AI视频创作全流程再造：拆解fengshen-video-creator的设计与实操

fengshen-video-creator这个名字，在AI创作者圈子里越来越常被提起。它不是某个公司的官方产品，而是一套以Skill形式打包的AI视频创作解决方案，核心目标很简单：把从创意、脚本、分镜到成片生成的整条链路，压缩成一套可复用的工作流。我第一次接触到这套Skill时，正好被“提示词写了一大堆，生成出来却像PPT轮播”的问题折磨，测试之后最大的感受是：它重新梳理了人和AI在视频创作里的分工。这篇文章不打算做成说明书，而是把我在实际使用、二次开发这套Skill过程中踩过的坑、试出来的参数、以及它背后的设计逻辑，完整拆给你看。适合正在用AI做短视频、广告片、科普动画，或者想让AI视频生成“更可控”的创作者。

1. fengshen-video-creator 到底是什么：拆开看核心设计

1.1 从“提示词模板”到“可复用创作流水线”

很多人第一次接触“Skill”这个概念，会以为它不过是一堆提示词模板的集合。这个理解不算错，但只摸到了表面。我在早期用Claude、GPT这类大模型时，也试着把“你是一个视频导演”“请生成短视频脚本”之类的话术打包保存，用的时候复制粘贴进去。这种方式能解决一部分问题，比如让AI输出的格式更稳定，但一旦涉及复杂任务，比如“根据脚本生成分镜、再为每个分镜匹配画面描述、最后统一输出剪辑建议”，单靠一段固定提示词根本撑不住——AI会漏步骤，会跳过细节，甚至会在中途自己“发挥”出一套完全不同的流程。

fengshen-video-creator这套Skill给我最大的启发，是它把“提示词”升级成了“程序化的创作流水线”。它不是给你一段话，而是给AI定义了一整套角色、工作步骤、输出格式、检查清单和工具调用方式。当你在对话里激活这个Skill，AI会按照预设的流程走：先分析需求，再拆解创意方向，然后生成脚本结构，接着细化到分镜和画面提示词，最后汇总成可执行的拍摄/生成方案。这个过程有点像把一位老师傅的脑子“复刻”给AI——不只是告诉它“你应该拍得好”，而是告诉它“好片子是怎么一步步做出来的”。

这套设计背后其实是一个很朴素的道理：AI视频创作最大的瓶颈从来不是“模型不够强”，而是“人机协作的秩序太乱”。你让AI自由发挥，它给你的是天马行空的碎片；你给它严格规范，它又容易变成呆板的填空机器。Skill的价值，就是在这两者之间搭一座桥，用结构化的流程把AI的创造力框在一条可落地的轨道上。

1.2 Skill 的工作机制：它凭什么能提升出片效率

从技术层面看，fengshen-video-creator这类Skill在工作时，依赖的是大模型的“结构化指令解析”能力。你可以把它理解成给AI发了一张“岗位说明书”：岗位职责是什么、工作步骤是什么、每个步骤的输出标准是什么、遇到特殊情况怎么处理。AI读到这份说明书后，就不再是一个只会“接话”的聊天机器人，而变成了一个带着任务清单执行的“实习生”，而且这个实习生不会累、不会忘，只要你把Skill文件加载进上下文，它每次都按同一套标准干活。

我自己拆解过这套Skill的文件结构，核心通常包含几块：角色定义、任务流程、输入解析规则、输出模板、边界约束。角色定义决定了AI以什么身份思考；任务流程决定了执行的先后顺序；输入解析规则负责把你那句“帮我做个猫粮广告”拆成“产品卖点、目标人群、视频时长、风格基调”等结构化字段；输出模板则保证了脚本、分镜、提示词这些交付物格式统一，方便你直接复制到视频生成工具里用。最后还有边界约束，避免AI跑偏，比如“不要生成违反公序良俗的内容”“涉及品牌信息时需标注待确认”等。

这套机制带来的效率提升是肉眼可见的。以前我做一个30秒的短视频脚本，从构思到写出分镜，少说要一两个小时，遇到状态不好可能磨一下午。用这个Skill之后，输入产品信息和风格要求，五分钟内能拿到完整脚本加分镜表，再花十几分钟做人工微调，整体效率提升了不止一个量级。更关键的是，它的输出质量非常稳定，不会因为同一个问题换个问法就给出完全不同的方案。这种“稳定”对于需要批量产出内容的团队来说，比单次惊艳更重要。

2. 项目整体设计与思路拆解：为什么叫“封神”

