463个AI视频提示语模版：结构化Skill体系开源，提升提示语复用效率

1. 463个AI视频提示语模版，到底在解决什么问题

先说说我为什么要干这件事。过去大半年，我几乎每天都在跟AI视频生成工具打交道，从文生视频到图生视频，从几秒的短片到十几秒的连续镜头，踩过的坑比做出来的成品多得多。最让我头疼的不是工具本身的能力边界，而是提示语（Prompt）的复用问题——每次做一个新视频，我都要重新翻聊天记录、翻笔记、翻之前保存的文档，找到那条“上次效果还不错”的提示语，然后手动改几个关键词，再粘贴到工具里试。

这个过程极其低效。更麻烦的是，当你积累了上百条提示语之后，它们散落在各种地方：有的在备忘录里，有的在浏览器书签里，有的在某个项目的README文件里，还有的只存在于我的记忆里。你根本不知道哪条提示语对应哪种风格、哪个场景、哪个镜头语言。于是我做了一个决定：把所有验证过的AI视频提示语，全部结构化、模版化，做成一套可以随时调用的Skill体系，然后开源出去。

463这个数字不是拍脑袋来的。它是我在过去几个月里，从实际项目中沉淀下来的、经过至少一次成功生成验证的提示语模版总数。这些模版覆盖了人物特写、风景空镜、产品展示、动态文字、转场过渡、情绪氛围、叙事分镜等十几个大类。每一个模版都包含完整的提示语结构、参数建议、适用工具说明，以及我在实际使用中总结的注意事项。

你可能会问：网上不是已经有很多提示语合集了吗？为什么还要自己整理一套？这个问题我一开始也想过，但实际用下来发现，大部分公开的提示语合集存在三个致命问题：第一，缺乏结构化分类，几百条提示语堆在一起，找一条要翻半天；第二，没有参数上下文，只给提示语不给模型版本、分辨率、帧率、运动强度这些关键参数，你拿去用效果完全不一样；第三，缺少失败案例标注，很多提示语在某些场景下会翻车，但合集里不会告诉你。

所以我做的这套东西，核心目标就一个：让你拿到一条提示语，就知道它适合什么场景、该配什么参数、可能会遇到什么问题、怎么微调。它不是一个简单的文本集合，而是一套带有元数据的、可检索、可组合、可扩展的Skill体系。

2. 把提示语变成Skill，核心思路是什么

2.1 为什么不是简单的“提示语大全”

如果你只是把提示语存成一个TXT文件，那它永远只是一个文本集合。但如果你给每条提示语加上结构化元数据，它就能变成一个可以被程序调用、被搜索引擎索引、被其他工具集成的Skill。

我定义的Skill，本质上是一个带有输入输出规范的提示语模版单元。它包含以下几个核心字段：

• Skill ID：唯一标识符，方便引用和版本管理
• 分类标签：如“人物特写”“风景空镜”“产品展示”等
• 适用工具：标注这条提示语在哪些AI视频生成工具上验证过
• 提示语正文：完整的提示语文本，包含可替换的变量占位符
• 参数建议：分辨率、帧率、运动强度、种子值等
• 预期效果描述：这条提示语生成出来的视频大概是什么样子
• 已知问题：在什么情况下容易翻车，怎么规避
• 微调建议：如果想改变风格或内容，应该改哪些关键词

这样设计的好处是，当你需要做一个“产品展示”类视频时，你可以直接筛选出所有“产品展示”分类的Skill，然后根据参数建议快速配置，而不是从几百条提示语里一条条试。

2.2 Skill的颗粒度怎么定

这是我在整理过程中反复调整的一个问题。颗粒度太粗，一条Skill覆盖太多场景，复用性就差；颗粒度太细，每条Skill只能干一件事，数量爆炸，管理成本高。

我最终的方案是：按“镜头意图”来划分颗粒度。什么意思？就是每一条Skill对应一个明确的镜头意图，比如“人物从远处走近并微笑”“产品在桌面上缓慢旋转”“城市夜景航拍推进”等。一个完整的视频可能由多个这样的镜头意图组合而成，每个镜头意图对应一条或多条Skill。

