先交代一下背景：这个项目不是什么大厂团队做出来的产品，是我一个人从今年年初开始，陆陆续续用 AI 视频工具跑了 463 条片子之后，沉淀下来的一套东西。一开始只是自己为了少写重复提示词，后来做着做着发现周围不少朋友都在问怎么让人物动作稳定、怎么让画面风格统一、怎么让视频节奏符合分镜预期——这些问题背后其实都是同一种需求：把好的视频创作经验固化下来，让普通人也能用 AI 稳定地产出接近专业水准的视频。
所以我干脆把这 463 条 AI 视频背后的 Skill 和提示语模版全部整理出来，开源了。这篇文章就把这整件事拆开讲清楚：它到底是什么，解决什么问题，怎么上手用，以及我在实操中踩过的那些坑。
1. 项目的核心思路与整体设计
1.1 为什么是 463 条视频，而不是随便挑几条
很多朋友看到 463 这个数字，第一反应是“量真大”。但对我来说，这个数字的价值不在于“多”，而在于它覆盖了一个足够广泛的提示词样本空间。
我在做这 463 条 AI 视频的时候，刻意控制了变量的维度：
- 视频类型：包含写实人物、3D 卡通、二维动画、产品展示、科技感粒子、国风水墨、赛博朋克、纪录片风格、广告级运镜等 27 个大类；
- 时长范围：从 3 秒的短视频片段到 60 秒的完整叙事型内容；
- 镜头语言：固定机位、推拉摇移、环绕镜头、跟随镜头、航拍视角、微观视角、一镜到底；
- 主体类型：人物、动物、物体、场景空镜、抽象图形、角色动作序列；
- 风格迁移：同一段提示词在 Runway、Pika、Kling、Sora、Stable Video Diffusion 等不同工具上的表现差异。
这 463 条视频全部由提示词直接生成，没有任何一帧是后期剪辑补出来的。这样做的好处是：每一条视频都能反向追溯到它背后的提示词结构、参数组合和模型选择，从而形成一张完整的“提示词-效果”对照表。开源的核心价值就在这里——不是让你看 463 条视频，而是让你拿到一张可以直接查的映射表。
1.2 Skill 与提示语模版的定位区别
先说结论：Skill 是流程化的工作包，提示语模版是具体的招式。
我看到很多人在使用 AI 工具时会把这两者混为一谈，但这其实完全是两个层级的东西。我用一个生活化的类比来解释：提示语模版就像做菜时的一张菜谱，告诉你食材怎么配、调料放多少；而 Skill 则是一整套厨房的 SOP，不仅包含菜谱，还包含切配流程、火候控制、装盘标准、失败补救措施，甚至包含“当顾客不吃香菜时应该怎么办”这种分支逻辑。
在这个项目里，提示语模版是偏“内容创作层”的产物，通常是一段结构化的文字框架，比如：
镜头类型 + 主体描述 + 场景环境 + 光影氛围 + 运动方式 + 风格参考 + 画质参数而 Skill 则偏“Agent 工作流层”，它把提示语模版、判断逻辑、参数选项、调用方式、回退策略封装成一个可以被 Agent（比如 Claude、Cursor、Codex 这类支持 Skill 机制的 AI 编程/创作工具）直接加载的插件包。
这两者配合的关系是：提示语模版是 Skill 内部的“弹药”，Skill 是提示语模版的“发射平台”。只有模版没有 Skill，你每次还要手动复制粘贴、微调；只有 Skill 没有模版，Agent 会陷入幻觉，生成出来的内容飘得没边。
1.3 选型背后的思考：为什么用 Skill 机制
你可能会问，既然核心是提示词经验，为什么不直接做几百个提示词文档，放到 GitHub 上就完了？为什么要额外做 Skill 层？
原因很简单：提示词文档是给“人”看的，而 Skill 是给“AI Agent”用的。未来 AI 的使用方式一定会从“人直接对话 AI”转向“人指挥 Agent 干活”，Agent 需要用标准化的技能包去完成特定领域任务。我把提示词做进 Skill，本质上是让这些经验具备了“可执行性”。
