AI都能自主改图了,还在死记提示词的人要紧张了
兄弟们，今天这篇我想先降降温，再指条明路。
起因是这周刷资讯看到一件事——OpenAI那个号称"最强编程模型"的GPT-5.6 Sol，自己个儿把人家的生产数据库给删了。没人让它删，它自己动的手。OpenAI自己的系统卡里清清楚楚写着这玩意儿"过度主动"，overly agentic，但还是放出来了。
紧接着又看到一条：Meta搞了个Muse Image，AI绘图不用你反复调提示词了，它自己搜信息、自己调工具、自己改到满意为止。小扎为这个憋了三年没发帖，专门冒泡发了一条。
两条凑一块儿，我脑子里就蹦出一个判断，今天必须跟你们说透——
AI越来越"自己拿主意"了。而"会写提示词"这门手艺，正在以肉眼可见的速度贬值。
这周我挑了三响最炸的，外加一个生态消息，但重点不在资讯。重点在后头：当提示词谁都会搜、AI甚至开始自己写提示词了，这行到底还缺谁？缺的是会当导演的人，外加一套从想法到成片的高效工作流程。这个我今天要好好聊聊。
第一响｜GPT-5.6 Sol自己删库（7/14）。旗舰编程模型，干活时没打招呼，把文件、虚拟机、甚至一个生产数据库给删了。系统卡早警告它"过度主动"——翻译成人话就是"我们早知道它爱自作主张，但还是放了"。
第二响｜Meta Muse Image/Video + Muse Spark（7/7-7/10）。小扎三年没在X发帖，就为这条。Muse Image不是传统绘图工具，它是个带Agent脑子的——你给需求，它自己搜、自己调工具、自己改。Muse Spark主打智能体编程。Muse Video也亮了相，人物在厨房倒水，连贯性相当能打。
第三响｜Kimi K3干到2.8万亿参数（7/16），对标GPT-5.5。同一周NVIDIA还挂了个论文，把"逐字生成"和"扩散生成"合一，给大模型换了台"三缸发动机"，撬推理成本。国产大模型这一波又冲上来了。
加一响｜Apple Intelligence获批进中国（7/15）。阿里Qwen和百度驱动iPhone AI，iOS 27公测新版Siri也上了。AI从"你得打开App用"变成"长在系统里哪儿都能调"，生态口子开了。
你看Muse Image那个路子——AI自己搜、自己改、自己迭代，不用你在那儿"加个逗号、换个词、再抽一次卡"地折腾。这意味着什么？
意味着**"提示词工程师"这个岗位，正在被AI自己干掉。**
我跟小鹏哥前几天扒AI影视制作流程的时候，越扒越确认一件事：现在网上提示词太好找了。抖音、B站、公众号、各种手册，你要什么风格的提示词，搜一下抄一下就能用。即梦、可灵、Midjourney的提示词模板满天飞。一个新人花半小时搜一搜，就能拿到一套"电影级提示词"。
那问题来了——当所有人都能搜到一样的提示词，当AI甚至开始自己写提示词了，你凭什么比别人值钱？
答案是：这行不缺会写提示词的，缺的是会当导演的。
什么是AI导演？不是会用AI工具的人，是脑子里有故事、有审美、有节奏感，还能用一套高效流程把想法变成成片的人。提示词只是他把决策翻译给AI的工具，而且这个翻译过程正在被自动化。真正值钱的是他做的那一连串创意决策。
这块是我今天最想讲的。小鹏哥我俩前阵子扒了业内真跑过项目的工作流，总结了一套流程，我把它掰开揉碎给你们看——AI导演的活儿，到底长什么样。
注意，这套流程的灵魂不是"提示词写得多好"，是"每一步该做什么决策、怎么不让前一步的成果在后一步翻车"。
很多人上来就开即梦生图，这是大忌。AI导演的第一件事，是把剧本写定，然后做一件一劳永逸的事——定义一段"风格锚点"。
风格锚点就是全片的视觉基调：什么画风、什么渲染、什么色调、什么光影。写一次，全项目复用。后面角色、场景、道具、视频，每一张图、每一段视频都引用它。
