同样使用AI视频模型，有人得到的是人物稳定、镜头连贯的短片，有人得到的却是画面精致但前后无关的片段。
问题往往不只是模型能力，也不是形容词写得不够多，而是提示词没有告诉模型：这是谁、她在哪里、镜头从哪里开始、接下来发生什么，以及这一镜要停在哪里。
一段可控的AI视频提示词，可以分成两层。
第一层是全局设定，负责保持整部作品的身份与气质；
第二层是单镜头指令，负责让当前几秒真正发生可见的动作。再加上镜头之间的首尾衔接，零散片段才有机会组成较长的叙事。
本教程将从资产准备、提示词结构、时间轴、运镜拆分、连续性和检查方法六个方面，讲清这套可复用的写法。
一、先准备资产，再写提示词
“资产”不是专业团队才需要的复杂文件，它指一切需要在多段视频里保持不变的参考材料。
人物类短片至少要准备角色四视图；有固定服装、发饰、武器或产品时，也要给出清楚的外观参考。
场景类短片还可以补充空间布局、主色、材质和关键道具。
资产要怎么做？可以参考这个教程去制作自己的资产。
提示词创作第六十七节：AI资产怎么做，画面才稳定？https://www.1ai.net/58213.html
二、第一层：用全局设定锁住整部片子
全局设定是每一段都要遵守的共同规则。它不负责讲完整剧情，主要固定以下内容：
人物身份、服装与道具；
场景时代和空间风格；
画面材质、光线与色调；
整体情绪；
明确禁止的变化。
可以参考下面这段结构：
【摄影参数及画面质感】由ARRI Alexa Mini LF搭配Cooke Panchro/i Classic Prime Lenses，镜头前加装1/4 或 1/8 柔吻滤镜（Black Pro-Mist）光圈与焦段： 室内日常多采用 35mm 和 50mm 焦段，光圈控制在 T2.0 – T2.8 之间。Kodak Portra 400 的胶片色彩。基调为微偏绿的暖调（Teal & Warm Amber），不要音乐，不要字幕。（电影机，镜头，色调，参考电影等等）
【整体情绪】近未来心理悬疑，冷静、压迫、临床化。开场像一次司法取证，却逐渐产生“系统正在制造一个人”的不安感。
【女主】 图1 年轻亚洲女生，【长直黑发，空气刘海，面容清冷甜美，皮肤苍白干净。穿固定造型的暗红色复古花纹挂脖短旗袍、白色过膝袜、黑色玛丽珍鞋，发间佩戴暗红色中国结流苏。她刚被塑形生成，身体与衣物表面残留轻微水汽。】（人物描述）
【男主】图2 年轻亚洲男生，黑色中长发，冷感负责人气质。穿深蓝色商务休闲上衣或深色商务衬衫，浅色长裤（人物描述）
【场景】图3为场景锚点（场景锚点）
【色板】以色板为整体的色彩基调。（色板锚点）
如果作品要分段生成，可以把这部分压缩成固定前缀，放在每段提示词前面。压缩不是删掉关键规则，而是删除重复修饰，只保留能够被观察和核对的信息。
三、第二层：把导演思维分镜转换成单镜头指令
全局设定解决“整部片子长什么样”，单镜头指令解决“这一镜到底怎么拍”。
一条镜头最低限度要说清三件事：
镜头从哪里开始、画面里的主角是谁、主角正在做什么。
但这只是第二层的下限，它的上限完全取决于你的导演思维分镜。
导演思维分镜越具体，第二层能表达的内容就越完整。它不仅决定人物做什么，还决定构图、站位、移动路线、表演节奏、景别、机位、镜头运动、声音以及不同画面之间怎样连接。提示词本身不会凭空产生导演设计，它只是把已经确定的调度翻译成视频模型能够执行的语言。
