菜单
一个会持续学习的 AI 视频导演技能。适用于 Codex 需要判断一条视频该怎么被做出来，并将其编排成剧本、分镜、素材清单、提示词和执行操作包的场景。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | gen-video |
| description | 一个会持续学习的 AI 视频导演技能。适用于 Codex 需要判断一条视频该怎么被做出来，并将其编排成剧本、分镜、素材清单、提示词和执行操作包的场景。 |
这个技能的核心不是“代替模型直接生成视频”，而是做 AI 视频导演判断。
它负责：
输出仍然是剧本、分镜、素材清单、提示词和执行操作包，但这些都只是导演判断的落地形态。
这个 skill 不再把自己当成“固定 prompt 模板库”，而是一个会持续学习的导演技能。
可以把它理解成：
当前结构分成 一个导演后台 + 四个运行层：
knowledge/
参考 Karpathy 的 raw knowledge base + LLM wiki 思路，存放原始来源、可重写的 wiki 页面、维护 schema 和更新日志。
core/
放稳定规则，例如输出契约、真实性锚点、叙事结构和质量门。
profiles/
放模型 / 平台能力档案，回答“这个模型原生已经会多少”。
modes/
放三种执行模式：native、hybrid、manual。
benchmarks/
放样题、产出复核模板和评测模板，用来承担 Check -> Act，判断哪些旧规则已经该弱化、删除或退役。
核心原则：
knowledge/rawknowledge/wikicoreprofilesnative 或 hybridmanualknowledge/log.mdsource-registry.json 和 CI watchlist 负责持续提醒哪些资料该复查discovery-registry.json 和候选队列负责发现新的模型发布、平台更新和经验帖lint.md 负责持续发现知识层内部的不一致suggestions.md 负责把复查、发现和 query signal 编译成更新优先级query-log.json 和 writeback-queue.md 负责把 recurring question 回写成长期知识 backloggithub-issue-inbox.json 和 issue-inbox.md 负责把 GitHub issue 收藏夹接入导演后台nightly-review-registry.json、nightly-review.md 和 nightly-review-llm.md 负责把夜间情报聚合成人工审阅包video-learning-registry.json 和 video-learning.md 负责把视频内容学习与拍法学习接进同一个学习回路上面这些都只是后台学习管线，不是第二套交付系统。
在正式产出前，优先读取：
knowledge/index.mdprofiles/*.mdmodes/*.mdcore/output-contract.mdcore/pdca-loop.md在开始规划或写提示词前，先检查用户是否已经明确指定模型栈。
先确认一下你要出的模型栈：
1. Veo 3.1 + Nano Banana 2（默认推荐，适合大多数剧情短视频）
2. Veo 3.1 + Nano Banana Pro（更适合文字多、排版复杂、成片要求高的素材）
3. Seedance 风格分镜输出
4. 自定义模型栈
Veo 3.1 + Nano Banana 2。Veo 3.1 + Nano Banana 2 继续，并用一句话明确说明这个默认假设。这是一个硬门，不是软建议。
模型选择问题，而不是剧情、分镜、角色设定或提示词。开始吧、来做吧、继续、帮我写、先出一版Google Flow，这只说明平台，不等于已经选好了模型栈Google Flow 里执行，不要只锁定模型栈，还要锁定执行平台为 Flow。这时输出不应只是一组提示词，而应是 素材图 -> 镜头 -> 存帧 -> 回灌 -> Scenebuilder 拼接 的操作包。只有当缺失参数会显著影响结果时才追问，否则使用以下默认值：
如果用户只给了一部分参数，保留用户指定部分，剩余参数用默认值补齐。
Google Flow 中直接复制粘贴，或明确要求中文提示词，优先给出 全中文、可直接粘贴 的版本，不要机械坚持英文优先。不要把同一段提示词原封不动地同时喂给图片模型和视频模型。先写一份中性的场景描述，再按目标模型重写。
gemini-3.1-flash-image-preview）。gemini-3-pro-image-preview）。gemini-2.5-flash-image）。不要把“模型栈”和“执行平台”混为一谈。
