我是如何用“AI挽具三股绳”调教出4个干活的智能体，跑通AI短剧视频生产线

一、 为什么写这篇复盘？

• • 身份转换：这次航海，我从学员变成了教练。看着航行过半，群里活跃度有点低，我知道很多人卡壳了。大家看了手册，概念都懂，但一到自己的实际业务就懵了，不知道第一步怎么迈出去
• • 我的现状： 最近一个月我死磕一件事——跑通 AI 短剧带货视频的工作流。给大家透个底，受限于模型成本，这套玩法的“商业变现闭环”我还在继续优化，但“AI 工业化生产闭环”我已经跑通了
• • 今天不吹牛皮不讲商业模式，纯分享实操。看看从“抓取爆款”到“输出分镜”，我是怎么用 AI 给自己加杠杆，造出一条生产流水线的
• • 核心目的： 纯分享实战案例。把理论挂钩到实际案例上，看看从“拆解爆款”到“生成分镜提示词”的整个工作流，到底是怎么落地的、我是怎么用AI赋能的、如何用好手册第一章【用好AI挽具的三股绳】
• • 核心解法：面对几千字的长剧本、复杂的人物建档，新手自己手敲提示词绝对会崩溃。我的核心心法只有一个：别自己干，让 AI 帮你写提示词。 我做了一个【元提示词】，它相当于我这个 AI 工作室的总经理，专门帮我把初始想法细化、迭代，最终搭建出四个专职干活的“数字员工”（智能体）：爆款扩容专家、脚本生成器、视觉总监、分镜导演
• • 整个生产SOP，核心就是给 AI 套上“缰绳”。不给规则，它就乱跑（降智、幻觉）；给了明确的格式、剧情边界，它就是最不知疲倦的打工人

二、 SOP拆解：从爆款拆解到视觉剧本

第一步：爆款入库与文案二创

• • 动作： 在视频号刷到爆款短剧带货视频，转发给元宝让他提取完整的文案
• • 投喂： 通过提示词将文案拆解出的逻辑和剧情设计作为“充足的上下文信息”，作为谷歌Gemini的GEM智能体知识库
• • 产出： 基于提示词设计的爆款逻辑，生成我们自己的新/二创剧本文案

第二步：从文本剧本到“视觉剧本”（建立4个智能体）

• • 痛点： 纯文本的剧本没法直接用来生成视频，需要转化为“视觉提示词”
• • 动作： 围绕视频生成需求，建立人物建档、视觉建档等环节
• • 产出： 通过AI辅助，提炼出对应这4个环节的专属提示词（相当于造了4个专职干活的智能体）

第三步：调优与限制（解决AI的“降智”与“幻觉”）

• • 痛点： AI初代给出的提示词，直接丢给视频模型会水土不服（比如不适配特定视频模型、人物前后逻辑冲突、长文本导致AI“降智”胡言乱语）
• ◦ 限制1： 消除上下文转场冲突，规定画面连续性。
• ◦ 限制2： 针对长剧本“降智”问题，设定分段输出机制（切分段落），同时强制要求保持前后文关联
• ◦ 限制3：每个提示词都涵盖很多【绝对禁止】项，避免AI发散、或者带入其它与目标无关的输出

三、 具体案例演示

核心实操：我的 AI 短视频工业化流水线

为了跑通整个创作闭环，我没有试图用一个提示词解决所有问题，而是搭建了一个“AI 工作室”。里面有四个核心员工（智能体）：爆款知识库扩容专家、短视频脚本生成器、视觉资产总监、和 即梦AI分镜导演（所有提示词放在最后）

下面是具体的流水线作业步骤：

1. 做一个【元提示词】

用来帮我搭建工作流的、四个角色提示词，所有提示词初始化、结果回传、迭代优化、都在这里完成

2. 备料阶段：扒爆款，建“语料知识库”

我们要给 AI 喂高质量的“饲料”，它才能产出好内容。

• • 动作一：抓取文案。 在视频号刷到对标的爆款短剧/带货视频后，直接转发给“元宝”（或其他 AI 助手），让它把视频里的口播和剧本逐字稿扒下来

• • 动作二：清洗入库。 拿到原始稿件后，使用爆款知识库扩容专家，让 AI 把这篇稿子清洗、结构化，变成 AI 能听懂、能学习的“知识库语料”（对应手册第二个作业、知识库语料整理环节）

3. 编剧阶段：打造“短视频脚本生成器”

有了语料，我们需要一个专门写本子的编剧。

• • 动作一：创建智能体。 在 Google Gemini（GEM）里创建一个全新的智能体，命名为【短视频脚本生成器】。把第一版初稿提示词和刚才做好的知识库喂给它

动作二：循环调教

• • 第一版生成的剧本基本没法看，但是没关系。我们把生成的结果，直接扔回给“元示词”，告诉它哪里不好：比如逻辑不顺、不够口语化、剧情人名前后错乱，让它帮我们修改提示词重新去生成
• • 可以看到我的提示词里面有很多限制。一开始做prompt不会做很多限制项。只有执行后出现了错误结果。才会增加限制条件