我把这套提示词生成制作成了一个skill，只要已经准备好导演思维分镜和人物、场景、道具等资产图，就可以把两类资料一起交给
资产驱动的 Seedance 2.0 提示词 Skill
# 资产驱动式电影感AI视频提示词自动推导 Skill
## Skill 名称
资产驱动式电影感AI视频提示词自动推导 Skill## Skill 定位
这个 Skill 适用于用户已经完成了人物、场景、道具、色板、风格参考、首尾帧等资产之后，用一句简单画面描述，自动推导出适合 AI 视频生成模型使用的完整电影感提示词。用户不需要自己写复杂提示词。
用户只需要输入类似：– 女主在荒漠部落里发现远处巨兽出现
– 男主从地上爬起来，看向远方的天空
– 少女把符箓贴到父亲背后，父亲被力量推向怪物
– 道士在混乱人群中平静向前走
– 镜头从道具特写转到整个部落庆典
– 巨兽一脚踩碎房屋，人群四散奔逃
– 角色拿起布袋，突然意识到对方身份你需要根据用户已有资产和简单描述，自动推导：
– 应该使用什么镜头
– 镜头从哪里开始
– 镜头如何运动
– 主体如何入画
– 动作如何分阶段发生
– 资产应该如何调用
– 画面前中远景如何安排
– 声音如何分层
– 哪些地方需要写死，防止模型跑偏
– 最终输出一段可以直接复制使用的视频提示词—
## Skill 核心目标
本 Skill 的目标不是让用户学习复杂提示词，而是让 AI 自动承担导演、摄影指导、分镜师和提示词工程师的工作。用户只提供“画面意图”，你负责把它扩展为完整镜头。
最终提示词应该做到：
1. 能清楚调用用户已经制作好的资产
2. 能自动补全镜头语言
3. 能自动推导动作过程
4. 能自动补全声音设计
5. 能自动加入模型约束
6. 能保持角色、场景、道具一致性
7. 能生成电影感强、连续性强、可执行性强的视频提示词—
## 默认工作流
当用户启用本 Skill 后，只要用户输入一个简单画面，你需要按照以下步骤工作：
### 第一步：识别用户资产
先判断用户当前可能拥有的资产类型，并在提示词中明确调用。常见资产包括：
– 人物资产：角色定妆照、四视图、表情图、服装图、动作参考图
– 场景资产：大场景图、俯视场景图、9宫格场景资产、局部场景图
– 道具资产：白底道具图、六视图、材质参考图
– 怪物资产：怪物定妆图、比例图、局部结构图
– 色板资产：主色、辅助色、光线色、环境色
– 风格资产：摄影风格参考、光影参考、质感参考
– 首尾帧资产：视频起始帧、视频结束帧如果用户没有明确列出资产，也不要反复追问。可以使用占位符方式写入：
【角色资产：女主定妆照】
【场景资产：荒漠部落大场景】
【道具资产：红色符箓】
【怪物资产：巨型甲壳兽】
【色板资产：赭色、酒红、暖灰、青铜绿】—
### 第二步：判断画面类型
根据用户简单描述，自动判断它属于哪一种镜头类型。常见类型如下：
#### 1. 巨物登场
用户描述里出现：巨兽、怪物、地龙、机械船、巨大建筑、压迫感、远方出现、冲出地面、踩碎建筑。优先使用：
– 极低机位
– 仰拍
– 局部入画
– 尺度参照
– 低频声音
– 人群渺小对比#### 2. 危机预感
用户描述里出现：听到声音、发现异常、突然抬头、地面震动、远方有动静、角色察觉危险。优先使用：
– 固定镜头
– 中近景或特写
– 生活化动作被打断
– 声音先行
– 微表情反应
– 灾难主体暂不完全出现#### 3. 人物气场
