AI 电影导演工作台和提示词生成系统

这是一套给 AI 电影、AI 短片和连续剧集使用的双 Skill 工具箱。你可以把它理解成两位协作助手：

AI 电影导演工作台负责把故事拆成项目、镜头和素材，管理人物、场景、道具、参考图、审片与交付。
提示词生成系统负责把已经确认的镜头要求，整理成图像提示词、视频运动提示词和导演级长提示词。

它不是一键出片软件，也不会替你调用平台生成视频。它解决的是出片前最容易混乱的部分：到底该准备什么素材、参考图分别锁定什么、一个镜头如何写到可执行、生成失败后该改哪里。

第一次使用，先选你的情况

你现在想做什么	建议使用	不需要先做什么
只想把一个镜头写成完整提示词	`ai-video-prompt-generator`	不用先建立完整电影项目
有剧本，要制作多个连续镜头	两个 Skill 一起使用	不用手工创建所有 JSON 文件
不知道人物图、场景图、道具图怎么准备	`ai-film-production-system`	不要一上来就批量生图
提示词已经通过检查，想提交即梦生成并下载结果	推荐搭配官方即梦 CLI	不要跳过积分确认和 proof shot
想研究《万物生》是怎么组织提示词和参考素材的	`sources/neowow-wanwusheng/`	不要把原提示词直接当万能模板

如果你是小白，建议先做一个 5～15 秒的 proof_shot，验证人物一致性、动作和镜头，再扩展成完整项目。

两个 Skills 分别做什么

中文名称	Skill 目录	负责什么
AI 电影导演工作台	`skills/ai-film-production-system`	项目结构、人物/场景/道具资产、参考图职责、镜头计划、批次、审片、时间线和交付
提示词生成系统	`skills/ai-video-prompt-generator`	Prompt Spec、故事板/首帧提示词、视频运动提示词、导演级长提示词、校验和 lint

两者不是重复实现。导演工作台保存“项目真相”和素材职责；提示词系统把这些确定的信息编译成模型更容易执行的提示词。

推荐搭配官方即梦 CLI 使用

推荐另外安装并使用官方即梦 CLI，把它作为第三个、可选的“外部执行层”：

ai-film-production-system
  规划项目、镜头、素材和生产门禁
            ↓
ai-video-prompt-generator
  生成并检查故事板提示词、运动提示词和导演级长提示词
            ↓
官方即梦 CLI
  登录/积分检查、提交即梦任务、异步查询、下载结果和保存运行记录
            ↓
ai-film-production-system
  审片、记录失败原因、决定修复或进入下一批次

三个工具的职责要分开：

ai-film-production-system 决定做什么、需要哪些素材、什么结果可以进入下一阶段；
ai-video-prompt-generator 只根据已确认的镜头事实生成和校验提示词；
官方即梦 CLI 负责执行即梦/Seedance 侧的真实生成任务，不替导演决定故事、镜头功能或创意验收。

官方即梦 CLI 不包含在本仓库内，也不会被本仓库的安装脚本复制、打包或代为维护。 本仓库仍然只有两个 Skills；即梦 CLI 只作为推荐的官方外部工具。

让 Agent 自动适配官方 CLI

CLI 命令和参数可能随版本变化，不应该把本机路径或旧参数写死。让 Agent 在每次真实执行前按下面顺序适配：

检查当前系统是否已经安装官方即梦 CLI，并确认实际可执行入口；
运行 dreamina -h，再运行目标子命令的 -h，以实时帮助为准选择参数；
根据任务选择文生图、图生图、文生视频、图生视频、首尾帧、多帧或全能参考等当前可用命令；
自动处理 Windows、WSL 或其他运行环境之间的文件路径转换，但不要假设固定安装路径；
提交前展示模型、素材、提示词、任务数量和可能的积分消耗，等待用户明确确认；
提交后保存返回的任务标识，持续查询状态，把下载路径和运行记录写回项目 run directory；
如果实时帮助与本文示例冲突，以官方 CLI 当前帮助为准，并把适配差异告诉用户。

