# 研究了一下 AI 漫剧开源项目 Awesome Short Drama Skills

> 龙虾AGI通用实验室 · 2026-11-09

最近研究了一个叫 Awesome Short Drama Skills 的开源项目。它是一份清单，收录了 83 个给 AI 用的短剧、漫剧 skill（技能包），从小说改编、分集剧本，到分镜、视频提示词、出片都有。装进 Claude Code、Codex、豆包、千问这类 AI 助手里，就能让它按这套方法干活。

这份清单有个特别的地方：**维护它的人是第三方。** 清单里这些 skill 没有一个是他写的，他做的是把别人写的收集起来、分好类，再拿来实测、打分。

我带着一个问题去看：我平时用 Claude Code，主模型是 Opus 5.5，写剧本、写分镜、调视频接口，它自己都能干。那这些 skill，还有价值吗？

翻完的结论是：**清单里大多数 skill 没什么用，这一点维护者自己的实测就说明了；但有那么几个，里面记着 skill 作者一次次生成视频、一次次翻车攒下来的经验。这些东西模型再强也不知道，是整份清单里最值钱的部分。**

## 先说它是什么

skill 说白了就是一个文件夹，核心是一份说明书，写清楚某件事该按什么流程做、交什么格式、守什么标准。比如"每集 1 到 2 分钟、第 10 集设付费卡点、结尾必须留钩子"。装上以后，你用大白话提需求，AI 就照着这套方法去写。

这份清单把 83 个 skill 按类型分了组：全流程的、只管编剧的、只管分镜和视频提示词的、管选题和改编的，还有专门"去 AI 味"的。每个都附了一段维护者人工核对过的简介。

## 维护者是第三方，而且看得很清醒

清单的维护者在 GitHub 上叫 UnderleveledBuilder。他自己只写了一个"帮你挑 skill"的小 skill，收录的短剧 skill 全是别人的。

"awesome 清单"这类项目很多，大多是把链接堆在一起，个个都夸。这一份不一样，我翻下来，维护者处处都在给读者提醒：

**简介只写事实，不夸效果。** 他在数据文件开头写明："只写从仓库里核实过的事实，不评价效果。"首页也提醒，"人工核对"只是核对过仓库说明和分类，不等于测过效果；skill 可能附带脚本，装之前先读一遍。

**该点破的都点破了。** 比如注明某个 skill"作者标注为测试版，整合了其他开源内容"；某个 skill"基于另一个 skill 的 3.2 版改编，两者框架相同"；还有一个"5 个子 skill 与另一个项目的文件结构和示例相同，仓库未注明来源"。

**没测过的就说没测过。** 他给了几套推荐组合，比如"小说改编短剧：先用 A，再用 B，最后用 C"，但开头就写着"依据仓库说明搭配，尚未实测"。

**真的去测了，而且测出不好的也照实写。** 这是我最佩服的一点，下面细说。

## 他做的实测：装和不装，比一比

维护者从收录的 skill 里挑出编剧、选题类的，拿同一个模型（正好是 Opus 5.5）、同一份需求，让装了 skill 的和**不装 skill 的**各写三次，再请两个 AI 评审匿名盲比，前后做了三轮：写剧本、定选题、写全剧骨架。

他测得很讲究：

每个跑三次，全部保留，不挑最好的那次。

每对稿子换个先后顺序再比一次，两次都赢才算赢。

主评审之外，再换一家公司的模型用一字不差的提示词重判一遍，两边结论不同的标"有争议"，只把两边都同意的写进结论。

评审自己的毛病他也查了：偏爱篇幅长的稿子，理由里引的"原文"有一部分在稿子里根本找不到。有一轮全部判完后，他发现约四分之一的判决把"场景少、人少，AI 好拍"当成了优点，于是改了提示词，全部重判，第一次的结果不公开。

每一轮结尾都有一段"这一轮能说明什么、不能说明什么"：只测了一个模型；评审是 AI，不是观众；比的是稿子，没有真拍出来。

测出来的结果挺扎心：

写剧本，10 个 skill 里，两个评审都判"三次全赢不装 skill"的，只有 4 个。

写全剧骨架，20 个 skill 里，两个评审都排在"不装"前面的只有 4 个，都排在后面的反而有 6 个。

**装了 skill 反而写得更差，是常有的事。** 一个自己写 skill 的人，很难把这句话放在自家首页上；正因为是第三方，他才能照实写出来。

赢了的 skill 赢在哪？主要是两点。一是一集真能装进 1 到 2 分钟，不装 skill 的模型每集塞得太满，常常超过 2 分钟。二是情绪落在动作和物件上，而不是靠内心独白。比如一个装哑的妻子，看着丈夫的情人亮出 B 超单，剧本只写了一句"她盛好一碗汤，稳稳放到对方面前，汤面一丝都没晃"。不装 skill 的模型，碰到关键推理，常常连写三句内心独白，可视频模型拍不出内心独白，只能配旁白，脸是不动的。