用户描述里出现：平静走来、面无表情、混乱中从容、高手登场、道士、女主压迫感、反差喜剧。优先使用：
– 中长焦退拍跟拍
– 主体居中
– 景别恒定
– 背景混乱
– 主体稳定
– 小动作躲避干扰#### 4. 动作爆发
用户描述里出现：贴符、撞击、爆炸、挥刀、跳起、被击飞、推向敌人、能量爆发、打斗。优先使用：
– 升格慢动作
– 侧拍或越肩
– 动作节拍拆解
– 接触点明确
– 能量从一点扩散
– 撞击结果明确#### 5. 空间揭示
用户描述里出现：展示整个战场、看清部落全貌、镜头升起、俯瞰、混乱现场、多个角色位置关系。优先使用：
– 大全景
– 摇臂升起
– crane up
– dolly back
– 前中远景依次展开
– 空间关系清晰#### 6. 悬念揭示
用户描述里出现：从遮挡物后露出、门帘掀开、道具移开、转头看到人群、从黑场开始、布料遮挡转场。优先使用：
– 遮挡揭示
– 画面从局部开始
– arc dolly
– slow push in
– 声音由远及近
– 颜色或材质匹配转场#### 7. 情绪对话
用户描述里出现：两人对话、发现身份、质问、惊讶、沉默、对视、轻声说话。优先使用：
– 中近景
– 反打
– 眼神匹配剪辑
– 低调光线
– 微表情
– 台词贴近镜头—
### 第三步：自动选择镜头策略
不要直接把用户描述扩写成画面。
要先判断最适合的镜头策略。输出提示词时可以不写分析过程，但内部需要遵循：
– 如果用户要震撼感，用低机位、局部巨物、尺度参照
– 如果用户要高级感，用克制动作、慢节奏、光线变化
– 如果用户要紧张感，用声音先行、固定镜头、细节异常
– 如果用户要打击感，用动作蓄力、接触点、爆发、余波
– 如果用户要荒诞感，用主体稳定、背景混乱、节奏反差
– 如果用户要叙事感，用 HARD CUT、视线匹配、声音接续—
## 自动推导规则
### 规则一：用户一句话要扩展成完整镜头
用户输入：“女主发现远处巨兽出现。”
不能只写：
女主站在荒漠中，远处巨兽出现，画面震撼。
应该自动扩展为：
– 女主正在做什么
– 她先听到什么
– 哪个道具先震动
– 她如何停下动作
– 她如何抬头
– 镜头如何从她转向远方
– 巨兽如何只露出局部
– 用什么参照物证明巨大
– 背景人群如何反应
– 声音如何从低频到爆发
– 哪些资产必须保持一致—
### 规则二：资产必须作为“锁定对象”
生成提示词时，必须明确保留用户资产。推荐写法：
严格参考并保持【角色资产：xxx】中的人物长相、年龄感、发型、服装、妆容、身体比例与气质，不改变角色身份，不替换服装，不生成新角色。
严格参考【场景资产：xxx】的空间结构、建筑样式、地貌、色彩与光线方向。
严格参考【道具资产：xxx】的形状、材质、颜色、纹理和尺寸比例。
严格参考【色板资产：xxx】控制整体色彩，不新增不属于该世界观的高饱和颜色。—
### 规则三：提示词必须自动补全“前中远景”
每个镜头都要有空间层次。推荐结构：
画面前景是【前景元素】，中景是【主体动作】，远景是【场景纵深/人群/巨物/天空/建筑】。
主体位于画面【位置】，占画面约【比例】，背景通过【雾气/尘烟/浅景深/夜色/火光】形成层次。—
### 规则四：动作必须拆成节拍
每一个动作都要拆成连续过程。标准动作链：
开场状态 → 触发因素 → 主体反应 → 主动作 → 关键接触 → 结果爆发 → 余波反馈
例如：
开场时，女主低头检查手中的符箓。
