顶级AI公司把24000字的系统提示词视为核心资产，而云南婚礼摄影师刘梓瑜用10天3000元的成本证明了提示词的本质不是命令而是剧本。本文通过拆解《丧尸清道夫》短片的创作过程，揭示AI时代真正的竞争力在于掌握'导演思维'——懂得如何定义场景动机而非机械描述，让你的提示词从代码变剧本，让AI从工具升级为创作伙伴。

上一篇我们讲了完整工作流：用 Claude/Codex 写剧本 → 上传小云雀 → 一键出片。

这一篇要补一刀：工作流人人都能复制，但提示词是你的私有资产。

我先把结论甩出来

如果你只想看结果，下面三个动作建议拿走：

1. 别再问“哪个工具好”，开始问“我的提示词是不是写得太死了”
2. 把每次成功的提示词存下来，但更重要的是记录“为什么这样写”
3. 提示词的功底来自审美，去看电影、看摄影、看分镜，不要只看 AI 教程

如果你想知道为什么我会得出这三个结论，下面要讲两件事。

01 两件关键事件

Claude 把 24000 token 锁在了后端

2026 年 3 月底，Anthropic 的 Claude Code 在一个 npm 包里不小心带上了 source map，512000 行源码暴露在互联网上。

整个 AI 圈炸锅，但最有意思的不是源码本身。

是被一并扒出来的系统提示词——24000 个 token，比一本中篇小说还长。

一个全球顶级 AI 公司，最值钱的东西不是模型权重，是这份提示词。

记住这件事。

一个云南婚礼摄影师让好莱坞跨国寻人

图源《丧尸清道夫》原片

几乎同一时间，2026 年 5 月 10 日，洛杉矶的一个 AI 电影工作室创始人 PJ Ace 在 X 上转发了一条中国 AI 短片，说”这是我近年来看过最好的短片之一”。

那条推文几小时浏览量破 500 万。PJ Ace 全网寻找作者，想合作。

作者叫刘梓瑜，29 岁，云南人，账号 Mx-Shell。

他不是导演，不是科班出身，没有团队。他中专学的是内燃机车驾驶与运用检修，后来回云南做婚礼摄影、写真跟拍。今年 2 月才接触 AI 视频——起因是家里酒店装修，想做点宣传素材。

他用小云雀做出了一部叫《丧尸清道夫》的 3 分 34 秒短片，时长 3 分 34 秒。

数据：10 天，3000 块 token 成本。抖音播放破 4600 万，点赞 222 万。

图源《丧尸清道夫》原片

02 核心问题：你的提示词大概率写错了

你大概率正在犯的错

读到这里你应该想问：他到底怎么做到的？

在回答这个问题之前，先讲一下大多数人是怎么做的。

我自己用 AI 做视频，过去一年一直信奉一件事：提示词越精确越好。每个细节都要写清楚——光线、角度、人物服装、场景元素、情绪基调、参考风格。

写得越长越细，越觉得自己专业。

不满意就改，改不动就加形容词。”要震撼””要电影感””要史诗级””要爱死机那种冷峻的赛博朋克感”。提示词越堆越长，结果越来越像 PPT 标书。

AI 生成的画面也越来越像 PPT——能看，但平庸。

我以为是模型不够强。直到看到刘梓瑜在南门录像厅那期访谈，他说的那几句话，把我打懵了。

刘梓瑜的核心观点

南门录像厅那期访谈里，他讲了几句关于提示词的话，每一句都和大众认知相反。

“很多人把提示词写得太死了。但真正好的画面，其实要给模型一定发挥空间。”

这一句直接把”精确派”打翻在地。

模型不是傻子。它有自己的”审美”——这套审美是几千万张图片训练出来的。你写得太死，等于强行抑制模型自己的优势。

“我不把它定死，它反而会给我一些超出意料的好画面。”

这一句揭示了 AI 创作的本质：

AI 创作的”惊喜”，来自模型的随机性 × 你的方向感。

完全不给方向，得到垃圾。定得太死，得到平庸。中间那个度，才是高手区。

“跟演戏一样，我是导演，AI 是演员。”

这一句是整个方法论的钥匙。

导演不会告诉演员”你的左手抬高 30 度”。导演告诉演员”你刚收到母亲去世的消息”。

剩下的，演员自己来。

第四句——他举了一个例子。

让 AI 让角色”压住帽子”，不如告诉它”这个人怕帽子被风吹掉”。

前者是动作，后者是动机。

AI 拿到动机，会自己设计动作、表情、整个镜头的氛围。它会让角色的手忙乱地按住帽檐、眼睛眯起来防风、衣摆被吹起来——这些细节你没要求，但 AI 会给你。

第五句——关于抽卡。

舞蹈那段镜头他抽卡了将近 20 次。但他强调：

“抽卡不是碰运气，是不断给 AI 补充行为逻辑的过程。”