如果 Agent 没找到 CLI，应引导用户从上面的官方地址安装，不要从本仓库寻找或复制一个内置版本。真实图片或视频生成会消耗即梦积分，不能因为已经生成好提示词就自动提交。

安装

1. 克隆仓库

git clone https://github.com/Phantomlau3674/ai-film-director-workbench.git
cd ai-film-director-workbench

2. 安装到你的 Skills 目录

把下面的目标目录换成你自己的共享 Skills 根目录：

.\scripts\install.ps1 -Destination C:\path\to\your\skills

安装后应该看到：

<skills-root>/
  ai-film-production-system/
  ai-video-prompt-generator/

如果你不知道 Skills 根目录在哪里，直接问当前 Agent：“你的用户 Skills 根目录在哪里？”确认后再执行安装。安装完成后，重新加载会话或让 Agent 重新扫描 Skills。

3. 验证安装包

.\scripts\validate.ps1

看到 All validations passed. 才表示仓库内的脚本、Schema 和主要回归测试通过。

不会写 JSON 也可以开始

你不需要手工把每个表格填满。直接把故事、镜头和已有素材告诉 Agent，让它选择本镜头真正需要的控制项。

示例 A：只做一个镜头

请使用 ai-video-prompt-generator，把下面的想法做成一个 proof_shot。
目标平台：Seedance 2.0
时长：10 秒，16:9
画面：女孩在香港旧化妆间接电话，镜头从全景硬切到中景，最后下移看到罗盘。
风格：王家卫式暖橙与冷蓝，但人物身份必须保持一致。
已有素材：人物定妆图、罗盘道具图。
请先指出缺失信息，再生成真正需要的 Prompt Spec、故事板提示词和视频运动提示词，不要无脑补齐无关字段。

示例 B：从剧本开始做完整短片

请使用 ai-film-production-system，为这份剧本建立 AI 短片项目。
先拆场景和镜头，再判断哪些人物图、服装图、场景图、道具图、首尾帧或动作参考真正有下游用途。
每项素材写清 must_lock、must_not_lock 和 used_by。
完成 proof_shot 方案后，再调用 ai-video-prompt-generator 生成提示词。

示例 C：已有视频，只想改一个地方

请把控制源设为 existing_video_delta。
原视频的构图、人物、动作节奏和镜头都保持不变，只把桌上的红杯子换成青铜罗盘。
不要重写整段场景，也不要额外生成故事板。

素材和参考图应该怎么准备

不要先追求“图很多”，先问每张图解决什么生产问题：

素材	主要职责	不应该顺手锁死什么
人物身份图	五官、年龄、发型、体型和稳定识别特征	当前镜头的动作、机位和背景
服装状态图	服装结构、材质、配件和穿着状态	人物身份以外的新脸、新体型
场景主图	空间关系、入口出口、尺度、材质和动机光	某个镜头的演员走位
道具图	结构、尺寸、材质、握持面和活动部件	无关环境风格
色板	色彩语义、主色、重音色和禁用色	人物姿势或构图
故事板/首帧	起始构图、遮挡、身体朝向、接触关系	整段运动的所有中间状态
尾帧	镜头最终落点和跨镜头交接状态	起始动作
音频/节拍参考	对白音色、节奏、落点和环境声层次	画面造型

真正的关键不是“上传了几张参考图”，而是明确每张图的 must_lock、must_not_lock 和被哪些镜头使用。

为什么提示词有时很长

短提示词适合单一动作，或者画面大部分信息已经由首帧、参考图、源视频负责的情况。

当文字需要负责多段动作、一镜到底、局部手部动作、接触受力、遮挡转场、对白、声音和最终落点时，长提示词不是错误。系统的 director_dense 模式会保留这些执行细节。判断标准不是字数，而是每句话是否承担明确控制职责、时间是否覆盖完整、物理关系是否自洽。