远处低频震动传来，符箓边缘轻轻颤动。
她的手停住，呼吸短暂一滞。
她缓缓抬头看向画面右上方。
镜头顺着她的视线转向远处。
巨兽的弯角从尘雾中缓慢探出。
人群被震得后退，帐篷布料与沙尘同时抖动。—
### 规则五：巨物必须写参照物
如果画面中有巨物，不允许只写“巨大”。
必须写清楚参照关系。可用参照：
– 人类
– 帐篷
– 房屋
– 骆驼
– 车辆
– 山壁
– 树木
– 城墙
– 机械船
– 道具推荐句式：
巨物庞大到画面无法完整容纳，只露出【局部】，其余身体延伸出画框之外。以【参照物】作为对比，【局部】就已经比【参照物】大出数倍，前景人类在它脚边小得像蚂蚁。
—
### 规则六：声音必须自动生成
无论用户有没有提到声音，都必须写声音。声音分为四层：
1. 底层环境声
风声、夜虫、低频地鸣、远处人群、火焰、雨声、沙尘声2. 中层动作声
脚步、奔跑、撞击、拖拽、翻滚、武器碰撞、怪物移动3. 近景细节声
衣料摩擦、金属轻碰、发梢滴水、呼吸、手指捏住符纸、砂石刮擦4. 爆点声音
巨兽怒吼、地面轰鸣、建筑坍塌、能量爆发、甲壳碎裂推荐句式：
声音层面，底层铺满【环境声】，中层穿插【动作声】，近景清晰浮出【细节声】，关键爆点加入【爆点声】，台词贴近镜头并清晰浮于声场之上。
—
### 规则七：自动加入防跑偏约束
复杂镜头必须写约束。常用约束：
– 保持角色资产一致
– 保持服装一致
– 不改变人物长相
– 不改变场景结构
– 不新增无关人物
– 主体不要漂移
– 镜头不要无意义旋转
– 景别不要突然变化
– 巨物不要完整露出
– 道具不要变形
– 台词不要生成字幕
– 不配背景音乐
– 不出现现代物品
– 不出现与世界观不符的建筑或服饰
– 所有干扰物必须从画面边缘进入，不能凭空出现—
## 输出格式
当用户简单描述画面后，按照以下格式输出。
### 画面类型判断
用一句话说明这个画面属于什么类型，例如：这个画面适合做“危机预感 + 巨物登场”的镜头，重点不是一开始就拍怪物，而是先用声音和细节异常把观众注意力拉住。
### 资产调用
列出本次提示词需要调用哪些资产。格式：
– 角色资产：【填写角色】
– 场景资产：【填写场景】
– 道具资产：【填写道具】
– 怪物资产：【填写怪物】
– 色板资产：【填写色板】
– 风格资产：【填写风格】如果用户没有提供具体资产名称，就用占位符。
### 可直接复制的视频提示词
输出完整提示词。
这一部分必须是完整可复制文本，不要写解释。—
## 最终提示词结构
可直接复制的视频提示词必须使用以下结构：
【资产一致性约束】
严格参考并保持【角色资产】中的人物长相、发型、服装、妆容、身体比例与气质；严格参考【场景资产】中的空间结构、建筑样式、地貌、光线方向与色彩；严格参考【道具资产】中的形状、材质、纹理与尺寸比例；严格参考【色板资产】控制整体色彩。不要改变角色身份，不要替换服装，不要新增无关人物或现代物品。仅生成环境音效、动作音效与台词音效，不配背景音乐。【镜头设定】
【景别】，【机位】，【构图】。镜头从【起始位置】开始，以【运镜方式】向【运动方向】移动，最终停在【落点】。【画面结构】
画面前景是【前景元素】，中景是【主体与动作】，远景是【环境/人群/巨物/天空/建筑】。主体位于画面【位置】，占画面约【比例】。背景通过【浅景深/尘烟/雾气/夜色/火光】形成层次。【动作节拍】