这个项目的 Skill 遵循了社区通用的“SKILL.md 入口 + 结构化目录”格式。任何一个支持 Skill 机制的 AI 工具，加载仓库后都能识别出这是一个完整的技能包。这意味着：
- 你不只是在读一份教程，而是让 AI 助手直接变成一个懂 AI 视频创作的副驾；
- 每个 Skill 内部包含了创作思路、参数建议、调用示例甚至出问题时的兜底策略；
- 即便你不使用任何 Agent 工具，单纯把 SKILL.md 当文档读，也能学到完整的创作流程。
2. 463 条视频背后的知识体系拆解
2.1 覆盖场景地图：不是所有 AI 视频都一个套路
前面提到 463 条视频覆盖了 27 个大类。这里我没法把每一条都放上来（仓库里有完整清单），但可以给你看一张我从这些实战中总结出来的核心场景地图，这几乎是所有 AI 视频需求的上游分类：
| 场景大类 | 典型用途 | 核心技术难点 | 对应 Skill 名称 |
|---|---|---|---|
| 人物写实类 | 短视频口播、虚拟模特 | 面部一致性、肢体连贯性 | realistic-portrait |
| 产品展示类 | 电商主图视频、广告片段 | 产品纹理保留、旋转轨迹 | product-reveal |
| 空间场景类 | 室内漫游、楼盘展示 | 透视一致性、镜头路径规划 | space-walkthrough |
| 风格化动画 | IP 短片、动态插画 | 墨迹运笔逻辑、帧间风格稳定 | style-transfer-motion |
| 抽象概念类 | 科技发布、背景特效 | 粒子运动节奏、波形可视化 | abstract-tech-fx |
| 摄影级运镜 | 宣传片、片头标题 | 运镜曲线、景深控制 | cinematic-movement |
| 剧情叙事类 | 短视频故事、品牌微电影 | 多镜头衔接、情绪节奏变化 | narrative-sequence |
| 动物生态类 | 纪录片段落、自然科普 | 动物高动态动作还原 | wildlife-dynamic |
每一类在我做视频的过程中都至少跑过 15 轮以上的生成，最终淘汰掉那些成功率低于三成的套路，再优选出能稳定出片的方案。这个“淘汰-优化-固化”的过程是整个开源仓库的地基。
2.2 提示语模版的结构设计原则
我做提示语模版时遵守了 5 条原则，每一条都是拿实际生成失败的案例堆出来的：
主谓宾优先，修饰语置后。AI 对长句的理解能力有限，如果一句话的修饰成分超过三个连续出现，往往会产生要素漂移。所以模版的第一行永远是“主体在做什么”主谓宾短句，修饰和氛围排在后面，用分隔符隔开。
参数分区显式化。镜头语言、环境光、色彩倾向、运动方式、画质词，这五类信息从不同维度影响画面，在模版中用
[CAMERA]、[LIGHT]、[COLOR]、[MOTION]、[QUALITY]这样的标记区分开。这样做的另一个好处是：解析模型能更准确地捕捉语义。负面提示词独立成块。很多生成工具支持 negative prompt。我在 178 个失败案例中发现，有 60% 的画面问题（手指崩坏、文字溢出、扭曲变形）可以通过负面提示词直接拦截，不需要重抽。
风格参考词的组合要克制。把“宫崎骏、新海诚、吉卜力、透明水彩”四个词全堆进去，画风大概率会打架。我的做法是每个模版最多指定一个画师/作品参考词，其余的风格细节用风格化形容词描述。
关键帧参数唯一。涉及首尾帧、运动幅度、摄像机轨迹的参数，每条模版只保留一个版本的配置。混搭多个参数组会让预测模型无所适从，出来的画面大概率是折中，但折中通常等于平庸。
2.3 Skill 包与提示语模版的组合逻辑
每个 Skill 并不是简单地塞进几个提示词就完事。我做的每一个 Skill 都包含四层内容：
- 创作模式层：定义这个 Skill 适合处理什么类型的视频任务，以及输出的视频规格（横屏/竖屏/比例、时长）；
