很多人制作AI视频时，最先做的一件事就是打开大模型，把脑海中的想法简单描述几句，然后让AI直接生成提示词。看起来效率很高，但真正进入生成之后，却经常发现人物动作不对、特效形态不对、镜头节奏也和自己想象的不一样，只能不断修改提示词、重复抽卡。
问题并不一定出在模型能力上，而是我们一开始就给了AI太大的“猜测空间”。如果AI连你想要的效果是什么样都不知道，那么即使它写出了一条几百字甚至上千字的提示词，也只是根据自己的理解帮你补全。
这一节，我们换一种思路：先让AI学会这一类提示词应该怎么写，再把自己的想法完整交给它；有了需求之后，不急着生成，而是先反推素材；最后再进入Seedance生成，并根据实际结果不断修改。
真正需要掌握的，不是一条万能提示词，而是一套可以反复使用的提示词工作流。
一、先别急着写提示词，让AI先学会你想做的效果
以前我们做AI视频，经常会有一个习惯：脑海里刚出现一个想法，就马上打开AI模型，然后输入“帮我写一条电影感的视频提示词”“帮我写一个人物变身的特效提示词”“我要一个很震撼的能量爆发效果”。
ai直接给出的提示词
AI当然可以立刻给出答案，而且通常会写得很完整。里面可能会出现“中浅景深，主体清晰、背景自然虚化，前中后景层次明确”“能量爆发、粒子聚合、光影扫过、材质重构、碎片飞散”等描述。单独看这条提示词，好像没有任何问题，但真正生成之后，经常会发现效果并不是我们脑海中想象的样子。
同样是人物变身，有人想要的是手掌先出现发光裂纹，然后沿着手臂逐渐向全身扩散；有人想要人物瞬间被火焰包围；还有人想让衣服逐渐变成机械装甲。它们都可以叫“变身”，但真正控制生成结果的，是变化从哪里开始、按照什么顺序发展、持续多久、最后变成什么状态。
所以我们首先要改变一个习惯：
不要一开始就让AI替你写最终提示词，先让它看懂你到底想做什么。
先去higgsiled/任何分享网站找公开案例
这里可以直接去 higgsiled 找与你目标效果接近的公开案例。
这一步非常关键，因为我们最好不要只给AI看一段最终视频，而是同时把案例的生成结果和原始提示词一起提供给它。原视频文案中的核心方法也是先去higgsiled寻找几个效果接近的公开案例，再把生成结果和原始提示词一起交给AI学习。
为什么一定要两者一起提供？
如果只有成片，AI当然可以分析出画面里有哪些人物、发生了什么动作、镜头怎么移动、出现了什么特效，但它并不知道创作者当时究竟用了哪些语言去控制这些结果。
一旦把原始提示词也放进去，它就可以建立一层非常重要的对应关系。
它可以判断提示词里的哪一部分在控制人物，哪一部分影响了动作节奏，特效是怎样被描述出来的，镜头运动用了什么样的表达方式，哪些限制词又在防止人物变形、镜头切换或者场景发生变化。
这时候我们不是单纯让AI“看作品”，而是在让它学习：
这类作品背后的提示词到底是怎么写的。
如果条件允许，可以一次找三到五个相似案例。
比如我们准备制作一个“人物释放法术”的效果，那么可以搜寻一系列施法案例。
这些案例不需要与自己的最终创意完全一致，只要它们属于相近的视觉类型即可。
当多个案例同时出现时，AI会更容易发现其中的共性，而不是机械模仿某一条提示词。
我们可以直接告诉AI：
我接下来会给你几组从higgsiled找到的公开AI视频案例，每组都包含最终生成结果和对应原始提示词。现在先不要生成新的提示词，请结合画面分析每组提示词是如何控制人物、动作、镜头、特效、时间顺序和限制条件的，同时总结多个案例之间共同的提示词结构和表达方式。当前阶段只进行分析和学习，不要生成我的最终提示词。
这里最重要的是：
第一轮只学习，不创作。
很多人习惯把所有任务一次性交给AI：“帮我分析这些案例，然后根据我的需求再写一条新的。”
这样虽然省了一次对话，但AI往往会快速进入后面的生成任务，前面对案例的分析只是简单带过。
更稳定的方法，是先让它专心学会这种效果应该怎么描述。
当AI已经有了足够明确的参考标准之后，我们再进入第二步。
二、不要先研究专业措辞，把你的真实想法完整告诉AI
有了参考之后，接下来才轮到我们自己的创意。
但这一步依然不要急着写“提示词”。
