31 KiB

Raw Permalink Blame History

1

先进行讨论。

现在总纲、分镜清单骨架你都提出了，然后你提供了一个最小测试包，来测试3个镜头的出图情况。我们发现出图不太理想，现在是优化出图。

我觉得可能有两部分：

定妆照阶段，人物定型不足
出图提示词，约束不足

然后你给了优化定妆照的方向。我们测试了一个，后续没跑（任务我中断了）。原因是，人物与之前相差比较大，不能用。

我们需要基于以上讨论，对这个工作流进行一个优化。

对GPT的定位，原先考虑到具体图片提示词。现在考虑到Codex具有GPT image 2 skill，其Advisor 模式下，如果再叠加GPT的知识库，出的图片提示词质量应该比GPT高。
GPT我也可以打造一个Local的，而不用WEB的。

综上，GPT应该只需要出总纲和分镜头清单就可以了。

GPT image 2 skill

面向 GPT Image 2 的图像生成 / 编辑技能。可在 3 种环境下使用：(A) Garden 本地模式，通过 OpenAI 兼容接口直接出图并落盘；(B) Host-Native 模式，把本 Skill 当作提示词工程指引，把渲染好的 prompt 交给宿主 Agent 自带的图像工具出图；(C) Advisor 模式，宿主无任何图像工具时退化为高质量 prompt 顾问。涵盖 18 大类、80+ 个结构化模板，覆盖海报 / UI / 产品 / 信息图 / 学术图 / 技术架构图 / 漫画 / 头像 / 流程板 / 电影分镜 / IP 周边 / 编辑工作流等场景。

第二个，比较复杂的/棘手的，或者核心问题在视频部分，就是人物一致性保持的问题。所以，这个部分，你能否联网搜索一下，最建议的方式是什么，而不是我这边猜测。

强哥，我赞同你的判断：这次不是某一条 Prompt 写得不够好，而是工作流边界需要重构。

现在暴露的问题很典型：S-05 因为不依赖脸，靠靴子、泥、低角度、身体代价感就成立；S-03 和 S-14 虽然人物锚点稳定，但都被定妆照拉回了“正面肖像”倾向。三份 review 也印证了这一点：S-03 被评价为更接近正面人物肖像、需要加强侧身、背包动作和路向纵深；S-14 也偏正面、略看镜头，需要更克制、更少肖像感；S-05 则作为低角度泥靴近景基本成立。

GPT

一、联网后的结论：人物一致性最推荐的不是“多写 Prompt”，而是“多阶段视觉锚定”

我查到的主流结论基本一致：

长视频 / 多镜头人物一致性，不能只靠文字 Prompt。必须有视觉锚点，并且要分阶段生成。

一个 2025 年底的多阶段角色稳定视频论文说得很直接：不要一步生成完整视频，而是先由 LLM 生成详细制作脚本，再让文生图模型为角色生成一致视觉，再作为视频模型逐场景生成的锚点；去掉视觉锚定机制后，角色一致性评分从 7.99 掉到 0.55。这个结论和我们这次试运行高度吻合：文字和定妆概念都不够，视觉锚点才是身份保持的底座。(arXiv)

另一个关于多镜头视频一致性的研究指出，视频模型里身份、结构、运动之间存在天然纠缠：想让人物动起来、换角度，就容易影响身份；想死守身份，又容易牺牲运动和镜头变化。也就是说，S-03 / S-14 被拉成肖像，不是偶然，而是模型在“守脸”和“做镜头”之间选择了守脸。(arXiv)

OpenAI 的图像生成文档也支持这个方向：GPT Image 模型可以用一张或多张图片作为参考生成新图，也支持多轮编辑；其 prompting guide 明确建议多图输入时要说明每张图的角色，并显式写出要保留的 identity / geometry / layout 等不变量。(OpenAI开发者) (OpenAI开发者)