这样划分的好处是，组合性极强。你可以像搭积木一样，把不同的Skill组合成一个完整的分镜脚本。比如一个30秒的产品广告，你可以用“开场空镜”+“产品特写旋转”+“使用场景展示”+“结尾品牌露出”四条Skill组合而成。每条Skill都是独立验证过的，组合起来成功率远高于从头写一条长提示语。

2.3 变量占位符的设计

为了让Skill真正可复用，我在提示语正文里大量使用了变量占位符。比如一条人物特写的Skill，提示语可能是这样的：

[主体描述]在[环境描述]中，[动作描述]，[光线描述]，[镜头语言]，[风格描述]

其中方括号里的内容都是可替换的变量。我在每条Skill的元数据里会给出每个变量的推荐取值范围和示例值。这样你拿到一条Skill，只需要替换几个变量，就能快速生成一条针对你具体需求的提示语。

这种设计还有一个隐藏好处：方便批量生成。如果你需要做一批风格统一但内容不同的视频，你可以写一个简单的脚本，读取Skill模版，批量替换变量，生成几十条提示语，然后批量提交给AI视频工具。这个思路我在实际项目中用过，效率提升非常明显。

3. 463条Skill的分类体系与典型示例

3.1 分类体系是怎么搭起来的

463条Skill如果只是堆在一起，那跟没有整理一样。所以我花了不少时间设计分类体系。最终采用的是三级分类：

• 一级分类：按视频内容类型划分，如人物、风景、产品、文字、抽象、叙事等
• 二级分类：按镜头意图划分，如人物类下面分“特写”“中景”“全景”“动作”“情绪”等
• 三级分类：按风格或工具适配划分，如“写实风格”“动画风格”“电影感”“社交媒体短平快”等

这个分类体系不是拍脑袋定的，而是根据我实际使用中的检索习惯反复调整出来的。我发现，当我想找一条提示语时，我脑子里第一个浮现的通常是“我要做什么类型的视频”，然后是“我要什么镜头”，最后才是“我要什么风格”。所以分类层级就按这个顺序来。

3.2 几条典型Skill的完整拆解

光说结构可能还是抽象，我拿几条实际Skill来拆解一下。

示例一：人物情绪特写

• Skill ID: CHAR-CLOSE-001
• 分类: 人物/特写/电影感
• 适用工具: 主流文生视频与图生视频工具
• 提示语正文:[人物描述]的面部特写，[情绪描述]的表情，[光线描述]打在脸上，浅景深，背景虚化，[镜头运动描述]，电影感色调，高细节皮肤纹理
• 参数建议: 分辨率1080x1920，帧率24fps，运动强度中等偏低，种子值固定后微调
• 预期效果: 人物面部占据画面主要区域，情绪表达清晰，背景柔和虚化
• 已知问题: 运动强度过高会导致面部变形；光线描述过于复杂时容易产生不自然阴影
• 微调建议: 想更写实就加“自然光”，想更戏剧化就加“伦勃朗光”

示例二：产品旋转展示

• Skill ID: PROD-ROTATE-003
• 分类: 产品/中景/商业展示
• 适用工具: 图生视频工具优先
• 提示语正文:[产品描述]放置在[台面描述]上，缓慢旋转360度，[光线描述]，干净背景，[镜头角度描述]，商业产品摄影风格，高光反射清晰
• 参数建议: 分辨率1080x1080，帧率30fps，运动强度低，旋转速度均匀
• 预期效果: 产品在画面中央匀速旋转，光线均匀，背景干净
• 已知问题: 旋转速度过快会导致产品边缘模糊；复杂产品结构在旋转时容易出现几何错误
• 微调建议: 想突出质感就加“微距细节”，想突出科技感就加“冷色调轮廓光”

示例三：城市夜景航拍

• Skill ID: LAND-AERIAL-007
• 分类: 风景/航拍/城市
• 适用工具: 文生视频工具
• 提示语正文:[城市描述]夜景航拍，[时间描述]，[天气描述]，镜头缓慢向前推进，[建筑描述]灯光璀璨，[色彩描述]色调，高动态范围，电影级宽银幕比例
• 参数建议: 分辨率1920x1080，帧率24fps，运动强度中等，推进速度均匀
• 预期效果: 城市夜景全貌，灯光层次丰富，镜头平稳推进
• 已知问题: 天气描述过于复杂时容易产生噪点；推进速度过快会导致画面撕裂
• 微调建议: 想更赛博朋克就加“霓虹灯反射”，想更温馨就加“暖色路灯”