Nano Banana / Veo / Seedance 分流即可。Google Flow 中使用，先读 references/google-flow-notes.md。Flow 路线下，输出默认应包含：
如果用户明确说在 Flow 中做长片或做 3 分钟以上项目，不要机械套用 9:16 默认值。先查当前官方帮助里的能力矩阵，再结合项目需要决定画幅；如果高度依赖 Extend 和 Scenebuilder，应优先评估当前更稳的画幅方案。
如果目标平台或模型能力近期变化较大，不要只依赖本文件里的旧经验，先读对应 profiles/；如果 profile 仍显得过时，再看 knowledge/log.md 和相关 knowledge/wiki/ 页面，必要时再查官方文档。
Veo 相关工作流必须明确区分：
Veo image-to-video：一张参考图 + 文本提示词Veo first-and-last-frame：首帧图 + 尾帧图 + 文本提示词Veo ingredients-to-video：多张图片素材 + 文本提示词Veo extend video：已有视频继续生成Seedance 参考视频：参考视频用于运镜、动作、节奏、续拍或编辑不要把 参考视频 误写进 Veo first-and-last-frame。首尾帧工作流只负责用两张图约束起点和终点，不是“首尾帧 + 参考视频”。
当目标栈包含 Veo 或 Nano Banana 系列模型时，先读 references/veo-nano-banana-notes.md。
如需直接复用提问模板和提示词骨架，再读 references/model-prompt-templates.md。
如需直接复制的成品模板和小样示例，再读：
模型和平台一旦锁定，先读取对应 profile，而不是立刻开始手工拆分。
Google Flow -> profiles/google-flow.mdSeedance -> profiles/seedance.mdVeo + Nano Banana -> profiles/veo-nano-banana.mdprofile 的任务是回答：
native、hybrid 还是 manual在读取 profile 后，显式判断当前任务应走哪一种 mode：
native
模型原生已经很强，skill 只补目标、锚点和交付整理hybrid
模型先做主生成，skill 补连续性、真实性和执行结构manual
skill 进行高控制拆解默认原则：
manualhybrid真实地点、非遗、地方风貌、真实职业/技艺，先核验再创作。优先查官方或权威来源，提炼不可乱改的真实性锚点，再写剧情和提示词。环境锚点、人物气质锚点、道具/技艺锚点。后续所有画面和提示词都必须回扣这三类锚点。默认使用四幕结构：
每一集至少要包含：
如果用户只要单集或短篇，就沿用同样逻辑，但按目标时长压缩结构。
如果用户要的是 先抑后扬、催泪、现实题材、亲情 或类似方向，不要把重点写成“技术很厉害”。
细小失去 -> 忍着不说 -> 关系冲突 -> 真实物件点亮 -> 宏大爆发 -> 极小动作收尾。真实物件 或 真实动作 长出来，不能凭空起奇观。在写分镜提示词前，先建立可复用的素材资产表，并统一编号：
| 类别 | 前缀 | 示例 |
|---|---|---|
| 角色 | C01-C99 | C01 主角正面全身 |
| 场景 | S01-S99 | S01 废弃山门 |
| 道具 | P01-P99 | P01 主角佩剑 |
每个资产都要提供：
如果题材基于真实地点或非遗，每个关键资产还应额外提供：
真实性来源或依据不可漂移的结构/风貌要点如果用户要求中文输出，章节名、编号说明、素材表都用中文；除非用户另有要求，图片生成提示词正文仍优先保留英文。
推荐格式：
### [编号] - [名称]
[风格前缀]，[英文视觉描述]，[技术要求]
每一集至少输出：
针对 Nano Banana 2 或 Nano Banana Pro：
如果是改图任务，必须显式约束修改范围：
基于提供的图片，只修改 [目标元素]。其余保持不变，包括人物身份、灯光、构图、背景和画幅比例。
针对 Veo 3.1，使用以下结构：
[镜头语言] + [主体] + [动作] + [上下文] + [风格和氛围]
对白："[如果有对白]"
音效：[关键音效]
环境音：[环境底噪或氛围]
只有当一个片段内部确实包含多个节拍时，才使用时间戳块：
[00:00-00:02] [镜头与动作]
[00:02-00:04] [镜头与动作]
[00:04-00:06] [镜头与动作]
[00:06-00:08] [镜头与动作]
在 Veo 3.1 下，先判断你走的是哪一种视频工作流：