Runway 的 Gen-4 References 文档同样强调：可以用一张或多张 reference 来提取角色、风格、对象和场景；文章 highlights 里特别提到最多可用 3 个 reference，高质量自然光照片更好，复杂变化应拆成单个元素迭代，并把中间结果继续作为新 reference。(Runway)

所以，最推荐的路线不是：

一张定妆照 + 每镜超长 Prompt

而是：

总纲 / 分镜
→ 角色视觉锚点包
→ 镜头类型分组
→ 每组小批量试跑
→ 通过图继续作为 reference
→ 再进入下一批

二、对 GPT 定位的修正：你说得对，GPT 不应该再抢“图片 Prompt 工程师”的位置

我建议把 GPT 的职责收窄、上移。

原来 GPT 的角色

之前我是这样做的：

总纲
分镜清单
分镜深潜
具体图生图 Prompt
Codex 字段

这在没有图像专用 Advisor 时合理。但现在 Codex 侧已经有 GPT image 2 skill，而且有 Advisor 模式，那 GPT 再写很细的图像 Prompt，可能反而变成“双重提示词工程”，造成责任不清。

新定位

GPT / 强哥的策划导演以后负责：

方向判断
情绪线
视觉母题
人物设定
分镜清单
每镜导演意图
镜头类型
参考图需求
验收标准
失败归因
流程修正

Codex / GPT image 2 skill 负责：

根据镜头卡生成高质量 prompt
选择 reference
执行图生图 / 文生图
生成图片
写 review notes
提出下一轮调整建议

也就是说，我不再输出“最终可直接跑图 Prompt”，而是输出 Shot Spec / 镜头导演卡。 Prompt 由 Codex 的 GPT image 2 skill 渲染。

这更符合 video-workbench 的分工：GPT 端负责规划、总纲、分镜、页面设计、执行包；Codex / video-workbench 负责资产生成、落盘和交接。

三、人物一致性问题：不要贸然生成“正侧背三视图”

你刚才中断得对。

你试了一个优化定妆照，但人物和之前差别比较大，这说明一个问题：

从单张正面定妆照强行扩展三视图，模型会大量“脑补”，脑补越多，身份越容易漂。

所以我收回之前“直接补三张全身、侧面、背面”的粗糙建议。更稳的做法应该分层：

四、新的角色参考包，不叫“三视图”，叫“三类锚点”

1. 身份锚点：保脸

保留你现在满意的定妆照。

用途：

近景
中近景
半正面
需要脸的镜头

它的缺点我们已经发现：容易把画面拉成正面肖像。所以它不能单独用于所有镜头。

2. 服装 / 身体锚点：保轮廓，不强求脸

这个可以有，但目标不是“生成另一个完整的你”。

它只负责固定：

长外套长度
背包形态
裤脚
靴子
身体比例
旅人轮廓

这张最好不是大头照，而是全身或接近全身。但验收标准不是“脸像不像”，而是“服装系统是不是稳定”。

3. 镜头姿态锚点：保构图和动作，不保身份

这一类可以用：

背影路人图
侧身行走图
低角度靴子图
远景小人物图
电影截图式构图参考

它不负责“像强哥”，只负责告诉模型：

这不是肖像，是 MV 分镜。人物在路里，环境占比大，视线不看镜头。

这和 Runway 多参考图思路接近：多张 reference 可以分别承担角色、风格、对象或场景特征，而不是所有 reference 都承担同一个功能。(Runway)

五、最稳的实际方案：参考图分工，而不是参考图合并

以后每个镜头要明确：

identity_ref：身份参考
wardrobe_ref：服装参考
pose_ref：姿态 / 构图参考
style_ref：整体风格参考

如果工具支持多图参考，就同时喂。如果只支持单图参考，就按镜头目的选主参考。

举例：

S-03 清晨薄霜

不应该只用身份照。应该是：

identity_ref：现在满意的定妆照
pose_ref：侧身背包动作 / 路边出发构图
style_ref：清晨冷灰公路片

S-14 我走过泥泞

应该是：

identity_ref：定妆照
wardrobe_ref：全身服装图
pose_ref：侧身或 3/4 行走图
shot_rule：不直视镜头，环境占比 > 60%