因为很多人在这里又会掉进另一个误区：为了让自己显得专业，开始拼命寻找摄影术语、特效名称和复杂的视觉形容词。
原本脑海里的画面可能很清楚：
人物正常向前走，几秒之后右手开始出现蓝色裂纹，裂纹慢慢向肩膀扩散，等能量变强之后镜头再稍微靠近一些。
但真正开始写的时候，却很容易变成：
“人物发生科技感蓝色能量变化，电影级视觉效果，震撼粒子特效，史诗级光影。”
看起来更加专业，但真正有用的信息反而减少了。
因为前一段描述里包含了非常明确的顺序：人物一开始在做什么，变化在哪里发生，之后怎样发展，镜头什么时候发生变化。后一段则只是给了AI几个宽泛方向，剩下的大量细节还需要它自己猜。
所以这一步真正应该追求的不是“措辞有多专业”，而是：
信息有没有说完整。
如果需求比较复杂，我更推荐直接使用AI模型的语音输入功能。原视频文案中也强调了这一点：相比文字输入，语音更容易把杂乱的想法完整说出来，而AI可以进一步帮我们整理需求。
比如你完全可以直接说：
你帮我做一个这种感觉啊，就是这个人物一开始先正常往前走，前面先别急着上特效，先让画面稳一点。然后差不多两秒左右，地面那边突然开始有动静，像是要裂开一样，接着从地面猛地爆出那种冰晶，不是小小一点，是那种带攻击感的冰晶直接冲出来。然后这些冰晶爆出来的时候，顺带把出现的怪物往上顶或者直接攻击到它，整体要有一点突然袭击的感觉。镜头开头就正常跟着人物走，等地面开始裂、冰晶要冲出来的时候，再稍微往前靠一点，但别一下子怼到人物脸上。人物的脸、主要服装还有背景这些都尽量保持原样，整个过程不要突然切镜头，画面要顺着下来。
这段话并不像我们平时见到的“标准提示词”，甚至还有一些重复。
但对于AI来说，这种表达反而非常有价值。
因为人物的初始状态、变化位置、发展顺序、镜头运动、保持条件以及禁止内容，都已经包含在里面。
这也是为什么复杂需求不必过度压缩。
你可以按照自己的思维方式完整描述，只要把真正确定的信息讲出来即可。人物原本是什么状态，之后会发生怎样的变化，变化按照什么顺序进行，最终希望停在哪种状态；如果镜头有明确要求，也可以顺带说明跟拍、推进还是保持固定。涉及多人互动时，则需要把人物之间的先后关系和位置变化讲清楚。如果人物的外貌、服装、场景或者某个关键动作必须保持，也应该一起告诉AI。
表达可以很口语。
说完以后，先让AI整理需求
我们的自然语言表达往往会有重复，也可能前后顺序比较乱，所以说完之后不要马上要求最终提示词。
先让AI替我们把需求整理成一份清晰的执行说明。
例如可以这样告诉它：
上面是我对目标视频的自然语言描述，里面可能存在重复或者顺序比较乱的问题。先不要帮我生成最终提示词，也不要自行增加新的创意。请在完全保留我原始需求的基础上，把人物、场景、动作发展、特效变化、镜头运动、时间顺序、需要保持的内容和禁止出现的内容整理清楚。如果其中存在冲突，也请单独指出。
经过整理之后，原本散乱的一段描述就会变成一份清晰的视频需求。
这一步其实已经帮我们完成了传统提示词创作中非常麻烦的一件事：
我们不再需要自己把脑海中的画面翻译成“AI语言”。
我们只负责把想法尽量完整地表达出来，整理和转化交给AI完成。
三、有了需求也不要马上生成，先让AI反推素材清单
需求整理完成之后，很多人的下一步会直接进入Seedance生成。
但对于稍微复杂一点的视频，我建议在这里再多做一步：
先让AI根据目标反推需要准备哪些素材。
这是整个工作流里非常重要的一环。
原视频中也专门强调了素材清单的重要性，因为素材准备得越完整，AI需要自己猜测的内容就越少。
现在的多模态视频模型已经不需要所有信息都靠文字描述。
我们可以直接提供人物参考图、场景图、动作视频、镜头参考、特效案例等素材。
比如人物外貌不好描述，就给一张人物参考图；某个动作不知道应该叫什么，就给一段动作参考视频；不知道特效应该怎样运动，也可以直接给相似的特效案例。
从这个角度来看，提示词的作用已经发生了变化。
以前我们希望一条提示词从零描述出整个画面。
现在更合理的方式是：
素材负责提供具体信息，提示词负责定义这些信息之间的关系。
1.先让AI判断真正需要什么
