企业官网建设流程全解析

1. 提示词不是许愿池：先弄明白它在给模型下什么指令

最近几个月接的活儿里，十单有六单跟 Sora 生成 AI 视频提示词有关。客户拿来的东西五花八门，有的是电商详情页要一段产品特写，有的是自媒体要一段氛围空镜，还有的是做课程的需要一段演示动画。这些人里绝大多数都卡在同一个坎上：脑子里画面很清楚，写出来的提示词却像在写请假条——"一个人在海边散步，画面唯美，电影感"，然后出来的结果要么糊成一片，要么人物走两步就变成面条，要么镜头莫名其妙地自己动起来。

问题不在于模型不行，而在于提示词这件事被严重低估了。文本生成视频的模型本质上是把一段自然语言"翻译"成时间轴上的像素变化，它没有常识，不会脑补你没说的东西，也分不清"唯美"到底是指逆光还是指降饱和。你写得含糊，它就只能靠训练数据里的平均值来填，出来的结果自然是一股子塑料味。所以我把这段时间攒下来的提示词经验整理成这份合集，重点不是我写了哪些句子，而是这些句子为什么这么写——哪些词在起作用、哪些词在捣乱、顺序怎么排、改了之后画面会往哪个方向偏。

这份内容适合三类人看：完全没写过提示词、刚上手想把第一条片子跑通的新手；已经能出片但稳定性差、十条里只有一条能用的人；以及需要批量产出、必须把提示词沉淀成可复用模板的团队。我不打算给你一堆"复制即用"的咒语，那种东西换个场景就废了。我要给的是拆解方法和判断标准，你拿到任何一个新题材，都能自己组装出一条像样的提示词。下面所有例子都是我自己在工作里跑过的，涉及的具体品牌一律隐去，只讲结构和方法。

2. 一条提示词的六层骨架：先把句子写"长"，再把句子写"准"

2.1 从"写作文"切换到"写分镜"的思维

新手最容易犯的错，是把提示词当成作文来写，追求语言优美、修辞丰富。我见过有人写"夕阳西下，一位少年怀揣着梦想望向远方，画面充满希望"，这种句子在人看来很有画面感，但模型读到的是三个模糊概念：夕阳、少年、希望。它不知道少年穿什么、站在哪、镜头离他多远、光是打在脸上还是背后、他有没有动。最后生成的画面全靠猜，十条里能有一条沾边就算运气好。

正确的思维是"写分镜"。你在剧组里跟摄影指导沟通时会怎么说？不会说"拍得好看点"，而是说"中景，85 毫米，机位略低于视线，逆光，人物从画面右侧走入，走三步停住，抬头看向画左上方，风带动头发"。这段话里每一个信息都是可执行、可验证的。提示词也该是这个密度。

我给自己定的一个硬标准：一条提示词写完，闭上眼睛，你能不能凭这些文字把画面在纸上画出来、把动作按秒数排出来。画不出来，说明信息不够；画出来了但有好几种可能，说明还有歧义要消。这个自检方法比任何模板都管用，我几乎所有返工都是在这一步发现的。

顺带说一个常被忽略的点：提示词是在描述"正在发生的过程"，不是描述"一张照片"。很多人写出来的是静态画面的描述，模型就只能给你一个几乎不动的镜头，看起来像 PPT 翻页。要出动态，你得把时间维度写进去——谁先动、动多久、镜头什么时候开始移动。

2.2 六层结构：主体、动作、环境、镜头、光线、风格

我把提示词的字段固定成六层，顺序也基本固定，理由是模型对前置内容的注意力权重通常更高，越靠前的信息越不容易被忽略。这六层分别是：主体（谁/什么）、动作（做什么、怎么动）、环境（在哪、周围有什么、天气如何）、镜头（景别、焦段、机位、运动）、光线与色彩（光位、光质、色温、色调）、风格与质感（介质、年代感、颗粒、材质），最后可以补一层排除项。

