視頻分鏡提示詞Skill，詳細製作過程分享！
整理版優先睇
將劇本自動化轉化為 AI 影片分鏡提示詞的 Skill 製作全攻略，教你點樣用結構化思維拆解複雜任務。
呢篇文章係由作者阿真分享，針對 AI 影片創作中「劇本轉分鏡」呢個痛點，提供咗一套完整嘅 Coze Skill 製作思路同埋技術架構。作者想解決嘅係點樣將一段文字劇本，穩定噉轉化成包含角色、場景、運鏡等細節嘅專業提示詞，避免 AI 生成內容時風格走樣或者邏輯混亂。
整體結論係：要做出高質量嘅 AI 工具，唔可以只靠一條簡單嘅 Prompt，而係要將任務拆解成「SKILL.md（定義）、scripts（執行）、references（規範）、assets（模板）」四個層次。透過將劇本解析、角色提取、分鏡生成等步驟腳本化，可以大幅提升產出嘅一致性同埋可重用性。
- 核心架構：採用四層結構，包括 SKILL.md 定位入口、scripts 自動化腳本、references 知識規範同埋 assets 交付模板。
- 標準化流程：將製作過程拆解成「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、格式導出」七大步驟。
- 模組化腳本：建議將唔同功能寫成獨立 Python 腳本（如 parse_script.py），方便單獨測試同埋節省 Token 消耗。
- 一致性控制：透過 references 文件夾存放術語表同埋風格指南，確保 AI 喺生成唔同鏡頭時，角色外貌同場景氛圍唔會跳戲。
- 實戰建議：開發 Skill 時應先制定標準（輸入輸出格式），中期優化功能模組，後期再進行多劇本測試同埋封裝。
劇本轉影片分鏡 Skill 完整文件
包含 SKILL.md、自動化腳本、參考規範同模板嘅完整 Skill 包，可直接喺 Coze 或相關工具使用。
Coze Skill 在線體驗
作者分享喺 Coze 平台嘅劇本生成分鏡工具，可以直接上手試用。
高質量 Skill 嘅四層文件結構
要做一個專業嘅 Skill，唔係寫一段 Prompt 就搞掂，而係要好似寫程式咁有組織。作者建議將文件分成四個部分，各司其職：
由劇本到分鏡：七步自動化流程
作者將整個轉換過程拆細，確保 AI 唔會因為資訊量太大而「斷片」。呢個流程可以確保由文字到畫面嘅轉換係有跡可循嘅：
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 -> 多格式導出
其中「一致性檢查」係關鍵，佢會交叉比對角色同場景喺唔同鏡頭之間有無偏差，輸出修復建議。
核心定義文件：SKILL.md 範例
呢份係 Skill 嘅靈魂，定義咗 AI 應該點樣處理用戶上傳嘅劇本文件。
# 短劇劇本轉視頻提示詞生成器
## 工作流程
1. 劇本智能解析 (scripts/parse_script.py)
2. 角色設定提取 (scripts/character_extractor.py)
3. 場景設定分析 (scripts/scene_analyzer.py)
4. 分鏡提示詞生成 (scripts/storyboard_generator.py)
5. 一致性校驗 (scripts/consistency_checker.py)
6. 導出 (scripts/export_utils.py)
## 輸出結構
- 項目元數據
- 風格總設定
- 角色/場景設定庫
- 完整分鏡提示詞 (中文)開發心得：點樣同 AI 溝通最有效？
作者分享咗幾個開發技巧，等你可以更慳 Token 兼且提高準確率：
喂大家好！我係阿真！新年快樂！
好耐冇見喇，放假放得好爽，返嚟要搏命做嘢喇。今日呢篇比較輕鬆，我先熱吓身，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
亦都可以直接下載 Skill 檔案，附件連結我放咗喺文章最後嘅飛書雲端文檔連結度。原版 Skill 做得比較通用，大家可以喺我嘅基礎上面再改。
關於佢點樣用，我喺 Coze Skill 都寫過，就唔再多講喇，喺上面呢個 Coze 技能度亦都可以睇到使用案例：
或者下載最後嘅 Skill 檔案，上傳去支援 Skill 嘅工具度用都得：
今日分享呢類 Skill 係點樣整嘅。
簡單嚟講思路就係，首先諗清楚要做啲咩，然後將任務一步步拆細，先整好整體結構，再填充內容。
完整嘅 Skill 結構係咁樣嘅：
上面幾個結構嘅說明👇
SKILL.md：定義呢個 Skill 嘅定位同入口，說明點樣觸發、整體流程、輸入要求、輸出目標。呢個可以自己寫個雛形，然後同 AI 工具溝通再優化。
scripts/：執行層，呢度放嘅係 Python 自動化腳本，負責將流程真正行起嚟（解析、提取、生成、優化、匯出等）。呢部分可以俾個流程思路等 AI 嚟寫。
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擺入去，並且喺需要生成具體某部分內容嘅時候，要求佢跟住呢個規範輸出。
