一、为什么要手搓一条AI漫剧流水线？
先泼一盆冷水：AI漫剧最恐怖的从来不是画面不够炫，而是你根本跑不完一条片。
很多新手一上来就疯狂下工具——今天试这个生图模型，明天换那个视频模型，结果是：
- 剧本写得像散文，没有冲突；
- 主角第3集换了张脸，观众直接出戏；
- 镜头抖得像帕金森，人物肢体扭曲；
- 搞了半个月，连1分钟完整成片都剪不出来。
问题根本不在"提示词写得不够花"，而在于前期拆解、中期生成、后期剪辑没有咬死成一条线。你缺的不是神仙工具，而是一套可复用的工业流水线。
福仔的思路是：用 VibeCoding + Skill 的方式，把一个传统剧组（编剧、分镜师、美术、摄影、剪辑）的岗位职责，全部固化成AI Agent能读懂的"岗位说明书"。你只需要做两件事：
剩下的脏活累活，全部交给Agent。
二、先搞懂两个名词：Skill 和 VibeCoding
很多人上来就被这两个词劝退，这里用包子铺的比喻一次讲清。
2.1 Skill = 写给AI看的岗位工作手册
假设你开了家包子铺，招了个AI新员工。它知道做包子要和面，但不知道你家包子是什么味道。于是你让老师傅把"和面→调馅→醒面→蒸包"的全部步骤写成一本工作手册，AI照着做，味道就稳定了。
这本写给AI看的工作手册，就是 Skill。
一个合格的Skill包含四要素：
|
要素 |
说明 |
|
任务目标 |
这个Skill要交付什么（例：输出一份三级大纲剧本） |
|
操作步骤 |
分几步走，每步做什么 |
|
判断标准 |
什么算合格、什么算废稿 |
|
参考案例 |
给AI看1~3个优秀样例，对齐风格 |
2.2 VibeCoding = 用人话指挥AI写代码/做产品
Vibe（氛围）+ Coding（编程），俗称"氛围编程"。你打开Codex、Claude Code、DeepSeek Harness这类编程Agent，不需要自己写一行代码，只用自然语言说清楚：
"根据这张库存表，帮我做一个库存管理页面，要记录出入库、自动算库存、低于20标红、手机端能看。"
AI就开始写代码，你看效果，继续用人话提修改意见，直到满意。
2.3 两个公式
Skill = 任务目标 + 操作步骤 + 判断标准 + 参考案例
VibeCoding = 你说需求 → 看结果 → 继续提修改意见 → 定稿
一个是告诉AI"这件事该怎么做"，一个是指挥AI把"你想要的东西"做出来。两者组合，就是手搓流水线的底层玩法。
三、AI漫剧流水线的整体架构
福仔把一条漫剧流水线拆成 4 个核心 Skill，像流水线工位一样串行工作：
[一句话梗概]
│
▼
┌─────────────────┐
│ ① drama-write │ 编剧Skill：烂梗 → 专业剧本
│ 三级大纲/角色小传 │
│ 分场/台词 │
└────────┬────────┘
▼
┌─────────────────┐
│ ② drama-storyboard│ 分镜Skill：剧本 → AI能懂的拍摄指令
│ 景别/运镜/情绪 │
│ 时长/转场 │
└────────┬────────┘
▼
┌─────────────────┐
│ ③ drama-image │ 美术Skill：批量出角色/场景/道具提示词
│ 三视图/多角度 │ ← 锁死角色一致性
└────────┬────────┘
▼
┌─────────────────┐
│ ④ drama-video │ 摄影Skill：静态分镜 → 高精度视频提示词
│ 动作幅度/镜头运动 │ ← 控制肢体扭曲/运动模糊
└────────┬────────┘
▼
[剪映拼接 + 配音 + 配乐]
▼
[成片导出]
你在每个工位之间做"导演决策"：这版剧本行不行？这个角色脸对不对？这个镜头要不要重抽？AI负责生产，你负责拍板。
四、四个核心Skill怎么写（可直接抄作业）
下面把每个Skill的"岗位说明书"骨架给出来。实际使用时，把它存成 SKILL.md 或在Agent里直接作为System Prompt投喂。
4.1 Skill ①：drama-write（编剧）
岗位目标：把一句烂梗，变成一份能直接拍摄的专业短剧剧本。
操作步骤：
判断标准：
