byted-ark-seedance-pe

name	byted-ark-seedance-pe
description	针对用户提供的seedance原始视频提示词进行分析和优化，重新生成适合 Seedance 视频生成的标准提示词。当存在以下情况时使用：(1) 用户提供了原始的视频提示词，要求分析/优化；(2) 需要对不规范、无结构的提示词描述进行重构和标准化；(3) 生成适合 AI 视频生成模型的专业结构化提示词。
metadata	{"author":"volcengine/support","version":"1.0"}

Seedance PE - 原始视频提示词优化技能

核心功能

本技能接收用户提供的原始、非正式的视频提示描述，进行分析，并将其优化整理为符合 Seedance 2.0 工程化要求的标准结构化提示词。

使用场景

• 用户提供了一段粗糙的视频描述，要求"帮我优化这个提示词"
• 用户分享了一段无结构的原始提示词，希望打磨它以获得更好的视频生成结果
• 需要从杂乱输入中提取关键要素（主体、动作、风格、氛围、构图、光影、运镜等）并正确组织
• 用户提供可公开分享的完整请求体内容，希望提取其中的文本提示词并优化

⚠️ 重要前置要求（必须遵守）

每次收到用户的提示词优化请求，在开始优化前，必须完整阅读以下六个参考文档的内容，确保掌握所有规则、最佳实践和典型效果问题处理案例后再进行优化工作。这是保证输出质量的核心前提，不可跳过。

参考资料

本技能依赖以下参考资料，优化时必须结合所有资料中的最佳实践：

• references/prompt-guide.md - Seedance 2.0 官方提示词指南，包含各类场景基础句式
• references/api-doc-rules.md - API 文档中的规则总结
• references/business-guide-examples.md - 各行业优秀提示词示例集锦
• references/engineering-prompt-methodology.md - 工程化提示词方法论
• references/seedance-2-troubleshooting-guide.md - Seedance 2.0 参考生视频常见问题与处理指南
• references/typical-effect-cases.md - Seedance 2.0 典型效果问题调优案例参考，包含人首部、音频台词、整体画质、多人、风格、字幕、视频编辑、视频延长、道具动物、比例参数等典型问题的原因与优化建议

硬性要求：六个文档是本技能的知识基础，每次优化前都必须重读，确保规则不遗忘、示例可借鉴、典型问题处理策略可复用、输出质量稳定。

工作流程

第一步：判断输入类型

首先判断用户输入是原始提示词、完整请求体，还是仅有任务 ID：

• 原始提示词：直接进入第二步解析。
• 完整请求体：从请求体中提取文本提示词，并仅保留公开 API 需要的通用字段（如 model / content / ratio / duration / resolution / generate_audio）用于后续生成；不要保留或依赖内部字段。
• 仅有 Task ID（如 cgt-xxx）：不要尝试通过 task id 查询原始提示词或请求体。请告知用户不具备任务查询能力，并请用户直接提供原始提示词或可公开分享的完整请求体内容。

第二步：接收并解析原始提示词

仔细阅读用户的原始输入，识别所有提到的关键要素：

• 主体：视频的主要拍摄对象
• 动作/剧情：视频中正在发生什么
• 场景/位置：事件发生在哪里
• 风格：艺术风格、视频类型（电影感、动漫、写实等）
• 情绪/氛围：整体情感基调（戏剧性、平静、活力等）
• 光影：光照条件（黄金时刻、柔光、戏剧性、霓虹等）
• 运镜：镜头类型、运动方式（远景、特写、推镜等）
• 时长/节奏：时间分配、节奏快慢
• 其他细节：任何其他特定要求

第三步：分析缺口和歧义

检查哪些信息缺失会帮助生成更好的视频：

• 描述不清晰的地方
• 对视频重要的关键要素缺失
• 模糊词汇，可以更具体
• 指示冲突

如果缺失重要信息，询问用户澄清。对于微小缺口，根据上下文做出合理假设并在输出中说明。

第四步：构建优化后的提示词

按照 Seedance 官方标准三段论结构组织信息，融合工程化方法论中的最佳实践：

标准结构（严格遵守）：

1. 全局基础设定：锁定角色、环境与核心资产，使用 @图N 语法明确声明映射关系
   • 如果有首尾帧约束，在此处声明
   • 必须明确 @图N 对应的角色/场景名称
2. 时间片分镜脚本：按时间切片（如 0-3s, 3-10s），每个切片包含：
   • 谁在哪做什么
   • 一种运镜方式
   • 必须使用带有 @图N 的强视觉指代，指代后紧跟名称防止歧义
3. 编辑指令（仅视频编辑场景需要）：
   • 增删改：明确时间段和空间位置
   • 延长/拼接：使用标准语法
   • 文字生成：明确内容、时机、位置
4. 画质、风格与约束：自动挂载：
   • 画质增强：4K 高清，细节丰富
   • 防崩坏兜底约束：面部稳定不变形、五官清晰、人体结构正常、动作自然流畅、不僵硬、画面无卡顿、无闪烁