assets/：交付模板層，提供可以直接套用嘅資源檔案（例如 HTML/CSV/JSON 模板同速查表）。佢可以提高交付速度同統一性，避免每次都要由零開始整格式同排版。
下面係 SKILL.md 檔案，完整嘅 Skill 內容大家可以喺文章最後嘅分享連結去下載睇返：
---
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 嘅檔案結構，佢嘅檔案結構入面一定要有 SKILL.md 檔案。YAML 頭部、Markdown 正文同關鍵要素係SKILL.md 嘅格式規範。（可選）嘅部分係唔固定嘅，可以係檔案亦可以係資料夾，資料夾嘅命名亦都可以跟返自己嘅要求嚟👇
製作 Skill 嘅時候，可以前期制定標準，中期優化功能模組，後期測試優化同封裝。下面係完整嘅執行思路，注意下方雖然分咗步驟，但實際生成 Skill 嘅時候，佢亦都可以一次過執行晒所有要求，再根據效果繼續優化調整。
前期：制定標準
我希望呢個 Skill 嘅工作流程係咁樣嘅：
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，後面所有實現都會預設跟住呢個規範。
確定支援邊啲輸入：例如 txt/md/docx/pdf/fdx。同時定義預設輸入係一個劇本文檔，亦都可以係一段話甚至一句話，但係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檔案：角色設定、場景設定、分鏡提示詞、一致性報告、匯出檔案格式等，呢一步嘅作用係防止中途愈做愈偏。
確定每一步輸入輸出係點樣。我希望佢輸出嘅分鏡表係點樣，希望佢輸出角色設計提示詞格式係點樣等等。呢一步好關鍵，每個輸出項嘅欄位（field）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跟住第 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。咁我可以自己整或者叫 AI 嚟生成一個咁樣統一嘅表格模板，如果本身有呢類模板，亦都可以直接擺入去。後面嘅每個腳本都讀寫呢個模板，並且跟住呢個格式輸出，咁就唔會唔同幕同場景之間格式對唔上。
可以整定啲 Template（模板）擺喺 assets 入面，等 AI 生成腳本嗰陣可以參考呢啲規範嚟整。
中期：優化功能模組
references 入面係擺術語同埋模板。
成個 Prompt（提示詞）嘅規則可以輸出做獨立文件，例如劇本格式規範、鏡頭術語、情緒詞庫、Prompt 模板、一致性指南等等。咁樣會更加方便修改同埋規範指定方向嘅內容。其他人睇嗰陣，亦都會知點解要咁做。
assets 入面係擺啲可以重複使用嘅模板內容。
例如：分鏡 CSV 模板、角色 Prompt 模板、HTML 模板、Cheat Sheet（速查表）等等。咁樣每次開新 Project 都可以直接 reuse（複用），唔使重新做過排版同埋啲 Field（字段）。
建議 references 同 assets 入面嘅內容分開生成同優化，輸出咗檔案之後先擺入去，再俾個指定路徑等之後嘅腳本去 call（調用）。
跟住落嚟 7-12 呢幾個模組都係腳本，呢啲全部可以交俾 AI 寫。例如第 7 點嘅 Prompt 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。簡單啲（自己直接寫）都得，如果寫完唔滿意，可以喺呢個基礎上叫 AI 優化個 Prompt：
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。而家啲 AI 工具都好醒目，我哋只要要求佢生成 Skill 嗰陣整埋獨立腳本，佢就會自己搞掂。大多數情況都唔使另外再入 Prompt。
7. 實現【劇本解析】模組
將原始劇本變做結構化數據。識別並生成場景標題、角色名、對白、動作同埋轉場。
8. 實現【角色提取】模組
喺【7】嘅解析結果入面提取角色檔案：性別、年齡層、體型、髮型、關鍵詞。要求輸出嗰陣俾埋每個角色一段 Prompt 描述，之後整分鏡可以直接用，call 嗰陣都方便啲。
9. 實現【場景分析】模組
喺【7】嘅每個場景入面提取地點、室內定室外、時間段、光線、氛圍，幫每個場景生成一條基礎視覺 Prompt。呢一層係全條片嘅視覺基礎，之後嘅鏡頭都會疊加喺上面。
10. 實現【分鏡生成】模組
跟住【7】嘅場景自動拆開做鏡頭，起碼要包括：建立鏡頭（Establishing Shot）、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、轉場同埋 Prompt。首先要保證「有鏡頭可以用」，之後再慢慢優化鏡頭嘅藝術感。
11. 實現【提示詞優化】模組
將鏡頭 Prompt 做統一處理：術語標準化、刪除重複嘅 Prompt、補返啲質量詞（提升畫面質素同穩定性嘅萬能詞，例如高質量、電影感、清晰對焦呢類）。咁樣可以令輸出更加夾啲片嘅 Model，唔會每段風格都散晒。有時間嘅話，仲可以針對唔同風格、唔同影片 Model 嚟整唔同嘅 Prompt 規範表。
