五段式:一条能用的提示词长什么样

这套方法从哪来

方法本身来自 Mx-Shell —— 他在 2026 年 5 月主动公开分享了自己的提示词文档与一场直播。

本站的自有仓库 ai-shortfilm-prompts 把它系统化,并重写成了一批去 IP 的通用模板 (MIT 协议,可自由使用)。本课教的就是这批模板里的结构。

⚠️ 两件事必须分清:

• 方法与原始提示词属于 Mx-Shell,本课引用时逐条署名。
• 模板是本站原创的去 IP 改写版,你可以直接拿去用、拿去改、拿去商用。

先说清楚:你到底要写多少条提示词

这是这一章最容易误解的地方,现在讲明白 —— 一条片子的提示词分两层。

《最后一单》12 镜,镜头层就是 12 条;资产层另算 —— 主角锁定块 1 条、 配角资料卡(狗、尘鲸)2 条、场景 plate 2 张、表情卡 6 张。

听起来很多,但真正要从头写 12 次的只有第 5 段。这正是五段式存在的理由: 前四段是骨架,写一次,12 镜原样复制;第 5 段是这一镜独有的,每镜重写。 所以"写 12 条"的实际工作量,更接近"写 1 条骨架 + 12 段情节"。

⚠️ 别把这两层混着写。把场景描述塞进每一镜的镜头提示词里, 你会得到 12 个略有不同的场景 —— 那正是 s2.5 讲的漂移。

但别被「12 条」吓到:这条片子没有现写 12 条

留档里记着一件和直觉相反的事。这片子在定稿分镜写出来之前已经抽过两轮 (V1:6 月 6 日,5 秒一条,全流程打样;V2:次日重抽提质,6-7 秒)。 等 12 镜分镜表定下来的时候,手上已经有一批能用的素材了。

S4 会给你那张逐镜对照的缺口表,这里先看结论(完整的一张在 s4.3):

也就是说:12 镜里有 5 镜一个字的提示词都没现写 —— 它们用的是前两轮抽的时候 写过的那些提示词生成出来的素材。

所以更准确的说法是:

每一镜都对应一条提示词,但其中有相当一部分那一条是「早先某一轮抽的时候写的」, 不是照定稿分镜现写的。

你的素材库是一轮一轮长出来的;定稿分镜是在已有素材上就地取材、只补缺口。 "补抽还是重做"那个决定在 S4(s4.2 / s4.3),它让这条片子省掉了三分之二的抽卡量。

这对你意味着什么:第一部片子你确实要把 N 条都写一遍 —— 你没有素材库。 但从第二部开始,前四段骨架、资产卡、和大半个素材库都是现成的, 真正要新写的只有那几镜命门和新增的情绪 beat。

五段是哪五段

对仓库里那 28 组中文模板做了一次机械统计:

那 21 组里,前四段的小标题一字不差,全都是这四个:

1 · 核心主题      ← 给模型定调子(一行标签)
2 · 人物与场景    ← 画面里有谁、穿什么、站在哪
3 · 氛围与画质    ← 它看起来像什么(镜头、胶片、光)
4 · 运镜规则      ← 摄影机怎么动
5 · 分镜          ← 按秒展开,一拍一拍写

🔴 而第五段的标题,21 组里有 15 种不同写法 ——「3 拍,约 10s」「一镜到底,约 12s」 「7 个镜头,一生」「4 拍 = 一天,约 12s」……

这个差异不是手滑,它是这套方法最要紧的一条信息:

前四段是骨架,写死不变;第五段是这条片子独有的,每次都得重写。

你以后拿到任何一条别人的提示词,先看它有没有这四段。 没有,它多半只是一段描述,不是提示词。

它和你已经写好的东西怎么对上

你不需要从零开始 —— 前四段里有三段,你在 S2 已经写完了:

⚠️ 注意锁定块的第三段【声音】—— 它在五段式里没有对应的格子, 因为它是附加在整条提示词上的约束,不是画面内容(见 s3.9)。

一条真的长这样

下面是仓库里「竖屏短剧」模板的前四段(已去 IP,可直接用):

1 · 核心主题
竖屏短剧 | 对话对峙 | 钩子前置的冷开场 | shot-reverse-shot(正反打) | 写实克制表演,不要狗血浮夸

2 · 人物与场景
人物:【A 角色外形,别用 IP 名】和【B 角色外形】。参照上传照片,五官 100% 保留,不做美颜。真实、克制的情绪 —— 绷紧的下颌、眼里一闪、一口憋住的气 —— 而不是戏剧化的浮夸表演。带瑕疵:疲惫的眼、一缕乱发、真实皮肤、微皱的衣领。
场景:【夜里一间住惯了的办公室】—— 实景台灯、文件、一扇透着城市寒意的窗。竖屏 9:16 构图,围绕脸来搭。

3 · 氛围与画质
ARRI Alexa + vintage primes 拍摄,克制的电影感调色,浅景深把脸从背景里剥离出来。为竖屏(9:16)构图:脸放在画面上中部,尊重眼神线以便走正反打。胶片颗粒、有动机的实景光、真实阴影。

4 · 运镜规则
正反打对话语法:一个干净的 A 单人镜,一个反打的 B 单人镜,张力升高时再收得更紧。竖屏构图让每张脸都很大。
Handheld shot. Throughout, maintain an extremely subtle, breath-like camera float to enhance presence.
Sound: No score. Production audio only —— 对白、室内底噪、台灯电流声、椅子挪动声。

注意几件事,后面几节会逐段展开:

• 第 1 段不写句子,写标签,用 | 隔开。
• 第 2 段里出现了"不做美颜""带瑕疵" —— 这是反直觉的关键,和 s2.5 那条 "具体的缺陷才是锚点"是同一件事。
• 第 4 段末尾那句 Sound: No score. —— 就是 s3.9 的声音限制词, 在这个模板里被折进了第四段。

🔧 动手做:把你的第一镜装配成五段(8 分钟)

这一步是装配,不是创作 —— 材料你都有了。

1. 建五个空格,照上面那五个小标题。
2. 第 2、3 段直接粘贴你在 s2.5 写的锁定块【角色】和【画质】段。
3. 第 5 段直接抄你分镜表里这一行的动作与秒数。
4. 只剩第 1 段和第 4 段要新写 —— 先各写一行,不求好,后面几节会逐段打磨。
5. 🔴 写完做一次"格子检查":五个格子有没有哪一格是空的? 有空格就先填一句占位的,别让它空着 —— 模型会自己"补全"空着的格子,而它补的通常不是你想要的。

你会看到:装配完你会发现整条提示词的大半来自 S2 那一章 —— 这就是规格先行的回报:提示词是被拼出来的,不是被想出来的。

为什么:大多数人写提示词是"一句一句想",于是每一镜的结构都不一样, 出问题时也无从定位。固定五段之后,任何一次翻车都能被指认到具体某一段 —— 这正是 S4 那张反查表能成立的前提。