S-05 泥泞鞋底

不用身份照作为主参考。应该是：

wardrobe_ref / boots_ref：靴子、外套下摆、背包局部
style_ref：泥泞低角度

这也是为什么 S-05 成功：它没有让模型在“脸”和“镜头”之间纠结。

六、GPT 输出格式也要改：从 Prompt 改成镜头导演卡

以后我给 Codex 的内容不再是：

直接图生图 Prompt
Negative Prompt

而是：

scene_id
scene_goal
emotional_function
shot_type
camera_distance
camera_angle
character_visibility
reference_strategy
must_preserve
must_avoid
environment_ratio
acceptance_criteria

例如 S-14 应该这样描述：

scene_id: S-14
scene_goal: 副歌开始，人物从承受到陈述
shot_type: MV storyboard still, not portrait
camera_distance: medium wide shot
camera_angle: eye-level or slightly low angle
character_visibility: full body or knee-up, walking
gaze: looking toward road ahead, no direct eye contact
environment_ratio: at least 60%
identity_ref: character portrait
wardrobe_ref: full-body outfit reference
pose_ref: side/three-quarter walking reference
must_preserve:
  - 50岁东亚男性
  - 黑色矩形眼镜
  - 胡茬
  - 凌乱头发
  - 深色长外套
  - 旧背包
  - 泥靴
must_avoid:
  - centered portrait
  - direct camera gaze
  - heroic poster
  - fashion photo
  - clean clothes
acceptance_criteria:
  - 一眼能认出同一角色系统
  - 人物在运动中
  - 环境占比足够大
  - 情绪克制，不鸡血

然后由 Codex 的 GPT image 2 skill 根据这张导演卡生成最终 Prompt。

OpenAI 的 prompting guide 也建议复杂请求用短标签和分段组织，明确“要改变什么 / 要保留什么”；这正好支持我们从长段 Prompt 改成结构化镜头卡。(OpenAI开发者)

七、视频部分的建议：先不要直接做图生视频

如果最终只是 9:16 MV 图片 + 剪辑字幕，那我们可以先做稳定分镜图。如果后面要做真正动态视频，则建议走：

分镜图稳定
→ 选少数关键镜头做 image-to-video
→ 每条 4-8 秒短片测试
→ 通过首尾帧衔接
→ 剪辑合成

Krea 的 Veo 3 文档也给了类似建议：使用 reference images 保持跨片段角色一致性，清楚描述镜头运动，并从短片段开始测试概念。(Krea 文档)

如果进入人物表演型视频，Runway 的 Act-Two 文档还提示：当需要特定相机和环境运动时，角色视频比角色图片更合适；并建议单一主体、脸部清晰、动作自然，先测试默认设置再调整。(Runway)

但对《在路上》这支 MV，我现在仍建议： 第一阶段不要做图生视频。先把 28 张分镜图做稳。

八、重构后的工作流建议

阶段 A：GPT 输出导演资产

GPT 只输出：

MV 总纲
28 镜分镜清单
每镜导演卡
镜头类型分类
参考图需求表
验收标准
Codex 执行 JSON 的高层任务结构

不再输出最终图片 Prompt。

阶段 B：Codex / GPT image 2 skill 输出图像资产

Codex 负责：

根据导演卡生成 Prompt
选择 reference
生成图片
写 review notes
自动归因：
- 身份失败
- 姿态失败
- 构图失败
- 风格失败
- 情绪失败
- 画幅失败

阶段 C：人审只审五件事

你不用逐字看 Prompt，只看结果：

像不像同一个人
是不是 MV 分镜，不是肖像照
情绪是不是“疲惫但继续”
泥泞 / 星空 / 篝火母题是否连贯
能不能进剪辑

九、现在这个项目的下一步，不是马上写 JSON

我建议先做一个 workflow patch：

1. 保留已有资产

character-ref-v1-portrait-34.png
s05-image-v1.png
s03-image-v1.png
s14-image-v1.png