12. 實現【一致性檢查】模組
檢查角色跨鏡頭嘅 Prompt、場景有無突然跳咗去第度、光線轉變會唔會好突兀等等，最後輸出「問題 + 修復建議 + 複用規範 Prompt」。
後期：測試優化同埋封裝
確認預設嘅導出格式，呢度我希望起碼支援 JSON + CSV + Markdown。目標係等唔同崗位嘅人都可以直接睇同埋直接用。
用 2-3 份唔同嘅劇本行一次全流程。呢啲劇本可以用 AI 生成，或者自己提供都得。
重點檢查：啲 Field（字段）有無漏、鏡頭啱唔啱、Prompt 係咪符合自己要求。
重要嘅部分可以單獨拎出嚟，補充返獨立文件同腳本。例如我對影片 Prompt 有特定要求，咁就可以整一個獨立嘅 Prompt 參考文件（擺喺 references）或者 Prompt 格式參考模板（擺喺 assets），並要求腳本喺指定場景 call 佢。
發現有問題就叫 AI 針對返對應嘅模組嚟改。
最後整理做一個清晰嘅目錄，最簡單可以只係一個 SKILL.md，複雜啲就可以加埋 scripts/、references/、assets/ 呢啲資料夾。我呢度嘅格式係：
SKILL.md + scripts/ + references/ + assets/。
呢部分直接叫 AI 封裝 Skill 然後自己 confirm 就得。去到呢一步，我哋就擁有一個比較完整嘅 Skill 喇。
梳理晒全部步驟之後，就可以輸出一個完整嘅 Prompt，叫 AI 生成 Skill。需要詳細輸出嘅地方，可以單獨生成 Prompt 或者模板之後擺入去，要求腳本去 call。
下面我放咗最初我嘅提示詞要求，後期對呢組提示詞進行咗分步嘅詳細優化，但係我個 Claude 賬號被封咗，所以優化提示詞嘅過程冇咗😅，但大致嘅邏輯思路係上面咁樣嘅，供大家參考。另外，references/ 同埋 assets/ 入面嘅內容都建議通過多輪對話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？
首先抓一條主線：諗清楚「用嚟做乜、輸入啲乜、交付輸出啲乜」，再將中間嘅步驟進行拆分（例如解析、生成、檢查、導出），然後要求統一格式，再叫 AI 輸出。
輕鬆慵懶版嘅順序可以係：提示詞直接要求佢可以通過輸入啲乜，獲得啲乜嘢輸出，中間嘅流程係點樣嘅，有邊啲模板可以調用，最後叫 AI 寫腳本。等呢個搞掂咗，需要啲乜再補充。咁樣做唔會一開始就陷入技術細節，亦都唔容易做做下走咗樣。
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。
喺叫 AI 按要求生成 Skill 之前，將要求盡可能梳理得全面啲，覺得邏輯唔夠清晰或者仲有優化空間，都可以叫 AI 繼續去優化提示詞。
點解自動化腳本要單獨抽出來？
自動化腳本要單獨抽出來，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，模板就負責規範格式同交付嘅外觀。
點解要分咁多個子腳本？
喺複雜嘅 Skill 入面，將腳本單獨擺喺 scripts/，可以等我哋直接調用、測試、替換同部署，唔會被文檔內容干擾；同時當規則有變嗰陣，我哋可以只係改 references/，當邏輯有變嗰陣就只係改 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，而且準確高效率？
最簡單嘅方法係：每次只係叫 AI 做一件小事，並話畀佢知「只係改邊度、唔好亂改、改完點樣驗收」。你可以直接講：只係檢查並修改 scripts/scene_analyzer.py（複製文件路徑）入面嘅光線規則，唔好郁其他文件；先搵出問題點，再做最小變動；最後只係話我知改咗邊幾行、會影響啲乜、點樣驗證。咁樣 AI 唔會周圍讀文件、唔會大改 code，token 花得少，結果亦都更穩陣。
至於要唔要改 SKILL.md，取決於你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，可以查看內部所有文件，安裝咗就可以直接用：
https://my.feishu.cn/docx/PsPfdVFD9oZ3nZxcvBFcGxdgnje
如果對 Skill 唔夠了解，推薦閱讀我好友 @一澤Eze 呢篇：Agent Skills 終極指南：入門、精通、預測
小結
好啦今日嘅分享就先到呢度，啱啱恢復開工感覺腦袋唔係幾靈光咁，等有時間單獨整理 Seedance 2.0 嘅多種提示詞模板同埋寫法。幾時先可以爽快咁用啊，真係好慢！
題外話，大家最近有冇用 OpenClaw？對佢有乜新睇法？我有幾個問題，歡迎朋友們喺評論區一齊討論，用佢賺到錢未定係純粹使錢？用佢完成嘅任務其他工具有冇得替代，定係得佢先做到？用佢使咗幾多錢，攞到啲乜嘢階段性成果未？
期待大家猛猛三連（點讚、訂閱、分享），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！