别再用一句话抽卡了！6 步构建视频工作流，让 AI 用代码稳定出片

用代码做视频的工作流头图

首先说一个基本认识，我觉得现在用 AI 做视频，绝对是一个非常大的风口。

用好这个能力，你可以用它做一系列的视频，去不同的社交平台起号。

等到视频火了之后，自然就会有商单找上门，同时还会积累一大批粉丝。

而且现在国内的很多平台也在推 AI 视频这个赛道。

比如小红书有“AI 替我说”活动，抖音有“vibe 知识大赏”，都是给这类视频的激励计划。

比如我前段时间做的《一座城的年轮》，在全网有超过 20 万人观看，也吸引了很多朋友去复刻，特别是在 X 平台，1 天时间我涨了上千粉丝，也接到不少咨询。

10 月 18 日

《一座城的年轮》谨以此片，献给我的家乡。3,573 帧，74 亿个像素，319 平方公里，71,380 栋楼，按 1:10000 等比缩小，画面全部由 Claude 写代码渲染完成。从公元前 1250 年到 2022 年，3,271 年的历史压进 149 秒。这就是我的家乡：成都。如果喜欢，请多多支持，感谢！

但我发现其实对于 AI 做视频来说，很多人还存在误解。
比如我收到很多私信，问我视频的提示词是什么。
但其实真的没有这种神级提示词，可以用一段话就让 AI 生成一支很惊艳的视频。
而且我觉得一支真正好的视频，根本也不是就靠一句提示词就能生成出来的，中间有很多流程、很多步骤。

也就是说，Claude 的模型能力再强，做视频还是要讲究基本的流程。

我们需要构建的是一套系统的工作流程，稳定出片的同时把握好视频的质量。

所以这篇文章，我就把自己已经跑通的这套“用代码做视频”的工作流，分成 6 步全部讲清楚。

如果暂时用不上 Claude，换成其他模型，例如 DeepSeek，相信也会有值得借鉴的地方。

1. 我踩过的坑：一个视频改了 8 版

一个非常扎心的事实是：

大多数人现在做视频的做法是：给 Claude 一段提示词，然后生成一个视频，视频不满意，再对着生成好的视频挑毛病。

我之前也这样干，有一个视频我改了 8 版才基本满意。
后来我发现这不对啊，这里面有一个非常严重的问题，就是决定一支片子好坏的几步中间流程，全被我跳过了。

我有太多的血泪经验了，你只要让它一步到位，它给你的就是满大街的同款模板。

后来想明白了，出现这种情况的原因也很简单：整个过程都是模型在做，它为了交差，下意识就会拿最安全、最大众的默认套路去敷衍你。
别问我怎么知道，我吃了太多亏了哈哈。

所以后面我做了全面的复盘，发现一支片子从有想法到成片，中间其实有 6 步：

定需求：这支片子要说什么、给谁看，哪些内容必须用真实素材。
找参考：确定这支片子应该长成什么样。
出分镜：确定每一段演什么，故事和解说词对不对。
配音乐：确定音乐怎么走，节拍卡在哪。
开工：用代码把每一帧做出来。
验收存档：哪一帧不对、为什么不对？再把这次的经验存下来。

整个流程就跟装修房子一样：先定风格，再去看样板间，然后出施工图，再开工，最后验收。

搞不懂也没事，这 6 步 Claude 都能自己干，关键是怎么让它干。

正常来说这 6 步是分开的，应该一步一步走，绝对不是全部压成一步走完。

所以我们要做的事，就是在它正式开始渲染之前，把这几步一个一个落到实处。

下面我就把我做视频的经验，一步一步讲清楚。

2. 步做出一支片子

6 步视频工作流总览

2.1. 第 1 步，定需求：写立项单，别写氛围感小作文

先说个非常常见的情况，跟 AI 说“帮我做个有质感的产品视频”，这就是非常错误的示范，而且连小作文都不算。

千万别相信一句话直出。出是可以出，但你能出的，别人也能出。
你自己视频的特色完全没有，AI 味就是这么来的。

立项单就干一件事：把视频里的事实和能让模型自己发挥的地方分开。

再简单点说就是，镜头怎么推拉、机位在哪里，模型可以自己去构思设计；开场它也可以帮你设计得更有钩子，但视频里的真实素材不能随意发挥。

正确方法是，在正式开工前，就得先把这几个问题想清楚：

这条视频打算发布在哪个平台，用来给谁看？
看完之后，你最想让别人记住的一件事是什么？
哪些东西必须用真实素材，绝对不能编，比如 Logo、产品界面、数据？
哪些东西是这支视频绝对不能出现的？

