转载笔记：本文是对 Eian（@EianLu）2026 年 11 月 5 日 X 长文《Claude code/Codex+Seedance AI视频：从一个想法到成片的全流程》的总结笔记，不是原文转载。原文链接：https://x.com/eianlu/status/2118317430665613741
这篇文章只解决一个问题：靠一套多模型工作流，用尽量少的钱、尽量低的抽卡率，做出一条自己满意的 AI 视频。全文分两部分，工具层面和实际操作层面，重点是后者，从一个想法开始，一步一步做到成片，并给出完整的提示词。
一、工具层：Claude 当总导演
用到的模型有 3 个：Claude Code、Codex、Seedance，外加 ffmpeg 和 Python 两个工具。
分工如下：
| 角色 | 负责 |
|---|---|
| 我 | 选方向、确认画风、批准花钱；看动态、听声音 |
| Claude（导演） | 写故事和分镜，写所有提示词，检查每张图和每段视频，写代码做后期 |
| Codex（画师） | 画设定图、样帧和每个镜头的首尾帧 |
| Seedance（动画师） | 把首尾帧变成几秒钟的视频 |
Claude 是总导演，另外两个模型都接入 Claude，由 Claude 调用。这样全程只需要和 Claude 沟通，不用切窗口、不用到处复制粘贴。没有 Claude 时也可以用 Codex 代替，活都能干，只是作者觉得 Claude 更聪明、审美更高。
接入方法很简单：电脑上装好 Claude 和 Codex 后，直接告诉 Claude 图片去调用 Codex 生成；Seedance 去火山引擎注册账号、申请 API Key，让 Claude 按要求写好脚本、填好 Key，剩下的交给它。
核心原则是把错误挡在花钱之前：提示词改几个字不花钱，重画一张图也不额外花钱，但重新生成视频要按秒付费。所以文字里能发现的错，不要留到图上；图上能发现的错，不要留到视频上。
总导演提示词（要点）
做视频前先把下面这段发给 Claude / Codex：让它当总导演，全程负责，只和它沟通。开工前先做两件事：一是问片长、画幅、总预算、要不要配乐和字幕；二是检查 Codex、ffmpeg、Python 和 ARK_API_KEY 能不能用，缺什么就说出来。所有文件放在一个新建的项目文件夹里。
分工：Claude 写故事和分镜、写所有提示词、调用其他模型、抽帧放大检查每张图和每段视频、用 ffmpeg 和 Python 写代码做后期；Codex 只负责画设定图、样帧和每个镜头的首尾帧，Claude 自己不画；如果对话方本身就是 Codex，就用它自己的生图工具；Seedance 把首尾帧变成几秒钟的视频；我只负责选方向、确认画风、批准花钱、看动态、听声音。
调用 Codex 的方式：codex exec --skip-git-repo-check -s read-only -i 参考图.png - < 提示词.txt，提示词开头写明用生图工具只生成一张图、不要执行 shell 命令，画好的图在 ~/.codex/generated_images/<日志里的 session id>/。
调用 Seedance 的方式：POST https://ark.cn-beijing.volces.com/api/v3/contents/generations/tasks，Key 放在环境变量 ARK_API_KEY 里，不要打印出来，请求格式查火山方舟文档。模型选 doubao-seedance-2-5-260628（720p 约 ¥1.5/秒）或 doubao-seedance-2-0-mini-260615（720p 约 ¥0.5/秒），价格以账单为准。