写作准则：

• 使用清晰、简洁的描述性语言
• 关键词按重要性排序
• 避免冗余
• 严格保持用户原始意图和所有信息，包括台词、音频要求，不能丢弃
• 使用参考资料中积累的风格词汇、运镜词汇，让描述更专业准确
• ⚠️【新增强制规则】优化后的提示词本身绝对禁止使用⚠️✅❌等任何特殊图标符号，仅使用标准中文、英文和必要的标点符号；图标仅可用于提示词之外的用户说明部分，不得出现在最终生成的提示词代码块中

强制约束（来自参考资料）：

• 所有 @图N / @视频N 引用后必须紧跟角色名或名词解释，防止分词歧义
• 一个时间切片镜头内只存在一种运镜方式
• 必须使用 @图N 建立 Asset ID 的文本桥梁，禁止直接使用 [asset-xxx] 独立出现在动作描述中
• 最终输出必须包含防崩坏和高画质兜底约束
• 复杂多人场景必须增加强方位约束
• 必须完整保留用户提供的所有台词和音频信息，不得丢弃

第五步：输出结果

提供：

1. 问题分析：简要分析原始提示词存在的问题、缺口或需要优化的点
2. 优化后的标准提示词：完整的优化后提示词内容
3. 优化说明：说明具体优化了哪些内容，为什么这样优化
4. 【依据参考文档】必须在回复最后明确标注本次优化所依据的 reference 目录中的文档名称和具体章节

示例

示例1：原始提示词优化

原始输入（用户）：

"公园里一只猫玩球，天气晴朗"

---

原始提示词

公园里一只猫玩球，天气晴朗

---

问题分析

原始提示词过于简略，缺少关键要素：

1. 主体特征不明确（猫的品种、颜色、外观）
2. 道具不明确（球的类型、颜色、大小）
3. 环境细节不足（公园具体环境、植被、时间）
4. 缺少分镜和运镜描述
5. 缺少画质和风格要求

---

优化后的标准提示词

一只毛茸茸的橘猫在郁郁葱葱的公园里欢快地扑击一颗红色橡皮小球。金色阳光穿过橡树，在草地上投下斑驳光影。

0-6 秒：橘猫俯身盯着小球，镜头特写，聚焦猫爪和球的互动；
6-12 秒：猫跳起来扑向小球，镜头中景跟拍，阳光在毛发上反光；

4K 高清，细节丰富，自然写实风格，暖色调，黄金时刻光影，整体氛围轻松愉悦；面部稳定不变形、五官清晰、人体结构正常、动作自然流畅、不僵硬、画面无卡顿、无闪烁。

---

优化说明

• 为主体添加了纹理细节（毛茸茸的橘猫）
• 明确了球的类型（红色橡皮小球）提高清晰度
• 添加了环境细节（郁郁葱葱的公园、橡树、草地）
• 明确了光影质量（金色阳光、斑驳光影）
• 按时间分镜，每个切片指定了运镜
• 添加了质量关键词和标准兜底约束

【依据参考文档】

• references/prompt-guide.md - 标准三段式结构规范
• references/engineering-prompt-methodology.md - 画质兜底约束规范

---

示例2：用户只提供 Task ID

原始输入（用户）：

"帮我优化 cgt-20260511154725-k5hdz 这个任务的提示词"

处理方式： 不要查询任务 ID，不要尝试获取原始请求体。回复用户：

不支持通过任务 ID 查询原始提示词或请求体的能力。请直接粘贴原始提示词，或提供可公开分享的完整请求体内容，我会基于你提供的内容进行优化。

---

示例3：用户提供完整请求体

原始输入（用户）：

"帮我优化这个请求体里的提示词：{...}"

处理流程：

1. 从请求体中提取文本提示词
2. 删除内部字段或不可公开字段，仅保留公开 API 需要的通用字段
3. 按照提示词优化流程处理

输出结果：（同优化后的提示词格式）

---