开场时，【主体初始状态】。随后【触发因素】出现，主体先【反应动作】，再【主动作】，在【关键瞬间】发生【接触/转折/发现】。接着【结果】发生，余波让【环境反馈】。【光线与质感】
光线来自【方向】，以【光质】照亮【主体部位】，在【脸部/金属/布料/尘烟/雾气】上形成【明暗变化/轮廓光/反射色/阴影层次】。【情绪与表演】
情绪通过【眼神】、【呼吸】、【嘴唇】、【手部】、【身体停顿】表现，不使用夸张表演。【声音设计】
底层铺满【环境声】，中层穿插【动作声】，近景清晰浮出【细节声】，关键爆点加入【爆点声】，台词以【音色/距离/情绪】浮于声场之上。【模型约束】
这一镜从头到尾必须守住几条：【约束1】；【约束2】；【约束3】；【约束4】；【约束5】。—
## 一镜提示词自动生成模板
当用户没有要求多镜头时，默认生成一个完整单镜头提示词。
结构如下：
严格参考并保持【角色资产】、【场景资产】、【道具资产】与【色板资产】的一致性，不改变角色长相、服装、道具形态和场景结构。仅生成环境音效与动作音效，不配背景音乐。
【景别】，【机位】，【构图】，镜头以【运镜】从【起点】运动到【落点】。画面前景是【前景】，中景是【主体】，远景是【环境/事件】，主体位于画面【位置】。开场时【初始状态】，随后【触发因素】出现，主体【微反应】，接着【主动作】发生，在【关键瞬间】形成【结果】。光线从【方向】照入，照亮【主体部位】，让【材质/尘烟/雾气/金属/布料】产生真实的明暗层次。声音底层是【环境声】，中层是【动作声】，近景是【细节声】，爆点是【声音爆发】。这一镜必须保持【主体/镜头/景别/资产/动作】稳定，不要新增无关内容，不要改变资产设定。
—
## 多镜头自动生成模板
当用户说“做一组镜头”“做一段视频”“分镜”“15秒”“多个镜头”时，自动生成 3 到 6 个镜头。
每个镜头必须用 HARD CUT 分隔。
结构如下：
镜头一：【建立空间/危机预感/主体状态】
HARD CUT
镜头二：【细节异常/动作推进】
HARD CUT
镜头三：【主体反应/关键发现】
HARD CUT
镜头四：【爆发/揭示/冲击结果】
HARD CUT
镜头五：【余波/情绪落点/转场】每个镜头都要重新交代：
– 景别
– 机位
– 构图
– 主体位置
– 动作节拍
– 声音—
## 根据画面描述自动选择镜头模板
### 用户输入：角色看到远处灾难
使用：
危机预感 + 视线匹配 + 远景揭示默认推导：
先拍角色日常动作或静止状态，再用声音异常打断，角色抬头，镜头顺着视线揭示远方灾难。—
### 用户输入：巨兽出现
使用：
极低机位 + 局部入画 + 尺度参照默认推导：
不直接拍全巨兽，只拍脚、角、背甲、尾部或阴影。用人群、房屋、车辆、帐篷做对比。—
### 用户输入：角色平静走过混乱场面
使用：
中长焦退拍 + 主体居中 + 背景混乱默认推导：
角色始终稳定，背景混乱，干扰物从边缘擦入，角色用极小动作避开。—
### 用户输入：角色使用道具
使用：
道具特写 + 手部动作 + 接触点爆发默认推导：
先拍道具细节，再拍手部接触，最后拍道具引发的结果。强调道具资产一致性。—
### 用户输入：打斗冲撞
使用：
升格慢动作 + 侧拍 + 动作节拍 + 撞击反馈默认推导：
先蓄力，再接触，再爆发，再撞击，再余波。—
### 用户输入：展示完整场景
使用：
摇臂升起 + 空间揭示 + 前中远景展开默认推导：
镜头从局部开始，逐渐拉高，让人物、建筑、道具、远景事件依次进入画面。—
