找准 AI 的真实缺口
基线测试发现,通用模型会写气氛,却容易在反转因果、角色状态和镜头交接上留下空白。我先拆清编剧与导演的职责。
我把《细思极恐》的悬疑叙事经验,转成一套面向 30–90 秒 AI 短剧的导演 Skill。用户交付已确认剧本后,Skill 负责锁定事实、安排观众与角色的知情差、明确人物行动与关键画面,并输出可交给下游制作和验收的导演讲戏本。
基线测试发现,通用模型会写气氛,却容易在反转因果、角色状态和镜头交接上留下空白。我先拆清编剧与导演的职责。
从五导演原型中聚焦“观众先知、角色后知”,建立固定输入、八章输出、资产编号和关键画面约束。
结合两轮运营反馈与 Codex 测试,补齐双通道、结尾兑现、风险联动,保留首测失败并复测审计。
Skill 的核心任务很明确:从一份已确认的剧本中,推导出导演可以执行的决定,并把画面必须保留的事实交给下一环节。悬疑强度来自信息差的组织,而不依赖“阴森”“惊吓”等模糊形容词。
先写清楚每个节拍结束时,观众与人物分别知道什么;再用台词或文字给出明确事实,用静帧可读的画面定位风险。角色仍沿自己的普通目标行动,悬念因“尚未发现”而持续。
最终必须让角色在画面中发现真相,完成线索、感知与情感的三重兑现。
每次输出都继承同一套剧本事实与资产编号,让下游能按同一规则读取和验收。
运营反馈没有停留在“更有悬疑感”的评价上。它指向两个具体缺口:结尾缺少兑现方法,以及风险表与导演自检结论矛盾。我把这些问题转成明确的输出字段和不可绕过的判定规则。
台词或文字提供显性事实;静帧画面提供人物位置、道具状态或视线证据。删除声音后仍要能指出主要风险。
人物、场景和道具跨画面沿用同一身份。椅子、鞋等线索照片里的对象也单独登记,支持后续回填验收。
逼近余压、认知破裂、兑现关键画面、情感余震;前置线索与角色动作都在可见画面中完成回收。
每项红黄绿风险都标明影响哪些自检项。红灯阻断,黄灯有条件通过,全绿才可判为通过。
兑现段写成 22 秒,超出 60 秒短剧的 35% 上限;“声音归属”与“停表”又被过度判成绿灯。
正式兑现段调整为 45–60 秒,共 15 秒,占全片 25%;声音剩余风险保留黄灯,“停表”降为辅助证据。
首次独立审计指出时长和灯色误判;修复后用同一原始输入复测,38–45 秒归为“兑现前准备”,正式兑现从 45 秒开始。数据来自二轮修改与最终复测记录。
红灯 / 不通过
关键信息只在声音里,正确阻断。
黄灯 / 有条件通过
画面提供补偿,但保留声音风险。
绿灯 / 通过
复杂限制、资产和台词顺序均继承。
最终提交包由 1 份主 Skill 文件 + 2 份方法参考文件组成。下面的制作样张和反馈页直接取自 2026 年 8 月 17 日的二轮反馈 PDF;它们呈现当时讨论的人物、空间、道具约束。右侧是千问公告中的“收录 Skill”名单,作品以「希区柯克导演」列入其中。
我主导方法和质量判断,AI 辅助实现与测试。首测失败、复测和独立审计分别保留,让这个 Skill 的设计判断和结果都可以追溯。