在 AI 视频生产中，最常见的现象是提示词越写越长，成片却越来越散。画面、空间、角色、声音、参考图各自优化，没有进入同一条生产链路。
我们在 AI 视频自动化生产实践系列（共 12 篇）中，把这个问题拆成一条从上游到下游的链路。本文概述其中的几个核心观点。
先定义观众必须看懂什么
生产的起点不是提示词，而是观众结果：这一段看完，观众必须理解什么、感受到什么。这个结果决定了后面每一个镜头是否必要。
剧本是上游接口
剧本不只是故事文本，而是 AI 视频生产的上游接口。它需要把角色、场景、动作、对白和情绪拆成下游可以执行的字段，否则每个镜头都在重新猜测意图。
镜头主线与空间动线
单个镜头好看不等于整段可看。需要先确定镜头主线和人物在空间中的动线，让相邻镜头之间的方向、位置和视线保持连续。
参考图是工程资产
参考图的作用是控制模型漂移：同一角色在不同镜头中的脸、服装、比例和道具保持一致。因此参考图应该像代码资产一样被命名、版本化和复用，而不是每次临时生成。
失败也要进入流程
角色走样、动作穿帮、口型不同步、风格跳变，这些失败需要被分类记录，并回写到剧本模板、参考图规范和任务包里。下一次生产因此会更稳定。
与业务的关系
这套拆解方法同样适用于企业的内容生产流程：先定义结果和验收标准，再拆接口和资产，最后把失败沉淀为规则。这也是我们在内容生产辅助工具方向上的工作方式。