【短视频脚本生成器】智能体使用效果（长图、在生财官网的、建议跳转飞书原链接查看）

给 AI 套上“缰绳”，实现模块化输出

大家看上面的使用截图，这个智能体最终给我输出了三个非常清晰的模块：

• • 模块 A：剧情初步排版表
• • 模块 B：全局人物视觉资产
• • 模块 C：完整的剧本

为什么要让它这样模块化输出？ 这是为了后面的流水线做准备。有了这种结构，我接下来复制粘贴就行，直接把模块 B 复制扔给“视觉资产总监”，把模块 C 扔给“即梦 AI 分镜导演”，它们就能立刻接手干活，实现了无缝衔接（在元提示词中逐步搭建出来的）

它是怎么做到这么听话的？ 核心就在于我给 AI 套上“挽具”。在提示词的设计里，我强制规定了它的输出格式，并且把剧情走向、设计方向全都做了死死地限制。在规则足够明确的情况下，它输出的结果基本面就全在我的掌控之中

4. 美术阶段：打造“视觉资产总监”

剧本写好了，但纯文字没法直接变成画面、视频，需要定好人物长什么样、带货环境在哪、产品长什么样、如何呈现…

• • 动作一：提取视觉元素 创建第二个智能体【视觉资产总监】。把【短视频脚本生成器】写好的模块C喂给它，让它提炼出三个核心视觉提示词：人物设定、带货环境设定、带货物品设定

把上一步【短视频脚本生成器】的结果–C模块输出到【视觉资产总监】

• • 动作二：生成视觉参考。 拿到这三组提示词后，丢到绘画工具里（比如 Google 的生图工具flow 或 ChatGPT 的 image2…），把人物和场景的参考图跑出来，这就形成了我们的“视觉资产”

用即梦生成带人脸的视频，需要一些手法，才能够通过审核。如果直接上传一个人物，基本上是不过审的。YouTube航海手册里面有通过的方法（太棒了！！！），就用了这个提示词，然后我在生成人物提示词的时候，就在模板里面让他内置了一个后缀【基于参考图…】，就能够通过即梦的审核

5. 摄制阶段：打造“即梦 AI 分镜导演”

最后一步，是把剧本和视觉资产变成具体的视频画面

• • 动作一：转译分镜提示词。 因为像“即梦”这样的视频生成大模型，有它自己的一套提示词语言习惯。我们用元提示词创建第三个智能体【即梦 AI 分镜导演】
• • 动作二：自动化拆解。 把【短视频脚本生成器】写好的模块B，视频脚本直接扔给它，它会自动把文本剧本，拆解、转译成可以直接复制粘贴、到“即梦”里去生成的“分镜提示词”，也就是视觉剧本了
• • 结果： 拿着这些分镜提示词，去即梦里逐个生成视频片段，最后混剪出片

完整的分镜提示词：

代码块
Plain Text
复制
分镜 08：【制作引擎：即梦大模型】 场景与光影：楼道门口。光影交错，凸显人物的崩溃感
 在楼道门口@ 中，大强形象参考@ ，陈蓉形象参考@ ，金属门框参考@ 
0-3秒：【中景镜头】大强紧握右拳用力捶打旁边的金属门框，门框发出震颤；大强（原声）台词「我带她去医院也查不出毛病，我媳妇今天正跟我闹离婚，我比你还疯！」 
4-7秒：【近景特写】陈蓉被巨响惊吓向后倒退半步，随即挺直脊背怒视前方；大强（原声）台词「你有本事你把我妈腿捆上啊！」
 8-11秒：【近景镜头】陈蓉伸出右手食指直指大强的面部方向；陈蓉（原声）台词「你这是什么混蛋逻辑！行，解决不了是吧，我这就叫物业和居委会来曝光你们！」
 12-15秒：【中景镜头】大强烦躁地挥动右臂驱赶空气，侧转过身体准备往回走；大强（原声）台词「你爱叫谁叫谁，随便！」 
大强音色参考@ ,陈蓉音色参考@ 真人写实风格，8K高清电影质感，画面细腻真实。全片严禁出现任何字幕、文字、贴纸文字、弹幕、标题条、角标和UI文字，画面内也不要出现可识别文字。人物必须严格按提示词设定呈现，不得增减人物，不得替换形象。整体内容严格按提示词生成，镜头可自然切换，但符合真实拍摄逻辑。本视频为原生影视素材风格，不要任何后期包装元素；如出现字幕、文字、配乐或多余人物，视为生成错误

产品图就放了下面这个，视频出来的效果还原度还是不错的人物生成的脸都很相似、只能通过服装、年龄去区分开

四、智能体完整提示词

电视片脚本生成器

代码块
Markdown
复制
---
[ Author: 志豪 | 转载请保留出处 ]
---

即梦AI分镜导演

代码块
Markdown
复制

视觉资产总监

爆款知识库扩容专家

元提示词

Gemini调教全过程的链接：https://gemini.google.com/share/c1107771089d非常多内容，需要加载一段时间，里面涵盖我整个调试过程，请选择性观看！

以上就是我用AI生成短剧视频的全流程，对你有用别忘了投个锚点呀！！！