每一层的作用不一样，缺一层画面就塌一块。缺主体，模型会自己造一个；缺动作，出来的是静止画面；缺环境，背景会随机糊成一片灰；缺镜头，它会默认给你一个中景固定机位；缺光线，光就变成平淡的正面光；缺风格，材质会塑料感很重。

这里要提醒一句：六层不是六句话堆在一起就完事，它们之间要能对得上。我见过一条提示词写着"特写，85 毫米浅景深"，后面又写"背景是繁华的街道人群"——这就自相矛盾了，浅景深下背景本来就该是虚的，你写那么细的背景等于白写，还可能让模型为了兼顾两者把景深做浅不了。提示词内部的逻辑自洽，比词汇量重要得多。

还有一个经验：一条提示词的信息量存在边际递减。大概写到 80 到 120 个字（中文）之后，再往上加细节，收益就明显下降，甚至开始互相打架。所以我的习惯是先写满六层，再回头删掉那些"写了也不影响画面"的形容词，留出余量。

3. 六个字段逐个拆：每个词都在悄悄改画面

3.1 主体与外观：把"人"写到模型不敢乱改

主体这一层最常见的问题是写得"够用但不够死"。写"一个女孩"，模型就会在它的训练分布里随机采样——可能是二十岁也可能是三十岁，可能长发也可能短发，衣服颜色每次都变。如果你要做系列内容，需要角色保持一致，这一层必须写到"过饱和"。

我的写法是按"年龄段 + 发型发色 + 面部特征 + 服装（颜色、材质、款式）+ 配饰"这几项逐条落。举个实际用的："三十岁上下的女性，齐肩黑色直发，无刘海，浅灰色高领针织衫，袖口略松，右手腕戴一只细银镯"。这么写下来大概四十个字，看着啰嗦，但连续生成十条，人物的基本特征是稳的。

材质词在服装描述里特别值钱。写"针织衫"和写"粗针羊毛针织衫"，出来的质感完全两回事；写"外套"和写"磨旧边缘的深棕色皮夹克"，前者是路人，后者是有故事的人。我一般会在服装上加一个"磨损/新旧程度"的描述，比如"微微起球的""熨烫平整的""沾了点面粉的"，这一个细节能把塑料感压下去一大截。

如果是物品主体，重点放在材质、表面处理和尺度参照上。写"一个玻璃杯"没用，写"一只薄壁高脚杯，杯壁有细微水痕，杯口直径约八厘米"就有用了——尺度参照能让模型知道这东西在画面里该占多大比例。这一点在做产品类内容时几乎是必需的，否则模型经常把小型物件拍成巨型雕塑。

注意：主体描述里不要混入动作和情绪。写"悲伤的女孩"这种把状态和人物糅在一起的表达，模型容易给你一张定格哭脸，动态就没了。情绪要通过动作和光线去传达。

3.2 动作与节奏：动词选错，整条片子就散了

动作是整条提示词里最容易翻车的一层，因为它涉及时间维度上的一致性。模型的难点不在于画出一个人，而在于让这个人在若干秒内保持是同一个人、同一件衣服、同样的体型。动作越复杂、幅度越大、涉及遮挡越多，崩的概率越高。

我的经验是：优先选"单向、连续、幅度可控"的动作。走、转、抬手、低头、倒水、翻页、合上门、把杯子放下，这些都是好动作。跑跳、翻滚、格斗、快速转身、多人交互，这些是坏动作，除非你愿意花很多次重试。

动词要具体到身体部位和幅度。写"她转身"不如写"她从面向窗户缓缓转向镜头，肩膀先动，头部随后跟上，转到一半停住"。这句话里其实包含了三段动作和一次停顿，模型对"停住"这种节奏提示是有反应的，出来的动态会明显更有呼吸感，而不是匀速机械运动。

时间信息也值得写进去。我的做法是在提示词末尾加一句节奏说明，比如"整个动作在五秒内完成，前两秒缓慢，最后半秒定格"。这相当于给模型一个时间分配表，实测下来对减少"动作在前一秒就做完、后面全靠静止凑时长"这个问题有帮助。