这三条示例展示了Skill的基本结构。每一条都包含了足够的信息，让你拿到就能用，用了就知道怎么调。

3.3 分类统计与覆盖范围

463条Skill的具体分布大致是这样的：

这个覆盖范围基本能满足大部分短视频和广告片的需求。当然，AI视频生成技术还在快速演进，新的工具和能力不断出现，所以这套Skill体系也是持续更新的。

4. 开源之后，怎么用这套Skill最顺手

4.1 仓库结构说明

开源仓库的结构设计得很直白，没有花哨的东西。根目录下按一级分类分文件夹，每个文件夹里是按二级分类分的子文件夹，每条Skill是一个独立的Markdown文件，文件名就是Skill ID。另外有一个index.json文件，包含了所有Skill的元数据索引，方便程序读取和检索。

/skills /character /closeup CHAR-CLOSE-001.md CHAR-CLOSE-002.md ... /midshot ... /landscape ... /product ... index.json README.md CONTRIBUTING.md

每条Skill的Markdown文件里，用YAML front matter存放元数据，正文部分放提示语和详细说明。这样既方便人阅读，也方便程序解析。

4.2 三种使用方式

根据你的技术背景和使用场景，这套Skill有三种用法：

第一种：手动复制粘贴。最简单的方式，打开对应的Markdown文件，把提示语正文复制出来，替换变量，粘贴到AI视频工具里。适合偶尔做几个视频、不想折腾工具链的人。

第二种：脚本批量调用。如果你需要批量生成视频，可以写一个简单的Python脚本，读取index.json，筛选出需要的Skill，批量替换变量，生成提示语列表，然后通过API提交给AI视频工具。我在仓库里放了一个示例脚本，改改就能用。

第三种：集成到自己的工作流。如果你有自己的视频制作工具链，可以把这套Skill作为提示语库集成进去。index.json的结构是标准JSON，任何语言都能轻松解析。

4.3 变量替换的实操细节

变量替换看起来简单，但实际操作中有几个细节需要注意。

第一，变量值要具体。不要写“一个漂亮的女人”，要写“一位30岁左右的女性，短发，穿着白色衬衫”。AI视频工具对具体描述的响应远好于模糊描述。

第二，变量值之间要协调。比如你选了“夜晚”作为时间变量，那光线描述就不应该写“阳光明媚”。这种低级错误在实际操作中很常见，因为变量是分开替换的，很容易忽略整体协调性。

第三，保留原始提示语的结构。不要随意调整提示语的语序和结构，因为每条Skill的提示语结构都是经过验证的。你只需要替换变量，不要重写句子。

第四，一次只改一个变量。如果你想微调效果，一次只改一个变量，观察变化，然后再改下一个。同时改多个变量，你根本不知道是哪个变量导致了效果变化。

5. 实际使用中踩过的坑与应对策略

5.1 提示语“水土不服”的问题

同一套提示语，在不同AI视频工具上的效果可能天差地别。我一开始没意识到这个问题，把在A工具上验证过的提示语直接拿到B工具上用，结果生成出来的视频完全不是那么回事。

后来我总结出一个规律：提示语的“方言差异”主要来自三个方面——模型架构不同、训练数据不同、参数默认值不同。比如有些工具对“电影感”这个词特别敏感，加上去效果立竿见影；有些工具则对“电影感”无感，反而对“浅景深”“高对比度”这些具体技术词响应更好。

所以我在每条Skill的元数据里都标注了“适用工具”和“工具适配说明”。如果你用的工具不在推荐列表里，建议先做一次小规模测试，确认效果后再批量使用。

5.2 运动强度与画面稳定性的平衡

AI视频生成最让人头疼的问题之一就是画面稳定性。运动强度设低了，视频看起来像静态图片；设高了，画面容易崩坏、变形、闪烁。

我的经验是：运动强度不要超过中等，除非你明确需要快速运动效果。大部分场景下，中等偏低的运动强度配合镜头运动描述（如“缓慢推进”“轻微平移”），效果最稳定。如果你需要快速运动，建议拆成多个短镜头，每个镜头用较低的运动强度，然后在剪辑时拼接。