### 用户输入：角色发现某个身份或秘密
使用：
眼神匹配剪辑 + 道具特写 + 脸部反应默认推导：
先拍角色视线变化，再切道具或线索，再切回角色微表情。—
## 示例输入与输出方式
### 示例输入
我有女主、荒漠部落、红色符箓、巨型甲壳兽资产。画面是女主发现巨兽从远处出现。### 应该输出
画面类型判断：
这个画面适合做“危机预感 + 巨物登场”，重点先用声音和细节异常让女主察觉，再通过低机位和尺度参照揭示巨兽。资产调用：
– 角色资产：女主定妆照
– 场景资产：荒漠部落大场景
– 道具资产：红色符箓
– 怪物资产：巨型甲壳兽
– 色板资产：荒漠赭色、酒红、暖灰、青铜绿可直接复制的视频提示词：
然后输出完整提示词。—
## 不要做的事情
1. 不要让用户自己补全复杂镜头。
2. 不要只输出关键词。
3. 不要只写画面描述。
4. 不要忽略用户资产。
5. 不要擅自改变角色服装和长相。
6. 不要让巨物完整露出。
7. 不要让动作凭空发生。
8. 不要忽略声音。
9. 不要让镜头乱晃。
10. 不要写成普通故事梗概。—
## 终极执行标准
当用户只输入一句简单画面时，你要像导演一样自动补全：– 这个镜头为什么要这样拍
– 摄影机应该在哪里
– 主体应该占画面多少
– 资产应该怎么被调用
– 动作应该怎么发生
– 观众第一眼看哪里
– 声音如何引导情绪
– 哪些内容必须锁死最终输出必须是一段可以直接复制进 AI 视频模型的提示词。
这个 Skill 会根据分镜中的画面设计和资产图中的视觉信息，直接生成一套可用的 Seedance 2.0 提示词。
我来演示一下这个skill的用法。
先上传skill启用，然后上传你的资产以及你的分镜想法，点击发送即可。
AI生成的提示词
这套流程里，导演思维分镜负责决定“拍什么、怎样拍”，资产图负责锁定“人物和世界长什么样”，Skill负责把两者整理为可执行提示词。
案例：《万物生》真正强在哪里
抖音创作者“命比梦长”发布的AI系列影片《万物生》，是一个很有代表性的例子。作品把东方神话、道术、机械文明和赛博视觉融合进同一世界，并通过完整叙事、鲜明角色和连续镜头形成了可辨认的作品气质。
作者真正强的地方，是导演思维、分镜能力和审美能力。导演思维决定故事讲什么、观众先看到什么；分镜能力决定人物怎样出场、镜头怎样推进、信息怎样揭示；审美能力决定色彩、光线、构图、声音和视觉元素能否属于同一个世界。提示词和Skill很重要，但它们位于执行层，负责把这些创作决定交给模型，而不是代替创作者作出决定。
四：第二层提示词的三个注意事项
1. 按镜头顺序写，不要预设动作时间
在生成之前，我们无法准确判断一次抬手、一次转身或一次推镜到底需要几秒。人物动作速度、模型执行方式和最终片段长度都会影响节奏。因此，不建议提前把动作硬分成“0—4秒、4—8秒”等时间段。看似精确的秒数，反而可能让动作被压缩、拖慢或互相挤占。
真正需要写清的是动作顺序和镜头关系。如果画面始终是同一个连续镜头，就直接说明摄影机从哪里开始、如何移动、始终跟随谁，以及最后停在哪里。例如：“中景从人物右后方开始，摄影机跟随人物走进房间；人物停在桌边后，镜头缓慢推近她的右手，最后停在手指即将碰到文件袋的瞬间。”
如果中间需要硬切，就把前后画面写成两段提示词，在两段之间明确写“硬切”。模型由此知道前一个镜头已经结束，后一个镜头要从新的景别或机位开始。
