AI漫剧全流程教程：一句话生成短剧预告片，提示词零手写

从一句话到成片，AI Agent 接管了整条流水线

传统的AI视频创作里，最劝退的环节往往不是渲染，而是写提示词——为每一个分镜反复调试文字描述，是耗时又枯燥的活儿。而这次B站UP主分享的工作流彻底换了个思路：整个短剧预告片的制作，从剧本到成片，几乎不需要自己手写任何一条提示词，全程由AI Agent 带着完成。

作者用一部“强女仙侠风”预告片作为案例，从需求描述开始，只花了两个小时就跑完了完整流程。核心逻辑很简单：人负责“把需求说清楚”和“做判断”，机器负责剩下的所有执行环节。

AI Agent 在这里指的是一类能够自主规划和执行多步骤任务的AI系统，与普通的单次问答式AI工具有本质区别。传统AI工具需要用户逐步给出指令，每一步都要人工介入；而Agent可以将一个高层目标（如"制作一部仙侠预告片"）自动分解成剧本生成、分镜规划、提示词编写、视频渲染、剪辑合成等子任务，并按照依赖关系依次或并行执行，只在需要人类判断的关键节点暂停等待确认。这种"目标驱动、自主执行"的工作模式，是Agent区别于Copilot或Chatbot的核心特征，也是本文所描述的工作流之所以能大幅减少人工干预的技术基础。

剧本、分镜、素材一次生成

工作流的起点是一句自然语言指令。作者告诉Agent“帮我生成一个强女仙侠风的预告片”，系统随即输出了完整的剧本和分镜脚本，并可以直接生成人物、场景等素材。

关键的一步在于提示词的批量处理。给出对应指令后，Agent 会自动为所有分镜批量生成提示词，创作者完全不需要逐条编写。这一步生成的是分镜草稿，而非最终视频，因此不消耗生成额度——这个设计相当务实，把“试错”和“正式生成”两个阶段拆开，避免了在草稿阶段就烧掉宝贵的渲染次数。

分镜草稿支持修改。创作者可以在这一阶段检查画面构图、剧情节奏，确认无误后再进入下一步。这种“先低成本预览、后高成本执行”的分层逻辑，是整个流程效率的核心所在。

批量并行生成，告别排队

草稿确认后，让Agent去批量生成分镜视频。值得关注的是，它支持多条视频同时并行跑，而不是传统工具那种一条一条排队等待的模式。对于一部包含几十个分镜的短剧来说，并行处理带来的时间节省相当可观，这也是作者能把整个流程压缩到两小时的重要原因。

并行生成之所以重要，在于AI视频渲染本身是计算密集型任务，单条分镜的生成时间通常在数十秒到数分钟不等。一部短剧预告片如果包含20-30个分镜，串行等待意味着总等待时间会线性叠加。并行处理将这一瓶颈从"分镜数量×单条时间"压缩至接近"单条时间"的量级（受算力资源上限制约），这也解释了为何整个流程能被压缩在两小时内完成。能否真正实现并行，取决于底层平台是否支持多任务并发调度，以及用户账户的额度和算力配额，实际体验可能因平台和套餐不同而存在差异。

角色替换：改一处，联动全局

这套工作流最能体现“Agent”能力的，是角色替换环节。在分镜视频已经生成的情况下，作者临时想把“神秘人”从男角色改为女角色。

操作方式依旧是自然语言：找到对应片段，把要求告诉Agent即可。系统随后对人物素材进行了调整——从声音到形象都做了同步修改。

更重要的是联动能力。角色素材变更后，作者再告诉Agent“神秘人的素材变了，需要修改对应的分镜”，系统便自动更新了所有相关分镜。这种“改一个源头、下游自动跟进”的机制，解决了以往AI创作中最头疼的一致性问题——过去要手动重做每一个涉及该角色的画面，现在交给Agent统一处理。

配乐与剪辑，一键收尾

完成分镜和角色调整后，流程已推进到80%。剩下的BGM配乐和成品剪辑同样交给Agent：告诉它配一个“超燃的BGM”并剪辑成片，即可拿到最终预告片。

作者对整个过程的总结相当精辟：从头到尾自己只做了两件事——第一，把需求说清楚；第二，做判断。其余的执行、生成、修改、联动，全部由AI带着一步步完成。

这套工作流意味着什么

从这个案例可以看出，AI视频创作的门槛正在从“会写提示词”向“会表达需求”迁移。提示词工程曾被视为AI创作的核心技能，但当Agent能够自动完成提示词生成、批量并行渲染、跨分镜一致性维护这些环节时，创作者的价值就回归到了更本质的层面：明确的创意方向和对成片质量的审美判断。

当然，这类演示往往展示的是理想状态。实际使用中，AI生成的分镜草稿质量、角色一致性的稳定程度、并行生成的成功率，都可能与演示存在差距。草稿修改和素材联动是否真的如描述般顺滑，仍需在自己的项目中验证。但无论如何，“把复杂流程封装成对话式操作”这个方向，代表了AI创作工具值得关注的演进趋势。

对想入门AI漫剧、短剧创作的人来说，这套流程提供了一个清晰的参考框架：与其纠结每一条提示词的措辞，不如先把故事和风格想清楚，让工具去承担繁重的执行工作。

提示词工程（Prompt Engineering）曾在2022-2024年间被视为一项专业技能，甚至出现了专职的"提示词工程师"职位。其核心工作是通过精确措辞、结构化模板和大量试错，引导AI模型输出符合预期的内容。然而随着模型理解能力的提升和Agent层的出现，这一技能正在经历快速的价值迁移：模型越来越能从模糊的自然语言需求中推断出用户意图，Agent则进一步承担了将意图转化为有效提示词的中间工作。这并不意味着提示词知识完全失效，但创作者不再需要将其作为首要门槛——对故事、视觉风格和节奏的判断力，重新成为更核心的竞争力。