大家好啊，我是瑞斯白。
给大家看个最近在某短视频平台上爆火的 AI 剧情类带货视频。
这个是原视频。
这个是用skill复刻的视频，替换了产品。
这类视频在 AI 出来之前，拍摄成本极高。演员、服装、场景、道具，每一项都要花不少钱。
AI 视频的出现，给了这种剧情离谱又有趣的带货视频以可能。成本降下来之后，它就变成了可商用的一类带货素材。
而在短视频带货里，低成本、稳定地复刻爆款，是绕不开的一件事。
所以今天这篇，拆解一下怎么用codex结合一套 skill 稳定复刻这类爆火的AI剧情带货视频。
一、大多数人以为的流程
不管是人来做，还是交给 AI 来做，大致流程其实差不多。
把参考视频发给 AI，让它拆出文案和分镜脚本，再把自己的产品或人物替换进去，重新生成文案和脚本，最后用新脚本喂给 AI 视频模型出片。
这个流程是对的。
比如下面这张图，就是用 Gemini 来解析一条参考视频。
这一步的关键，是那条拆解提示词。这个提示词打磨了很久，能把一条视频拆成结构化的镜头数据——每一个切点、每一段口播、每一个景别和运镜都标出来。
提示词很长，我放在文末了，需要的伙伴可以直接划到最后收藏、转发，一键三连我也不介意哈哈，提示词可以保存下来用。
但拆解只是整件事的第一步。
「能把视频拆出来」和「能稳定、低成本、批量复刻出新视频」之间，差着一整套工程。
二、只靠一个提示词，为什么复刻不出稳定的视频
把拆解提示词跑通之后，会很快撞上三个问题。这三个问题，是分水岭。
第一个问题，是一致性。
一条带货视频往往有十几个镜头。同一个人物、同一个产品，要在这十几个镜头里长得一模一样。
可是研究了AI生成内容的底层原理后就知道，AI 生图和生视频天然是「抽卡」的。这个镜头里产品包装上的字是这样，下个镜头可能就变样了；人物在第一镜和第五镜，脸和身材可能对不上。这是非常可能发生的。
镜头变多，一致性就开始变得更加不可控。这是复刻翻车最常见的地方。
第二个问题，是分段和衔接。
最强 AI 视频模型Seedance 2.0 单次能生成的时长有限，超过十几秒就得拆成多段来做。
可一旦分段，一致性和衔接的麻烦就来了。上一段人物左手拿着产品，下一段就不能凭空换到右手；上一段的动作没做完，下一段得接得上。
段与段之间的动作、道具、视线，都要对齐，否则——拼起来就是穿帮。
第三个，是视频提示词怎么写。
很多人认为提示词写得越详细越好，把「必须保持产品颜色」「一定要怎样怎样」全堆进去。
实际不是这样。比如参考图已经锁定的信息，再在文字里重复一遍没有必要，反而会稀释指令、让模型返工。
视频提示词有一套自己的极简写法。写多了写少了、顺序不对，出来的结果都会差很远。
这三个问题，单靠一条提示词都解决不了。
三、把「复刻」做成一套工程
合适的办法，是把整件事拆成一条有顺序、有检查点的流水线。
每一步只解决一个具体问题，做完一步、过一道关，再进下一步。
下面这张图，是这条流水线的全貌。
参考视频 + 产品图
↓
[A] 视频解析（拆镜头 / 音频 / 分镜）
↓
[B] 分段路由（按时长定单段 / 多段）
↓
[C] 一致性锚点（场景图 + 人物锚点） ／ [C2] 人物变化分级（并行判断）
↓
[D] 分段故事板（六宫格关键帧）
↓
[E] 对账闸门（故事板 ↔ 拆解逐项核对）🛑
↓
[F] 视频提示词（极简方法论）
↓
[G] 资产归档（飞书多维表格）
↓
[H] 审核闸门 🛑
↓
[I] 批量生成 → 回写资产库
A 视频解析。 就是前面那条 Gemini 提示词干的活，把参考视频变成结构化的镜头数据。
B 分段路由。 根据视频总时长，自动判断是压成一段，还是要拆成多段。这一步决定了后面要不要做一致性锚点。
C 一致性锚点。 这是解决第一个难题的地方。先抽一张代表性的空场景图、一张人物锚点图，把场景和人物「锁住」，后面每一段都参照同一套基准来生成，人物和产品就不容易乱。并行还要判断人物在整条视频里的变化程度，决定锚点要做几张。
D 分段故事板。 每一段先生成一张六宫格关键帧，把这一段的镜头落成可看的画面，而不是直接去赌视频。
E 对账闸门。 故事板生成完，立刻和拆解数据逐项核对——景别对不对、运镜对不对、产品角色对不对。对不上就退回去重做，咱别带着错误往下走。
F 视频提示词。 用前面说的极简写法，给每一段写生成提示词，并做一道动作占用的连续性审核，解决分段衔接的问题。