还有一个细节：写动作的时候顺手写清楚"动作发生前后的状态"。写"他端起杯子喝了一口"，前面加"杯子原本放在桌面上，杯口朝上"，后面加"放下后杯底与桌面轻轻接触"。这样模型知道起始帧和结束帧大概长什么样，中间段就不容易乱编。

3.3 环境与氛围：别让背景抢了主体的戏

环境这一层的作用是给画面定坐标系，同时承担大部分"氛围"的活儿。很多人把氛围寄托在"唯美""高级""治愈"这类词上，这些词对模型基本无效，真正干活的是环境里的具体元素和天气。

我一般从四个角度写：地点属性（室内/室外、具体场所类型）、空间层次（前景有什么、中景主体、远景什么）、天气与时间（晴/阴/雨/雾，清晨/正午/黄昏/夜）、环境动态（有没有风、有没有飘浮物、水面是否起波纹）。

环境动态是最容易被漏掉但收益最高的一项。加一句"空气中有细小灰尘在光柱里缓慢浮动"或者"远处有薄雾缓慢横向流动"，画面立刻从"贴图"变成"活的"。我做过对比，同一段提示词加了环境动态和没加，观感差距比换风格词大得多。

但环境不能写太满。有个很典型的翻车案例：客户要一段人物喝咖啡的特写，提示词里把咖啡馆的桌椅、墙上的画、窗外的街景、吧台的机器全写了一遍，结果模型把注意力分散到背景，人物的脸反而糊了。后来我把背景压缩成"模糊的深色木质背景，右侧有一扇透光的窗",主体立刻清晰。原则是：背景只需要提供"信息暗示"，不需要提供"完整信息"。

3.4 镜头语言：焦段、机位、运动这三件事

镜头这一层是区分"业余感"和"专业感"的分水岭。我把它拆成三件事写，缺一不可。

第一件是景别与焦段。景别决定观众看什么（特写看情绪，中景看动作，全景看关系），焦段决定空间感（广角有纵深和变形，长焦压缩空间、背景虚化）。常用的组合我给个参考：人物情绪用 85 毫米特写，人物动作和环境关系用 35 毫米中景，空间交代用 24 毫米全景。写的时候直接写"35 毫米中景"，比写"标准镜头"有效。

第二件是机位高度与角度。平视最中性，略低机位显人物有压迫感，略高机位显人物弱势，俯拍带俯瞰感，仰拍带崇高感。这一项很多人不写，结果模型默认平视，画面就平了。加一句"机位略低于人物视线，微微仰拍"，气质立刻变。

第三件是镜头运动。要写清"从哪到哪、用什么方式、多快"。推镜（靠近主体）、拉镜（远离主体）、摇（原地转）、移（横向平移）、跟（跟随主体）、升降。写"镜头缓慢向前推近，从腰部特写推到面部特写"这种带起止点的描述，比写"镜头推进"可控得多。速度也建议给个参照，比如"推近过程占整段时长的一半，匀速"。

注意：镜头运动和主体动作别同时做大幅度运动。主体在快速走动、镜头同时在快速横移，这是最容易出扭曲的组合。要么让镜头稳一点，要么让主体慢一点。

3.5 光线与色彩：决定"贵不贵"的关键一层

光线是提示词里性价比最高的字段。同一个主体、同一个构图，光一变，气质完全不同。但我发现大部分人只写"光线充足"或者"逆光"，这太粗了。

我按三项来写。第一项是光位：顺光（平，细节多）、侧光（有立体感）、侧逆光/逆光（轮廓光，氛围强）、顶光（压抑或神圣）、底光（诡异）。第二项是光质：硬光（阴影边缘锐利，戏剧性强）、柔光（阴影过渡缓慢，商业感强）。第三项是色温与色调：暖光（3200K 左右，温馨）、中性（5600K 左右，真实）、冷光（偏蓝，疏离）。这三项写清楚，画面的"贵气"基本就稳了。

举个我常用的组合："侧逆光，柔光为主，光源来自画面右后方的窗户，人物左侧面部有柔和补光，整体色温偏暖"。这段话透露出一个有窗户、有反光板的室内场景，出来的画面会比"室内明亮"高级不止一个档。

