嗨大家好！我是阿真！新年快乐！
好久不见了，放假给我放爽了，回来猛猛干活了。今天这篇比较轻松，我先复健一下，写个简单一点的关于视频提示词 Skill 制作的。
上次写Coze Skill的时候，我曾经分享过一个剧本生成分镜的Skill，大家可以直接在 Coze 使用，链接在：
https://www.coze.cn/?skill_share_pid=7596234767713173538
也可以直接下载 Skill 文件，文件附件链接我放文章最后的飞书云文档链接了。原 Skill 做得比较通用，大家可以在我的基础上修改。
关于它怎么使用，我在 Coze Skill 也写过，就不再赘述，在上面这个 Coze 技能这里也可以看到使用案例：
或者下载最后的 Skill 文件，上传到支持 Skill 使用的工具使用也可以：
今天分享这样的 Skill 怎么做。
简单来说思路就是，首先想明白要做什么，然后将任务一步步拆细，先有整体结构，然后填充枝叶。
完整的 Skill 结构是这样的：
上面几个结构的说明👇
SKILL.md：定义这个 Skill 的定位与入口，说明怎么触发、整体流程、输入要求、输出目标。 这个可以自己写一个雏形，然后和 AI 工具沟通并优化。
scripts/：执行层，这里放的 Python 自动化脚本，它负责把流程真正跑起来（解析、提取、生成、优化、导出等）。这个可以给到流程思路让AI来写。
references/：知识规范层，提供术语、模板、规则和方法，保证结果统一、可解释、可复用。类似知识库，可以把往常使用的格式规范放进来，并且在需要生成具体某个部分的内容的时候，要求它按照这个规范输出。
assets/：交付模板层，提供可直接套用的资源文件（如 HTML/CSV/JSON 模板与速查表）。它可以提高交付速度和统一性，避免每次从零做格式与排版。
下面是SKILL.md文件，完整 Skill 内容大家可以在文章最后的分享链接去下载查看：
---name: script-to-video-promptsdescription: 短剧剧本转视频提示词生成器。将用户上传的短剧剧本文档智能拆解为可直接用于AI视频生成的完整中文提示词体系。输出包括：角色设定提示词、场景设定提示词、逐镜头分镜提示词。支持批量处理、多格式导出、一致性校验。当用户说"剧本转视频提示词"、"拆解剧本生成分镜"、"短剧转视频"、"批量生成分镜提示词"、"剧本可视化"时触发。---# 短剧剧本转视频提示词生成器将短剧剧本文档智能拆解为可直接用于AI视频生成的完整中文提示词体系，支持自动化批量处理。## 用户输入- 短剧剧本文档（Word/PDF/TXT/Markdown/Final Draft .fdx）- 可选：风格参考图片、角色参考图片、已有角色设定表## 工作流程### 1. 剧本智能解析使用 `scripts/parse_script.py` 解析剧本：- 自动识别剧本格式（标准编剧格式/自由格式）- 提取场次(Scene)、场景描述(Action)、角色对白(Dialogue)、动作指示(Parenthetical)- NLP分析：情绪曲线、节奏变化、画面密度- 自动生成场次时长估算### 2. 角色设定提取使用 `scripts/character_extractor.py` 提取角色信息：- 基础外貌（年龄、性别、体型、五官特征）- 发型发色、肤色- 服装造型（支持多场次服装变化追踪）- 角色气质/性格的视觉化表达- 标志性道具/配饰输出格式参考 [references/character_template.md](references/character_template.md)### 3. 场景设定分析使用 `scripts/scene_analyzer.py` 分析场景：- 场景类型（室内/室外、具体地点）- 空间结构、关键道具布置- 光线设计（光源类型、方向、强度、色温）- 色彩基调、视觉氛围- 天气/时间/季节输出格式参考 [references/scene_template.md](references/scene_template.md)### 4. 