- 提示语矩阵层：存放该技能下的 N 条模版，每个模版标注适用主体和风格倾向；
- 参数策略层：生成视频时推荐的 cfg scale、steps、motion strength 等参数区间，以及不同参数下的画面效果预判；
- 救场策略层：列出常见的生成失败形态（脸部崩坏、闪屏、运动拖影、主体消失）对应的修正动作。
这四层组合之后，用户只需要对 Agent 说一句“做一个 10 秒的赛博朋克风格产品旋转展示视频”，Agent 就会自动加载product-reveal技能包，从提示语矩阵中选到最匹配的模版，按参数策略生成，并在遇到问题时按救场策略自动调整。实操下来，这比手工调参省去了至少 70% 的试错时间。
3. 实操指南：从零上手这套开源资源
3.1 怎么下载和安装 Skill 到你的 AI 工具
这套开源资源本质上是纯文本和结构化目录，不依赖特定的闭源 API，所以导入步骤很轻。我以目前社区主流的 Claude Code 和 Cursor 两类工具为例，说下安装差异。
方式一：手动目录复制（通用型）
- 从仓库克隆或下载 zip 压缩包到本地；
- 进入
skills目录，你会看到每个 Skill 一个子文件夹，例如realistic-portrait/； - 把整个子文件夹复制到你的 AI 工具规定的 Skills 目录下。Claude Code 的默认路径是
~/.claude/skills/，Cursor 是在.cursor/skills/，如果都没有，可以直接在项目根目录建设置文件指定路径，后续我会贴配置示例； - 重启会话，向 AI 询问“你现在会哪些视频生成技能”，如果它能正确列举出对应技能名，说明导入成功。
方式二：Agent 自动拉取（进阶型）
如果你用的是 GitHub 仓库模式的 Agent（比如 Codex 这类支持远程仓库引用的工具），直接把仓库地址加入引用源，Agent 会自动读取SKILL.md并加载对应的技能逻辑。这种方式没有任何本地目录操作，适合轻量使用。
这里给一个 Claude Code 项目的.claude/settings.json配置示例，用于显式指定多级 Skills 目录：
{ "skills": { "paths": [ "./skills", "./third_party_skills" ] }, "permissions": { "allow": [ "Read", "Glob", "Grep" ] } }如果你使用的是其他工具，核心原理一致——把所有 Skill 看成一个“插件目录”，工具只要能读取这个目录下的SKILL.md，整个技能包就能工作。
3.2 用提示语模版直接生成你的 AI 视频
假设你不想用任何 Agent 工具，只想复制模版手动去生成 AI 视频。没问题，这套资源照样能发挥价值。
拿一个最常用的“产品 360 度旋转展示”场景举例，在product-reveal技能包里的templates/目录中，有一条经过 20 次迭代验证的模版：
[TYPE] 产品展示视频 [SUBJECT] 一个哑光黑色无线机械键盘，正面朝向镜头，悬浮在深灰色背景中 [CAMERA] 镜头围绕产品做水平 360 度匀速旋转，机位高度与产品中心平齐，焦距 50mm，景深保持全画面清晰 [LIGHT] 顶部柔光为主光源，左侧加一道细窄的蓝色轮廓光，右侧用反光板补充暗部细节 [MOTION] 旋转速度均匀，每 12 秒完成一整圈，产品自身无晃动 [STYLE] 电商广告风格，高对比度，金属质感表现强烈，背景干净无杂物 [QUALITY] 4K 分辨率，60fps，电影级画质，无压缩噪点 [NEGATIVE] 画面模糊，镜头抖动，键盘变形，文字水印，背景杂乱，曝光过度你用任何支持提示词输入的 AI 视频生成工具，把这段内容粘贴进去，都能得到一个不错的基础效果。如果你想让画面更贴近自己的品牌调性，可以修改[LIGHT]中的轮廓光颜色和[STYLE]中的风格参考词。这就是模版的价值——你只需要在固定框架里做局部替换，不用每次都从零构思，也不会漏掉关键维度。