色彩这块我建议只写"主色 + 辅色 + 整体倾向"，不要写太多具体色号。写"主色是米白与浅木色，辅色是低饱和的苔绿，整体偏低饱和暖调"，模型能理解；写一堆十六进制色号反而容易乱。

还有个小技巧：写清"高光落在哪"。比如"高光集中在杯口边缘和液面"，模型会自觉把这两处做亮，画面层次一下就出来了。这一招在做产品特写时特别好用。

3.6 风格质感与排除项：收尾的两把小刀

风格这一层我写得比较克制，因为它是最容易互相打架的一层。写"电影感"其实信息量很低，真正定义质感的是介质和年代。我一般用这几类词：介质（35 毫米胶片、数字摄影、监控画面、手机竖屏）、年代质感（九十年代录像带、千禧年广告片）、后期特征（轻微颗粒、柔和对比、低饱和）。选一到两个就够，写三个以上基本会糊。

排除项是收尾的另一把小刀，用来压掉那些反复出现的干扰元素。常见的有：无字幕、无文字水印、无边框、无分屏、无慢动作、无镜头光斑。写排除项要注意别写太长，三到五项比较合适，写十项以上模型可能会顾此失彼。

提示：排除项里尽量用"无 XX"的肯定式否定，少用"不要 XX"这类祈使句。前者更像描述画面里不存在的东西，后者容易被理解成强调。

4. 上手实操：从空白文档到一条能用的提示词

4.1 我常用的填空模板

我不太喜欢给"万能模板"，因为不同题材的权重差很多。但填空框架是有的，我平时就照这个顺序敲，敲完再回头删。下面这条是通用版，方括号里换成你的内容：

[主体：年龄/外观/服装/材质，约40字]， [动作：起始状态 + 动作过程 + 结束状态，约30字]， [环境：地点 + 前景/远景 + 天气时间 + 环境动态，约30字]， [镜头：景别焦段 + 机位角度 + 运动方式与速度，约25字]， [光线与色彩：光位 + 光质 + 色温 + 主辅色，约25字]， [风格质感：介质 + 后期特征，约15字]， [排除项：3 到 5 项]

这个模板写满大概 160 到 180 字，实操上偏长，我会在跑第一遍之后砍掉冗余。砍的顺序是：先砍风格的形容词，再砍环境的次要元素，最后砍主体的配饰。镜头和光线基本不砍，因为这两层信息密度最高。

填写的时候有个小习惯：每写一层，我就问自己一句"这一层如果删掉，画面会缺什么"。缺得多的留下，缺得少的删掉。这个判断比凭感觉删靠谱。

4.2 三个完整案例拆解

第一个案例是产品类，要求是一只薄壁玻璃杯在深色台面上被缓缓倒入清水，光线要透。我最后用的提示词大意是：主体为薄壁透明高脚杯，杯壁有细微水痕，杯身高约十五厘米；动作是水从画面上方以细流注入，液面匀速上升，到杯身三分之二处停止，水面轻微晃动后归于平静；环境是深灰哑光台面，背景全暗，无其他物件；镜头是 85 毫米特写，机位与杯身中部齐平，固定不动；光线是左后方一束硬质侧逆光穿透杯体，右侧用柔光补亮杯壁，整体冷白偏中性；风格是干净的商业产品摄影质感，轻微高光溢出；排除项为无文字、无水印、无手部入画。

这条提示词的关键在"硬质侧逆光穿透杯体"和"水面轻微晃动后归于平静"两处。前者决定了玻璃的通透感，后者解决了"液体看起来像果冻"的问题。跑了大概四版就定了，中间两版失败的原因是水注太粗、流速太快，后来把"细流"和"匀速"写死才稳。