S-03 / S-14 不一定废掉，可以作为“反例样本”：它们告诉 Codex，什么叫“偏肖像，需要压下去”。

2. 先让 Codex 生成一张“服装 / 身体锚点图”

但注意，这张不要求高度像脸。它的目标是服装轮廓。

character-wardrobe-fullbody-v1.png

验收：

长外套长度稳定；
背包稳定；
裤脚、靴子稳定；
人物气质接近；
不要求正脸完全一致。

3. 再生成一张“姿态锚点图”

pose-ref-side-walking-road-v1.png

这张甚至可以不使用强哥身份。它只负责构图：

侧身行走；
不看镜头；
环境占比大；
路向远方；
竖屏 MV 分镜感。

4. 然后重跑 S-03 v2 / S-14 v2

这次不是靠我写更长 Prompt，而是用：

identity_ref + wardrobe_ref + pose_ref + director_card

由 Codex Advisor 生成最终 Prompt。

十、最终判断

强哥，你这次提出的调整是对的：

GPT 不应该继续做“最终图片 Prompt 生产者”

它应该变成：

总导演 + 分镜架构师 + 验收标准制定者

Codex / GPT image 2 skill 应该变成：

执行导演 + 图像 Prompt 工程师 + 出图试错器

人物一致性最推荐方案是：

多阶段视觉锚定，不是单张定妆照硬撑全片。

一句话收束：

一张脸只能保身份，不能保电影。要让人物从证件照里走出来，必须再给模型“身体、姿态、镜头和环境”的锚点。

2

那么接下来，我们需要先对你进行调整。你能阅读你的系统提示词，然后输出调整后的么？还是我需要在CCRA（打造你的GPT）中去调整？还有，知识库的附录部分，哪些其实可以不放进附录了；哪些附录需要调优？这些我们能在你这里讨论，还是需要到CCRA中？

强哥，可以在这里讨论、重构、出草案；真正生效要回 CCRA / GPT Builder 里改。

GPT

我不能直接修改当前这个 GPT 的系统配置，也不能把平台级隐藏系统提示词原样导出给你。但我可以基于当前这轮实测，给你一版可复制进 CCRA 的新版 GPT Instructions，以及知识库附录的删改建议。OpenAI 官方也把 GPT 的配置分成 Instructions、Knowledge、Capabilities 等部分；其中 Instructions 管行为、语气、工作流，Knowledge 只是参考材料，不建议把规则和行为逻辑主要放在知识库里。(OpenAI Help Center) (OpenAI Help Center)

一、先定原则：这次不是微调，而是角色边界重构

当前问题本质是：

GPT 端管得太细，写到了最终图片 Prompt；但 Codex 侧已经有 GPT image 2 skill，应该让它做图像提示词顾问和执行。

所以新版定位应改成：

GPT / 强哥的策划导演

负责：

任务路由
势能扫描
方向提案
总纲设计
分镜清单
镜头导演卡
参考图需求表
验收标准
Codex 执行包结构
失败归因与流程修正

不再默认负责：

最终图像 Prompt
Negative Prompt
每张图的细粒度提示词工程
直接指导模型如何渲染材质、镜头、光影到最终可跑图程度

Codex / GPT image 2 skill

负责：

根据镜头导演卡生成图像 Prompt
选择 reference image
文生图 / 图生图执行
出图落盘
review notes
失败归因
小批量重跑

这比“GPT 写 Prompt，Codex 执行”更清楚。

二、在哪里改？

这里能做的

这里适合做：

讨论工作流；
重写 GPT Instructions；
重构知识库目录；
改附录内容；
生成一套新的 CCRA 配置草案；
做测试用例；
设计 Local GPT 版本。

CCRA / GPT Builder 里要做的

真正要到 CCRA 里改：

GPT Instructions；
知识库文件上传 / 删除 / 替换；
能力开关；
conversation starters；
GPT 名称、描述；
版本发布。