关于《万物生》与方法论来源

《万物生》画布是本仓库进行方法论研究的重要参考样本，它展示了高密度局部动作、参考素材分工、镜头几何、时间线、声音和连续性约束如何共同工作。

本仓库整理的相关 Source 仅供 AI 影视爱好者学习与方法论研究使用，不代表《万物生》原作者、创作团队或 Neowow 官方参与、认可或为本仓库背书。如果原作者或相关权利方认为仓库中的内容构成侵权，请通过 GitHub Issues 联系；收到通知后，我们会尽快删除相关内容。

本仓库的提示词生成系统不是《万物生》作者提供的官方工具，也不是原画布的一键复刻。它是仓库作者在逐条研究原始画布后，对其中可迁移方法进行的工程化抽象，并结合通用 AI 电影生产流程形成。当前版本可以作为创作和生产的起点，但真实效果仍受模型版本、素材质量、引用绑定、时长和平台能力影响，效果仍有待仓库作者继续测试与优化。

不要把某一条成功提示词复制到所有镜头。更值得学习的是：

哪些信息由参考图负责，哪些信息必须写进文字；
动作是否拆到局部、接触、受力和结果；
机位、画面可见范围、人物入画/出画是否明确；
时间线是否覆盖完整，前后状态是否连续；
声音、转场和下一镜头交接是否有明确职责。

原始画布数据怎么用

原始研究数据位于 sources/neowow-wanwusheng/：

image-prompts.md：81 条图像生成/编辑提示词，适合直接阅读和搜索；
video-prompts.md：111 条视频提示词，包含分类、特征、引用 token、上下游节点和完整原文；
canvas-prompt-graph.json：362 个节点、533 条连线，适合程序分析提示词与素材之间的关系。

最简单的研究方法是：先在 video-prompts.md 找到与你镜头相似的案例，再查看它的“入边、出边、引用和特征”，最后去 JSON 中追踪相关图片、音频和视频节点。不要直接复制 @[素材ID]：这些 ID 指向原画布素材，本仓库没有转载原媒体，你需要用自己的角色图、场景图、道具图或音频重新绑定。

canvas-prompt-graph.json 是脱敏后的研究导出，不是 Neowow 项目备份，不能保证直接导入 Neowow。详细字段、人工阅读方法和机器分析示例见 Source 使用说明。

当前边界

不保证同一提示词在不同模型、版本或平台得到相同结果；
不把平台显示的 SUCCESS 当作创意验收通过；
不包含《万物生》原画布中的图片、音频和视频媒体文件；
不替代版权、肖像、声音和平台合规检查；
不要求每个镜头生成所有素材，也不鼓励无脑填表；
两个核心 Skill 本身不会提交外部生成任务；如已另外安装官方即梦 CLI，Agent 可在读取实时帮助并获得用户积分确认后，适配执行即梦侧提交、查询和下载。

核心原则

素材先回答生产问题：没有下游消费者、没有消除具体不确定性的素材，不创建、不注册。
参考图按职责分工：人物身份、服装状态、场景空间、道具结构、色彩语义、动作接触、首尾帧和声音节奏分别声明 must_lock 与 must_not_lock。
复杂度所有权明确：支持 prompt_owned、asset_delegated、existing_video_delta、dialogue_audio 四种控制源。
探索与交付分层：exploration / proof_shot 可以留白；batch / release 对真实生产风险保持严格。
局部动作不可省略：手指、呼吸、受力、接触、遮挡、入画和出画等局部动作是可执行性的一部分。

License

Skills、脚本、模板及本仓库原创文档使用 MIT License。sources/neowow-wanwusheng/ 中转载的原始提示词不自动适用 MIT，详见该目录的 LICENSE.md 与仓库 NOTICE.md。

AI Film Director Workbench

README