分镜提示词生成使用 `scripts/storyboard_generator.py` 生成分镜：- 镜头编号（场次-镜号）- 景别（大特写/特写/中近景/中景/中远景/远景/大远景），详见 [references/shot_terminology.md](references/shot_terminology.md)- 画面构图（三分法位置、视线引导）- 角色动作、表情、站位- 运镜方式（固定/推/拉/摇/移/跟等），详见 [references/shot_terminology.md](references/shot_terminology.md)- 情绪氛围关键词，详见 [references/mood_keywords_library.md](references/mood_keywords_library.md)- 建议时长（秒）- 转场方式### 5. 一致性校验使用 `scripts/consistency_checker.py` 校验：- 角色跨镜头一致性控制- 场景连续性检查- 光影风格统一性校验- 详见 [references/consistency_control.md](references/consistency_control.md)### 6. 导出使用 `scripts/export_utils.py` 导出：- 支持格式：Markdown/JSON/CSV/Excel- 支持按场次/角色/场景分类导出- 可生成可视化分镜脚本## 输出结构```一、项目元数据 - 片名、集数、总时长、场次数二、风格总设定 - 画面风格、色彩体系、光影风格三、角色设定库 - JSON结构化数据 + 自然语言描述四、场景设定库 - JSON结构化数据 + 自然语言描述五、完整分镜提示词 - 按场次顺序排列，提示词全部使用中文六、一致性参考表 - 角色/场景一致性种子词```## 参考文件### scripts/（自动化脚本）- `parse_script.py` - 剧本解析器- `character_extractor.py` - 角色信息提取- `scene_analyzer.py` - 场景分析- `storyboard_generator.py` - 分镜生成- `consistency_checker.py` - 一致性校验- `export_utils.py` - 多格式导出- `prompt_optimizer.py` - 提示词优化### references/（规范文档）- `screenplay_format_spec.md` - 剧本格式规范- `character_template.md` - 角色设定模板- `scene_template.md` - 场景设定模板- `shot_terminology.md` - 景别/运镜术语词典- `mood_keywords_library.md` - 情绪氛围关键词库- `video_style_guide.md` 视频风格指南- `consistency_control.md` - 一致性控制指南- `prompt_patterns.md` - 高效提示词模式库### assets/（模板资源）- `storyboard_template.csv` - 分镜脚本CSV模板- `export_template.html` - 可视化导出HTML模板
下方【文件结构】是 Skill 的文件结构，它的文件结构中必须有 SKILL.md 文件。YAML头部、Markdown正文和关键要素是SKILL.md 格式规范。（可选）的部分是不固定的，可以是文件也可以是文件夹，文件夹的命名也可以按照自己的要求来👇
制作 Skill 的时候，可以前期制定标准，中期优化功能模块，后期测试优化与封装。下面是完整的执行思路，注意下方虽然分了步骤，但是实际生成 Skill 的时候它也可以一次执行所有要求，再根据效果继续优化调整的。
我希望这个 Skill 的工作流程是这样的：
剧本解析 → 角色提取 → 场景分析 → 分镜生成 → 提示词优化 → 一致性检查 → 导出。
如果没有具体明确的工作流程要求，后面所有实现都会默认按照这个规范。
确定支持哪些输入：比如txt/md/docx/pdf/fdx。 同时定义默认输入是一个剧本文档，也可以是一段话甚至一句话，但是这样的话效果和内容走向可能会不太可控；“推荐输入”可加角色图参考、风格图参考、画幅要求、时长限制。