官方文档也明确：创建和编辑 GPT 要在 GPT Builder / editor 中完成，配置包括 Instructions、Knowledge、Capabilities，编辑后需要 Update 才生效。(OpenAI Help Center)

三、知识库附录怎么处理

我建议把知识库分成三层：

A. 必须进入 Instructions 的行为规则
B. 作为 Knowledge 保留的参考文件
C. 删除或归档的历史 / 重复文件

官方也建议：行为、规则、工作流放 Instructions；Knowledge 用于参考资料、文档、指南，不要承担核心行为规则。(OpenAI Help Center)

四、现有附录逐个判断

1. `00_CORE_附录A_Wantsong降维输出风格蓝图.md`

建议：保留，但降级为风格参考

它仍然有价值，尤其是：

同行者视角；
统摄性隐喻；
无损降维；
哲学内核隐身；
谜题—探案—揭晓—升维。

但它不应该指挥 Codex 图像出图。

调整方向

从“所有输出必须遵循的大规则”改成：

用于内容策划、叙事结构、文案风格、总纲设计；不直接规定图片 Prompt 细节。

2. `00_CORE_附录B_媒介路由与流程裁剪表.md`

建议：必须调优

这是最关键的文件之一。它现在规定 MV 的流程是：

歌词 / 歌曲概念 → 情绪线扫描 → 视觉母题 → 人物设定 → 公共画风 → 镜头清单 → 镜头 Prompt → Codex 执行包。

现在要改成：

歌词 / 歌曲概念 → 情绪线扫描 → 视觉母题 → 人物设定 → 公共画风 → 分镜清单 → 镜头导演卡 → 参考图需求表 → Codex / GPT image 2 skill 出 Prompt 与试图 → Codex 执行包。

也就是把“镜头 Prompt”改成“镜头导演卡”。

3. `00_CORE_附录C_视频与分镜模板.md`

建议：重点重写

这是问题源头之一。现在它要求分镜深潜包含：

页面核心文字；
画面构图；
生图 / 图生图 Prompt；
口播稿；
设计暗线。

新版应该改成：

页面核心文字 / 字幕策略；
镜头导演意图；
镜头类型；
人物可见度；
参考图策略；
环境占比；
必须保留；
必须避免；
验收标准；
Codex Prompt Advisor 交接说明。

Prompt 不由 GPT 默认输出。只有当强哥明确说“你直接给我 Prompt”，才输出 Prompt。

4. `00_CORE_附录D_PPT设计模板.md`

建议：保留

这个和本次 MV 问题关系不大，但如果这个 GPT 仍然承担客户方案 PPT、培训 PPT，它必须保留。它定义了客户方案 PPT 和培训 PPT 的页面字段与目标差异。

如果你准备做一个 Local MV 专用 GPT，那它可以不放。如果这是综合“策划导演 GPT”，就保留。

5. `00_CORE_附录E_Codex执行包Schema.md`

建议：保留并调优

必须保留，因为它定义了 Codex JSON 的结构和 video-workbench 路径优先级。它也明确现在不默认自动剪辑成片、不默认图生视频、不默认发布平台。

需要新增字段：

{
  "advisor_mode": true,
  "prompt_owner": "codex_gpt_image_2_skill",
  "gpt_output_level": "director_card",
  "reference_strategy": {},
  "review_schema": {}
}

或者在 task 里加入：

{
  "type": "generate_image_prompt_with_advisor"
}

如果 video-workbench 还没这个 task type，那先作为 write_markdown 或 write_json 交接给 Codex 处理。

6. `10_STYLE_Wantsong视频科普风格蓝图完整版.md`

建议：可选保留，或者压缩后并入附录A

它很长，适合做风格参考，但可能会增加检索噪音。如果知识库文件数量紧张，我建议：

不放完整版；
提炼成 10_STYLE_Wantsong风格短版.md；
控制在 2000-4000 字；
只保留语言质感、叙事节奏、隐喻方式。

7. `20_SYSTEM_video-workbench项目说明.md`

建议：必须保留

这是系统执行文件，尤其是路径结构：

projects/<project-id>/
  project.md
  intake/
  slides/
    slides.md
    s01/
    s02/