G 资产归档。 把拆解、提示词、复刻包全部落进飞书多维表格。每一条复刻任务都是一份可查、可视化、可复用的资产，而不是做完即弃的一次性活儿。
H 审核闸门。 正式生成视频前停一下，确认参考图、故事板、提示词都没问题，再花算力去生成。
I 批量生成。 确认无误后逐段生成，再把成片回写进资产库。
看到这里能发现，这套流程里真正花心思费时间的，就是那几道「闸门」和「锚点」。
它们的作用只有一个：在每一个最容易出错的环节先卡一道，把错误挡在生成之前。
而这一整条流水线，并不是人盯着一步步手动操作，而是写成一个 skill，交给 Codex 或 Claude Code 这类 AI Agent 自动跑下来。
每一道闸门、每一个锚点，都是写进 skill 里的规则。
四、为什么是「工程化」，而不是「提示词技巧」
到这里，应该能感觉到一个区别。
到处求来的「神级提示词」，解决的是单个环节的问题。而稳定复刻要的，是把十几个环节串成一条不会在中途崩掉的流水线。
这中间的差别，可以用三个词来概括。
一是闸门思维。 不追求一步到位，而是每一步都留一道检查，让错误在最便宜的环节就被拦下，不必等花了算力生成视频才发现白做。
二是资产沉淀。 每条复刻任务的拆解、提示词、成片都进了多维表格。做得越多，可复用的底子越厚，下一条只会更快。
三是可复用。 把这一整套顺序和规则固化进一个 skill，就能反复执行。今天能复刻这条，明天换个产品、换条参考视频，跑的还是同一套 skill。
对做电商的团队来说，把这套工程沉淀成一个 skill，「复刻爆款」就从一个靠手感的活儿，变成了一条可以交付、可以沉淀的生产线。
写在最后
复刻一条爆款 AI 带货视频，难的不只是某一条提示词。
难的更是怎么把拆解、一致性、分段、生成、归档这些环节，组织成一套稳定、可复用的工程。
这篇能给到的，是这套工程的骨架和它背后的逻辑。每一道闸门具体怎么设、一致性锚点怎么生、视频提示词那套极简方法论具体长什么样，是另一个篇幅才能讲透的事了。
文中说的那条 Gemini 拆解提示词，放在课程介绍下面了。这是整套流程的第一步，可以拿去用起来。
最后打个广告。
6 月 5 日，我和富百要开一个 10 天的实战训练营——AI电商内容训练营 · 以 Codex/Claude Code 为核心。
这是我们的第二期课程，第一期结束后我们做了大量用户调研收集反馈，在第一期基础上做了迭代，比第一期更易于学习。
课里教什么：
使用 Codex/Claude Code 这类最先进的 AI Agent、GPT Image 2 + Nano Banana Pro 做详情图、Seedance 2.0 做视频的工程化思路。从环境搭建到 AI 稳定出图、把出图能力沉淀成可复用的 skill，从爆款拆解到 AI 原创视频。
四阶段共 10 天，5 场直播 + 视频同步。
适合什么人：
电商从业者、老板、商家，对 Codex、Claude Code 应用于自己业务感兴趣的同学，不需要编程基础。用 10 天跑通一次，把这套能力留在自己团队里。
早鸟价 ¥1499（限前 20 席），之后回到 ¥2499。（精力有限，这期依然会是小班制，先到先得）
为了让大家更好地学习和应用，课程中设置了AI视频作业，提交作业即可在课程结束后得到200元的学费返现，相当于优惠200元。
有需要的朋友，欢迎添加：resbaict1114
课程大纲也放在下面了，正式开课时内容会有调整
视频拆解提示词：
你是「短视频镜头级拆解助手」。
请完整观看我提供的视频，并把视频内容拆解成结构化 JSON。
你的核心任务是：准确识别视频中的视觉切镜、人物动作、产品展示、字幕/台词、镜头运动和画面变化。
请只输出 JSON，不要输出 Markdown，不要写总结性评价。
---
# 拆解目标
请完成以下内容：
1. 识别视频基础信息：
- 总时长
- 画幅比例
- 视频类型
- 是否有人物出镜
- 是否有口播
- 是否有旁白
- 是否有字幕
- 是否有 BGM 或环境音
- 整体画面风格
2. 建立 audio_timeline：
按时间段拆解视频中的声音内容，包括：
- 口播
- 画外旁白
- 字幕文本
- 无人声
- 只有 BGM
- 环境音
- 听不清内容
3. 建立 cut_points：