2.1 定位：面向短视频创作者的AI工作流整合

“fengshen”这个名字起得很妙，既是拼音，又自带“封神”的双关意味。在AI工具满天飞的当下，一个视频创作Skill敢叫“封神”，靠的不是吹牛，而是它在“整合”这件事上下足了功夫。市面上单点的AI工具很多：有专门写脚本的，有专门生成画面的，有专门配字幕的，但你一个个切换下来，光来回复制粘贴就能耗掉小半天。fengshen-video-creator的思路是反过来的——它不做单点工具，而是做“总导演”，把散落的AI能力串成一条完整的生产线。

从使用场景来看，这套Skill主要服务三类人。第一类是短视频运营和自媒体博主，他们需要高频产出内容，对效率和模板化需求极高；第二类是广告、电商团队的策划，经常要出产品种草视频、宣传片脚本，需要快速生成多版方案供客户选择；第三类是AI工具爱好者和prompt工程师，他们拿到Skill不只是为了用，还会拆解它的结构、学习它的写法，甚至改造成自己的版本。我自己就属于第三类，一边用一边拆，后来还往里面加了几个自定义模块，适配我常做的科普动画方向。

这个定位决定了它的设计基调：不追求“一次生成就完美”，而是追求“快速生成可用初稿+人工高效修改”。很多AI创作工具的问题是太想一步到位，结果生成的内容华丽但不可用，改起来比从零写还费劲。fengshen-video-creator刻意把“人工介入点”设计得很清晰——脚本阶段给3个备选方向，分镜阶段给每个镜头的画面描述和台词，但把最终审美判断留给人类。这种“AI给方案，人做决策”的模式，才是它真正提效的根源。

2.2 设计取舍：生成式视频的“可控性优先”策略

用过AI视频生成工具的人都有体会：单看每一个画面，效果可能很惊艳；但连起来看整条片子，往往会发现主角长相变了、场景风格飘了、动作连贯性崩了。这就是生成式视频最头疼的“一致性问题”。fengshen-video-creator在处理这个问题上，采用了“可控性优先”的策略——它不追求让AI自由发挥出多惊艳的画面，而是通过结构化的分镜设计和风格锚点，尽量降低生成结果的不确定性。

具体是怎么做的呢？我在拆解中看到，它的分镜输出格式里，每一镜都会包含“画面主体描述、环境描述、风格关键词、运镜方式、光影基调”这几个固定字段。这些字段不是随便写的，它们承担着一个关键功能：让画面描述足够具体，具体到AI生成模型能准确理解的程度。比如你写“一只猫在阳光下睡觉”，模型可能给你十种完全不同的画面；但如果写成“一只橘白色短毛猫蜷缩在米色沙发扶手上，午后侧光从窗户斜射进来，浅景深，背景是模糊的客厅书架”，模型的发挥空间就被压缩到了可控范围内。这个思路本质上就是“用提示词的细节密度，换取生成结果的稳定性”。

当然，这种设计也有代价。最明显的就是“天花板受限”——因为所有画面描述都被框定得很具体，AI很难蹦出特别超乎想象的创意画面。但对于商业项目来说，稳定性通常比惊艳感更重要。给客户提案时，你宁可要一个80分但可预期的结果，也不要一个偶尔95分、经常59分的结果。这一点，做过交付的人都懂。

2.3 模块分解：创意、脚本、分镜、生成、后期

把fengshen-video-creator这套Skill比作一条流水线的话，它内部至少包含了五个核心模块：创意孵化、脚本生成、分镜设计、生成提示词组装、后期整合建议。每个模块处理一个环节，模块之间通过结构化的输出衔接，前一个模块的输出就是后一个模块的输入。我实际用下来，这种“接力式”设计让整个创作过程非常顺畅，你只需要在开头给足信息，后面每一步AI都会自动带着上下文继续推进。

创意孵化模块负责的是“从0到1”。你给它一个很粗糙的想法，比如“想拍一个关于深夜加班的治愈系短片”，它会从情绪基调、叙事角度、视觉风格等维度给出几个创意方向，每个方向附带一句话梗概和参考片气质。这个模块对新手特别友好，因为很多人不是不会写脚本，而是不知道“要做什么”。

脚本生成模块在创意方向确定后启动。它会根据你预设的视频时长（比如30秒、60秒）自动规划文案字数，按“开头抓注意力、中间递进情绪、结尾留印象”的结构填充内容。这里有个细节做得很好：它会区分“旁白文案”和“画面注释”，避免你把台词和画面描述混在一起导致后续没办法拆解。分镜设计模块则把脚本进一步拆成一个个镜头，标明每个镜头的时长、景别、画面内容、台词/音效，形成一张可以直接进组拍摄的分镜表。