3.3 在仓库里怎么快速找到你要的模版
463 条视频生成后，我建了一个索引文件INDEX.md，它本质上是一张巨大的速查表。每一条记录包含：视频序号、场景关键词、使用的 Skill 名、模版文件名、适用工具、推荐参数档位。你在找使用思路时，不需要逐个打开 Skill 文件夹，而是先看 INDEX，定位到技能包和模版入口。
比如你现在的需求是“做一个 5 秒的科技感 AI 芯片光线动画”，在 INDEX 里搜索“芯片”“光线”“科技”，就能查到对应的abstract-tech-fx技能包下的chip-light-trails模版。然后你再去skills/abstract-tech-fx/templates/chip-light-trails.md里把模版取出来用即可。
3.4 参数调节经验：五个档位对应五种画面质感
在生成视频时，很多人死磕一个参数组合，抽卡几十次都不满意。实际上我在这 463 次生成中发现，绝大多数视频问题可以通过调节“结构一致性”和“动态幅度”这两组参数的相对大小来解决。我一般建议先把这两组参数按五档预设来比较：
- 第一档：高静态一致性、低动态幅度，适合人物脸部特写、产品翻拍；
- 第二档：中静态一致性、中低动态幅度，适合半身口播、场景缓慢推移；
- 第三档：中静态一致性、中高动态幅度，适合跑步、跳跃、舞蹈类内容；
- 第四档：低静态一致性、高动态幅度，适合抽象粒子、流体、粒子爆炸；
- 第五档：极低静态一致性、极高动态幅度，适合梦境闪回、幻觉转场。
如果你拿到的工具没有明确的参数名，就通过提示词里的运动强度副词来近似调节，比如把[MOTION]中的“匀速旋转”改成“快速甩动镜头”，效果会明显不同。
4. 常见问题与排查技巧实录
4.1 提示词没问题，为什么生成出来还是乱码
这个问题我从第 17 次生成就开始遇到，到 463 次时已经总结出一套排查顺序。
先排查工具版本。同一个提示词在 Web 端和 API 端的执行差异很大，实测下来 API 端对提示词的分词逻辑更稳定，Web 端偶尔会截断长提示词。再排查是否有未闭合的括号或特殊字符。如果你的提示词里带了[CAMERA]这类标记，但拷贝的时候漏了右半边中括号，部分解析器会把整段话当一个词处理。最后排查负面提示词里是否误写了“文本”或“字幕”，有些模型会把这类词当成画面元素而主动生成乱码文字，建议改成“无意义文字，画面干净”。
我在项目里放了一个checklist.md，每一条生成失败都可以照着逐项自查，大部分问题在第一层和第二层就能解决。
4.2 人物一致性不稳定怎么办
AI 视频生成对人物一致性的维护能力一直在提升，但完全靠单一提示词锁住脸是很难的。我通常在做了 5 次以上同一人物的视频之后，发现一个最稳定的策略是“首尾帧锁定 + 面部参考”。
具体做法是：
- 先用自己的提示语模版生成一张静态图作为首帧；
- 再生成一张姿态不同、但面部特征一致的尾帧；
- 然后把这组首尾帧喂给支持图生视频的工具，让模型在帧间生成中间动画。
实测下来，这个策略能把人物面部漂移率从 35% 降到 8% 以内，代价是生成时间增加 20%，但成功率提升非常明显，属于性价比很高的做法。
4.3 Skill 加载后 AI 不按技能执行怎么办
有些朋友反馈，Skill 导入后 Agent 仍然会按通用对话方式回复，不会主动调用视频生成技能，这种情况我排查下来八成是“系统提示词没有包含技能唤起指令”。
部分 Agent 工具需要你在项目说明文件（比如CLAUDE.md或AGENTS.md）中明确写出“当用户请求创建视频时，请优先加载 skills 目录下的 XXX 技能，并按照 SKILL.md 中的流程执行”。我最初也忽略了这一步，后来在文档头部加了几行提示语，Agent 的调用准确率瞬间从四成提升到九成以上。