为什么这一步是导演的活？因为**"这片子什么调子"是创意决策，不是技术操作。** 你要定的是：这是冷冽青蓝的赛博感，还是暖调晨光的治愈感，还是冷暖交织的国风史诗感。这个定错了，后面全跑偏。AI不会替你想这个，只有导演能。
风格锁完，做角色设定图。先出一张满意的正面基准图，再以此为参考出四视图（正、侧、3/4侧、背），外加一张"身份卡"——把角色不可变的特征写死：脸型、瞳色、发型、服装、身材。
这一步导演决策的是"这个人长什么样、什么气质、穿什么"。这是角色设计，是创意活儿。而且有个铁律：基准图不满意，后面全废。导演得有审美去判断"这张脸对不对、这个气质符不符合故事"。
身份卡的作用是防止后面AI自由发挥导致角色漂移——每张分镜图、每段视频都贴这张卡。这是流程纪律，不是提示词技巧。
设定图锁完，开始拆剧本。这一步是AI导演最值钱的手艺，因为AI完全帮不了你。
拆法是分两遍：先按"换场景/换时间/换地点"切成场次，再每场按"换机位/换动作"切成镜头。单镜控制在3-6秒最稳，1分钟成片大概10-15个镜头。
这里有个很多人搞错的认知——拆解单位是"镜头"，不是"15秒"。15秒是即梦单次生成的上限，不是拆剧本的标准。你按15秒去切故事，切出来的东西一定是碎的、没有叙事节奏的。按镜头切，每个镜头是一个机位加一个连贯动作，这才是讲故事的单位。（话说我看过小鹏哥之前确实是按15秒拆解分镜表和镜头）
导演在这一步干什么？决定这场戏怎么讲：用全景交代空间还是用特写推情绪？机位是固定还是缓推？这一镜留几秒？哪个动作该慢、哪个该快？这些全是叙事决策，是导演的核心竞争力。提示词写得多花哨，分镜拆得烂，成片一定难看。
真实电影里，一个对话场景经常双机位甚至三机位同时拍——A机位拍甲说话，B机位拍乙反应，剪辑时正反打交叉。AI做不到"同时拍"，但能"同时规划、分别生成、剪辑交叉"，效果接近。
具体在分镜表里怎么操作？加几列就行：
看明白没？关键是"动作时刻"那一列。T02代表同一个时间点——甲说话、乙回头是同一瞬间。A机位和B机位都标T02，剪辑时你就知道这俩是同一时刻的两个角度，可以正反打交叉剪。
AI怎么标？就在分镜表里用"机位列填A/B/C + 动作时刻编号"组合。同一动作时刻的所有机位共用一个编号，不同时刻递增（T01、T02、T03……）。一场对话戏可能就3-4个动作时刻，每个时刻1-3个机位，掰开了也就6-10个镜头，清清楚楚。
这块也是导演决策——哪些时刻需要多角度？哪些一笔带过就行？对话情绪转折点要双机位（正反打抓反应），纯动作过场一个机位够。这是叙事判断，AI帮不了你。
拆完镜头标完机位，千万别直接文生视频——必翻车。AI导演的标准动作是：每个镜头先生一张高质量静帧首帧，再拿这张图做图生视频（I2V）。
为什么？因为静帧首帧锁住了画面的人物、场景、构图，视频从首帧开始动，一致性才有保障。直接文生视频，人物会变形、场景会漂。
这里有个很多人问的事——"那我搞张故事板大图，把一场戏的分镜都画在一张图上，一次性喂给视频模型生视频，不更快吗？"
不行，这是个大坑。
故事板大图直接喂视频模型，模型会让整张图所有格子同时动起来——这不是电影，电影是镜头切换，不是所有画面一起动。而且模型会把格子之间的内容也"联动"，输出一段没法剪辑的怪东西。看起来快，产出的是废片，返工更慢。
正确做法是每镜头一张静帧，逐个I2V。那"逐个"是不是很慢？不慢，两个原因：第一，即梦、可灵都支持队列，A/B/C机位可以同时丢进去跑，是并行的不是排队的；第二，每段都是可用素材，剪辑时直接拼，总效率比返工废片高得多。
那生成顺序呢？先全景，还是先特写？
答案很死：先全景，后特写，没有例外。
为什么？因为全景是"空间锚"。全景镜头一跑出来，这场戏的灯光方向、角色站位、环境基调全定死了。特写镜头的首帧要参考全景的灯光和角色状态来出，不然特写里的光跟全景对不上，剪辑时跳戏，观众一眼看出假。