生成提示词组装模块是我最看重的。它把分镜表里的每一个镜头，自动翻译成适配AI视频生成工具的提示词，并且会主动加上风格统一后缀（比如“胶片质感”“柔和自然光”“浅景深”），保证不同镜头生成出来的画面风格是协调的。后期整合建议模块则负责给出剪辑节奏、转场方式、BGM风格、字幕样式等建议，相当于一个“虚拟剪辑师”在开工前给你一份执行手册。

3. 核心配置与实操步骤：手把手搭建你的AI视频创作环境

3.1 安装Skill包与依赖环境

如果你也想上手这套Skill，第一步是把它装进你的AI对话环境里。目前主流的大模型对话产品基本都支持“自定义指令”或“项目级知识库”功能，Skill文件的本质就是一个结构化的Markdown文档，你可以把它直接粘贴到系统提示词/自定义指令区域，也可以作为附件上传，让AI在对话时自动读取。我自己的习惯是维护一个独立的“Skills”文件夹，里面按用途分门别类存好各个Skill文件，用的时候直接指定文件名让AI加载，省得每次复制大段内容。

安装时有一个关键点容易被忽略：Skill文件里的角色设定和任务流程，必须和你的实际需求匹配。fengshen-video-creator默认面向的是“短视频营销内容”，如果你的需求是长视频、纪录片风格或者纯动画，需要先修改角色定义和工作步骤里的相关描述，否则AI会按默认风格生硬执行。我一开始没注意这件事，让它做一个“中式恐怖短片”项目，结果分镜脚本里全是快节奏卡点剪辑和产品卖点植入，改起来非常痛苦。

依赖环境这块，我的建议是“轻量起步”。你不需要专门搭一套复杂的AI视频生成服务端，市面上主流的视频生成产品就够用了，比如可灵、即梦、Runway、Pika，甚至开源社区里的Stable Video Diffusion等。fengshen-video-creator负责生成“要拍什么”的创意和分镜，视频生成工具负责把分镜变成实际画面，两者是协作关系，不是替代关系。所以我通常会同时开着两个窗口：一边和加载了Skill的大模型讨论脚本和分镜，另一边把确认好的提示词粘贴到视频生成工具里跑画面。

3.2 编写一个视频创作请求的核心参数

很多人用这类Skill时，输入的请求非常随意，比如“帮我做一个咖啡广告”。这种输入信息量太少，Skill再怎么强大也拆不出好的结果。经过大量实践，我总结出一个“参数化输入”的方法：在发起请求时，尽可能把项目关键信息分成几个维度说清楚，包括视频主题、目标受众、视频时长、风格基调、核心卖点/信息点、禁止项，以及交付格式偏好。

举个例子，我最近给一家本地烘焙工作室做宣传短片，输入是这样写的：“主题：手工欧包品牌30秒宣传片；目标受众：25-40岁注重健康饮食的都市白领；时长：30秒；风格基调：温暖、自然光、日系生活感；核心卖点：12小时低温发酵、传统石窑烘焙、无添加；禁止项：不要出现人物正脸特写、不要快餐感剪辑；交付格式：先给3个创意方向，确认后再出脚本和分镜表。”这个输入看起来只是把需求说详细了，但它让Skill的每个模块都能拿到足够的决策依据，AI输出的质量会发生质变。

这里有个小技巧值得分享：把“禁止项”写清楚，往往比“想要什么”更重要。AI生成内容时，负面指令的约束效果非常明显。比如做食品广告时写一句“不要出现科技感特效、不要赛博朋克色调”，能直接避免AI把产品宣传片生成成科幻大片。我在用Skill的过程中，会不断往“禁止项”里补充踩过的坑，现在每个项目的输入里都会有一串定制化禁令，生成结果的跑偏概率大幅下降。

3.3 从一句话到成片的完整流程演示

下面我用一个实际跑过的流程，演示fengshen-video-creator的完整工作过程。这次任务是“做一个关于城市夜跑安全的公益科普短视频，30秒，面向18-30岁喜欢夜跑的人群，风格要酷一点但不能太吓人”。

第一步，激活Skill后，我输入上述主题和限制条件。AI经过创意孵化模块，给出了三个方向：A方向是“反转变可怕”——前半段营造夜跑时的紧张氛围，结尾用“别让热爱变成意外”点题并给出安全建议；B方向是“数据可视化”——用快节奏的数据动画展示夜跑事故率，配合冷色调画面；C方向是“真实故事感”——模拟一位夜跑者的第一视角，穿插安全装备特写。我选了A方向，因为它情绪冲击力最强，且成片难度适中。