先写清楚最终要产出哪些文件：角色设定、场景设定、分镜提示词、一致性报告、导出文件格式等，这一步的作用是防止中途越做越偏。
确定每一步输入输出长什么样。我希望它输出分镜表是什么样的，希望它输出角色设计提示词格式是什么样的等等。这一步很关键，每个输出项的字段先定好，再让 AI 按要求输出，后面就不会乱。
比如我希望完整的分镜提示词表是按照第 X 幕第 X 场景，每个场景的提示词表包含镜头编号、景别、画面描述、构图、运镜、光线、色调、氛围、时长、镜头角度、提示词等。那么我可以自己做或者让AI来生成这样一个统一的表格模板，如果本身有这样的模板，也可以直接放进去。后面的每个脚本都读写这个模板，并且按照这个格式输出，这样就不会不同幕和场景之间格式互相对不上。
可以制作模板放在 assets 里，让 AI 生成的脚本参考这些模板规范进行生成。
references 中存放术语与模板。
整个提示词的规则可以输出为单独的文档，比如剧本格式规范、镜头术语、情绪词库、提示词模板、一致性指南等。这样会更方便修改和规范指定方向的文档内容。其他人查看时，也能知道为什么这么做。
assets 中存放可复用模板内容。
比如：分镜 CSV 模板、角色提示词模板、HTML 模板、速查表等等。这样每次新项目也能直接复用，不用重做排版和字段。
references 和 assets 中的内容建议单独生成、优化，输出文件后放进去，再给到指定路径给后续脚本调用。
接下来的 7-12 几个模块都是脚本，这些都可以让 AI 来写。比如 7 的提示词参考如下：
帮我生成脚本，用于把原始剧本内容（支持 `txt/md/docx/pdf/fdx`）解析成结构化 JSON，要求自动识别并分类：场景标题（INT/EXT 或“第X场/场景X”）、角色名、对白、动作、转场，并输出中文字段：`标题`、`场景列表`、`全角色`、`全地点`、`总时长秒数`、`元数据`（含`场景数`、`角色数`、`地点数`），其中每个场景至少包含`场景编号`、`场景标题`、`地点`、`时间段`、`内外景`、`角色`；规则是“上一行是角色名则下一行优先判定为对白，否则判定为动作”，没有场景标题时自动创建默认场景，空行跳过；重点先保证稳健性和通用性，不追求复杂算法，优先做到“任何剧本或任意文本内容都能读入并形成场景列表”；支持通过命令行传入文件路径并输出格式化 JSON，代码尽量清晰、注释简单、依赖缺失时提示安装。
更简单点（自己直接写），这样写不满意的话可以在这个基础上让 AI 优化提示词：
生成一个通用剧本解析脚本，能读取常见文本格式并智能分析内容，自动识别场景、角色、对白、动作和转场，输出清晰的结构化 JSON；要求优先保证稳定可用，即使输入不规范也能自动补默认场景并正常返回结果。
现在的 AI 工具都很机灵了，我们只要要求它生成 Skill 的时候生成单独的脚本，它就会自己生成。大多数时候都不需要单独输入提示词。
7. 实现【剧本解析】模块
把原始剧本变成结构化数据。识别生成场景标题、角色名、对白、动作、转场。
8. 实现【角色提取】模块
从【7】的解析结果里提角色档案：性别、年龄段、体型、发型、关键词。要求输出时给每个角色一段提示词描述，后面分镜直接可用，调用也方便。
9. 实现【场景分析】模块
从【7】的每个场景里提地点、室内外、时间段、光线、氛围，给每个场景生成一条基础视觉提示词。这一层是全片视觉基础，后面镜头都在它上面叠加。
10. 实现【分镜生成】模块
按【7】的场景自动拆成镜头，至少包含：建立镜头、角色出场、对话镜头。每个镜头都要有编号、景别、运镜、动作、时长、转场、提示词。先保证“有镜头可用”，再逐步优化镜头艺术性。
11. 实现【提示词优化】模块
把镜头提示词做统一处理：术语标准化、去重复提示词、补质量词（提升画面质量和稳定性的万能词，比如高质量、电影感、清晰对焦这类）。这样能让输出更适配视频模型，不会每条风格都散。有时间的话还可以针对不同风格单独制作不同风格、不同视频模型的提示词规范表。
12. 实现【一致性检查】模块
检查角色跨镜头提示词、场景是否跳变、光线是否变化突兀等，输出“问题 + 修复建议 + 复用规范提示词”。
确认默认导出格式，这里我希望至少支持 JSON + CSV + Markdown。目标是让不同职能都能直接看和用。