第二个案例是自然风光，要一段清晨山谷的空镜。这类题材的难点是"景太大，模型容易糊成一片"。我的处理是人为给一个视觉锚点：中景处一块突出的灰色岩石。提示词大意：主体为中景处一块表面粗糙的深灰岩石，边缘有苔藓；环境是清晨山谷，谷底有浓雾缓慢流动，远景山脊线在雾中若隐若现，天空是淡青灰的黎明色；镜头是 24 毫米广角，机位略高俯视，缓慢向前推近；光线是低角度侧逆光从右侧山脊后透出，雾被照亮成暖白，整体偏低饱和冷调带一点暖高光；风格为自然纪录片质感，柔和对比；排除项为无人物、无建筑、无文字。

这里"雾被照亮成暖白"这一句很关键。雾气本身是灰的，只有写清它被光照亮，模型才会做出那种透亮的效果，否则就是一团脏灰。

第三个案例是人物类，一个面包店师傅在操作台前整形面团。这类场景我特别看重手部，因为手是最容易崩的部位。提示词大意：主体为四十多岁的男性，短寸头，深蓝色棉质工作围裙，袖口挽到小臂中段，手上有薄薄一层面粉；动作是从面团右侧开始，双手向内收拢推压，重复三次，最后用手掌轻拍定型；环境是面包店操作台，木质台面撒有干粉，背景是虚化的烤箱与层架；镜头是 50 毫米中景偏近，机位与操作台平行略高，固定机位，轻微手持感；光线是左前方大面积柔光，色温偏暖，整体米黄调；风格为生活纪实质感，轻微颗粒；排除项为无文字、无慢动作。

这条我修改最多的部分是动作描述。第一版写"揉面团"，出来的手完全变形；改成"双手向内收拢推压"之后好很多，但节奏太快；最后加上"重复三次"才把时长填满。

4.3 画幅、时长、帧率的取舍

这三个参数经常被忽略，但它们对提示词写法有直接影响。竖屏（9:16）适合人物和产品特写，因为横向空间小，构图要更集中，提示词里就别写"宽阔的场景"，改成"紧凑构图，主体占据画面中央偏上"。横屏（16:9）适合风光和群像。宽银幕（2.39:1）适合有电影诉求的片子，但它会裁掉上下，提示词里主体位置就得往中间收。

时长方面，我一般按"一个动作 + 一次镜头运动"来估。五秒左右的片段，能装下的就是一个完整动作或者一次推镜，两者同时做会显得赶。八到十秒可以容纳"动作 + 停顿 + 二次动作"。超过十秒的单镜头，中间必须有节奏变化，否则观众会觉得拖。

帧率这块我的经验是：写"自然流畅的运动"就够，不必强行指定具体帧率。但如果要"手持感"，需要在风格层写"轻微手持晃动"，光写帧率没用。如果要"定格感"或"慢动作"，一定在提示词里明确写出来，同时在排除项里做区分，避免模型把正常动作也拖慢。

5. 进阶玩法：时间轴控制与多镜头拼接

5.1 单镜头内的动作分层

一条五到八秒的镜头，如果只有一个动作，看起来会很单薄。我的做法是把动作分成两到三层：主动作、次级动作、环境动作。主动作是观众该看的（比如倒水），次级动作是主体的附带细节（比如手指微微收紧、肩膀轻微起伏），环境动作是背景里不抢戏的变化（比如窗帘被风带动、蒸汽缓慢上升）。

三层同时写，画面就有"层次感"了。举个我自己常用的结构："主体正在做 A，手部细节是 B，同时背景里有 C 在缓慢变化"。这三段之间用"同时"连接，模型会理解成并行动作而不是先后顺序。

要注意的是，次级动作不能太大。写"她一边走一边挥手一边转头"，这就是三个主动作抢戏，出来一定乱。次级动作的原则是"幅度小于主体轮廓的五分之一"，写的时候心里有个尺度，就不会写过头。

5.2 多镜头组接与角色一致性

想要一条完整的叙事片，单条提示词基本做不到，只能拆成多个镜头分开生成，再剪辑拼接。这时候最大的敌人是角色不一致——第一个镜头是圆脸，第二个镜头变成尖脸。

我的解决办法有三条。第一条是把主体描述单独抽出来做成"角色卡"，严格复制粘贴到每条提示词里，一个字都不改。改一个字，脸就可能变。第二条是固定同一套光线条件和镜头焦段，不要一个镜头用广角一个用长焦，焦段一变，脸型看起来就不一样。第三条是用上一镜的末帧作为下一镜的参考输入，这是目前最有效的一致性手段。

