用代码做视频的 7 套风格提示词

2026-10-22

让 AI 用代码做视频，提示词不用写成一段散文，而是分成 7 个块：角色、背景、任务、规格、画风、不要、检查。

这 7 块固定下来之后，换题材不用重写结构，只改任务和画风两处。本文给出 7 套按这个结构写好的完整提示词——像素风、老电视、手绘绘本、3D、产品宣传片、知识科普，以及一个「随它发挥」的通用版——直接复制就能用。

一、为什么提示词要分块

「一句一句说」和「分块写清楚」是两件事。写成一段话，模型容易漏掉约束、也容易把画风和任务混在一起；分成带标签的块，每块的职责就固定了：

最容易被忽略的是 <avoid> 和 <check>。 前者挡住「模型自己加的渐变和发光」，后者把「做完了」的定义从「AI 觉得做完了」变成「按清单逐条看过」。这两块写好，成片质量提升比反复润色 <style> 更明显。

另外，用 Opus 5.5 这类模型跑这套结构，输出会更稳定——结构化输入本来就比自由描述更吃模型的分解能力。

二、7 套风格提示词

第 1 种 · 像素风

关键技巧：先在很小的画布上画（192×108），再整数倍放大、关掉平滑，所有坐标取整——这样每个像素才是清楚的方格，而不是模糊的插值结果。颜色锁死在 16 种以内。人物一秒只换 10 次左右姿势，火、烟、水这类每帧都动。

<role>
你是一名像素美术师，熟悉老游戏的画法和节奏，最在意每个像素干净、人物在做什么一眼看得清。所有画面都自己写代码画出来。
</role>
<context>
这段是给横屏口播视频当素材，观众在手机上看，要一眼看出是老游戏那种像素风，人物在做什么要看得清。
</context>
<task>
夜市路边摊，一个小厨师在颠锅，锅里的火苗往上窜，食材在空中翻一圈落回锅里，摊子上挂的灯笼轻轻晃，背景有来往的行人剪影。
</task>
<specs>
- 横屏 1920×1080，每秒 30 帧，8 秒
- 整段动作不重复，结尾能接回开头循环播放
- 全部用代码画，不用任何图片素材，最后渲染成 MP4
</specs>
<style>
用 Canvas 画。先画在很小的画布上（横屏 192×108，竖屏 108×192），再整数倍放大、关掉平滑，所有坐标取整，这样每个像素都是清楚的方格。颜色不超过 16 种。人物一秒只换 10 次左右姿势，火、烟、水这类每帧都动，这种一卡一动的节奏才像老游戏。
</style>
<avoid>
渐变、模糊、发光、半透明；画面里写字；已有的游戏角色和 Logo。
</avoid>
<check>
做完抽 5 帧拼成一张图，逐条看：人物的手脚和道具有没有断开的或错位、缩到手机大小主角还认不认得出、颜色有没有超过 16 种、首尾接不接得上。有问题改完再交给我。
</check>

第 2 种 · 老电视

关键技巧：分两层。第一层照像素风画，第二层把整个画面当纹理，叠一层老电视着色器（弧形屏幕、扫描线、荧光点阵、泛光、暗角、轻微闪烁）。关键是强调「第二层只是给现成的画面套一块旧屏幕，不要重画」——否则模型会重新设计画面，怀旧感就散了。

<role>
你是一名像素美术，也是懂老电视显像管效果的技术美术，最在意怀旧的质感，同时主角始终看得清。所有画面都自己写代码画出来。
</role>
<context>
这是一段开场，要有老街机开机的感觉，观众在手机上看。
</context>
<task>
像素风的城市夜景，霓虹招牌一闪一闪，一辆像素小车从左开到右，天上有流星划过。
</task>
<specs>
- 横屏 1920×1080，每秒 30 帧，8 秒，动作不重复
- 全部用代码画，最后渲染成 MP4
</specs>
<style>
分两层做。第一层用 Canvas 画像素画：画在很小的画布上（横屏 256×144，竖屏 144×256），整数倍放大、关掉平滑，颜色不超过 16 种。第二层把整个画面当纹理，叠一层老电视着色器：弧形屏幕、扫描线、荧光点阵、泛光、暗角、轻微闪烁。第二层只是给现成的画面套一块旧屏幕，不要重画。
</style>
<avoid>
画面里写字（招牌只画图形）、真实游戏里的角色、泛光把主角糊成一团。
</avoid>
<check>
做完抽 5 帧拼成一张图，逐条看：套上老电视效果后主角还认不认得出、泛光有没有把形状糊掉、弧形屏幕的边有没有切到主角。有问题改完再交给我。
</check>