它还定义了 GPT / 强哥 / Codex 的分工：GPT 负责规划、总纲、分镜、页面设计、执行包；Codex 负责项目小抄、文件映射、资产生成、落盘、交接。

这次重构正好要强化这个分工。

8. `21_SYSTEM_Codex_JSON执行样例.md`

建议：保留并更新样例

它规定 Codex JSON 不要混入 Markdown 策划说明，任务要告诉 Codex 项目是什么、输入在哪里、生成哪些资产、每个资产落到哪里、如何验收。

需要新增一个样例：

MV / image advisor mode / director card handoff

即：GPT 不写最终 Prompt，只写镜头卡，Codex 调用 GPT image 2 skill 生成 Prompt。

9. `30_CASE_典型视频分镜案例.md`

建议：保留，但标注为旧式案例

它对“完成度、颗粒度、分镜深潜”有参考价值。但它里面有很多“GPT 直接写 Prompt”的旧范式。现在必须加一条说明：

本案例仅参考分镜颗粒度，不继承“GPT 输出最终图片 Prompt”的职责边界。

10. `31_CASE_典型培训AI_PPT案例.md`

建议：综合 GPT 保留；MV 专用 GPT 可删

如果这个 GPT 继续做培训 PPT，保留。如果拆成 Local MV GPT，就不要放。

11. `32_CASE_典型客户方案PPT案例.md`

当前列表里有，但这轮没有实际上传显示。如果综合 GPT 要做客户方案 PPT，保留。 MV 专用 GPT 不需要。

12. `90_ARCHIVE_旧版强哥的徒弟_仅作历史参考.md`

建议：删除或移出当前知识库

这个文件现在价值很低，反而容易带来旧流程污染。它包含旧版“强哥的徒弟”的全栈执行定位、阶段锁死和 Prompt 深潜风格。现在我们要把 GPT 从“全栈生产引擎”改成“策划导演 + Codex 协作架构师”，这个归档文件会干扰新定位。

我的建议是：

不放进 GPT Knowledge
只在本地 archive 保存

五、建议的新知识库结构

综合版 GPT：强哥的策划导演 V2

保留：

00_CORE_A_降维输出风格短版.md
00_CORE_B_媒介路由与流程裁剪表_V2.md
00_CORE_C_分镜导演卡模板_V2.md
00_CORE_D_PPT设计模板.md
00_CORE_E_Codex执行包Schema_V2.md
20_SYSTEM_video-workbench项目说明.md
21_SYSTEM_Codex_JSON执行样例_V2.md
30_CASE_视频分镜案例_旧范式标注版.md
31_CASE_培训AI_PPT案例.md
32_CASE_客户方案PPT案例.md

删除 / 不上传：

10_STYLE_Wantsong视频科普风格蓝图完整版.md
90_ARCHIVE_旧版强哥的徒弟_仅作历史参考.md

如果你觉得 10_STYLE 还有价值，就改成短版再放。

MV 专用 Local GPT

只需要：

00_CORE_MV_工作流与角色边界.md
01_TEMPLATE_MV总纲模板.md
02_TEMPLATE_分镜清单模板.md
03_TEMPLATE_镜头导演卡模板.md
04_TEMPLATE_参考图策略与人物一致性.md
05_TEMPLATE_Codex_MV执行包Schema.md
20_SYSTEM_video-workbench项目说明.md
21_SYSTEM_Codex_JSON执行样例_MV.md

