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：
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。
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。
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
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。
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。
把刘梓瑜在访谈里说的内容提炼一下，可以变成三层结构。
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。
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）。
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。
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。
现在再看开头那三个建议，每一条都可以具体执行了。
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：
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。
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。
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。
本文由 @宅宅夏的AI实验室 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自《丧尸清道夫》原片
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。