4.4 模糊、闪烁、拖影三兄弟怎么一起解决
这三类问题往往同时出现，根源基本都是“帧间差异过大”或者“去闪烁算法失效”。我的处理手段是：
- 降低运动幅度描述的强度，把“快速旋转”改成“缓慢匀速转动”；
- 增加模型的 fps 输出值，优先把 24fps 提升到 30fps 或 60fps；
- 如果条件允许，开启动态补偿或插帧后处理；
- 在负面提示词中同时加入“闪烁，亮度突变，残影，拖影”等关键词，防止生成器优先渲染错误。
这一套下来，画面稳定性提升非常明显。适宜的参数区间和记录都在仓库的视频配置文档里，可直接取用。
5. 开源仓库怎么用才不算辜负，以及后续计划
5.1 仓库目录结构速览
仓库的根目录结构很清晰，四个主要分区：
/INDEX.md # 463 条视频的速查索引 /skills/ # 所有 Skill 包，每个技能一个文件夹 /prompts/ # 所有提示语模版，按场景分类存放 /workflow/ # 通用工作流配置和 Agent 调用示例每个 Skill 文件夹内的结构也是统一的：
SKILL.md # 技能说明，包含能力范围、适用工具、调用方式 templates/ # 本技能下可用的提示语模版 config/ # 推荐参数档位与不同档位的效果说明 examples/ # 对应的视频生成案例链接与效果描述这种结构的好处是：无论从哪个门进来（索引、技能、模版、工作流），都不会迷路。你哪怕是完全的新手，从INDEX.md开始看，也能在 20 分钟内找到第一个可用的模版。
5.2 使用开源资源时最容易犯的错
我观察下来，刚接触这套资源的人会犯三类错误：
第一类是把模版当定死的公式，一个字都不敢改。这会让生成结果缺乏个性化。提示词模版是“骨架”，你完全可以调整[STYLE]里的参考词，甚至替换成自己的品牌关键词。
第二类是只看提示词不看参数配置。AI 视频的工具参数对画面影响比重高达五成，只抄文本不调参数，效果会大打折扣。每个 Skill 的config/目录里推荐的参数，是我在大量试错后确认的经验区间，建议先按这个跑一轮，再根据结果微调。
第三类是忽略负面提示词。很多国产工具如果不写负面提示词，默认会生成“质量不错但有轻微瑕疵”的结果。我把常见负面提示词按场景整理好了，直接复制到工具里就能减少约 30% 的废片率。
5.3 这套体系将来还会怎么扩展
这一版是 463 条视频的完整版本，但我不打算把它封存。目前的更新计划有三个方向：
- 覆盖更多国产 AI 视频生成工具：新出的模型在提示词解释能力上各有侧重，后续会让每个 Skill 按工具分支出不同版本的参数建议；
- 同步更新到更新的 Skill 规范：社区里 SKILL.md 的标准还在演进，我会跟随主流兼容性做升级，确保你手里的技能包不会因为格式迭代而失效；
- 补充更多实战拆解视频：让提示语模版对应的生成结果有一个可视化的对照过程，降低文字理解的门槛。
你可能已经注意到，这套开源资源跳过了“分享 463 条现成视频”的做法，而是把真正能复用的底层经验——提示语模版、工作流、参数策略、救场方案——抽离了出来。这也是我在这个项目里最大的收获：盲目生成视频并不是价值，把经验提炼成可以批量复用的能力才是。
我个人在实际操作中的体会是，开源之后，我自己用这些 Skill 的时候反而更仔细了，因为要想清楚别人拿到手之后会不会用、会不会卡在一些我想当然的步骤上。这个过程迫使我把很多“凭感觉”的细节补成了文档。整理技能包的过程本身就是一次对经验的最好回看。所以无论你是一路看着这些 AI 视频片段的创作者，还是刚对 AI 视频感兴趣的新手，我都希望你能先把这份开源资源用起来——不是照抄一条提示词，而是把它变成你自己的创作底座。下次你生成失败的时候，翻一翻技能包里的救场策略，你会回来感谢当时把这条经验写进文档的自己。