组接上我遵循一个笨但管用的规律：相邻镜头的景别要有明显差异（特写接全景，或中景接特写），相邻镜头的机位不要在同一侧做同方向运动。这两个规矩能避免"跳轴"和"看起来像卡了一下"的观感。

5.3 迭代记录：一次只改一个变量

这是我最想强调的一条实操纪律。很多人调提示词是"一次改五处"，结果出来变好了也不知道是哪一处起的作用，下次换题材又回到原点。

我的做法是建一个简单的记录表，每次只改一个变量，记录改动内容和观感变化。下面是我实际在用的表结构：

这么记下来，一个题材大概跑五到八版就能定稿，而且定稿之后这套结论能复用到同类题材上。我现在手里攒了十几张这样的表，做新产品时先翻表，能省掉一半试错。

6. 常见问题速查与踩坑记录

6.1 问题排查表

跑得多了会发现，翻车基本集中在有限的几类。我整理成一张表，遇到问题先对号入座，比盲目改词快得多。

这张表我贴在显示器边上，出问题先扫一眼，能省掉大量瞎猜的时间。

6.2 提示词里的"污染词"

有几类词看着无害，实际特别容易把画面带偏，我管它们叫污染词。

第一类是"唯美""高级感""大片感""治愈"这种审美判断词。模型不知道什么叫高级，它只能从训练数据里找一批被标注为高级的图，结果往往是过饱和、大光斑、浓滤镜，跟你想要的东西差很远。要高级感，就去写低饱和、柔光、简洁背景、克制的运镜，用参数说话。

第二类是"震撼""惊艳""史诗级"。这类词会把模型推向极端构图和夸张光效，出来的东西像廉价海报。除非你确实要做那种风格，否则别用。

第三类是"完美""精致""无瑕疵"。听着像夸奖，实际会让模型把皮肤、材质全部磨平，塑料感就是这么来的。我现在反而会主动写一点"不完美"，比如"皮肤有细微纹理""杯壁有水痕"，质感立刻就真了。

第四类是过度的情绪词。"悲伤""愤怒""幸福"直接写，模型会给你一张定格表情。情绪应该拆成可观察的东西：嘴角、眼角、肩膀姿态、呼吸幅度、光线冷暖。

6.3 几个不太好写进文档的经验

有些东西属于手感，写进正式文档显得不严谨，但实际非常有用。

一是词的顺序确实影响权重。我做过对比，把"逆光"放在光线层开头和放在末尾，出片的光比明显不同，放前面逆光更强。所以重要的信息尽量往前放，次要的往后放。

二是形容词成对出现时容易互相削弱。写"明亮又柔和的光"，不如写"大面积柔光，整体偏亮"，前者两个词在打架，后者一个说光质一个说亮度，各管一摊。

三是生成失败时别急着改提示词，先看看是不是要求太多。我遇到过好几次，删掉一句环境描述，画面立刻就稳了。信息过载比信息不足更难排查，因为你看不出是哪一句在拖后腿。

四是同一段提示词在不同时间跑，结果会有波动。所以定稿之后我会存三到五条成功版本，实际用的时候优先从这几条里挑，而不是每次从零跑。

五是遇到必须精确控制的画面，别硬磕提示词，把精力放在后期和剪辑上。提示词擅长给你氛围和质感，不擅长给你精确的构图和走位，认清楚这个边界，能省下大量无效重试。

我个人在实际操作中的体会是，写提示词这件事本质上是在训练自己的观察力。你越能说清楚一个画面里光从哪来、人怎么动、镜头在哪，你写出来的东西就越稳。反过来，提示词写得烂，往往不是不会用工具，是看画面看得不够细。我现在的习惯是看到一个好镜头，先暂停，用文字把它拆一遍——光位、机位、动作、节奏，各写一句。拆得多了，写提示词就变成了一个翻译动作，而不是碰运气。