把这些问题想清楚之后，第一步就是把写好的立项单给 AI。

不会写可以参考我的模板，照着填空就行：

【立项单】
1. 一句话：这支片子看完，观众要记住______
2. 发在哪：______（这决定了画幅和时长）
3. 多长：______秒
4. 真素材清单（只许用这些）：
Logo：______
产品界面截图 / 数据：______
字体、颜色：______
音乐：______
5. 想要的感觉：______（照着参考片说，越具体越好）
6. 不想要的：______
7. 红线：界面和数据一律用真的，缺了就停下来问我，不准自己画！
8. 最后交给我：分镜表、缩略图看板、成片、封面、源码

如果是做产品宣传片，你也可以把网站链接给 Claude，让它自己把要做成动画的界面截图收集齐。

完成后我们只需要先看一遍这份素材，确认没问题就行。

2.2. 第 2 步，找参考：给参考片，让它先搞清楚参考片为什么好

大多数情况下，我们都不太能用专业的语言去描述清楚我们想要的画面。
这里面有很多专业名称，怎么推拉、怎么运镜，当我们说不出来，就只能把这些交给模型，让它自己决定，然后它就会自己凑一套。

但这又回到之前那个情况了，它会拿最安全、最大众的默认套路去敷衍。

这个时候就直接给参考片，绝对是最有效的，比自己在那很努力地去描述强得多。
描述得不准，模型还越容易理解错，反而会起到不好的效果。

直接拿一张照片、一段短片，或者自己以前做过的作品文件夹给它，让它先搞清楚这些参考片为什么好看。

提示词用这个：

这是我找的几个参考片：[文件或链接]
先别急着动手，帮我拆一下它们为什么好看：
- 用了哪几个颜色？给我具体色号，别写“高级感”这种虚词
- 字体是什么风格，大标题和小字差多少
- 观众第一眼会看向哪里
- 节奏多快，平均几秒换一次画面
- 东西是怎么动的：干脆利落、慢慢滑过去，还是带一点回弹
- 画面有没有颗粒感、纸张感这类质感
拆完整理成一份风格说明给我。
注意：学的是感觉，别照搬人家的人物、Logo 和文案

完成这一步，它一般会给你一份风格说明，而不是单纯照着参考片的画面去模仿。

这份风格说明，就是你这支片子的样板间，后面所有画面都得照着它的风格来制作。

2.3. 第 3 步，出分镜：先把画面和故事定下来

分镜表示例：画面与故事拆解

分镜要解决的问题很简单：大多数时候你会发现，你想要的视频和 AI 给你的片子完全不是一回事；还有故事情节，特别是讲解类的视频，AI 写的解说词跟你想说的完全不一样，等视频做完之后才发现，要改又得全部推翻重新来。

所以为了减少返工，就得先出分镜，把风格和整个故事的画面都定下来，然后再去完善就行。

这是非常重要的一步，一定要做。

写分镜只需要记住一个点：必须要写清楚每个时间点，观众要接收到的信息是什么。

这一步同样让 Claude 完成，让它按照下面的示例，给你输出完整的视频分镜表。

这里以一支 15 秒的记账 App 宣传片为例：

0-3 秒    直接上痛点：一堆乱七八糟的小票和截图糊满屏幕，配一句“这个月的钱又去哪了？”
3-8 秒    产品出手：手指点一下“拍照记账”，小票自动变成一条条账单
8-12 秒   前后对比：左边是乱糟糟的小票，右边是一张清清楚楚的月度报表
12-15 秒  收尾：App 图标加一句下载引导，稳稳停住