用 2-3 份不同的剧本跑全流程。这个剧本可以 AI 生成也可以自己提供。
重点检查：字段是否缺失、镜头是否正确、提示词是不是符合自己的要求。
重要的部分可以单独拎出来补充单独文档和脚本，比如我对视频提示词有指定的要求，那么可以单独一个提示词参考文档（放在 references ）或提示词格式参考模板（放在 assets ）并要求脚本在指定场景调用。
发现问题就让 AI 针对对应模块修改。
最后整理为清晰目录，最简单的可以就一个SKILL.md，复杂一些就可以加上脚本、参考、模板等文件夹了，我这里的格式是：
SKILL.md + scripts/ + references/ + assets/。
这个直接让 AI 封装Skill然后自己确认就可以。到这一步，我们就拥有一个比较完整的 Skill 了。
梳理完全部步骤后，就可以输出一个完整的提示词，让 AI 生成 Skill 了。需要详细输出的地方，可以单独生成提示词或模板后放进去，要求脚本调用。
下面我放了最初我的提示词要求，后期对这组提示词进行了分布的详细优化，但是我的 Claude 账号被封了所以优化提示词的过程没有了😅，但大致的逻辑思路是上面这样的，供大家参考。另外，references/ 和 assets/ 中的内容也建议通过对话多轮优化到自己满意的效果。
你是一个 Skill 开发助手，帮我从零构建一个「剧本转视频分镜提示词」Skill。请按以下规格和顺序执行，不可跳步，不可合并步骤。
---【第一步：工作流程定义】这个 Skill 的工作流程是：先解析剧本结构，识别出幕、场景、对白和动作描述；然后提取所有角色，为每个角色生成设定；接着分析所有场景，为每个场景生成设定；再把每个场景拆解成具体镜头，生成分镜提示词表；之后对每条提示词做优化，确保它足够具体、包含必要的视觉参数、并且与角色和场景设定一致；然后做一致性检查，交叉比对角色、场景与分镜之间的偏差；最后按用户要求的格式导出。不可以跳步，不可以合并步骤。如果用户没有特别要求改变流程，永远执行完整的七步。【第二步：输入规格定义】支持接收 txt、md、docx、pdf 和 fdx 格式的剧本文件。最低可运行的输入是一个剧本文档，哪怕只是一段话甚至一句核心概念也能启动流程，但必须在开始前告诉用户：当前输入信息有限，后续生成内容的风格一致性和走向可能不完全可控，建议补充更多信息。推荐的输入是剧本加上角色参考图、风格参考图、目标画幅比例、目标时长、以及希望的视觉风格关键词。用户提供的参考图永远优先于自己的推断。【第三步：最终产出定义】最终产出：一份角色设定文档，包含每个角色的外貌、服装、气质关键词和可用于 AI 生图的完整提示词；一份场景设定文档，包含每个场景的空间描述、光线类型与方向、主色调和氛围词；一份完整的分镜提示词表，按照幕、场景、镜头三级结构组织；一份一致性检查报告，标注角色和场景在不同镜头之间的视觉偏差；最后是以上所有内容的导出文件，支持 CSV、Markdown、Excel 和 HTML 格式。这五样东西是这个 Skill 存在的全部目的，任何中间步骤都是为了最终产出它们。【第四步：统一结构规范】分镜提示词表按第 X 幕第 X 场景组织，每个场景的提示词表包含以下字段：镜头编号、景别、画面描述、构图、运镜、光线、色调、氛围、时长、镜头角度、提示词。先生成这个统一的表格模板，后面所有脚本都读写这个模板并按此格式输出。【第五步：references 内容】生成以下规范文档：剧本格式规范、镜头术语表、情绪词库、提示词模板、一致性检查指南。每个文档独立成文件，方便后期单独修改。【第六步：assets 内容】基于第四步的结构规范，生成以下可复用模板文件：分镜 CSV 模板、角色提示词模板、HTML 导出模板、速查表。【第七步：剧本解析脚本】写一个脚本，能读剧本文件，分出场景、角色、对白和动作，最后输出为 JSON 格式。代码清晰精炼、注释清楚。【第八步：角色提取脚本】从解析结果里提取角色档案，包含性别、年龄段、体型、发型、关键词。为每个角色输出一段可直接用于 AI 生图的提示词描述。【第九步：场景分析脚本】从每个场景里提取地点、室内外、时间段、光线、氛围，为每个场景生成一条基础视觉提示词。