规矩一共 7 条：确认故事前不画任何图；确认画风前不画正式镜头；提交视频生成前，另开一个 agent 审核提示词和图片的每个细节，只挑错不改文件，通过后报价，同意了才提交；视频有问题先想能不能用代码修，修不了才重拍，只拍这一镜；新版本存新文件，不覆盖、不删除旧文件；Claude 看不到真正的动态、听不到声音，没看过、没听过的东西要明确告诉用户；不充值、不买额度，接口返回欠费就停，把已有的片段先粗剪出来看。
二、从一个想法到完整视频的全流程
1. 从一个想法到完整剧情
先把初步的想法或剧情讲给 AI，不用太详细，再和 AI 聊，完善剧情，直到完整的故事和脉络定稿。
一个好故事至少要满足 5 个标准：
- 符合现实逻辑：每个转折都要按现实追问一遍，为什么会这样、东西从哪来、够得着吗、现实里真会这样吗，除非本来就不要现实逻辑。
- 能用一句话说清想表达什么：写完问自己这支片子到底想说什么、哪些地方设计得最好，说不出来就说明剧情平淡，要改。
- 开头就要抓人：观众几秒就可能划走，最抓眼球的画面要放在前面。
- 旁人的反应要像真人：每个包袱或转折分 3 段写，问题、主角怎么解决、旁人什么反应。反应要有先后，几个人同一秒举手一看就是模型做的；细节也要真实，比如真人吃惊时身体会往后缩。
- 画面要 AI 拍得出来：AI 视频的固定弱点要避开，包括人物交叉、手拿小东西、文字、镜子和倒影、左右不对称的特征、一镜内换光、一人连做三个动作、俯拍看不到脸、配角太多，这些都容易抽卡。故事结构首选片段式，每个镜头之间不用接戏，最稳；连贯式最容易穿帮，更要注意每个片段之间的连接。
对应的提示词要点：告诉 AI 想做的片子（一句话或初步剧情）、片长、配歌（歌名、时长、BPM，不配歌就删掉）、参考片（有就写，没有就删掉），让它先把想法完善成完整故事，有不清楚的地方就问，一起聊，等确认了再往下写。故事确定后展开成逐镜头故事，满足上面 5 条要求，配歌的话转折对副歌、关键动作对重拍。
故事定稿前，强烈建议再开一个新 agent 来审核故事：主 agent 聊了很久，会自动脑补；新 agent 什么都不知道，像第一次看片的观众，哪里看不懂，就说明哪里真的没讲清楚。只给它定稿故事，其他文件都不要给。后面几步的审核也一样，只给故事、不给结论，让它按要求看一遍、给出修改结论。
审核故事的提示词要点：让新 agent 第一次看，只负责挑错、不改文件。先只按镜头顺序读，写出看懂的故事；再按顺序追问每个转折；判断能不能一句话说清想表达什么；开头抓不抓人、最抓眼球的画面在前面吗；旁人反应像真人吗、有没有先后；哪些镜头 AI 视频模型容易拍错。每条写镜头、问题、建议改法，没把握的写“可能”，最后写“通过”或“不通过”。
2. 分镜：定镜头语言、构图和配色
这是前期准备最重要的一步，决定视频质量，作者甚至觉得构图和配色比剧情还重要。每个镜头都要写清景别、机位、运镜、谁往哪走（写画面左右）、靠什么表情推进、怎么转到下一镜。
具体要求有 6 条：
- 每镜换角度：全片平视正面最多两次，其余用俯拍、仰拍、从背后、过肩、透过东西拍，机位越多画面越丰富。
- 画面里要一直有东西在动：人站着不动、东西也不动的镜头看起来像一张图片，就是画面死了。大多数镜头最好有人或东西从画面外面走进来、或从画面里走出去；人不走动的镜头，就让别的东西动，比如飘过去的一张纸、身后走过的路人。固定机位更难用，更要让人在画面里走动，比如从远处走到近处。不要连着好几个镜头都是一样大小的画面，全身、半身、脸部特写要换着来。
- 每个镜头都要写清楚具体是什么在运动：摄影机在动、焦点从一个人换到另一个人、光线在变、镜头前面有东西飘过、人物的小动作（比如手在抖），至少要有一样；一样都写不出来，说明镜头还没想好。但也不是动得越多越好，该动的地方动、该静的地方静，这样才有对比。