另外，种子值（Seed）的固定很重要。如果你对某条提示语生成的效果满意，记下种子值，下次用同样的种子值和微调后的提示语，可以在保持整体风格一致的前提下调整细节。

5.3 提示语长度与信息密度的取舍

提示语是不是越长越好？我的实测结论是：不是。提示语过长会导致模型“注意力分散”，反而忽略掉一些关键描述。我建议单条提示语控制在50到80个词之间，核心信息放在前面，次要信息放在后面。

如果你发现一条提示语效果不理想，先别急着加更多描述，试试删掉一些次要描述，让核心信息更突出。这个反直觉的操作，在我实际使用中经常能带来意想不到的改善。

5.4 版权与合规的注意事项

开源这套Skill的时候，我特意检查了所有提示语的内容，确保没有侵犯任何第三方版权，也没有包含任何敏感或违规内容。这一点我觉得有必要提醒所有使用这套Skill的人：AI视频生成的内容合规责任在于使用者。你生成的视频内容，最终由你负责。所以在使用提示语时，请确保你的生成内容符合相关平台的规定和法律法规。

另外，提示语本身是工具，不是内容。我开源的是提示语模版，不是生成好的视频。你用这些模版生成什么内容，完全取决于你自己的创意和需求。

6. 这套Skill体系的扩展与维护思路

6.1 怎么贡献新的Skill

开源项目最怕的就是“一次性发布，再也不更新”。所以我在仓库里放了详细的贡献指南，鼓励大家提交新的Skill。贡献流程很简单：Fork仓库，按照模版格式新建一个Markdown文件，填写元数据和提示语正文，提交Pull Request。

我审核Pull Request的标准主要有三条：第一，提示语必须经过实际验证，不能是凭空想象的；第二，元数据必须完整，不能缺字段；第三，必须标注已知问题和微调建议，这是最有价值的部分。

6.2 版本管理与兼容性

AI视频生成工具更新很快，提示语的有效性可能会随着工具版本更新而变化。所以我在每条Skill的元数据里加了“验证日期”和“适用版本”字段。如果你发现某条Skill在新版本工具上效果变差了，可以提交Issue，我会标注为“待重新验证”。

另外，我计划每季度做一次全量复核，更新过时的Skill，补充新的Skill。这个工作量不小，但我觉得值得，因为一套提示语库如果半年不更新，基本就废了。

6.3 从Skill到工作流的演进

这套Skill目前还只是“提示语模版”层面，但我已经在思考下一步：把Skill组合成完整的工作流。比如一个“产品广告视频工作流”，包含开场、产品展示、使用场景、结尾四个环节，每个环节对应一组Skill，整个工作流可以一键生成完整的分镜脚本和提示语列表。

这个方向我觉得很有潜力，因为它把“提示语复用”提升到了“工作流复用”的层面。你不再需要一条条找Skill，而是直接调用一个完整的工作流，输入产品信息和风格偏好，就能得到一套完整的视频制作方案。

7. 一些个人体会

做这套东西的过程中，我最大的感受是：AI视频生成的门槛不在工具，而在提示语的结构化能力。工具本身越来越傻瓜化，但“知道怎么写提示语”和“知道怎么高效地管理和复用提示语”之间，还有很大的鸿沟。这套Skill体系就是试图填平这个鸿沟。

另一个体会是，开源的价值不在于代码，而在于共识。我一个人整理的463条Skill，肯定不如一群人共同维护的1000条Skill有价值。因为不同的人有不同的使用场景、不同的工具偏好、不同的审美取向，这些多样性汇聚在一起，才能让这套Skill体系真正变得强大。

最后说一个实操小技巧：如果你刚开始用这套Skill，不要贪多。先挑10条跟你需求最匹配的，反复用，反复调，直到你完全理解每条Skill的脾气。然后再逐步扩展。深度使用10条Skill，比浅尝辄止地试100条，收获大得多。