第二步，在确认方向后，AI进入脚本生成模块。它给了我一个约150字的旁白文案，分为“悬念导入、情绪铺垫、警示反转、行动呼吁”四段结构，并标注了每段对应的画面内容。我微调了其中两句台词，让语气更贴近目标人群的口语习惯，然后确认脚本。

第三步，AI自动把脚本拆成了8个分镜，每个分镜都标明了时间点、景别、画面描述、台词/声效，并额外输出了每个镜头的AI视频生成提示词。比如第二个镜头（约3秒），画面描述是“夜跑者戴着反光手环的脚部特写，踩过湿润的柏油路面，周围灯光模糊”，对应的提示词是“低角度特写镜头，运动鞋踩过湿润柏油路，反光手环发出亮橙色光芒，夜晚城市灯光虚化背景，浅景深，紧凑构图，电影级光影，真实感”。这种提示词直接粘贴进视频生成工具，生成的成功率非常高。

第四步，我把8个镜头的提示词逐一放进视频生成工具，大约半小时后拿到所有片段，再用剪辑软件按分镜表拼接，配上BGM和字幕，一条30秒的片子就完成了。从输入需求到拿到初片，整个流程大约两小时，其中真正花在“创作”上的时间只有确认脚本那十几分钟，剩下的时间基本是等AI生成画面。

4. 实操过程与关键环节实现：真实出片案例拆解

4.1 案例：30秒产品宣传片的生成过程

完整走一遍流程之后，我再用一个更细节的案例，带你看看实际操作中的关键环节和决策点。这次的主角是一款便携式果汁杯，目标人群是经常加班、没时间吃水果的上班族，视频要求30秒，风格要清爽、有活力、带一点“办公室解压”的情绪。

输入需求后，Skill先给出三个创意切入点：卖点直给型、场景共情型、对比实验型。我选择了场景共情型，原因是这类产品功能简单，画面表现空间有限，场景共情更容易让用户代入。AI接着写出了脚本：开头3秒是女主盯着电脑屏幕揉眼睛的疲惫状态，5秒切到她拿出果汁杯按下按钮，10秒展示水果在杯中被搅打的微观画面，15秒切到清爽果汁入口的满足表情，最后10秒用快剪展示带着杯子回到工位继续工作的状态，旁白落在“30秒，给自己充个电”。

这个脚本的结构很标准，但我注意到它有一个潜在问题：作为产品宣传片，“产品功能点”的露出时间不足。于是我在确认前手动调整了脚本，在第8秒到12秒之间插入了两个产品特写镜头，分别展示杯身容量刻度和一键清洗功能。这个修改导致后面的分镜数量从6个变成了8个，音频提示词也同步增加了一组“产品细节展示，旋转镜头，背景为干净的浅灰色桌面，商业产品摄影风格”。最终成片效果比AI原始方案更完整，这也印证了一个观点：Skill是提高效率的工具，不是替代你思考的机器，关键决策还是要人工把握。

4.2 提示词模板与负面提示词的写法

在整个实操过程中，提示词的写法决定了视频生成工具能不能理解你的意图。我用这个Skill跑了几十个项目后，总结出一套相对稳定的正向提示词模板，格式大致是：主体 + 动作/状态 + 环境 + 光线 + 镜头语言 + 风格 + 画质限定。比如“一名亚洲年轻女性，穿着米色风衣，站在飘雨的夜晚街头，暖黄色路灯，中景半身，浅景深，雨滴清晰可见，电影质感，柔和光晕，高细节，逼真”。

这套模板之所以高效，是因为它按“信息优先级”排列了要素。AI视频生成模型对提示词的理解并不是平均分配权重的，位置靠前的关键词往往影响更大。把“主体”放在最前面，能最大程度保证画面焦点不跑偏；把“风格”“画质”放在最后，起到整体润色作用。我见过很多人把风格词写在最前面，结果模型把大量精力花在处理风格上，主体反而被弱化了。

负面提示词同样重要。我在项目里积累了一批高频负面词：模糊、变形、多余的肢体、字体水印、颜色溢出、闪烁、快速切换、低分辨率。这些负面词看似简单，但对生成质量的影响是立竿见影的。记得有一次我没有在负面词里加“多余手指”，生成的人物特写镜头里出现了一只六根手指的手，花了很长时间才排查出是负面提示词不完整导致的。现在我的每一个生成请求都会带上稳定的负面提示词列表，出问题的概率大幅下降。

4.3 生成效果不稳定时的调参顺序

AI视频生成工具的参数调节，是一个靠经验积累的过程。我见过很多新手一看到生成效果不好，就直接大幅改写提示词，结果越改越乱。正确的做法是“一次只改一个变量”——先检查主体描述是否清晰，再检查环境/光线信息是否完整，然后检查镜头语言是否合理，最后才考虑风格词是否需要调整。这个顺序遵循了“从基础到修饰”的原则，能够最快定位问题所在。