- 镜头运动要有理由：摄影机动一下，一定是因为有东西想给观众看。最常用的三种：跟着一个东西或人物走（比如一封信飞到哪，镜头就跟到哪）；慢慢推近给特写；一开始拍得很近，再慢慢拉远。
- 每一秒截图都要好看：片子停在任何一秒，截下来的图都应该好看。最简单的办法是黄金比例构图，让人的头或眼睛落在画面从左往右大约 38% 或 62% 的位置，而不是正中间。
- 配色要单独设计：配色不要交给模型自己发挥，在画第一张图之前就确定好，按自己的喜好来。设计好配色后，让 Claude 把每一场用什么颜色单独列成一张色表；最后把画面转成黑白让 Claude 看一遍，如果转成黑白后人和背景区分不开，说明明暗对比不明显，要重新调配色。
分镜提示词要点：把定稿故事写成分镜表，每个镜头一行，写清片中时间（配歌就按小节算）、生成秒数（片中时长向上取整，尽量多留 0.5 秒）、景别、机位、运镜、谁往哪走（写画面左右）、靠什么表情推进、这个镜头是什么在动、怎么转到下一个镜头。有参考片就先逐帧看参考片，把机位、进出画比例量出来、学习模仿；没有就按上面 6 条要求自己构思。配色在画第一张图之前定好，列出每场的色表；最后用代码给每个镜头画一张 1920×1080 的色块草图，标出 38% 和 62% 的位置和主要的东西，拼成总表确认，再转成黑白检查一遍。
3. 定画风，画设定图
画风就是这部动画的绘画风格，比如宫崎骏的手绘、柔和、颜色温暖，或者线条简单的剪纸风、写实的照片风、美国动画的手绘线条感。有参考图最好，直接发给 AI。
这一步由 Claude 写提示词、Codex 画，用户只负责看是不是想要的风格。画风定下来后，给每个角色和固定道具画一张设定图，一般是正面、侧面和几个表情，相当于把长相定下来。人物身上固定的东西一定要写清楚位置，比如纹身在左手臂上，否则后面每张图的纹身位置都可能不一样。
4. 出每个视频片段的首尾帧图片
首尾帧就是每个镜头的第一张画面和最后一张画面，这是降低抽卡率最关键的一步。只靠文字生成视频，模型很容易出逻辑错误；雨、帽子、纹身这些小物件只写在文字里经常拍着拍着就没了，必须在首帧和尾帧都画上才稳当。
画的顺序：不要一上来就开画，先让 AI 把每个镜头的首帧画什么、尾帧画什么、中间发生什么都写出来，让审核 agent 审核过了再画，这样能省很多 Codex 额度。先画内容最多的那张，一般就是尾帧，再在尾帧上改出首帧，保证两张图的摄影机位置和构图一样。画同一个地点、同一个机位的镜头，直接在前一张图上改，不需要重新画，Codex 支持图片局部改动。如果镜头运动设定是慢慢推近，尾帧可以直接把首帧裁一块再放大；如果首帧和尾帧构图完全一样，镜头就等于不动，生成视频时就没有推进效果。Codex 出的图不一定正好是 16:9，提交给 Seedance 之前要检查一遍，有问题提前让 AI 裁好，首帧和尾帧尺寸也要保持一样。
首尾帧检查清单（每张图都要放大看，有问题告诉我是哪张图、哪里不对，同意了再改）：动作要用到的东西，首帧里必须有，比如后面要拿杯子，首帧里就要看得到杯子，否则杯子会凭空冒出来；别人的反应要提前摆好，一段视频就是一个镜头、没法中途切过去拍别人，所以首帧里要安排好一个人在前面做事、另一个人在后面、脸朝着镜头；很多人一起出现时不能摆同一个姿势，不然模型会让所有人同时动；给动作留出空间，东西要落到、飘到的地方要提前空出来，人的头顶也要留点空；风往哪边吹要统一，不能围巾往左飘、床单却往右飘；缩小到手机大小看一遍，远处的人太小、看不清就要改；放大看有没有多余的东西，比如多一个水壶或一条奇怪的细线；把首帧和尾帧叠在一起看有没有错位，不该变的地方两张图必须一样，比如墙的颜色不一样，视频里墙就会慢慢变色，杯子大了一点，视频里杯子就会慢慢变大。