每一段都要写清楚三件事：开始的时候画面是什么样，结束的时候是什么样，以及这一段为什么存在。

有解说词的话，每一段的解说词也一起写进分镜表里，提前对好每一句词和对应的画面。

如果是做 UI 动效，更要这样严格要求。

做出这样一张分镜表，比直接跟它说一句“让画面更有活力一点”好用不知道多少倍。

分镜表就是装修里的施工图，如果有一段连 AI 自己都说不出为什么要有，那就直接把这段砍掉。

2.4. 第 4 步，配音乐：让声音和画面踩在同一个点上

音乐节拍与画面卡点示意

配音乐有两种方式：先定音乐再排画面，或者画面做完最后再配音乐。
无论哪种方式，音乐都必须跟画面的节奏对得上。

不管是正版音乐还是自己做的曲子，第一件事就是让 AI 分析配乐、量出节拍点，再卡着节拍切画面。

如果音效是用代码合成的，那就把每个音效的触发点，和驱动画面变化的时间戳放在同一套时间上。
不用理解这是什么意思，把这句话发给 AI 就行。

这样做是为了避免一个问题：音画不同步。

比如画面里按钮按下去了，点击声还没有响，或者切镜头没踩在鼓点上。

Claude 在这方面做得非常好，通常会自己检查，所以我几乎没有遇到过这种问题，但是 GPT 会，而且好几次都这样。

所以还是写一下哈哈。

一套好的背景音乐，用耳朵听起来得有起伏和结构：重音直击人心，轻音如潺潺流水。

如果听起来平平淡淡的，那就想办法再改改。

2.5. 第 5 步，开工：用代码把画面做出来

2.6. 代码渲染的原理

先说说 Claude 是怎么开工的。

拿我做的《一座城的年轮》来说，3,573 帧画面，全部是由 Claude 写代码渲染出来的，没有一帧是用 Seedance 这种视频模型生成出来的。

这是因为 Claude 做视频，根本不是在“画”视频，而是在“写”视频。

像 Seedance 这种视频模型，是把一整段视频直接生成出来的，画面全靠模型去想象。

Claude 不一样，它写的是一段程序。

简单理解一下，这段程序就像是一份带着时间的说明书：你随便报一个时间点，比如说 37 秒，它就能告诉你这一秒屏幕上每样东西在哪、长什么样、是什么颜色的，也就是这一秒的画面。

然后再让渲染工具从第 0 秒开始，一帧一帧地问下去，把每一帧截下来，再渲染合成一个视频文件。

这样做最大的好处就是：视频画面可以控制，改起来也特别方便！

视频里某一个画面不对，改对应的代码。

哪段字幕的颜色不对，改一行代码就行。

哪张素材想换，把文件夹里的文件换掉，再重新渲染一遍。

而像 Seedance 这种传统视频模型，为了改画面里的一个小细节，它就得重新生成整个镜头，而且还有可能把上一版原本非常好的画面改掉，这方面代码的优势就非常明显。

要注意一下，代码做视频也不是可以解决全部的问题。

比如真人出镜、实拍感很强的场景、复杂的人物动作，靠代码就搞不定，还是得靠实拍或者 Seedance 这种视频模型。

像产品介绍、软件界面演示、数据可视化、文字动画、流程图解，用 Claude 写代码来做，就是妥妥的降维打击。

2.7. 视频动效的几个小要点

我尝试做过很多动画，发现很多动画就只是把东西顺着一条曲线，从一个地方挪到另一个地方。
而好的视频动效，能让人看出东西的轻重和主次，这里面有几个小细节：

小东西（按钮、开关、小图标）：动作要快，咔哒一下就到位，别拖泥带水。
大东西（面板、弹窗、整块画面）：要有点重量，落下来稳稳停住。
文字：进场可以快准狠，但进来之后一定要多停一会儿，让人看完。

所以这里面最关键的一条就是直接跟 AI 说清楚：东西大小不一样，动法就不一样，每一类东西怎么动，需要提前确定好。

改完之后，再让模型自己检查一下，检验标准就是：每次画面动完，观众知不知道眼睛下一步该往哪看。
如果不知道的话，这段动画就是在跟核心信息抢戏，需要改。

2.8. 多画幅分开做

横屏与竖屏多画幅排版对比

通常情况下，我们做好了一支片子，肯定不是只发布到一个平台。

每一个平台对画幅的要求都不一样，有横屏的，也有竖屏的。

16:9 的横屏和 9:16 的竖屏，构图完全不一样。

所以最好不要做完一支横屏视频，再拿剪辑软件直接裁一块竖屏出来。

既然用的是代码做出的视频，那就统一用代码的改法：素材、时间轴、故事都用同一套，只是在源码里给每个画幅单独排版。

横屏地方大，可以多放一点背景信息。
竖屏就要做减法，东西少一点，字号大一点，然后从上到下排清楚。
方屏的字要更紧凑，每个画面停的时间也可以短一点。

每个画幅都要单独出一张缩略图看板，单独确认好之后，再渲染成片。

2.9. 第 6 步，验收：先出缩略图让 AI 自己挑错，再把图纸存档

缩略图看板验收示意

这是最容易忽略的一步，但其实非常重要。

前面的事情完成了，很多人就直接让 AI 渲染成片，然后自己看、提意见。
但实际情况是，就算自己看了，也可能还是没办法准确说出来哪里不对。
最省事的做法就是：先让它出一张缩略图看板。