第 3 种 · 手绘绘本

关键技巧：用 p5.js 加 p5.brush 笔刷画——纸张纹理的底、铅笔勾线、水彩上色。画面一秒只换 12 张，每张线条轻轻抖一下，手绘动画的生气就来自这种抖。抖的幅度是这类风格的全部难点，写死了就不容易跑偏。

<role>
你是一名绘本插画师，擅长温柔、有手作感的画面，最在意线条的手绘味和画面的氛围。所有画面都自己写代码画出来。
</role>
<context>
这段是给横屏口播视频当素材，要像绘本里的一页动了起来，温柔、有手作感，观众在手机上看。
</context>
<task>
下雨天的小镇，一只撑着红伞的小猫从左走到右，雨点落进水洼溅起小圈，窗户里的灯一盏一盏亮起来。
</task>
<specs>
- 横屏 1920×1080，8 秒，最后渲染成每秒 30 帧的 MP4
- 全部用代码画，不用任何图片素材
</specs>
<style>
用 p5.js 加 p5.brush 笔刷画：纸张纹理的底、铅笔勾线、水彩上色。画面一秒只换 12 张，每张线条轻轻抖一下，手绘动画的生气就来自这种抖。
</style>
<avoid>
纯黑背景、到处发光、干净得像矢量图的线条、已有的角色和 Logo。
</avoid>
<check>
做完抽 5 帧拼成一张图，逐条看：主角比例对不对、天气和光这些氛围够不够（比如下雨要一眼看得出在下雨）、线条有没有在抖。有问题改完再交给我。
</check>

第 4 种 · 3D

关键技巧：用 Three.js，柔和的光和影子。<style> 里有一条很清醒的取舍——主角只挑能用方块、圆柱、球这些基础形状拼出来的东西，因为代码搭不出照片那么真的实物。这等于提前把「低多边形」这个风格的物理上限写清楚了，模型不会跑去追求写实。

<role>
你是一名 3D 场景美术，擅长用简单的几何体搭出好看的场景，最在意空间感和镜头运动顺不顺。所有画面都自己写代码画出来。
</role>
<context>
这段是给横屏口播视频当素材，要一眼看出是真 3D，所以镜头要动、远处近处要分得开，观众在手机上看。
</context>
<task>
低多边形风格的海上小岛，岛上有一座灯塔和几棵树，黄昏，海面起伏，几只海鸥绕着灯塔飞，镜头慢慢绕着小岛转半圈。
</task>
<specs>
- 横屏 1920×1080，每秒 30 帧，8 秒
- 全部用代码做，不用任何模型和图片素材，最后渲染成 MP4
</specs>
<style>
用 Three.js 做，柔和的光和影子。主角挑能用方块、圆柱、球这些基础形状拼出来的东西，因为代码搭不出照片那么真的实物。
</style>
<avoid>
到处发光、紫色霓虹、镜头乱晃、已有的角色和 Logo。
</avoid>
<check>
做完抽 5 帧拼成一张图，逐条看：模型有没有破洞、穿模或悬空，缩到手机大小主角够不够大，镜头运动顺不顺。有问题改完再交给我。
</check>

第 5 种 · 产品宣传片

关键技巧：这一套从「画风」扩展到了「交互设计」。用 HTML、CSS、SVG 做，浅色背景 + 黑白组件 + 一个强调色 #FF5A1F。所有位置、大小、圆角的变化都用弹簧动画，到位时轻轻弹一下；每一次变化都由光标去点、去拖，像真人在操作；每次变化卡在半拍上。

<task> 里还有一层巧思：界面文案用灰色横条代替，关键数字可以用编的真数字，前后要对得上——这样既避免了模型写错中文，又保住了「数字在变」的观感。

<role>
你是一名资深动效设计师，做过很多 App 的宣传片，最在意节奏和每个功能讲不讲得清楚。所有画面都自己写代码做出来。
</role>
<context>
这是一个音乐播放器 App 的宣传片，要让人一眼看懂它能干什么，所以每一下变化只讲一个功能。
</context>
<task>
界面上的关键功能：点下播放、封面卡片放大展开、歌词一行行滚上来、进度条和音量条跟着节拍跳、最后整个界面收成一条迷你播放条，按这个顺序出现。界面里的文案用灰色横条代替，关键数字可以用编的真数字，前后要对得上。
</task>
<specs>
- 横屏 1920×1080，每秒 30 帧，12 秒
- 配乐用代码合成，120 BPM，最后渲染成带声音的 MP4
</specs>
<style>
用 HTML、CSS、SVG 做。浅色背景，黑白组件加一个强调色 #FF5A1F。所有位置、大小、圆角的变化都用弹簧动画，到位时轻轻弹一下；每一次变化都由光标去点、去拖，像真人在操作；每次变化卡在半拍上。
</style>
<avoid>
渐变按钮、到处发光、所有东西一起淡入淡出、满屏小字。
</avoid>
<check>
做完抽 5 帧拼成一张图，逐条看：有没有零件飞出卡片、光标和被点的东西对不对得上、变化是不是都落在拍子上。有问题改完再交给我。
</check>