把前面整理好的需求交给AI，让它先不要生成最终提示词，而是根据目标反推素材。
例如：
根据目前已经确认的视频需求，先不要写最终提示词。请反推完成这个视频需要准备哪些素材，并按照必须准备、建议准备和可以不准备进行分类。每份素材都需要说明它在生成中负责控制什么，哪些内容不应该参考它，以及如果没有这份素材，AI最可能在哪些地方产生错误。最后给我一套尽可能精简的素材组合。
AI给我的所需素材图
经过分析之后，我们可能会得到人物参考图、场景参考图、动作视频和特效参考等不同素材。
这里要特别注意一点：
素材不是越多越好，而是越明确越好。
真正重要的是：
每份素材最好只有一个清晰的主要职责。
2.素材准备完成后，再让AI写最终视频提示词
素材清单整理好以后，我们才真正进入提示词生成这一步。
这时候就可以继续告诉AI：
现在需求和素材已经全部确认完成，请根据你前面学习过的公开案例写法，为我生成最终的AI视频提示词。提示词需要结合我已经准备好的全部素材，并且明确说明每份素材分别负责控制什么，不要让不同参考素材互相影响。同时按照视频实际发生顺序，写清楚人物动作、怪物出现、地面爆裂、冰晶出现、冰晶攻击怪物以及镜头变化。不要增加我没有提出的新情节，不要为了显得专业堆砌大量形容词。最终只输出一条可以直接交给Seedance使用的中文视频提示词。
注意：最终提示词要把素材关系写明白
素材准备好之后，再让AI生成最终的视频提示词。
这时候提示词的开头可以先明确每份素材的用途。
例如：
参考图1中的人物外貌、发型和服装；参考图2中的场景设定图，参考图3中的怪物形象，
最后再补充必须保持的条件，例如人物面部稳定、场景建筑结构不变、不要增加无关角色、特效不要遮挡人物面部、不要让后续才应该出现的效果提前发生。
这样生成模型得到的就不再是一大段混杂在一起的描述。
它会更加清楚：
哪份素材负责什么，画面先发生什么，之后发生什么，以及哪些内容绝对不能改变。
四、第一次生成只是测试，真正的提示词优化从结果出来之后开始
完成素材准备和最终提示词之后，就可以进入Seedance生成。
但这里最好改变一个心态：
第一次生成不是最终答案，而是第一次测试。
对于比较复杂的视频，很难要求模型第一次就完全符合预期。
我们可以开始非常具体地判断：
动作先后是否正确，特效从哪里出现，镜头什么时候移动，场景有没有变化，以及整段视频到底在哪个时间点开始偏离目标。
1.把生成结果重新交给AI
如果结果不满意，可以直接把生成的视频重新交给AI模型，让它结合原始需求和之前的提示词重新分析。原视频中的最后一步也是这样处理：如果结果不满意，就把生成的视频重新交给AI进行修改；如果某个问题很难用文字说明，可以直接截取错误画面并进行标记。
2.不知道怎么描述的问题，直接截图标出来
实际制作时还有一种非常常见的情况：
你一眼就能看出哪里不对，但是不知道应该怎么描述。
可能是人物手臂多了一块奇怪结构，特效位置偏了一点，人物身后的某个元素不应该出现，或者某个区域发生了很难解释的变形。
这种时候完全没必要强迫自己寻找专业术语。
直接把错误画面截下来，用圆圈、箭头或者简单文字把问题位置标出来，再交给AI。
视觉问题直接用视觉方式告诉AI，很多时候反而更加准确。
总结：真正万能的不是某条提示词，而是完整的工作流
这一节的核心，其实就是把“直接写提示词”变成一套更稳定的流程。
先去 higgsiled 找接近的公开案例，让AI学习生成结果和原始提示词之间的关系；再把自己的真实想法完整告诉AI，由它帮你整理需求。接着根据需求反推素材清单，明确人物、场景、动作和特效分别需要哪些参考，最后再生成正式视频提示词并交给Seedance。
如果第一次生成不理想，就把结果重新交给AI分析。不好描述的问题，可以直接截图标记，只修改有问题的部分，不必每次都重写整条提示词。
整套流程可以概括为：
higgsiled找案例 → AI学习 → 输入想法 → 整理需求 → 反推素材 → 生成视频提示词 → Seedance生成 → 反馈修改。
真正值得掌握的，不是某一条“万能提示词”，而是找到参考、表达需求、规划素材，再根据结果不断修正的能力。