举个例子，如果生成出来的画面“主体正确但光线很平”，问题大概率出在环境/光线字段上，而不是风格关键词。这时把光线描述从“自然光”改成“傍晚金色侧逆光”，效果可能立刻改善。如果主体描述没问题、光线也没问题，但画面整体显得“假”，那才需要调整风格关键词，加上“电影质感”“胶片颗粒”或者“真实摄影风格”这类修饰。还有一种常见情况：生成结果“主体错误”，比如你描述的是“一只戴红色项圈的黑猫”，模型却生成了一只黄猫。这通常说明主体描述里有歧义或者要素过多，需要做减法，把次要特征去掉，集中表达核心特征。

调参这件事，本质上是在和模型“沟通”。模型的理解能力是有限的，它擅长捕捉具体的、常见的、信息明确的内容，不擅长处理抽象的、矛盾的、信息过载的描述。当你把提示词精简得像一句“给摄影师的拍摄指令”时，模型的表现会稳定很多。这一点，在长时间使用这类工具后体会会越来越深。

5. 常见问题与排查技巧实录

5.1 问题速查表

在实际使用fengshen-video-creator的过程中，我积累了不少踩坑经验，这里整理成一张速查表，方便你遇到问题时快速定位。

这张表里的每一个问题，我都至少实际遇到过一次，尤其是“对话上下文太长导致AI忘记设定”这个坑，几乎每个长项目都会碰到。我的解决方案是每完成一个阶段（比如确认脚本后），就把当前成果保存成独立文档，然后开启新对话继续下一阶段，带着上下文走太容易翻车。

5.2 避坑经验：少走弯路的四个提醒

第一，不要把Skill的输出当成“最终答案”。我见过很多创作者过分依赖AI生成的分镜和提示词，拿到手就直接进生成工具，最后效果不满意，反过来抱怨这套Skill不行。其实任何Skill的输出都只是“高质量初稿”，人工微调是必经流程。我的习惯是每次AI给出方案后，都会用“假如我是观众”的视角快速过一遍，重点检查故事逻辑是否通顺、画面描述是否可执行，有不顺的地方当场改掉，比生成完视频再返工省力得多。

第二，要建立自己的“风格词库”。fengshen-video-creator自带了一部分风格词汇，但它不可能覆盖所有创作者的需求。我在使用过程中，会把自己喜欢的电影、摄影作品、广告片的风格特征提炼成关键词，整理成一份私房风格词库，比如“韦斯·安德森式的对称构图”“王家卫式的手持晃动与霓虹光影”“日系纪录片式的低饱和质感”。有了这些词库，我在让Skill生成分镜提示词时，能更精准地控制画面气质。这类私房积累，才是你和别人用同一套Skill却产出不同质量内容的分水岭。

第三，注意素材版权和平台合规。AI生成的画面素材，不同工具的平台规则差异很大，有些允许商用，有些只允许非商用，有些甚至明确要求标注“AI生成”。我在接商业项目时，会先确认目标视频生成工具的授权条款，再决定是否使用AI画面，或者在交付说明里明确标注AI参与生成的部分。这个环节虽然不直接影响视频质量，但涉及商业风险，做项目的朋友务必要重视。

第四，“封神”的核心不只是工具，而是你对创作者流程的理解。我身边有朋友拿到这套Skill的第一反应是“有了它我是不是不用学剪辑了”，结果用了几次就放弃了，原因是他不理解镜头语言、不熟悉节奏感、也没有审美判断力，AI给再多方案他都无从取舍。Skill能把你从重复劳动里解放出来，但不能替代你作为创作者的核心能力。用它之前，先建立基本的影视审美和叙事逻辑，这才是把工具价值发挥到最大的前提。

回到文章开头那个问题，fengshen-video-creator到底解决了什么？往小了说，它让AI视频创作从一个一个孤立的工具操作，变成了一条高效协作的流水线；往大了说，它反映了整个AI创作工具正在经历的演变——从“单点辅助”走向“全流程接管”。我个人的使用体会是，这套Skill最大的价值不在于它生成了多惊艳的片子，而在于它逼着我去系统化思考“视频创作到底有哪些环节、每个环节的关键要素是什么”。这个思考过程本身，就比工具带来的效率提升更值钱。如果你也在折腾AI视频创作，建议不要只把它当成一个插件来用，而是拆开它、理解它、再改造它，把它变成你自己创作方法论的一部分。