还有一些毛病，装哪个 skill 都改不掉。33 份剧本里，15 份有一个叫"小满"的角色，10 份的女主姓沈；36 个选题里，18 个提到了"账"（讨账、查账、账本），离婚查账最扎堆；第一个付费卡点，33 份全在第 10 集。这是模型自己的习惯。用同一个模型的人很多，不改的话，你的剧很容易和别人撞名、撞设定。

## 我怎么挑

维护者的实测只覆盖了编剧、选题这二十来个，分镜、视频提示词这些没测过。剩下的，我学他的办法，不看星数和自我介绍，把 83 个的简介挨个看了一遍，挑 skill 的标准只有一条：**里面有没有 skill 作者自己生成过、翻过车的痕迹。** 比如带日期的失败记录、"改了什么、结果变成什么"的对照、真实的数据。按这个标准挑出十个，下载下来逐个读，其中真有料的是五六个。

先说有料的，没料的放在后面一起列。

## 第一份精华：视频模型的脾气

这一部分最值钱。原因很简单：这些失败发生在视频模型里，不在大模型里。Opus 再强，也不知道 Seedance、MiniMax H3 这些视频模型会怎么出错，只能靠一次次生成攒出来。

**否定句会把被否定的东西画出来。** 有个作者实测，提示词里写"禁止空镜开场""玉佩不发光""面无笑意"，结果成片是空房间开场、玉佩全片自己发光、宣判台词配了一个露齿甜笑。原因是视频模型对"不""禁"不敏感，对词根很敏感，"发光"两个字出现了，它就画发光。另一个作者在 H3 上做了对照：为了防止镜头乱动，写了一串"不要推近、不要变焦、不要叠化"，剪点照样漂；**只把这几句删掉**，什么都不加，剪点就回到了接近原定的位置。

**一个镜头装不了太多动作。** 有人在 H3 上做对照：一个 7 秒的近景塞了 9 个表情变化，脸几乎完全不动，模型不报错，只是静默地全扔了；拆成三个两三秒的镜头，每个只放一个表情，每个都到位。打戏里也一样，3 秒的镜头塞 5 个动作，模型只画第一个，后面全丢。

**参考图和文字打架，图赢。** 一个在即梦上批量出片的作者，发现一致性崩掉的头号原因，是给了角色参考图，又在提示词里把角色外形重新描写了一遍。模型会按文字重画一个新角色，再拿参考图"修个色"，出来的东西像，但不是。群戏也一样：场景图是空房间，提示词里不管写"十五个人"还是"只站一排"，生出来都是二三十人；换一张人群已经站好的场景图，一次就对。

**写得越多越乱。** 有个作者一集写了 24 个镜头，配了 18 种运镜，没有一个固定镜头，用户看完说"运镜有非常大的问题，穿帮，镜头太多了"；改成 12 个镜头、全部固定机位，才顺了。同一个人的站位，段首说一遍、每个镜头又说一遍，只要有一处对不上，人物就"东一个西一个，突然出现在身后"。**模型会执行你写的每一句话，包括你忘了删的旧句子。**

还有一些很具体的：

主体只占画面高度不到一成、又几乎不动，模型会直接把他丢掉，成片最后 4 秒人整个没了；

写"这只手与她的脸同框"，模型会画出两个头；

反光的道具写"映出火苗"，模型不懂反射，会在道具上画一团火；

视频的最后一秒多容易崩，要留一个反应镜头垫着。

## 第二份精华：短剧到底该怎么写

**AI 评审的口味和真实观众不一样。** 前面说赢了的 skill 情绪落在动作上，比如"汤面一丝都没晃"。可另一个作者整理真实观众的反馈，发现头号差评是"说的话想半天才能明白什么意思"：只给一个隐晦的物证，不挑明是什么意思，刷手机的人反应不过来，直接划走。还有用户对 AI 写的剧本连退了三次稿，原话是："台词太少了，你自己去看一下红果短剧，那台词量是很密集的。"

两边合起来，我的理解是：**台词要密，事实和利害要在一两句话里用大白话说清楚；情绪靠表情和动作演，不靠内心独白。**

**全剧骨架要细到"回合"。** 实测里，骨架写得好的，是把 60 集拆成一个个三到四集的小回合，每个回合写清三件事：主角亮出什么证据，对手怎么反扑，这一回合停在哪。写得差的，十集只有一两行概括，交给 AI 往下写就会注水。还有一条红果官方编剧课里的经验：**一个矛盾最多撑 20 到 30 集**，拖过 30 集，观众就从"憋屈"变成"疲劳"。