找出所有明显的画面切点，包括：
- 硬切
- 跳切
- 景别突变
- 角度突变
- 背景变化
- 产品特写切换
- 手部操作切换
- 转场
- 插入镜头
4. 建立 visual_shots：
根据 cut_points，把视频拆成一个个连续视觉镜头。
每个 visual_shot 必须描述：
- 开始时间
- 结束时间
- 第一帧画面状态
- 画面为什么从这里开始
- 背景环境
- 人物主体
- 产品是否出现
- 产品外观细节
- 具体动作
- 景别
- 拍摄角度
- 镜头运动
- 光线
- 视觉风格
- 对应台词、旁白或字幕
- 是否与上一镜连续
- 不确定信息
5. 给出 continuity_notes：
根据画面连续性，说明哪些镜头之间动作、场景、人物或产品展示逻辑比较连贯，哪些镜头之间存在明显断裂。
---
# 切点判断规则
以下情况需要拆成新的 visual_shot：
1. 硬切
画面突然切到明显不同的画面。
2. 跳切
同一场景内，人物姿势、手部位置、产品位置、身体朝向突然变化。
即使背景相同，只要动作不符合连续物理运动，也要拆开。
3. 景别突变
例如全景突然变中景，中景突然变特写，人物画面突然切到产品细节。
4. 角度突变
例如正面突然变侧面，平视突然变俯拍，人物正脸突然变成手部俯拍。
5. 背景变化
同一个地点内，只要镜头朝向不同、可见背景元素明显不同，也要拆开。
6. 产品特写切换
人物口播切到产品包装、产品细节、手部操作、使用效果，都要单独拆。
7. 插入镜头
快速插入的细节镜头、手部镜头、反应镜头、环境镜头，即使时间很短，也要记录。
8. 转场
闪白、遮挡、滑动、叠化、模糊、推拉等转场都要记录。
以下情况不要单独拆：
1. 连续运镜
缓慢推近、拉远、横移，如果画面连续且动作物理合理，不需要拆。
2. 人物自然动作
正常走路、转身、抬手、拿起产品，如果没有画面跳变，不需要拆。
3. 轻微曝光变化
自动对焦、亮度轻微变化，不单独作为切点。
---
# 音频判断规则
audio_type 只能从以下类型中选择：
- 口播
- 画外旁白
- 字幕文本
- 无人声
- 只有BGM
- 环境音
- 听不清
判断标准：
1. 画面中人物嘴在动，并且声音来自该人物：
audio_type = "口播"
2. 画面中人物嘴没动，但有讲解声音：
audio_type = "画外旁白"
3. 只有屏幕文字，没有人声：
audio_type = "字幕文本"
4. 没有人声，只有音乐：
audio_type = "只有BGM"
5. 有环境声音：
audio_type = "环境音"
6. 听不清：
dialogue_or_subtitle = "[听不清，需用户确认]"
台词、旁白、字幕必须基于视频中真实出现的内容。听不清时直接标注，不要猜测。
---
# visual_shots 描述要求
每个镜头都要具体、可视化、物理化描述。
不要写：
- 展示产品
- 介绍卖点
- 氛围高级
- 画面好看
- 人物互动
- 使用产品
要写：
- 右手拿起白色瓶身，将瓶口靠近镜头中央
- 人物左手按压泵头，瓶口喷出细雾
- 镜头从人物中景硬切到桌面俯拍，产品平放在画面中央
- 手指从包装右上角撕开封口，露出内部产品
- 人物侧身站在镜子前，右手整理衣服下摆
背景也要写具体可见元素，不要只写地点名。
不要只写：
- 室内
- 商场
- 街上
- 客厅
要写：
- 白色墙面、木质桌面、灰色沙发、玻璃橱窗、金属货架、浅灰地砖、车门内侧、洗手台台面
---
# 输出 JSON 格式
{
"video_meta":{
"duration":"00:00.0",
"aspect_ratio":"9:16 / 16:9 / 1:1 / 3:4 / 4:3 / 不确定",
"video_type":"口播带货 / 剧情短视频 / 产品展示 / 测评 / Vlog / 其他",
"has_visible_person":true,
"has_visible_speaker":true,
"has_voiceover":true,
"has_subtitles":true,
"has_bgm":true,
"has_environment_sound":true,
"overall_visual_style":"..."