第 6 种 · 知识科普

关键技巧：这一套的核心不在视觉，在 <task> 里那句**「日期和事件都去 Anthropic 官网的公告一条条核实，核实不到的不写」**——把事实核查写成了任务的一部分，而不是靠模型的知识储备。

画风上用的是印刷排版风：暖白纸底、黑字、只用一个强调色、大号衬线年份，节点像翻页一样一页页换，底部一条时间尺，标记跟着走。<check> 也相应地改成了逐页抽帧核查，而不是抽 5 帧拼图。

<role>
你是一名知识科普作者，也是严谨的历史研究者，最在意事实准确、把复杂的事讲明白。所有画面都自己写代码画出来。
</role>
<context>
这是一条知识类短片，观众会把里面的日期当真，所以准确比好看更重要。
</context>
<task>
做一条「Claude 简史」：挑 6 到 7 个节点，每个节点一个年月、一个标题、一句话说明，配一幅小插画。日期和事件都去 Anthropic 官网的公告一条条核实，核实不到的不写。
</task>
<specs>
- 横屏 1920×1080，每秒 30 帧，30 秒
- 配乐用代码合成，120 BPM，每次翻页落在拍子上
- 全部用代码做，最后渲染成带声音的 MP4
</specs>
<style>
印刷排版风：暖白纸底、黑字、只用一个强调色，大号衬线年份。节点像翻页一样一页页换，底部一条时间尺，标记跟着走。
</style>
<avoid>
深色底加居中大字、所有东西一起淡入淡出、Logo 和吉祥物、核实不了的说话。
</avoid>
<check>
做完逐页抽帧看：有没有错字、日期和标题对不对得上、翻页卡不卡拍、每句话能不能在来源里找到依据。有问题改完再交给我。
</check>

第 7 种 · 随它发挥

关键技巧：当没有明确画风方向时，用这一套。<style> 的要求是每个场景用一种不同的动效手法（大字拆开重组、图形变形、粒子、镜头穿越这类），把最拿手的都用上——本质是让 AI 主动做视觉策划，而不是复刻某一种已知风格。

<check> 里那句「配乐合成完看一眼波形和响度，别削顶」，是整套 7 套里唯一提到音频检查的。

<role>
你是一名很厉害的动效设计师，最拿手用各种动效手法把一个主题讲得有冲击力。所有画面都自己写代码画出来。
</role>
<context>
这是一段片头，观众在手机上看，开头一秒就要有东西动起来，所以每个场景只讲一件事，字少而大。
</context>
<task>
主题：用代码做视频
看完希望观众记住：每一帧都是代码画的
</task>
<specs>
- 横屏 1920×1080，每秒 30 帧，15 秒
- 分 5 个场景，每 2 到 3 秒换一个
- 配乐用代码合成，120 BPM，场景切换卡在拍子上
- 全部用代码做，不用任何图片素材，最后渲染成带声音的 MP4
</specs>
<style>
配色只用墨黑、米白和一个亮橙色，米白底；一种标题字体、一种正文字体。每个场景用一种不同的动效手法（大字拆开重组、图形变形、粒子、镜头穿越这类），把你最拿手的都用上。
</style>
<avoid>
所有东西一起淡入淡出、到处发光、渐变按钮、满屏小字、现成的角色和 Logo。
</avoid>
<check>
做完逐个场景抽帧看：字有没有出画、有没有空白帧、切点卡不卡拍；配乐合成完看一眼波形和响度，别削顶。有问题改完再交给我。
</check>

三、怎么用

改任务，不改结构。 换题材时，role、context、specs、style、avoid、check 基本可以留着不动，只重写 task——把你要的画面按动作顺序一句句列出来，越具体越好。

直接发给能跑命令的 AI 编程工具。 这些提示词都假设 AI 能在本地写代码、装依赖、跑无头浏览器截图，所以 Claude Code、DeepSeek Harness、Cursor 这类工具比网页对话框更合适。

先做短片。 8 秒是这几套的默认长度，够验证画风了。画风确认无误再往下加时长，否则风格没调好时，多加的每一秒都是浪费。

<check> 别删。 抽 5 帧拼成一张图这个动作，几秒钟就能做完，但它是唯一能挡住「AI 交了个自己觉得行、实际一塌糊涂」的环节。删掉它，返工成本会翻好几倍。

四、几套之间的取舍

需要音频的（产品宣传片、知识科普、随它发挥）都在 <specs> 里要求「配乐用代码合成」并指定了 BPM；不需要的（像素风、老电视、3D、手绘绘本）只渲染无声 MP4，这是有意的——把 BGM 留到剪辑阶段再配，可控性更高。