一条视频烧掉几百块?用这套「AI提示词风控检查器」,把抽卡废片率直接砍掉70%
做 AI 视频最让人崩溃的,就是一个镜头反复抽卡。人物突然换脸,手指多了一根,打斗动作穿模,几十次生成下来,钱花了不少,能用的镜头却没几个。
我最近用 Claude Code 搭了一套视频抽卡风控工作流,专门在生成视频之前检查分镜,把容易翻车的地方提前找出来,还能直接生成修改后的提示词。
拿自己编写的 3 组视频分镜跑了一遍,共 12 个镜头。按同一套失败率公式估算,抽卡成本从 232 元降到 52 元,预估减少约 78%。目前验证的是分镜检查和成本模型,还没有真正去视频平台生成对照成片。
这套工具已经打包放到 GitHub,免费拿走就能用。不需要付费 API,也不用懂编程。下面把完整使用方法和提示词都贴出来,跟着做就行。
一、这套工具能帮你做什么?
之前看过 @EianLu 分享的 Claude Code/Codex + Seedance AI 视频制作全流程,里面讲了从剧情到成片的整套方法。
我特别想解决一个问题。能不能在花钱生成视频之前,就把那些容易导致反复抽卡的分镜筛出来?
于是我把这个需求交给 Claude Code,让它帮我做了一套本地检查工具。
整套流程很简单。
输入分镜描述 → 自动检查翻车风险 → 输出修改清单 → 拆镜重查 → 生成最终提示词。
比如你写了一段剧情:
雨夜里两个人打斗,其中一个突然抱起另一个人,镜头快速环绕,背景还有亮着字的招牌。
这段剧情一次塞进视频模型,风险就很高。工具会把人物接触和快速环绕运镜标出来,画面文字也会单独提醒你处理。
你可以把打斗和抱起分别安排到不同镜头,减少复杂肢体运动。招牌文字留给后期添加,运镜换成缓慢推进,再给每个镜头写清楚开始和结束时的人物姿态。
剧情还是原来的剧情,分镜变得更容易控制。
工具还会生成一份逐镜头的检查清单,哪些问题已经解决,哪些需要继续修改,都能直接看到。
我觉得这比每次生成失败后,靠猜测继续改提示词有用得多。
二、怎么下载?照着 3 步就能跑起来
完整工具包已经放在 GitHub,包含检查脚本和使用说明,还有首尾帧模板及我跑过的例子。
下载地址:
github.com/cbl980712-coder/0xshimei-ai-workflows/tree/main/video-prompt-guard
进入页面后,点击 GitHub 的 Code,再选择 Download ZIP,解压到电脑。
第 1 步:准备运行环境
电脑安装 Python 3 就能用,不需要再安装额外的 Python 软件包。
Mac 打开终端,Windows 打开 PowerShell,输入下面的命令检查有没有安装成功。
python3 --version
Windows 如果识别不了 python3,可以试试 py --version。
下载包里有 README.md,按照里面的说明进入工具目录,先跑自带例子确认环境正常,再换成自己的分镜。
没有安装 Python 也没关系,后面我还准备了一份可以直接交给 AI 使用的提示词。
第 2 步:把你的分镜写进去
新建一个 Markdown 文本文件,把自己的分镜按照下面的格式填写。
镜头1:雨夜街道,一名穿黑色外套的男子向前奔跑 首帧:中景,男子位于画面左侧,身体前倾 尾帧:中景,男子到达画面中央,保持奔跑姿态 时长:4秒 镜头2:男子停在路灯下,缓慢抬头 首帧:中景,男子低头站在路灯下 尾帧:中景,男子抬头看向前方 时长:4秒
尽量把每个镜头控制在 5 秒以内,并且只安排一个连续动作。
人物从哪里开始、最后停在哪里,最好自己写清楚。工具虽然能自动起草首尾帧,但它不知道你脑子里想要的具体画面。
第 3 步:让工具检查分镜
把分镜文件放到检查脚本所在的目录,打开终端,按照 README.md 里的命令运行。

如果每次生成视频按 4 元计算,就把单次价格参数设成 4。实际用的平台多少钱,按自己的价格修改。
运行结束后,输出文件夹里会生成检查报告、最终提示词和成本数据。
打开 report.md,每个镜头都能看到对应的风险分数和修改建议。

- 0~1 分:低风险
- 2~4 分:中风险
- 5~8 分:高风险
- 9 分及以上:极高风险
看到标着「仍高风险」的镜头,就按照清单建议修改。必要时把一个镜头拆成两个,保存修改后的分镜,再运行一次检查。