## 第三份精华：平台的最新口径

这部分大多发生在 2026 年下半年，模型的训练数据里没有，只能靠人去盯。

**红果是免费平台。** 红果官方编剧课里讲，过去第 10 集是"付费坎"，免费模式下变成了"留存坎"，情绪要更快拉起来，并且一直撑住。

**抖音不一样。** 靠投流获客，成本高，30 到 60 集的剧，付费墙会提前到第 3 到 5 集。

**开头一场定生死。** 平台和制作方最先看的，是第一集第一场。开场平淡、只交代背景，剧本就直接进了"待定"。

**政策收紧了。** 广电的微短剧新规 2026 年 9 月 1 日施行，公安、司法、国安等题材属于一类特殊题材，要重点备案；暴力复仇、封建糟粕是专项治理的重点。

**爽点的风向变了。** 头部剧的羞辱戏，正从扇耳光、泼茶这种肢体冲突，转向更生活化的冲突。

## 哪些部分没什么用，可以直接跳过

**清单本身的几样东西：** 项目简介和推荐组合可以跳过，前面说了，维护者自己就标明了简介不代表效果、组合还没实测。实测的评分方法（盲比、换顺序、两个评审互相复核）做得很认真，但那是给做测评的人用的，做内容的人看结论就够了。

## 83 个 skill 里，大致这几类可以跳过：

**把书蒸馏成规则的。** 有的从麦基的《故事》蒸馏，有的从几十本编剧书提炼。这些知识 Opus 5.5 本来就有。有意思的是，一个从 47 本编剧书提炼的 skill，在写剧本那轮赢了不装 skill 的模型；但它赢在提醒模型用上本来就会的东西，比如情绪落在动作上、一集别塞满，这几句话写进你自己的要求里就够了，用不着装一整套。

**整理视频模型官方手册的。** 官方文档你让 AI 自己去读就行。

**套一层流程壳的。** 大多数"全流程" skill 都是这样：分几步、每步停下来让你确认、用文件记录进度。这是工程做法，不是经验，Claude Code 自己就会这么干。

**提示词库。** 有的收了几百条提示词，每条附一句"这条好在哪"，但没有失败记录，看不出哪条真跑过、跑出来怎么样。

**完整的平台软件。** 清单里另列了 16 个，要自己部署的网页应用，不是 skill。

## 我挑出来的十个里，读完没什么料的：

一个改编剧本的 skill，规则很多，但几乎都是作者自己的断言，没写依据，也没写翻车记录。

一个分镜 skill，是通用的导演规矩，只收了一条"失败后按什么顺序返修"。

一个导演 skill，只有一份 9 部短片、551 个镜头的时长统计有用（平均 4.2 秒一镜，中位数 3 秒），其余是常见的导演风格模板。

一个多模型提示词工具包，方法论部分整理自官方指南和教学视频，是二手的，有参考价值，但不是作者自己试出来的。

## 要注意的地方

**第一，这些经验会过时。** 视频模型几个月一个版本，"Seedance 提示词最多写多少字"这种数字，下个版本可能就变了；平台口径变得更快。用之前，最好先拿一两段自己试一下。

**第二，不同模型的脾气不一样，甚至相反。** 同样是否定句，在 H3 上是"写了反而出事"，在 Seedance 上，"不要继承参考视频里的人物和光线"这类写法却是有效的，而且作者说这是最重要的一条。别家说的规律，换个模型不一定成立。

**第三，大多是一个作者、一部剧的经验。** 样本不大，有的作者自己也在文档里标了"待验证"。能看出来他们很诚实，但这也意味着，不要把它当成定律。

## 最后

简单总结一下：这份清单本身不用装，当一张"去哪儿找经验"的地图就行；83 个 skill 里大多数，对会用 Claude Code 的人用处不大。清单里最值得看的，是维护者三轮实测的点评（项目 evals/runs/ 下每轮的 review.md），它会告诉你哪类 skill 装了白装、模型自己会犯哪些错。skill 里真正值得读的，是这几份文件：

phileiny/h3-storyboard-skill 的 SOURCES.md：每条规则都标了做过什么对照实验、哪些还没验证。

lixiaoxiao9888-create/manju-laoli-skill 的 CHANGELOG.md：用户和粉丝出片以后，一条条反馈、逐帧复盘的修订记录。

A-cat-with-carrots/OnlyShot 的 references/jimeng-failure-modes.md：在即梦上批量出片的失败清单。

alchaincyf/seedance-skill 的 README.md：用三维白模控制 Seedance 时，实测出来的几条规律。

lixiaoxiao9888-create/short-drama-factory 的 references/genre-map.md：按 2026 年榜单整理的题材和平台差异。

希望这篇对你有帮助。对 AI 做短剧、做视频感兴趣的朋友，欢迎在留言区一起交流。
