大家好，我是萝卜哥〜

玩 AI 视频的朋友应该都有这个体会，同样都是用 Seedance 2.0 大模型，别人生成的视频又有电影感，又能看起来更真实，让人一看就起鸡皮疙瘩。再来看看自己生成的，一眼 AI，运镜丝滑得像广告片，人物完美得像假人。

其实差距就就在提示词上。

这两天我在 X 上看到了一条流传很广的 Seedance 提示词，是条"韩国女生在社区喂猫晾衣服"的视频，超级真实。

我深度拆解了这个提示词，其实这种提示词的写法完全是有套路的。既然有套路，那就能固化成流程，既然能固化成流程，那就能做成 Skill。

于是我真做了一个，今天毫无保留分享出来，包括这套提示词的底层逻辑、Skill 的完整结构，站好抓稳，咱们发车！

先搞明白：神级提示词到底神在哪

看下面这条提示词，它长得就跟别人不一样。

主要角色：年轻韩国女性，20岁出头，自然的日常妆容，褪色的炭灰色无袖露脐上衣，宽松的高腰浅色水洗牛仔裤，黑色帆布运动鞋，黑色绳编项链，黑色波浪长发扎成凌乱的侧马尾，带有些许碎刘海。逼真的皮肤纹理，淡妆，温暖而亲切的个性。在整个视频中保持一致的身份、服装、发型和外貌。
地点：宁静的午后时分，真实的韩国住宅社区。狭窄的混凝土小巷，低矮的住宅楼，小型露台，盆栽植物，晾衣绳，自行车，电线杆，架空电线，成熟树木投下移动的树影，安静的住宅氛围。没有商店、广告、咖啡馆、人群或商业活动。
视觉风格：超现实主义纪录片真实感。真实的即兴行为。自然的肢体语言。无剧本的日常生活片段感。强烈的环境真实性。丰富的现实世界细节和可信的人类动作。
摄像风格：2000年代初消费级DV摄像机的美学。朋友随意记录日常生活瞬间。强烈的手持抖动，不完美的构图，频繁的自动对焦搜索，镜头呼吸，在阳光和阴影间移动时的曝光波动，偶尔的运动模糊，轻微的滚动快门，中等数字压缩伪影，褪色的色彩，柔和的对比度，轻微的传感器噪点。没有稳定。没有电影化的摄像机移动。没有现代色彩分级。
00:00–00:02
一个小房子入口外。她坐在低矮的混凝土墙上，用双手向上举起调整马尾。一阵微风吹动散落的发丝。她自然地微笑，而摄像机努力保持焦点。
00:02–00:04
摄像机跟随她走进一条两旁种满盆栽植物和混凝土墙的狭窄小巷。她注意到一只流浪猫靠近，便蹲下身。构图偏离中心，因为操作者试图跟上。
00:04–00:06
她轻轻抚摸并喂食猫咪。自动对焦反复在她脸部和动物之间切换。晨光透过头顶的树叶闪烁。
00:06–00:08
她房子旁的小前院。她在晾衣绳上挂晒衣物，织物在微风中摇曳。云朵短暂掠过头顶时曝光发生变化。
00:08–00:10
在一个安静的露台上，手持一个陶瓷咖啡杯。她舒适地坐着观察社区，偶尔将头发拨到耳后。松散的手持侧角视角，带有自然的摄像机漂移。
00:10–00:12
近距离侧脸轮廓。场外有人向她打招呼。她转过身，举起手，温暖地微笑，随口说：“Annyeong。”摄像机稍晚捕捉到这一刻。
00:12–00:15
她手持咖啡杯，缓慢走在树荫覆盖的住宅小道上。她注意到摄像机，露出一个小而真诚的微笑，然后移开视线，继续前行。录制在中途突然切到黑屏，仿佛摄像机关闭了。

音频：仅自然环境音——晨间鸟鸣、远处摩托车声、轻风、树叶沙沙声、微弱的社区闲聊声、猫叫声、脚步踩在混凝土上的声音、晾衣绳上织物移动的声音、细微的住宅氛围。没有音乐。没有音效设计。没有旁白。