MV 专用 GPT 不需要 PPT 附录、培训案例、客户方案案例。

六、可复制进 CCRA 的新版 GPT Instructions 草案

下面是一版“重构后”的核心提示词草案。这是 V2，不是完整超长版。

# Role: 强哥的策划导演 V2

你是“强哥的策划导演”，服务 Wantsong 的内容总编剧、降维输出架构师、PPT 架构师与 Codex 协作架构师。

你的核心任务不是直接完成所有资产，而是把强哥的高势能材料转化为可执行的媒介方案、结构、分镜、页面、导演卡和 Codex 执行包。

Codex / video-workbench 是执行导演，负责根据你的导演卡生成 Prompt、出图、落盘、写 review notes、进行试运行和资产管理。

---

## 1. 核心定位

你负责：
- 任务路由
- 原始势能扫描
- 降维方向提案
- 媒介结构设计
- 内容底稿
- PPT 页面设计
- MV / 视频分镜清单
- 镜头导演卡
- 参考图需求表
- 验收标准
- Codex JSON 执行包
- 失败归因与流程修正

你默认不负责：
- 最终图片 Prompt 的细粒度工程
- Negative Prompt 的最终版本
- 直接替代 GPT image 2 skill 出图像提示词
- 自动生成完整视频成片
- 自动发布平台

当任务涉及图像生成时，你输出“导演意图 + 镜头卡 + 参考图策略 + 验收标准”。最终图片 Prompt 由 Codex 的 GPT image 2 skill / Advisor 模式生成，除非强哥明确要求你直接写 Prompt。

---

## 2. 总工作流

高势能材料 → 势能扫描 → 降维方向 → 媒介结构 → 内容底稿 → 页面 / 分镜 / 镜头导演卡 → Codex 执行包。

不同媒介必须先路由：

1. 科普 / 降维视频
2. 客户方案 PPT
3. 培训 / 科普 AI PPT
4. 科普口播
5. 科普文章
6. MV / 歌曲视觉分镜
7. Codex 执行包

---

## 3. MV / 歌曲视觉分镜专属流程

输入通常是歌词、歌曲主题、情绪方向、人物设定、定妆照或视觉参考。

流程：

1. 任务路由
2. 情绪线扫描
3. 视觉母题提炼
4. 人物设定
5. 公共画风
6. 分镜清单
7. 镜头导演卡
8. 参考图需求表
9. Codex / GPT image 2 skill 试运行包
10. review notes 归因
11. 小批量重跑
12. 全量 Codex 执行包

MV 分镜不以解释逻辑为主，而以情绪递进、画面连续性、人物一致性和可剪辑性为主。

---

## 4. 镜头导演卡模板

每个镜头导演卡包含：

- scene_id
- 时间段
- 对应歌词 / 音乐段
- 叙事功能
- 情绪功能
- 镜头类型
- 景别
- 机位 / 视角
- 人物可见度
- 视线要求
- 动作要求
- 环境占比
- 视觉母题
- reference_strategy
  - identity_ref
  - wardrobe_ref
  - pose_ref
  - style_ref
  - scene_ref
- must_preserve
- must_avoid
- acceptance_criteria
- notes_for_codex_advisor

镜头导演卡不是最终图片 Prompt。Codex 负责把它渲染成 GPT image 2 prompt。

---

## 5. 人物一致性原则

不要用单张正面定妆照硬撑全片。

人物参考应分层：
- identity_ref：保脸、年龄、五官、眼神
- wardrobe_ref：保服装、背包、靴子、身体轮廓
- pose_ref：保动作、侧身、背影、行走姿态
- style_ref：保画风、色调、光影
- scene_ref：保场景结构

当模型把画面拉成肖像时，应通过导演卡压制：
- not portrait
- not character poster
- no direct eye contact
- body in motion
- gaze toward the road ahead
- environment occupies at least 60% of the frame

---

## 6. Codex 协作边界

Codex 负责：
- 根据导演卡生成最终 Prompt
- 选择参考图
- 文生图 / 图生图
- 落盘
- 写 review notes
- 初筛质量
- 小批量重跑

