返回列表
AI 实战2026年1月12日

深度拆解：如何打造一款全自动 AI 导演工具？（附全套核心 Prompt和体验网址）

作者 jovi
深度拆解：如何打造一款全自动 AI 导演工具？（附全套核心 Prompt和体验网址）

老友们好，我是 jovi 今天上班了分享个上月 vibe coding 项目： 一组prompt做自动分镜和剪辑 App

缘起， 最近有点冲动要录一些视频，但是不喜欢纯口播或者简单的电脑界面切换。 但是又不想自己整理分镜和台词。
我想那就交给 AI ……

上班族或者AI爱好者想分享自己的成果的喜悦，学习的体验和技巧，自媒体的小伙伴发布视频分享时，总会因为一些繁杂的细节工作陷入工具，素材或者脚本调试，最后不了了之，或者最后马马虎虎发布了录屏，精心准备的内容没有流量，不吸引眼球，久而久之没有正面反馈，放弃了更新。只能感叹在短视频时代，大家都浮躁了，不识货…… 时间付出了，没有得到应有的鲜花和掌声……

关于这个 App ，我们分两部分说：

  1. 1. 聊聊这个 App 的功能设计和能力。
  2. 2. 怎么设计的： 因为那个冲动，我想了下 ai 应该怎么帮我处理，写了几句 prompt ， 这就是整个 app 的设置思路，具体 prompt 是，见下文。

一、 App 使用，功能设计和能力

使用流程

  1. 1. 开始一个新项目： 大多内容不需要介绍，只有两个，又是两个
    图片
    • • 启用意图优化， 开启了请求 llm 先整理识别你的基础内容，会多消耗点 token
    • • 如果你的生图 api 充沛，可以在设置里面直接开启自动生成分镜图，脚本生成后自动创建场景分镜图片。图片
  2. 2. 全维度导演脚本：：把你的草稿，或者单纯的一些相关资料，放到原始内容框里，按”生成导演脚本”多等一会
  3. 3. 你就获得了你要求时间范围内的，和要求外的全部内容，包括：分镜编号，类型，时长，场景情感，场景脚本，景别，运镜方式，灯光处理，参考场景图示 —— 你们可以选择删除不必要的脚本片段，或者手动微调。 如果分镜场景参考不喜欢或者无感，可以换风格试试。 如果不需要场景参考可以省下 生图的银子
  4. 4. AI 剪辑建议：：点一下 Auto-Edit Plan , AI 剪辑大师会根据爆款逻辑，为你生成剪辑建议。
图片

放大看一下，AI剪辑大师都干了什么？

图片

剪辑师的剪辑目标，视频节奏，和转场安排。 还计算了剪辑后的总时长和评分

图片

剪辑师关于每个片段和处理方法： 钩子是那个，片段保留那一部分，建议时长的调整，剪辑师的剪辑笔记，片段转场是硬切还是 J-cut, L-cut……怕不怕。
（prompt 为了场景连贯性，限制了剪辑师不要整太多混剪。当然，你可以在任何时候修改剪辑师的 prompt 让他完全按你的意思剪辑。）

辅助功能

  1. 1. 本地存储，数据安全，自主。 使用 indexdb ，存储于浏览器， 提供完整的数据导入和导出。
    图片
  2. 2. BYOK (bring you own key) ， 使用自己的 llm 和图像生成的 apikey 使用（生图模型有一些跨域问题，火山的 api 当时没申请，所以没测试）
  3. 3. 内置中英文切换
  4. 4. 意图分析，自动分镜图生成偏好开关
  5. 5. A-roll, B-roll 镜头场景筛选，快速按场景拍摄内容图片
  6. 6. 推荐使用 gemini3 （模型基础能力和 prompt 直接决定 app 生成结果的成品阈值！）

二、 App 核心，一小段基础 prompt

这款 App 的强大 并非来自复杂的代码，而是由 4 组核心 Prompt 驱动。 即便不看代码，掌握这些 Prompt 思路，你也能在任何 AI 平台上复刻流程。

基础提示很简单：

1. 基于用户输入内容意图提取，需求分析 prompt ，用于获得更好的模型反馈效果的优化的 prompt

2. 主 prompt (导演) 

- Variables：分镜师 （场景类别，内容和呈现方式）
- Variables：摄影&灯光&美术 （镜头语言，运镜，灯光氛围）
- Variables：导演（情绪，氛围和台词）
- Variables：场记 （内容，细节连续性）


3. 剪辑师（auto-edit plan） 剪辑思路

4. 场景生成 prompt 模板组

需要说明的是，这套  prompt 的优化并没有用前面我教的 prompt 方法(不谈虚的，你会说话，就能让 AI 输出质量超越身边 95% 的人)， 直接用 gemini3 处理的。  因为后面又做了其它好几个 App, 这个 APP的最后一步，优化 prompt 回归测试没做，大家有兴趣可以自己按前面提到的方法去优化，  prompt 的优化，不同层次的直接决定app 几个层级的变化。

任何一个 prompt 的调整立竿见影， 效果十分 Nice.

完整 prompt 部分

现在应用的 prompt 由上面的 4 个组组成：

1. 意图分析

提炼核心创作意图。 逻辑： 在写脚本前，先让 AI 明确“为什么拍”、“给谁看”、“重点是什么”以及“整体基调”。

Role: You are an expert Creative Producer and Requirements Analyst.
Task: Analyze the user's raw input to extract the core creative intent. 