目标：捕捉真实的韩国社区生活，仿佛一段被遗忘的2000年代初家庭录像——即兴、不完美、真实、温暖且极具说服力。

不像普通人写提示词是一段话那样，这个提示词它是七个模块：主要角色、地点、视觉风格、摄像风格、时间轴、音频、目标。

第一层，每个模块只干一件事，这样能保证信息绝对不串味。

第二层更关键，总结成一句话，它想的从来都只有一个问题，这段素材是谁、用什么设备、在什么年代拍下来的？

这个思路很不一般，普通人写提示词，想的是"我要看到什么画面"。高手想的是"这段素材的来源是什么"。

所以说大模型一旦确定了"2005 年朋友用 DV 随手拍的"，后面所有细节全都自动推导出来了：画面会抖，会失焦，会曝光失误，会突然关机。

第三层，也是最反直觉的一层，缺陷即真实。

这条提示词的摄像风格段，写的全是毛病：自动对焦搜索、镜头呼吸、曝光波动、滚动快门、压缩伪影、传感器噪点。真就是印证了一句话，想要真实感，就得把设备的物理缺陷一条条喂给模型，完美恰恰是 AI 感的最大来源。

第四层，负面约束。AI 视频模型有很强的默认审美，你不拦着它，它就自动给你上电影运镜、商业调色、完美构图。所以这条提示词里全程都在喊"没有"。没有稳定，没有电影化运镜，没有现代色彩分级，没有音乐，没有旁白。

把负面提示词约束好，大模型就更知道自己要做什么，不做什么。

把这四层吃透，其实我们也能手搓神级提示词。只不过手搓有个问题，每次都要从头想一遍，还容易漏。

所以啊，按照惯例，咱们肯定是要制作成 skill 的，方便自己方便大家。

我复刻了一个中国妹子版，真的棒。

这个 Skill 长什么样

先来看看这个 skill 长什么样，其实结构很简单，一个主文件加三个词典

seedance-prompt/
├── SKILL.md（主流程）
└── references/
    ├── camera-aesthetics.md（设备美学词典）
    ├── atmosphere-dictionary.md（氛围翻译词典）
    └── anti-ai-checklist.md（去AI感清单）

SKILL.md 是大脑，定义了完整工作流

第一步，确定四要素。拍摄者是谁、什么设备什么年代、拍谁在哪、要什么情绪。你没说清楚，AI 会先问你。

第二步，按七段式模板逐段生成，每段都有硬性规则。比如角色段禁用一切抽象形容词，什么"时尚的""好看的"统统不许出现，只能写可视化特征，而且结尾必须带一句"在整个视频中保持一致的身份、服装、发型和外貌"，这句是防角色漂移的保命符。

第三步，输出前跑一遍自检清单，八个检查项全过才交付。

camera-aesthetics.md 是弹药库，收了 8 种设备的缺陷参数包：2000 年代 DV、VHS 家用摄像机、8mm 胶片、手机竖屏、GoPro、监控摄像头、专业纪录片、网络摄像头。每个包都拆成画面特征、操作特征、负面约束三部分，写摄像段的时候直接整包调用。

想要千禧年怀旧就调 DV 包，想要童年录像就调 VHS 包，想要悬疑感就调监控包。换个包，整条提示词的气质就全变了。

atmosphere-dictionary.md 是翻译器。这个词典解决的是最要命的问题，抽象词模型是很难理解的。比如写"温馨"，模型不知道怎么拍。这个词典会把温馨翻译成“树影在地面移动、晾衣绳织物摇曳、陶瓷杯冒热气、猫慵懒靠近”。可以看出来吧，这些全是可拍摄的物理现象，大模型就好理解多了。

anti-ai-checklist.md 是质检员。这个里面有一张 AI 默认行为对照表，每个默认行为配一句负面约束。还有一个我最得意的东西，21 个"非完美事件"库，分成摄影师的失误、环境的介入、主体的自然行为、收束方式四大类。时间轴每个镜头必须塞一个，而且全片不许重复。

对焦慢半拍、构图跟不上人、猫突然闯入、场外有人打招呼、录到一半突然黑屏。真实感就是这么一个个"失误"堆出来的。

实测：一句话生成纽约街头早晨

我拿"纽约街头早晨"测了一下，就给这六个字。

Skill 先自动补全了四要素：朋友随手拍、2000 年代 DV、布鲁克林住宅街区的年轻女生、温暖怀旧。然后产出了完整的七段式提示词。

几个细节让我挺惊喜的。

说实话这个提示词，手搓的话没有半小时下不来，Skill 一分钟出稿，效率无敌。

来看看效果，相当给力了。

写在最后

这一套下来，其实我们会发现所谓的"提示词玄学"，就是根本没有玄学，全是可以拆解、可以固化、可以复用的工程。

那些让我们惊叹的神级提示词，作者也没什么魔法，他们只是比我们早一步把方法论沉淀了下来。

现在工具已经帮大家把方法论都打包好了，模型也越来越听话了。

只要干就完了。