渲染帧、需提供品牌素材。结论是视频制作门槛从会用工具转移到能否说清需求。
一个很变态但有用的方法：给 AI 视频装上"导演的灵魂"
作者分享了一套将 10 位导演（王家卫、张艺谋、诺兰、韦斯·安德森等）的视觉风格拆解为六维参数（焦段/画幅、构图、光线、色彩、运动、节奏）的方法，用于提升 AI 视频的电影质感。核心思路是把'王家卫风格'等抽象描述翻译成 AI 能理解的具体镜头语言，并提供了可复制的提示词模板和公式：导演六维参数 + 场景 + 镜头运动 + 负面提示词。文末还推荐了几个开源的导演风格库工具。
How to run your first AI UGC campaign (step-by-step guide)
作者分享了如何用 AI 完全生成 UGC（用户生成内容）视频，将单条成本从 20-50 美元降至 4-6 美元的完整工作流。步骤包括：研究垂直领域内热门视频的钩子和人物形象；用 JSON 提示词限制图像模型的默认风格，生成具有相似气质的逼真虚拟人物（Gemini 3 Pro 效果最佳）；通过 Seedance 2.5 让人物开口说话，并用原视频音频作为参考保证语调自然；用手机录屏制作产品演示；最后借助 Claude Code 和 treg_ai 批量生成 5-10 个不同钩子与演示配对测试投放效果。