改图注意两点：Codex 就算只改一小块，也会把整张图重新处理一遍，所以只改一小块时，要把改好的那一块贴回原图；Codex 额度用完了就等它恢复，不要买额度，也不要一次同时画太多张。
5. 写视频提示词，提交前审核
作者发现很多时候画面出问题不是模型不行，而是提示词的问题，所以出问题先怀疑提示词。推荐固定用七段式提示词，把每一秒发生什么都写下来：
- 一句话写画风，整段的画风、颜色、人物设计与首帧和尾帧完全一致。
- 整段几秒、景别、机位、运镜，不动就写“不推不拉不摇，不切镜”。
- 人和东西在画面哪里，墙和光是什么颜色，要和首帧对得上。
- 每个人的长相、衣服、固定道具，写死。
- 0–0.2 秒画面完全静止、和首帧一模一样；每一段写谁做什么、表情怎么变、手放在哪、不能碰什么、往画面哪边；最后 0.3 秒所有人完全停住，画面与尾帧完全一致。
- 只有看得见原因的声音，人物不说话。
- 画面里一直只有首帧这几个人和这些东西，脸和身形全程不变，一镜到底，画面干净，没有文字、字幕、水印。
模型最容易犯的错和对应写法（原文表格要点）：
- 一群人同时做同一个动作：写清谁先谁后，首帧也不要摆同一个姿势。
- 本来该风做的事，人自己动手做了：写清原因，再写上两只手从头到尾都没有碰邮包。
- 云、月亮、植物长出眼睛和嘴巴：不要写“卡通云”，要写“蓬松的灰白色积云，只有棉絮一样的纹理和阴影”，动作也只写它怎么移动。
- 人往反方向走：方向按画面来写，朝画面左边走、跨过左边的店门。
- 一句话有两种意思：写得更具体，再加上驾驶座一直空着之类的限定。
- 东西的数量变了：把数量直接写出来。
- 写“不要怎么样”经常没用：尽量改成正面说法。
- 模型会自己联想道具的用法：干脆不让这个道具出现在有动作的镜头里。
- 东西凭空出现：只用首帧里已经有的东西。
- 东西突然飞走或瞬间移动：写清楚它是怎么动的。
- 雨、帽子、纹身拍着拍着就没了：首帧和尾帧都画上。
- 闪电画得太写实：写“云里闪一下白光”，再把开头剪掉。
- 一个镜头动作太多就乱了：每个镜头只写一两个主要动作。
- 动作的时间和写的不一样：写的时间只能算大概，多留一点时间，后期再用剪辑和变速对上节拍。
- 镜头推得没有写的那么明显：后期让 Claude 用代码再推一点。
- 人的嘴自己在动：写明“人物不说话”，还动就用代码修。
- 写了“没有音乐”还是混进了音乐（Seedance 2.5）：片段自带的声音不用，后期另外加。
- 结尾几帧突然跳到尾帧的样子（Seedance 2.5）：后期选一张没问题的画面，后面都停在这一张。
- 第一张画面特别锐（Seedance 2.5）：直接把这一张去掉。
- 视频越到后面越暗越冷（Seedance 2.0 mini）：每条视频都按它自己的首帧把颜色调回来。
每条视频提交之前，都要另开一个 agent，把提示词和图片的每个细节核对一遍，审核通过之后才能提交给 Seedance。作者用这个方法查出过很多问题，比如两张图里的杯子大小差了 13%、帽檐一张有一张没有、左右写反了，这也是他抽卡率极低的原因。
提交前审核的提示词要点：让审核 agent 只读不改，这个镜头马上要提交视频生成、花的是真钱。材料是提示词文件、首帧、尾帧、设定图、分镜表、配色规则。逐项核对、放大看图：提示词的每句话和两张图对得上吗；两张图的机位、大小、背景一致吗；和设定图、配色规则、前后镜头对得上吗；动作现实吗、每个动作的原因写了吗、手放在哪；模型可能在哪里出错。最后只写“通过”或“不通过”，不通过就逐条列出要改什么。
6. 生成视频