你负责：
- 设计导演卡
- 判断失败归因
- 调整工作流
- 输出 JSON 执行包
- 明确验收标准

当强哥说“生成执行包”“交给 Codex 执行”“落到 video-workbench”时，输出 JSON，不要同时重复输出 Markdown 策划稿。

---

## 7. Codex JSON 原则

JSON 必须包含：
- project
- inputs
- outputs
- global_style
- reference_strategy
- tasks
- acceptance_criteria
- notes_for_codex

路径默认使用：
projects/<project-id>/
  project.md
  intake/
  slides/
    slides.md
    s01/
    s02/

不要默认使用 outputs/、active/、completed/、abandoned/。

---

## 8. 阶段暂停规则

以下节点必须暂停等待强哥确认，除非强哥明确要求一次性输出：

- 降维方向提案后
- 视频 / PPT / MV 总纲后
- 分镜清单骨架后
- 小批量试运行结果归因后
- 全量 Codex 执行包前

---

## 9. 输出风格

对强哥决策用 Markdown。
给 Codex 执行用 JSON。
不输出隐藏推理过程。
需要说明判断时，用：
- 策划依据
- 导演审查
- 风险点
- 归因判断
- 下一步建议

不要空泛表态。每个输出都必须能进入下一步执行。

七、附录 C 的新版核心模板建议

这是最需要替换的。

# 附录 C：视频 / MV 分镜导演卡模板 V2

## 1. 分镜清单模板

- 分镜编号
- 时间段
- 对应歌词 / 音乐段
- 分镜标题
- 叙事功能
- 情绪功能
- 核心画面
- 镜头类型
- 预计时长

## 2. 镜头导演卡模板

### S-XX：标题

1. 基本信息
- 时间段：
- 对应歌词 / 音乐段：
- 分镜功能：

2. 导演意图
说明这一镜为什么存在，它推进了哪条情绪线或视觉母题。

3. 镜头语言
- 景别：
- 机位：
- 视角：
- 人物位置：
- 人物动作：
- 视线：
- 环境占比：

4. 参考图策略
- identity_ref：
- wardrobe_ref：
- pose_ref：
- style_ref：
- scene_ref：

5. 必须保留
列出身份、服装、道具、情绪、母题等不可漂移元素。

6. 必须避免
列出肖像化、直视镜头、英雄海报、商业写真、文字、水印等风险。

7. 验收标准
用可检查条目描述本镜是否通过。

8. 给 Codex Advisor 的说明
说明 Codex 应如何把导演卡转换为 GPT image 2 prompt。

注意：GPT 默认不输出最终图像 Prompt。最终 Prompt 由 Codex / GPT image 2 skill 生成。

八、我建议现在的落地顺序

先不要马上去 CCRA 大改。建议这样做：

第一步：在这里确认 V2 工作流

我们先确认：

GPT 不再默认出最终图像 Prompt
GPT 输出镜头导演卡
Codex GPT image 2 skill 输出 Prompt 与图片

第二步：我给你出完整 V2 改造包

包括：

GPT Instructions V2 完整版；
附录 B V2；
附录 C V2；
附录 E V2；
21_SYSTEM 执行样例补丁；
当前《在路上》项目如何迁移到新流程。

第三步：你回 CCRA 替换

因为 GPT 的 Instructions 和 Knowledge 只有在 CCRA / GPT Builder 里改了才生效。

第四步：用《在路上》继续压测

先做：

S-03 v2 镜头导演卡；
S-14 v2 镜头导演卡；
Codex Advisor 出 Prompt；
再生成图；
再 review。

九、我的明确建议

强哥，这次应该改。

不是因为前面的流程错，而是因为你已经把 Codex 的能力升级了：

原来的 GPT 要承担“策划 + Prompt 工程”。现在应该变成“GPT 做导演，Codex 做摄影指导和执行导演”。

最该改的是：

Instructions：必须改
附录B：流程必须改
附录C：分镜深潜模板必须改
附录E：Codex JSON 要加 Advisor 边界
旧归档文件：建议不再放入知识库
案例文件：保留但标注旧范式，不再直接继承 Prompt 输出模式

31 KiB Raw Permalink Blame History Unescape Escape

1

GPT