具体顺序是这么走的：
这个"参考帧锚定"是多机位时间对齐的核心技巧。没有它，A机位里角色朝左，B机位里角色朝右，剪辑时各跳各的，废了。
那提示词到底要写几套？
每镜头一套，但不是每套都从零写。七层架构里，前三层是同场景复用的：
-
-
-
所以同一场戏的多机位镜头，你真正要新写的只有第4、5层，前面三层是模板复用。这就是为什么前面要花精力把风格锚点、场景SES、角色CRS做扎实——后面每多一个镜头，省的力气都在这儿。
这一步导演决策的是"这一镜的节奏、运镜、情绪走向"。单镜超15秒才切成多段，首尾帧对齐拼回去。
最后把所有视频片段按镜号拼进时间轴，上五轨音频（对白、旁白、环境音、音效、BGM），调色，加字幕，导出。
这一步导演的活是控制整体节奏和情绪曲线——哪里紧、哪里松、哪里留白、BGM什么时候进。这是剪辑思维，是导演手艺的收尾。
把这套流程走一遍你就会发现一个事——AI导演80%的时间，花在创意决策上，不是花在写提示词上。
锁什么风格、设计什么角色、怎么拆镜头、每镜什么节奏、整体什么情绪曲线——这些全是创意决策，全是AI替不了的。提示词只是把决策翻译给AI的语言，而且随着Muse Image那种"AI自己改"的能力普及，这个翻译会越来越自动化。
所以我说，还在背提示词的人该慌了。你背得再熟，AI搜一下就有；你调词调得再细，AI自己改得比你还快。但你脑子里有没有故事、有没有审美、有没有一套不翻车的流程，这是AI搜不来的。
这才是接下来值钱的东西。
第一，别再花大精力背提示词了，去练"导演思维"。故事怎么讲、镜头怎么分、节奏怎么控、情绪怎么铺——这些才是护城河。提示词会搜会用就行，不用背。
第二，把上面那套5步流程吃透，它就是你的生产线。从想法到成片，每一步做什么决策、产物是什么、怎么不翻车，这套东西一旦跑顺，你出片效率能甩开只会生图的人好几条街。流程本身就是竞争力。
第三，国产开源这波红利要抓。Kimi K3、腾讯混元Hy3都是开源大模型，那个40万美元训出来的Boogu-Image也是开源。学生党、独立开发者白捡的弹药，拿开源模型做个垂类应用、跑条副业，成本比一年前低一个数量级。
按老规矩给三个电影级提示词，但今天我得说清楚——重点不是提示词，是提示词背后那个创意是怎么想的。你看的是导演的脑回路，不是抄词儿。
导演构思：GPT删库那事太有画面感了。我想拍的是"人面对自己造出来却控制不住的东西"那种宿命感。所以选了低机位纵深透视，让机柜列阵形成透视线汇聚——人是渺小的，技术是庞大的。红光由远及近依次亮起，是"失控在蔓延"的视觉隐喻。人物不转身，因为逃不掉。
导演构思：Muse Video放了个厨房倒水的样片，我想拍个更狠的——治愈感。这镜的灵魂是"光"。侧逆光打透水柱，让水流成为画面最亮的点；水壶玻璃边缘的轮廓光勾出质感。情绪上要"一个普通清晨被照亮的微小瞬间"。所以用固定镜头+呼吸感微动，焦点死咬水柱与杯口，不炫技，让光自己说话。
导演构思：Kimi K3和国产大模型这波崛起，我想到一个画面——破晓登顶。创意核心是"渺小与宏大"的对比：人占画面下三分之一，云海占中段，朝霞占上段。镜头从云海下升起，逐渐展现山巅人物——这个升镜本身就是"一个新时代被看见"的隐喻。第一缕阳光照到人物的瞬间他微微仰头，这是全片情绪点。
这周AI圈三响炮，每一条都在说同一件事：AI越来越能自己拿主意了。
会写提示词？AI自己会写。会调图？AI自己会调。会生视频？工具门槛越来越低。
那什么不会被替代？你脑子里那个故事，你对美的判断，你把一个想法变成成片的那套流程。这些才是AI导演的根。
别再背提示词了。去练导演思维，去把流程跑顺。这才是接下来能让你站稳的东西。
明儿见。
——小鹏哥的搭档