每个关键节点截一帧，拼在一起。

拿着这张图，让 AI 按照下面几个要点重点检查：

缩到手机大小，字还看得清吗？
界面和数据是真的，还是它偷偷画的？
转场中间那几帧，有没有糊成一团？
前 2 秒能不能把人留住？
最后一帧能不能直接拿来当封面？

检查完，让它只挑出最严重的问题，说清楚问题画面在第几秒、怎么改，然后只改这几段、只重新渲染这几段，不要整片重来。

验收完了，还有最后一件事：把制作流程固化下来。

如果整支片子做完，后面就不管了，所有决定都放在聊天记录里，那其实还是没有沉淀出一套自己的视频流程。

所以我们应该让 AI 再整理一下，把所有的关键决定都整理成文档，放在专门的文件夹里。
下一次再做类似的片子，AI 就能直接读，效率这一块直接拉满。

我的文件夹大概是这样分的：

我的视频工作室/
 ├── 立项单.md      这支片子要说什么，哪些产品信息不能动
 ├── 风格说明.md    颜色、字体、动作规矩，还有不准用的套路
 ├── 分镜表.md      每一秒演什么，每个镜头为什么要有
 ├── 素材/          确认过的 Logo、截图、音乐
 ├── 源码/          做视频的代码
 ├── 检查记录/      每一轮的缩略图看板和改了什么
 └── 成片/          各个画幅导出的视频

有了这个文件夹，做下一支就会变得无比轻松。

把立项单和素材换掉，风格说明里的规矩、检查清单、交付格式都能原样接着用，不用再重复给 AI 说一遍。

这也是能不能稳定做出下一支视频的关键。

同时也是防止 AI 干长任务干着干着突然跑偏最管用的办法。

就算中途断了，它也能自己翻一遍文件夹，看看做到哪一步了、还缺什么，接着往下干。

如果你懒得自己从零搭，也可以直接用现成的 Skill。

我做年轮用的就是 Lemomo 的开源 Skill：Lemo Opuscar。

3. 现成提示词：把上面 6 步揉成一段提示词

我把上面 6 步揉成了一段提示词，直接复制，改改括号里的内容就能用：

你现在是这支视频的导演，也是写代码的动效师。
我们用代码来做这支片子，
像装修一样一步一步来，每一步做完先停下来给我看。

第一步：定需求
这支片子 [X] 秒，给 [谁] 看，看完要记住：[一句话]。
只能用我给的素材：[素材文件夹]。缺什么就停下来问我，
不准自己画界面、编数据。

第二步：找参考
先看 [参考片]，拆出配色、字体、构图、节奏、动作手感，写成“风格说明.md”给我确认。

第三步：出分镜
写“分镜表.md”：每一段几秒到几秒、开始和结束是什么画面、这一段为什么要有；有解说词的话一起写上。我确认了再往下做。

第四步：配音乐
先分析配乐，量出节拍点。切镜头、音效和画面变化都卡在节拍上，用同一套时间点。

第五步：开工
小东西动作干脆，大东西落得沉稳，文字进场快、停得久。
每一帧都要能单独渲染出来，方便以后只改其中一段。
16:9 和 9:16 在源码里分开排版，不准拿横屏硬裁。

第六步：验收和存档
渲染全片之前，每个关键节点截一帧拼成一张图，自己先检查：字看不看得清、素材是不是真的、转场有没有糊、前 2 秒有没有钩子。
挑出最严重的 3 个问题，标清楚第几秒、怎么改，只改这几段。
做完后把立项单、风格说明、分镜表、检查记录都存进项目文件夹。

最后交给我：各个画幅的成片、封面、缩略图看板、全部源码，再加一句话告诉我还有哪里拿不准，需要我亲自看一眼。

下次做新视频，直接把这套拿过来改几个词就能接着用。

不用每次都从零开始，最大限度防止抽卡。