确认没有仍高风险的镜头后,打开 final_prompts.md,里面就是可以继续调整并拿去生成视频的提示词。

注意,脚本目前靠关键词匹配风险,只检查分镜文字。如果你写了几个复杂动作,却没用到规则认识的词,它也可能漏掉。最后还是要自己看一遍画面设计。
三、不想安装工具?直接复制这份提示词
如果你已经在用 Claude Code 或其他 AI 工具,可以先用下面这份提示词检查分镜。
它不依赖 Python,复制给 AI,再附上自己的分镜描述就行。
你是 AI 视频分镜风控员。 我会给你若干分镜描述,请按照以下要求逐镜头检查和修改。 1. 识别高风险项 检查是否存在: - 人物指代不清或歧义词 - 复杂肢体接触及打斗 - 精细手部动作 - 多人同框的复杂互动 - 画面内需要生成的文字 - 快速环绕、手持晃动或多种运镜 - 人物或物体突然发生形态变化 - 单个镜头超过5秒 2. 修改高风险镜头 把高风险镜头拆成不超过5秒的短镜头。 每个镜头只保留一个连续动作,使用一种缓慢、平稳的运镜。 涉及突然变形的画面,拆成变化前后的两个镜头。 不要擅自修改故事剧情。 3. 输出标准提示词 每个镜头都包含: 【主体与场景】 写清人物、地点、服装和光线。 【首帧】 写清景别、主体位置、姿态和表情。 【尾帧】 写清结束时的景别、位置、姿态和表情。 【运动】 只描述首帧到尾帧之间的一个连续动作。 【死锁约束】 保持人物外貌、服装、光线和场景一致。 主体数量不变。 不新增画面外元素。 画面内不出现文字。 单镜头时长不超过5秒。 【负向】 画面抖动、闪烁、面部变形、五官漂移、 多余肢体、画质模糊、水印、乱码文字。 根据镜头风险补充对应的负向提示词。 4. 最后输出一份勾选式自检清单 标明每个镜头已经解决的问题,以及仍然需要人工修改的地方。 不要编造任何视频平台参数。
这份提示词适合先快速检查一遍。需要批量处理分镜、导出报告以及计算成本时,再用前面的本地脚本。
如果你的 Claude Code 已经配置好了 Skill,也可以把下载包中的 SKILL.md 放进对应的 Skill 目录。以后直接告诉 Claude 检查视频分镜,就能按同一套规则执行。
四、拿 3 组分镜跑了一遍,结果怎么样?
我自己编写了三组贴近实际制作场景的分镜,每组最初 4 个镜头。
每组都运行两次,第一次检查原始分镜,第二次按清单建议修改后重新检查。
第一组:AI 短剧雨夜追逐
这组有打斗和抱起人物的动作,还安排了 360° 环绕运镜以及复杂场景变化。
第一次检查,4 个镜头的风险分分别是 19、0、14、11。
按清单调整以后,修订稿对应镜头的风险分变成 0、0、0、3。高风险动作被拆开,画面里需要出现的文字也可以安排到后期。
第二组:产品口播视频
这组模拟了人物打字和喝咖啡的场景,还加入产品界面操作以及快速推进镜头。
原始风险分是 10、12、0、2。
修改以后,4 个镜头全部降到 0 分。
第三组:创意变形和家庭拥抱
最后一组加入了猫变老虎、无人机环绕和人物拥抱的场景。
原始风险分是 13、12、0、11。
按建议处理后,修订稿的镜头风险分也全部降到了 0。
三组分镜的预估成本对比:

这里的成本来自我设定的失败率公式,单次生成价格按 4 元计算。视频平台上的实际废片率还没有测试,不能把这 78% 当成真实出片的节省比例。
这次真正跑通的是分镜检查、拆镜复查,以及自动生成提示词的完整流程。脚本单次运行只用了几毫秒,人的修改时间没有精确计时。
整套工具用 Claude Sonnet 在 Claude Code 里搭建,从开始到完成用了 7.8 分钟,交互 46 轮,按 API 价格折算约 1.07 美元。我使用的是会员额度,没有另外付这笔钱。
五、算一笔账:做 AI 视频的人,怎么靠它省钱或者接单?
我查了一下公开的 AI 视频制作服务,有人在闲鱼上从 50 元一条的 AI 产品视频起步,后来转向跨境客户,单价做到了 200~500 元。
这个案例来自人人都是产品经理上的一篇文章:
www.woshipm.com/ai/6461563.html
如果你本身就在接 AI 产品视频制作订单,生成过程里的废片成本会直接影响一单最后能剩下多少钱。
按这次的产品口播例子,4 个镜头、约 20 秒的视频,原始分镜预估要花 63.2 元,按清单修改后预估是 17 元。
以 200 元的制作报价举例,按上述成本模型,视频生成部分能少支出约 46 元。这里还没有计入人工制作时间,也没有计入其他服务成本。
如果要做成一项服务,可以从产品展示视频入手,在闲鱼或者自己已有的客户渠道展示真实制作案例。接到客户的脚本以后,先做分镜检查,确认首尾画面,再进入视频生成环节。
还可以给视频代做增加一项分镜风控检查服务。客户提供故事或分镜,你交付修改后的分镜表,以及对应的提示词和风险清单。
下载包里有 shot_cost_calculator.xlsx,可以按镜头填写实际抽卡次数,修改生成单价以及失败率参数。文件的表格结构已经做过检查,但还没有在 Excel 或 WPS 中实际打开验证。
想认真核算接单成本,最好用自己真实生成过的视频记录来填。这样得到的结果才更接近自己的制作情况。
六、怎么换成自己的视频,长期反复使用?
这套工作流最适合需要经常生成视频的创作者。你只要更换输入的分镜文件,就可以继续使用同一套检查规则。
第一次使用时,先挑一个已经写好的短视频脚本,不用一下子把整部短剧放进去。
把它拆成几个镜头,按照前面的格式填好文件,运行检查后,打开报告逐个修改。修改好的分镜保存成新文件,再跑一次,直到高风险项处理完毕。
真正生成视频时,尽量先用较短时长或低成本档位测试,确认效果再制作最终版本。
做完视频,把每个镜头真实生成了多少次填进成本表,慢慢修正里面的失败率参数。尤其是你经常使用的模型和视频平台,积累的记录越多,估算才越有参考价值。
后面如果换了新模型,也可以继续用这套流程检查,只需要根据实际效果更新风险规则和成本参数。
我把完整源码、三个测试例子以及可以直接复制的提示词都放在了 GitHub,想自己跑一遍的直接拿去用。
项目地址:
github.com/cbl980712-coder/0xshimei-ai-workflows/tree/main/video-prompt-guard
做 AI 视频的可以收藏起来,下次抽卡前先检查一遍分镜。尤其是手里有一堆复杂动作镜头的,提前把能发现的问题处理掉,至少能少一些毫无准备的反复尝试。
