代码驱动的视频产出工作流
外包一个几十秒的产品视频要上万块，但可以不打开任何剪辑软件，只用代码把它跑出来。
工作流的关键在于：先用 GPT-Image-2 把每个场景的视觉预演图出好，再把图交给 Codex 复刻成代码。
为什么要先出图
用 Codex 写界面，没有图，就像让人画画但不告诉他画什么：能动笔，但结果全靠运气。
做视频也一样。「深色调、有科技感、简洁大气」AI 能理解这些词，但落到实际画面，十次有七次不是你想要的。
所以结合生图软件先生成一张预览图，AI 就有了可视化的参考，而且比起文字更直观。从「帮我做一个有科技感的场景」，变成「按照这张图的布局、颜色、层级，复刻成动画」。
视觉目标从模糊变成可执行。这一步是整个工作流能跑通的原因。
Step 1：构思脚本和分镜
每个场景确认四件事：
- 画面里有什么（元素、位置、数字）
- 情绪基调（紧张感、讽刺感、转折感）
- 需要出现哪些文字和标注卡
- 动效的出现顺序
不需要任何工具，写文档就行。几个场景就写几份分镜描述，这是之后所有东西的地基。
Step 2：用 GPT-Image-2 生成分镜预览图
每个场景写一份图片 Prompt，格式如下：
实际用的 Prompt（数据看板场景）：
其他场景用同样格式出图。每张图只问一件事：这个视觉方向对不对？对了才进下一步。
数据看板和 UI 截图类场景适合「精确布局型 Prompt」（如上）。如果场景需要人物插图或背景纹理，则需要更换 Prompt 写法：
- 人物插图型（透明背景，叠在代码 UI 上方）
- 背景纹理型（铺在 UI 下层用）
原则：纹理和插图用生图解决，文字、数字、布局、动效全在代码里重建。各司其职。
Step 3：把预览图交给 Codex
给图之前，先把场景拆成两层：
- 代码层：文字、数字、卡片、气泡、按钮、所有动效——全在代码里重建，不依赖图片
- 图片层：背景纹理、人物插图——作为静态资源 import 进来，代码不负责生成
这层分工要写进 Codex 的 prompt 里：「文字和布局用代码实现，背景图我会手动 import，你不需要生成图片内容。」
「先分析，再写代码」这一句很重要。跳过它，Codex 会直接开写，容易写歪。
Step 4：对照预览图检查，逐场景微调
每个场景单独跑，对照原图。有偏差就说具体的：
「标注卡片出现得太早，改成主内容 fade-in 完成后再 slide-in」 「donut chart 颜色偏橙，改成 #b44040」
越具体，Codex 越好改。说「再好看一点」只会让它加阴影和渐变。也可以让 AI 先改进你的提示词，然后再正式提交。
Step 5：浏览器录屏，交付
四个场景全跑通之后，浏览器直接预览，系统自带录屏。不需要 After Effects，不需要 Premiere，不需要任何视频软件。美化一下配个 BGM 就完成了；想让录屏效果更好看，可以用 FocuSee 这类工具。
这个工作流适合谁
适合想做产品演示视频、工具教程视频，但没有视频制作背景的人——不需要懂剪辑，不需要懂动效工程。
需要的是：知道每个场景要长什么样，然后用一张图把这件事说清楚。
先确认视觉，再执行工程。把两个判断拆开，效率会更高。