每抽一次不行，他不是简单重抽，是补一句行为逻辑、再抽。

这才是抽卡的正确姿势。

03 可复用的三层方法论

把刘梓瑜在访谈里说的内容提炼一下，可以变成三层结构。

第一层：定义”为什么”，不是”是什么”

错的写法：1960 年代复古机器人，生锈金属躯干，腰部转轮装置。

对的写法：一个被人类遗弃 30 年、在荒漠里靠捡垃圾求生的旧机器人。

区别在哪：

前者是外观描述，后者是处境定义。

处境决定了这个机器人会怎么动——它会缓慢、会警惕、会有种被时间遗忘的疲惫。这些情绪 AI 会自己渲染出来，因为你给了它一个完整的角色，不是一份外观清单。

第二层：用图生视频锁定关键变量

他在访谈里讲过，他不直接用文生视频赌一段镜头。

流程是这样：

先用 AI 生成高质量场景静态图，把构图、光线、色彩、人物造型全部锁死。然后把这张图丢给 AI，加一段简短的运镜指令，让 AI 把静态图变成视频。

逻辑：视觉风格锁死，运动留给 AI。

锁该锁的（构图/光影/角色形象），放该放的（具体动作/微表情/镜头节奏）。

第三层：抽卡时只调一个变量

不满意一个镜头，不要重写整段提示词。

只补一句行为逻辑，或只换一个情绪关键词，再抽一次。

这样你能知道是哪个变量在起作用。改 5 个地方再抽，抽出来就算变好了，你也不知道是哪一刀有用。

04 提示词的本质

现在回到开头那件事。

Anthropic 那 24000 token 的系统提示词里写的不是”必须用 markdown””回答要简洁”这种命令。

大量的篇幅在告诉模型：

你是谁。你为什么这样回答。用户期待的体验是什么。在什么情境下应该用什么语气。当用户问 A 但其实想要 B 时该怎么办。

这和刘梓瑜的”行为逻辑”是同一件事。

顶级 AI 公司花了几年时间、几百人的团队才搞明白的道理，被一个云南婚礼摄影师在 10 天内独立验证了：

提示词的本质不是命令，是定义角色和场景。

把这条原则压到一句话：

写提示词不是写代码，是写剧本。

05 落地的三个建议

现在再看开头那三个建议，每一条都可以具体执行了。

别再问“哪个工具好”，开始问“我的提示词是不是写得太死了”

检验方法很简单：把你最满意的一段提示词拿出来，逐字念。

如果每个细节都被你定死，没有任何留给 AI 的空间，那就是写死了。

改法：

• 删掉 30% 的形容词
• 加一句“为什么”
• 把“角色穿黑色风衣”改成“角色穿了件不合身的旧风衣，是他父亲留下的”

把每次成功的提示词存下来，但更重要的是记录“为什么这样写”

存提示词本身用处不大，因为下次场景一变就没用了。

真正有用的是记录：

• 这一版相对上一版改了什么
• 改完之后画面有什么变化
• 你下次遇到类似问题该怎么调

这个”调整日志”才是你真正的私有资产。它记录的不是文本，是你和 AI 之间的协作直觉。

工具会换，模型会迭代，但你的协作直觉会复利。

提示词的功底来自审美，去看电影、看摄影、看分镜，不要只看 AI 教程

刘梓瑜赢在哪里？

不在 AI——他今年 2 月才接触 AI 视频。

赢在他做了多年婚礼摄影师。婚礼意味着光线变化快、人物情绪流动密、瞬间稍纵即逝。这些年训练出来的不是技术，是对”什么是好画面”的判断力。

这个判断力 AI 教程教不出来。

它来自你看过多少电影、拍过多少照片、对多少种光线和构图有过情绪反应。

AI 工具会迭代到傻子都会用的那一天。但能判断”哪一张画面好”的人，永远稀缺。

06 最后

刘梓瑜在访谈里说了一句话，我反复想了好几天：

“跟演戏一样，我是导演，AI 是演员。”

大多数人写提示词像在写代码——告诉机器一步步做什么。

他写提示词像在写剧本——告诉演员这个角色是谁、要去哪里、为什么。

Anthropic 把 24000 token 的”导演台本”锁在 API 后端。

他把同样的”导演思维”用在小云雀上，10 天做出了好莱坞要的东西。

AI 时代真正稀缺的不是会用 AI 的人。

是知道自己想要什么、并且懂得怎么让 AI 帮你拿到的人。

而要做到这件事的前提是：

你得先承认——AI 不是你的下属，是你的合作者。

上一篇文章里我说：”工具人人都能用，但会讲故事的人稀缺。”

这一篇要补一句：会讲故事还不够，你还得懂得怎么让你的合作者把故事讲好。

这件事，刘梓瑜用 3000 块和 10 天证明了。