- 前3秒必须有钩子（冲突/悬念/反常画面）；
- 每30秒一个小反转，每集结尾留付费卡点；
- 台词口语化，不要书面腔。
Prompt骨架示例：
你是一位资深短剧编剧，擅长【都市逆袭】题材，熟悉抖音/红果短剧节奏。
请根据以下梗概输出剧本：
【梗概】：{用户输入}
要求：
1. 先输出三级大纲：全剧主线 → 分集钩子 → 第1集分场；
2. 输出主要角色小传（外形标签要能直接喂给生图模型）；
3. 第1集正文台词按"场号｜地点｜时间｜人物｜动作｜台词"格式输出；
4. 自检：删掉任何一场戏如果故事仍成立，就删掉那场；
5. 前3秒必须出现强钩子。
4.2 Skill ②：drama-storyboard（分镜师）
岗位目标：把剧本拆成"AI视频模型能直接看懂"的拍摄指令。
操作步骤：
判断标准：
- 不要机械地把"他很生气"翻译成大头特写——要根据情绪节奏调度景别；
- 情绪上升段用推近，情绪释放段用拉远或切特写；
- 相邻镜头必须有视觉衔接点（同一个动作/同一个物体）。
关键技巧：让AI按这个固定格式输出：
镜头01｜中景｜固定镜头｜主角推门进入房间，表情错愕｜3s
镜头02｜近景｜缓慢推近｜主角视线落在桌上的信封上｜3s
镜头03｜特写｜固定｜信封上写着"你母亲病危"五个字｜2s
→ 转场：动作接动作（拆信封动作切下一场）
4.3 Skill ③：drama-image（美术/资产库）
这是整条流水线最决定质感的一环。福仔原话："决定一个AI视频质感的关键阶段，不是最后生成视频，而是在资产图阶段就已经决定了一半。"
岗位目标：建立一套可复用的"演员+场景+道具档案库"，从根源解决人物变脸、穿帮。
操作步骤：
-
- 先不要追求一次到位，先把"气质"做出来（社畜就穿衬衫领带、表情狼狈；修仙者就白衣飘逸）；
-
- 固定一个模特底模，通过换脸得到想要的脸；
-
- 人物有服装变化/受伤/状态变化时，必须单独出对应状态图。
-
- 主场景图确认后，用"多机位九宫格"或多角度提示词扩展；
-
- 不要全做正面视角——正面视角信息量少，生成视频容易变成静态背景；斜视角能展现更多空间关系；
-
- 白天/夜晚版本各出一张。
判断标准：
- 同一个角色，换任何镜头都能被观众认出来是同一个人；
- 场景之间空间关系自洽（不能上一场在东边门，下一场突然从西边进）。
4.4 Skill ④：drama-video（摄影/视频提示词）
岗位目标：把静态分镜图，转成视频模型能稳定出片的高精度提示词。
踩过的坑（必须写进Skill的判断标准里）：
- 动作幅度太大 → 肢体扭曲、一移动就"鬼畜"；
- 镜头运动太猛 → 画面抖动、背景崩坏；
- 不锁参考图 → 人物变脸。
操作步骤：
五、成本控制：480P试错 + 4K超分，把一分钟成本打到2毛钱
这是福仔分享的"邪修大法"，也是整条流水线最省钱的一环。
传统做法的问题：用1080P甚至4K去抽卡试错，人物表情不对、动作崩了、镜头不满意，全部重来——废片才是真正烧钱的地方，成片反而是少数。
福仔的策略是两阶段生成：
|
阶段 |
分辨率 |
用途 |
成本 |
|
试错阶段 |
480P |
批量抽卡，判断人物对不对、动作爽不爽、镜头顺不顺 |
~0.2元/秒 |
|
出片阶段 |
4K超分 |
选定的镜头再跑超分，补皮肤纹理、服装细节 |
超分成本极低 |
操作流程：
效果对比：以前视频生成环节一秒几块钱，现在压到2毛一秒。对一部几十分钟的连载漫剧，省下来的是一整套制作成本，而不是几块钱。
六、实战踩坑清单（血泪经验）
七、你可以怎么上手？
八、写在最后
海明威说过：任何初稿都是垃圾。
你今天用VibeCoding做出来的第一版漫剧，肯定不完美——人物可能崩、镜头可能抖、节奏可能平。但这只是初稿。
真正改变游戏规则的，不是某个突然封神的视频模型，而是你能不能像搭流水线一样，把"创意→剧本→资产→视频→成片"这条链路固化成可复用的Skill。一旦流水线跑通，换剧情只是换输入，后面全是边际成本递减的复制粘贴。
在这个时代，技术壁垒正在被AI一层层拆掉。你不需要会画画、不需要会剪辑、甚至不需要会写代码——你需要的是把自己当成一个导演，然后学会怎么把专业岗位的工作"翻译"成AI能执行的手册。