image-to-videofirst-and-last-frameingredients-to-videoextend videoSeedance 或 Veo extend video，不要误写成 Veo 首尾帧如果用户明确说目标平台是 Google Flow：
按镜头/按片段 规划。Text、Ingredients、Frames 还是 Extend。存帧 -> 回灌 -> 重做关键镜头，而不是只给一次性 prompt。只有在用户明确要求 Seedance 输出时，才使用下面这种 Seedance 兼容格式：
图片1: C01
图片2: S03
图片3: P01
[风格]，[画幅比例]，[整体氛围]
0-3s画面：[镜头运动]，[场景建立]，[主体引入]
3-6s画面：[镜头运动]，[情节发展]，[动作描述]
6-9s画面：[镜头运动]，[高潮或冲突]，[情绪爆发]
9-12s画面：[镜头运动]，[转折或过渡]
12-15s画面：[镜头运动]，[结尾画面]
【声音】[配乐风格] + [音效] + [对白或旁白]
【参考】@图片1 [用途]，@图片2 [用途]，@图片3 [用途]
可复用的运镜词：
如果是连续剧集，第 2 集及以后要优先保持连续性，必要时使用平台支持的续接语法。具体写法参考模型说明和 Seedance 手册。
不要无条件输出同样厚重的一套材料。
nativehybridmanual如果用户要文件，默认拆成：
[Title]_剧本.md[Title]_素材清单.md[Title]_图片提示词.md[Title]_视频提示词.md[Title]_E[XX]_分镜.md如果用户明确说在 Google Flow 中执行，额外补：
[Title]_Flow操作清单.md如果任务很小，也可以直接内联输出，不强制落文件。
打包完不算结束，必须做一轮 Check。
core/output-contract.md 回看这轮交付是否真的成立benchmarks/output-review-template.md 组织最小复核结论Check verdict = fail，继续改，不能直接停Check verdict = pass 但暴露系统性问题，把问题写回 benchmark、profile 或 knowledge/log.md如果手里已经有生成后的视频、字幕和关键帧说明，优先再跑一轮结构化审片：
scripts/build_video_evidence_bundle.py 整理证据scripts/build_video_review_report.py 读取 benchmarks/video-review-registry.jsonbenchmarks/video-evidence.md/json 里的证据是否足够benchmarks/video-review.md/jsonscripts/build_video_review_action_queue.py 把 verdict 编译成 benchmarks/video-review-actions.md/jsonpass / fail / uncertain 后，继续落到下一步 Actfail 优先只重做失败镜头，uncertain 先补证据，pass 再写回 benchmark / knowledge如果这轮工作本身包含 nightly review、video learning、issue inbox 或其他知识学习动作，再额外做一轮后台 PDCA：
knowledge/schema/knowledge-review-template.md 判断新信号该 admit / defer / rejectCheck 的内容，才允许进入 wiki、profiles、benchmarks 或 corevideo-review-actions.md/json，再用 build_knowledge_suggestions.py 把高信号失败项或证据缺口推入后台建议队列完成前至少检查：
@imageX 或 @图片X 引用都能在素材表里找到用户明确选择、用户明确接受默认推荐、用户明确授权跳过选择Check verdict 和下一步 Act架构说明优先读：
Seedance 模板、语法和分镜格式，见 references/seedance-manual.md。
如果只想快速掌握 Seedance 的限制、语法和工作流，优先看 references/seedance-manual-summary.md。
如果要直接开始产出正式交付物，先套 references/delivery-package-template.md。
如果要在 Seedance 路线下做更稳的执行决策，读 references/seedance-playbook.md。
Google 系列模型的分流规则、提示词模板和常见问题，见 references/veo-nano-banana-notes.md。