Output a structured summary that includes:
1. Core Message (The "Why")
2. Target Audience (The "Who")
3. Key Plot Points/Information Hierarchy (The "What")
4. Suggested Tone/Mood (The "How")

Constraint: Do not write the script yet. Only refine the requirements to help the Director AI write a better script later.

2. 总导演

将需求转化为标准 JSON 格式。 逻辑： 强制要求分镜图示和脚本内容使用简体中文。强调“Show, don’t just tell”，限制口播（A-Roll）时长，增加视觉丰富度。

图片
Role: You are a world-class Video Director and Creative Lead.
Goal: Convert requirements into a professional shooting script JSON.

# TEAM ROLES & GUIDELINES

## I. DIRECTOR'S VISION (Tone & Performance)
{{DIRECTOR}}

## II. VISUAL LANGUAGE (Cinematography)
{{CINEMATOGRAPHY}}

## III. STORYBOARDING RULES (Content & Structure)
{{STORYBOARD}}

## IV. CONTINUITY & FLOW (Script Supervisor)
{{CONTINUITY}}

# GLOBAL CONSTRAINTS
1. **LANGUAGE**: The 'script', 'visual_spec.description', and 'emotion' fields in the output JSON **MUST BE IN CHINESE (SIMPLIFIED)**.
2. **FORMAT**: You must strictly output valid JSON matching the defined schema.
3. **VISUAL DIVERSITY**: Do not create a "talking head" video. Use A-Roll sparingly. Show, don't just tell.

3.  总导演的4个变量

图片
导演人设 (Persona)——脚本的情绪、语气及台词风格。
- Emotion: Explicitly label the emotion of the speaker or the vibe of the scene (e.g., 'Excited', 'Serious', 'Contemplative').
- Dialogue: Write natural, spoken-word scripts. Avoid robotic phrasing. Include pauses [pause] where necessary.
摄影参数 (Cinematography)——景别、运镜和灯光的风格化指导。
- Shot Size: Use 'Wide' for establishing context, 'Medium' for information, 'Close-up' for emotion or emphasis.
- Camera Move: Use 'Static' for stability, 'Pan' for revealing, 'Zoom In' for focus. Avoid unmotivated movement.
- Lighting: Define the mood (e.g., 'Natural', 'Cyberpunk', 'Studio Softbox').
分镜逻辑 (Storyboard)——定义拍摄类型（A-Roll/B-Roll）的判断准则。
- **MANDATORY CATEGORIZATION RULES**:
  1. **Screencast**: IF the script describes software, websites, app interfaces, code, or digital workflows, the Scene Type MUST be 'Screencast'.
  2. **Infographic**: IF the script discusses data, numbers, charts, or abstract concepts requiring visualization, the Scene Type MUST be 'Infographic'.
  3. **B-Roll**: IF the script describes an environment, a physical product close-up, or a mood shot without the speaker talking directly to camera, use 'B-Roll'.
  4. **A-Roll**: ONLY use 'A-Roll' when the speaker needs to establish an emotional connection or intro/outro the video.

- **Scene Pacing**: Avoid more than 2 consecutive 'A-Roll' scenes. Break them up with visuals (B-Roll/Screencast) while the voiceover continues.
连贯性 (Continuity)——确保叙事逻辑和道具细节的统一。
- Flow: Ensure the transition from the previous scene to the current one is logical.
- Details: If a prop appears in Scene 1, ensure it doesn't vanish in Scene 2 unless intended.

4. 剪辑大师 (Viral Edit)——用于重新排布脚本以提升视频留存率。

!这里的 prompt 直接决定剪辑的风格， 影响非常大，如果剪辑不符合你的要求，可以任意调整。

重新排布脚本，提升留存率。 逻辑： 赋予 AI “剪辑特权”——它可以为了吸引眼球而前置高能画面（Cold Open），或者激进地剪掉无用片段。

Role: You are a Viral Video Editor (ACE) with FULL CREATIVE AUTHORITY.
Your Goal: Maximize "Audience Retention" and "Engagement".

# YOUR POWERS:
1. **REORDER (The Hook)**: If the intro is boring, find the most visually stunning or shocking scene from the middle/end and move it to the start (Cold Open).
2. **TRIM (Kill the Fluff)**: If a scene is 10s but only needs 3s to convey the info, TRIM IT aggressively. Fast cuts keep attention.
3. **DELETE**: If a scene adds no value, do not include it in the timeline.
4. **J-CUTS**: Suggest starting the audio of a talking head before showing their face, or continuing their voice over B-Roll.

Task: Take the provided linear script and remix it into a viral edit plan.
Output: A JSON containing a 'timeline' array of segments with specific actions ('TRIM', 'MOVE', 'KEEP').

分镜图生成， 默认内置了： Cinematic (Default)、Anime Style、Storyboard Sketch、Cyberpunk/Neon、Corporate Vector

图片

可以根据自己的喜好添加更多，或者调整默认的分镜画面生成的参考场景风格，{{DESCRIPTION}} 变量外的内容都可以调整， 变量用来注入场景画面的描述内容。 其它的就是你可以调整的画面风格的图片生成的 prompt 部分。

开玩儿地址（vercel） https://ai-video-director-copilot.vercel.app/

这套 Prompt 并未使用复杂的框架，而是直接利用 Gemini 的强大理解力进行处理。实验证明，任何细微的 Prompt 调整，都能在最终生成的脚本中产生立竿见影的效果。

如果你也想让自己的视频生产流程更进一步，欢迎体验。 喜欢的朋友们点个关注，分享。 jovi 谢谢盆友们了~~

原文发布于 AiCC，转载或引用请注明出处