},
"audio_timeline":[
{
"id":1,
"start":"00:00.0",
"end":"00:03.2",
"audio_type":"口播 / 画外旁白 / 字幕文本 / 无人声 / 只有BGM / 环境音 / 听不清",
"speaker_visible":true,
"mouth_movement_visible":true,
"dialogue_or_subtitle":"...",
"bgm_or_sound":"...",
"confidence":"high / medium / low",
"notes":"..."
}
],
"cut_points":[
{
"id":1,
"time":"00:03.2",
"cut_type":"硬切 / 跳切 / 景别突变 / 角度突变 / 背景变化 / 产品特写切换 / 手部操作切换 / 转场 / 插入镜头",
"change_description":"...",
"confidence":"high / medium / low"
}
],
"visual_shots":[
{
"id":1,
"start":"00:00.0",
"end":"00:03.2",
"duration":"3.2s",
"first_frame_state":"...",
"visual_change_reason":"视频开头首镜 / 硬切到新画面 / 跳切 / 景别突变 / 角度突变 / 背景变化 / 产品特写切换 / 手部操作切换 / 转场 / 插入镜头",
"background":"...",
"subject":"...",
"product_role":"未出现 / 背景露出 / 人物手持 / 正在使用 / 产品特写 / 包装展示 / 效果展示 / 对比展示 / 卖点展示 / 看不清",
"product_visual_detail":"...",
"action":"...",
"shot_size":"远景 / 全景 / 中景 / 近景 / 特写 / 大特写 / 混合景别",
"camera_angle":"平视 / 俯视 / 仰视 / 正面 / 侧面 / 斜侧面 / 背面 / 主观视角 / 不确定",
"camera_motion":"固定镜头 / 缓慢推近 / 缓慢拉远 / 横向移动 / 纵向移动 / 跟拍 / 手持轻微晃动 / 快速摇镜 / 变焦 / 不确定",
"lighting":"...",
"visual_style":"...",
"audio_type":"口播 / 画外旁白 / 字幕文本 / 无人声 / 只有BGM / 环境音 / 听不清",
"dialogue_or_subtitle":"...",
"on_screen_text":"...",
"continuity_with_previous":"首镜 / 连续 / 不连续 / 跳切 / 硬切 / 不确定",
"confidence":"high / medium / low",
"uncertainty_notes":"..."
}
],
"continuity_notes":[
{
"shot_ids":[1,2,3],
"continuity_type":"场景连续 / 动作连续 / 人物连续 / 产品展示连续 / 语义连续 / 明显断裂",
"description":"..."
}
],
"quality_check":{
"visual_shot_count":0,
"cut_point_count":0,
"audio_timeline_count":0,
"possible_missed_cuts":[
{
"time_range":"00:00.0-00:00.0",
"reason":"..."
}
],
"uncertain_audio":[
{
"time_range":"00:00.0-00:00.0",
"reason":"..."
}
],
"uncertain_visuals":[
{
"time_range":"00:00.0-00:00.0",
"reason":"..."
}
]
}
}
---
# 输出前检查
请确认：
1. 明显硬切是否都被记录？
2. 同一场景内的人物姿势跳变是否被记录？
3. 产品特写、手部操作、包装展示是否被单独标记？
4. 不同背景、不同角度、不同景别是否没有被粗暴合并？
5. 台词、旁白、字幕是否来自视频真实内容？
6. 听不清的地方是否标注为「[听不清，需用户确认]」？
7. 每个 visual_shot 是否都有明确的开始时间和结束时间？
请只输出 JSON。