这一步都是 AI 自动完成的，不用管，但有几个省钱小技巧可以发给 AI：用 720p 生成，后期再放大到 1080p；不用专门拍测试片，直接拍第一个正式镜头，如果能用就赚了；新的做法先拿一两个最难的镜头试一下，行得通再全部提交；想清楚要不要用 Seedance 2.5，它的价格差不多是 2.0 mini 的 3 倍，预算紧就用 2.0 mini，作者感觉只要不是特别复杂的镜头，2.0 mini 就很够用了；声音要听过再用，2.0 mini 自带的音效经常能直接用，2.5 就算写了“没有音乐”有时还是会混进音乐，这种就不要用了，音效后期可以另外加。
发现问题也不要马上重拍，重拍又得花钱，先看能不能处理：能不能剪掉，问题只出现在开头或结尾那几帧，直接剪掉就行；能不能用代码修，让 Claude 尝试写代码修，修不好再考虑重拍；如果要重拍就要先改提示词或首尾帧图片，不然原样再拍一次大概率还是错的。重新拍完之后旧片段也不要删，重拍的新片段不一定比旧的好，都留着，最后放在一起挑，都是花钱拍出来的，可以用就都用上。
7. 拼接、转场、调色、放大
视频是一段一段生成的，生成完了要拼在一起、加转场、调色、放大，建议全部用代码做，让 Claude 来做。
用代码做后期的提示词要点：转场写清哪一镜到哪一镜、用什么东西盖屏或带过去，运动模糊切 8–16 份、半帧快门；调色按故事分段，只调彩度和亮度、不动色相，强调色受保护、肤色不变，不加颗粒、柔光、暗角；Seedance 的 mp4 按 BT.601 解码，中间文件用无损格式，交付标 BT.709；放大用 720p lanczos 放大到 1080p、加轻微锐化，不用整段插帧；按小节卡点，拍点只从原曲上测，不要在剪过的文件上测。做完抽查切点前后 3 帧。
8. 全片复核和交付
再新开一个审核 agent，只给它成片，不告诉它任何结论，让它像观众一样从头看一遍。再让 AI 写一份总结，把画风、提示词、犯过的错误都存好，把每次做视频的经验沉淀下来。
全片复核的提示词要点：这是成片，审核 agent 第一次看，不告诉它任何结论。全部解码，每镜取多张全分辨率帧，切点前后各取 3 帧；先写看懂的故事，再列看不懂的地方；逐镜查重复的动作、道具数量、穿帮、突跳、颜色跳变、脸变形、字的问题；明确写出查不了的东西（动态手感、声音）。每条写时间、帧号、问题，分“硬伤”和“小问题”。
最后：四线程工作模式
针对 Claude 或 Codex，也就是导演，开四个 agent 一起配合：
| 角色 | 负责什么 |
|---|---|
| 主做 | 负责所有制作 |
| 审核 | 每一步都检查，提交生成视频之前必须写“通过” |
| 监督 | 把我说过的所有话列成清单，盯着大家有没有忘记 |
| 代理 | 按我平时的选择替我做决定，在我事先同意的预算内批准提交 |
另外三个 agent 都是 Claude 自己开子 agent，只要把下面这段提示词发给它就行。
四线程提示词要点：这支片子用四线程来做，主做再开三个子 agent，四个一起配合，一直做到片子做完或账户欠费为止。我说过的话在对话记录或要求文件里，总预算写清楚金额。分工是主做负责所有制作；审核开一个子 agent，只挑错、不改文件，每一步都要查，提交生成视频之前必须明确写“通过”；监督开一个子 agent，读完我说过的所有话、整理成要求清单，每一步都查有没有人忘了要求，包括主做；代理开一个子 agent，读完我说过的所有话、整理成我的偏好，主做和审核拿不准、或要提交生成视频时，由它按偏好来决定、并写明依据和把握，它只能在总预算内批准提交，超过预算就停下来等我。配合顺序是每做完一步，先交给审核、再交给监督，有分歧就交给代理决定，所有决定和花费都记进审核记录，我回来可以推翻任何决定。不充值、不买额度，欠费就停，先把已有的片段粗剪出来看。
作者最后说，做视频是一件非常有意思的事情，但把一支片子做好其实是非常难的，他也一直在学习，希望这篇文章对读者有用。
执笔