如果不是硬切，也要在提示词里写清具体的镜头方式。例如需要推近，就写摄影机从中景缓慢靠近人物面部；需要焦点转移，就写清焦点从前景文件袋转到后方人物；不要只写“镜头自然过渡”，因为“自然”没有可执行的画面标准。
这种写法不替模型预判时间，而是给模型明确的拍摄顺序。动作简单时，画面可以自然放慢；动作较多时，应继续拆镜，而不是强行给每个动作分配秒数。
2. 复杂运镜要拆开，让每一镜只承担一个重点
不少提示词看起来很专业，却一次写入推近、环绕、升降、变焦、焦点转移和快速切换。模型即使认识这些词，也未必能同时保持人物动作、空间方向和画面稳定。更可靠的方式是按叙事目的拆镜：这一镜展示动作，下一镜展示线索，再下一镜展示人物反应。
拆分应服从导演思维分镜。如果本来设计的就是连续长镜头，就写清摄影机的完整运动路线，不必为了拆分而拆分。HARD CUT（硬切）是直接切换画面；DOLLY IN（推轨靠近）是摄影机向主体移动；RACK FOCUS（焦点转移）是让清晰区域从一个对象移到另一个对象。术语首次使用时，最好同时写出中文画面意图，避免只堆名称。
3. 镜头衔接的底层，是导演调度分镜
“锁住结尾画面”不是生成时额外添加的一项技巧，它的底层其实是导演调度以及分镜。导演调度分镜，就是在生成之前先决定每个画面里有什么、人物站在哪里、怎样移动、看向哪里、道具处于什么状态，以及摄影机从什么位置拍摄。只要相邻画面的内容安排合理，按照这份分镜生成出来的镜头自然会有关系，衔接也会更加流畅。
一份可执行的导演调度分镜，应当写清五类信息：空间关系，包括人物、桌椅、门窗和关键道具的位置；人物调度，包括站位、移动路线、转身、起身和停下的位置；表演关系，包括动作、表情、视线和人物之间的反应；镜头调度，包括景别、机位、镜头运动和画面重点；镜头关系，包括连续镜头、硬切、反打或其他连接方式。
人物对话的逻辑。分镜先规定女主坐在桌子左侧、男主坐在右侧，两人面对面；男主起身后抬眼看向女主。接下来可以切到男主近景，让他的视线朝画面左侧，再反打到女主，让她的视线朝画面右侧。这里不是单独“锁”住某个结尾，而是人物站位、视线方向和反打关系早已写在导演调度分镜里。
连续性可以用一句话概括：相邻分镜的画面内容合理，生成镜头的衔接才会合理。更换景别或机位时，同一动作、视线、道具位置和运动方向都应服从前面确定的空间关系。导演调度分镜越清楚，单镜头提示词越容易写，后期也越少需要用补救方式强行拼接。
五、生成后如何检查与修改
提示词写完不代表一定一次成功。模型版本、参考图质量、生成时长和平台能力都会影响结果。生成后至少检查五项：人物身份是否一致；动作是否按导演调度发生；镜头有没有执行主要运动；关键道具是否保留；相邻画面是否符合分镜中规定的空间和动作关系。
生成结果出现问题时，需要继续调整提示词并重新生成，反复对比画面与导演思维分镜，直到达到自己想要的效果。每一轮尽量只针对具体问题修改：人物脸部变化，就强化资产图和外观限制；运镜没有执行，就删去无关描述并重新写清摄影机运动；镜头衔接不顺，就回到相邻分镜检查人物位置、动作、视线和道具关系。
要承认能力边界。参考图不能保证百分之百一致；过多角色、快速肢体接触、复杂道具和同时发生的多项动作仍容易出错。在已经具备导演思维分镜和资产图的前提下，资产驱动的 Seedance 2.0 提示词 Skill 可以直接生成一套可用提示词；但它执行的是已有导演设计，镜头创意、调度逻辑和最终取舍仍然取决于创作者。