【第十步：分镜生成脚本】按场景自动拆成镜头，至少包含建立镜头、角色出场、对话镜头，每个镜头严格按照第四步定义的字段输出。【第十一步：提示词优化脚本】对所有镜头提示词做统一处理：术语标准化、去重复、补质量词、输出质量打分。参考 references/ 中的提示词模板和镜头术语表。【第十二步：一致性检查脚本】检查角色跨镜头是否漂移、场景是否跳变、光线是否变化突兀，输出「问题 + 修复建议 + 复用规范提示词」报告。【第十三步：导出脚本】将所有产出内容导出为 JSON、CSV、Markdown 三种格式，HTML 格式基于 assets/ 中的 HTML 模板生成。【第十四步：测试】用 2-3 份不同类型的剧本跑全流程，重点检查：字段是否缺失、镜头是否正确生成、提示词是否符合 references/ 中的规范。发现问题后定位到对应脚本，只修改该脚本，不动其他文件。告诉我每份剧本的测试结果和发现的问题。【第十五步：封装 SKILL.md】基于以上所有内容，生成完整的 SKILL.md 文件，包含：定位说明、触发方式、完整七步流程说明、输入要求、输出目标、文件目录结构。---所有文件生成完毕后，输出完整目录结构，以及如何用一份测试剧本跑通全流程的指南。
先抓一条主线：先想清楚“用来做什么、输入什么、交付输出什么”，再把中间步骤进行拆分（比如解析、生成、检查、导出），然后要求统一格式，再让 AI 输出。
轻松慵懒版顺序可以是：提示词直接要求它可以通过输入什么，获得什么输出，中间的流程是怎样的，有哪些模板可以调用，最后让 AI 写脚本。等这个完成了，需要什么再补充。这样做不会一开始就陷入技术细节，也不容易做着做着跑偏。
有任何不清楚的地方都可以问 AI，从大方向到细化都可以问。比如：
AI可能会写得很详细，我们提取关键要素就可以。
再让 AI 按要求生成 Skill 之前把要求尽可能梳理全面，感觉逻辑不够清晰或者还有优化空间，都可以让 AI 去继续优化提示词。
自动化脚本要单独出来，是因为它和说明文档、模板资源的职责完全不同：在这里，脚本负责执行流程并产出结果，参考文档负责解释规则和标准，模板负责规范格式和交付外观。
为什么要分很多个子脚本？
复杂的 Skill 中，把脚本单独放在 scripts/，可以让我们直接调用、测试、替换和部署，不会被文档内容干扰；同时当规则变化时，我们可以只改 references/，当逻辑变化时只改 scripts/，维护成本和排错成本都会明显降低。
后期如果要修改内容，怎么要去要求 AI 去排查和修改比较节省 token ，并且准确高效率？
最简单的方法是：每次只让 AI 干一件小事，并告诉它“只改哪里、不要乱改、改完怎么验收”。你可以直接说：只检查并修改 scripts/scene_analyzer.py（复制文件路径） 里的光线规则，别动其他文件；先找问题点，再最小改动；最后只告诉我改了哪几行、会影响什么、怎么验证。这样 AI 不会到处读文件、不会大改代码，token 花得少，结果也更稳。
至于要不要改 SKILL.md，取决于改的是规则说明还是代码细节。
小白判断法：如果用户使用方式变了，就改 SKILL.md；如果只是内部实现变了，可以不改。
下载这个 Skill ，可以查看内部所有文件，安装即可直接使用：
https://my.feishu.cn/docx/PsPfdVFD9oZ3nZxcvBFcGxdgnje
如果对 Skill 不够了解，推荐阅读我好友@一泽Eze的这篇：Agent Skills 终极指南：入门、精通、预测" data-itemshowtype="0" linktype="text" data-linktype="2">Agent Skills 终极指南：入门、精通、预测
好啦今天的分享就先到这里，刚恢复开工感觉脑子不是很灵光的样子，等有时间单独整理 Seedance 2.0 的多种提示词模板及其写法。几时才能爽用啊真的好慢！
题外话，大家最近使用 OpenClaw 了吗？对它有什么新的看法吗？我有几个问题，欢迎朋友们评论区一起讨论，用它赚到钱了吗还是纯花钱？用它完成的任务其他工具可以替代完成，还是只有它可以做到？用它花了多少钱了，取得了什么阶段性成果了吗？
期待大家的猛猛三连，下期见！
粤ICP备14082021号
免费POC，
零成本试错
